Detail předmětu
Výpočetní inteligence
FSI-9VIN Ak. rok: 2021/2022 Celoroční semestr
Výpočetní inteligence (Computational Intelligence) je zastřešující název přírodně inspirovaných výpočetních metodologií vhodných pro řešení obtížných reálných problémů, které jsou s využitím běžných matematických či inženýrských přístupů špatně řešitelné. Kurz seznamuje se základními přístupy a pokročilými metodami používanými v této oblasti. Použitelnost metod je demonstrována na řešení jednoduchých inženýrských problémů. Studentům je dán prostor a podpora pro řešení vlastních optimalizačních úloh.
Jazyk výuky
čeština
Garant předmětu
Zajišťuje ústav
Výsledky učení předmětu
Pochopení základních metod počítačové inteligence a schopnost jejich implementace.
Prerekvizity
Předpokládá se znalost základních souvislostí ze statistiky a optimalizace.
Plánované vzdělávací činnosti a výukové metody
Předmět je vyučován formou přednášek a individuálních konzultací, které mají charakter výkladu základních principů a teorie dané disciplíny.
Způsob a kritéria hodnocení
Předložení a obhájení projektu, který prezentuje/využívá některou z probíraných implementací metod počítačové inteligence.
Učební cíle
Seznámit studenty se základy tzv. výpočetní inteligence (Computational Intelligence), tj. přírodou inspirovanými přístupy pro řešení obtížných problémů reálného světa. Především v kontextu optimalizace, modelování a klasifikace. Diskutovány budou rozličné evolučními algoritmy, metaheuristiky a modely umělých neuronových sítí.
Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky
Účast na přednáškách je žádoucí. Výuka běží podle individuálního plánu. Způsob nahrazení zameškaných hodin je plně v kompetenci vyučujícího.
Použití předmětu ve studijních plánech
Program D-APM-K: Aplikovaná matematika, doktorský, doporučený kurs
Program D-APM-P: Aplikovaná matematika, doktorský, doporučený kurs
Typ (způsob) výuky
Přednáška
20 hod., nepovinná
Vyučující / Lektor
Osnova
Výuka je rozdělena do 4 bloků:
Blok 1: Výpočetní inteligence v kontextu umělé inteligence. Prezentace možných úloh. Prezentace úloh studentů.
Blok 2: Evoluční a hejnové výpočetní techniky a optimalizační metaheuristiky (Genetické algoritmy, Gramatická evoluce, Genetické programování, metaheuristika HC12, Mravenčí algoritmy)
Blok 3: Umělé neuronové sítě (dopředné, rekurentní, samoorganizace, hluboké účení)
Blok 4: Individuální konzultace pro vlastní úlohy.