Název:

Soft Computing

Zkratka:SFC
Ak.rok:2017/2018
Semestr:zimní
Studijní plán:
ProgramOborRočníkPovinnost
IT-MGR-2MBI2.povinný
IT-MGR-2MBS-volitelný
IT-MGR-2MGM-volitelný
IT-MGR-2MIN1.povinný
IT-MGR-2MIS-volitelný
IT-MGR-2MMI-volitelný
IT-MGR-2MMM-povinně volitelný - skupina N
IT-MGR-2MPV-povinně volitelný - skupina B
IT-MGR-2MSK-volitelný
Vyučovací jazyk:čeština
Informace pro zapsané:http://www.fit.vutbr.cz/study/courses/SFC/private/
Kredity:5 kreditů
Ukončení:zápočet+zkouška (písemná)
Výuka:
hod./sempřednáškasem./cvičenílab. cvičenípoč. cvičeníjiná
Rozsah:2600026
 zkouškatestycvičenílaboratořeostatní
Body:55150030
Garant:Zbořil František V., doc. Ing., CSc., UITS
Přednášející:Zbořil František V., doc. Ing., CSc., UITS
Cvičící:Zbořil František, doc. Ing., Ph.D., UITS
Zbořil František V., doc. Ing., CSc., UITS
Fakulta:Fakulta informačních technologií VUT v Brně
Pracoviště:Ústav inteligentních systémů FIT VUT v Brně
Nahrazuje:
Neuronové sítě (NEU), UITS
Rozvrh:
DenVýukaTýdenMístnostOdDoPSKSk-odSk-do
PoObhajoby projektů2017-12-11A21112:0016:50
ÚtObhajoby projektů2017-12-12A21108:0010:50
Útzkouška - 2. oprava2018-01-30E10410:0012:501MIT
Útzkouška - 2. oprava2018-01-30E10410:0012:502MIT
Útzkouška - 2. oprava2018-01-30E10510:0012:501MIT
Útzkouška - 2. oprava2018-01-30E10510:0012:502MIT
ÚtObhajoby projektů2017-12-12A21112:0016:50
StObhajoby projektů2017-12-13A21108:0009:50
Stzkouška - 1. oprava2018-01-24E10408:0010:501MIT
Stzkouška - 1. oprava2018-01-24E10408:0010:502MIT
Stzkouška - 1. oprava2018-01-24E10508:0010:501MIT
Stzkouška - 1. oprava2018-01-24E10508:0010:502MIT
StObhajoby projektů2017-12-13A21112:0016:50
ČtObhajoby projektů2017-12-14A21112:0012:50
ČtObhajoby projektů2017-12-14A21116:0016:50
Obhajoby projektů2017-12-15A21108:0011:50
zkouška - řádná2018-01-12E11208:0010:501MIT
zkouška - řádná2018-01-12E11208:0010:502MIT
 
Cíle předmětu:
  Seznámit studenty se základy teorií soft-computing, tj. se základy teorií netradičních technologií a přístupů k řešení obtížných problémů reálného světa.
Anotace:
  Soft computing je zastřešující název (který nemá použitelný český překlad) pro netradiční technologie, resp. přístupy k řešení obtížných problémů. Obsah předmětu je ve shodě s významem jeho názvu následující: Tolerance pro nepřesnost a neurčitost jako základní atributy teorií soft-computing. Neuronové sítě. Fuzzy logika. Genetické, ACO (Ant Colony Optimization) a PSO (Particle Swarm Optimization) algoritmy. Pravděpodobnostní usuzování. Hrubé množiny. Chaos.  Hybridní přístupy (kombinace neuronových sítí, fuzzy logiky a genetických algoritmů) .
Požadované prerekvizitní znalosti a dovednosti:
  
  • Programování v jazycích C++ nebo Java.
  • Základní znalosti z diferenciálního počtu a teorie pravděpodobnosti.
Získané dovednosti, znalosti a kompetence z předmětu:
  
  • Studenti se seznámí se základními typy neuronových sítí a jejich aplikacemi.
  • Studenti se seznámí se základy teorie fuzzy množin a fuzzy logiky včetně návrhu fuzzy regulátoru.
  • Studenti se naučí řešit optimalizační problémy pomocí genetických, ACO (Ant Colony Optimization) a PSO (Particle Swarm Optimization) algoritmů.
  • Studenti se seznámí s problematikou pravděpodobnostního usuzování.
  • Studenti se seznámí se základy teorie hrubých množin a s použitím těchto množin při dolování znalostí z databází.  
  • Studenti se seznámí se základy teorie chaosu.
Dovednosti, znalosti a kompetence obecné:
  
  • Studenti se naučí odborné terminologii z oblasti soft-computing, a to jak v českém, tak i anglickém jazyce.
  • Studenti si uvědomí důležitost tolerance nepřesnosti a neurčitosti pro konstrukci robustních a levných inteligentních zařízení.
Osnova přednášek:
 
  1. Úvod. Biologický a umělý neuron, umělé neuronové sítě. Perceptron a Adaline.
  2. Neuronové sítě Madaline a Back Propagation.  
  3. Neuronové sítě RBF, RCE, SCL, SOM/SOFM, LVQ, CPN, ART.
  4. Neuronové sítě jako asociativní paměti (Hopfield, BAM, SDM).
  5. Řešení optimalizačních problémů neuronovými sítěmi. Stochastické neuronové sítě, Boltzmannův stroj.
  6. Neocognitron a konvoluční neuronové sítě.
  7. Genetické algoritmy. 
  8. Optimalizační algoritmy ACO a PSO.
  9. Fuzzy množiny a fuzzy logika.  
  10. Pravděpodobnostní usuzování, Bayesovské sítě.
  11. Hrubé množiny.
  12. Chaos.
  13. Hybridní přístupy (neuronové sítě, fuzzy logika, genetické algoritmy).
Osnova ostatní - projekty, práce:
 Individuální projekt - řešení konkrétního problému (klasifikace, optimalizace, asociace, řízení).
Literatura referenční:
 
  1. Aliev,R.A, Aliev,R.R.: Soft Computing and its Application, World Scientific Publishing Co. Pte. Ltd., 2001, ISBN 981-02-4700-1
  2. Mehrotra, K., Mohan, C., K., Ranka, S.: Elements of Artificial Neural Networks, The MIT Press, 1997, ISBN 0-262-13328-8
  3. Munakata, T.: Fundamentals of the New Artificial Intelligence, Springer-Verlag New York, Inc., 2008. ISBN 978-1-84628-838-8  
  4. Rutkowski, L.: Flexible Neuro-Fuzzy Systems, Kluwer Academic Publishers, 2004, ISBN 1-4020-8042-5
  5. Russel,S., Norvig,P.: Artificial Intelligence, Prentice-Hall, Inc., 1995, ISBN 0-13-360124-2, third edition 2010, ISBN 0-13-604259-7
Literatura studijní:
 
  1. Mehrotra, K., Mohan, C. K., Ranka, S.: Elements of Artificial Neural Networks, The MIT Press, 1997, ISBN 0-262-13328-8
  2. Munakata, T.: Fundamentals of the New Artificial Intelligence, Springer-Verlag New York, Inc., 2008. ISBN 978-1-84628-838-8
  3. Russel, S., Norvig, P.: Artificial Intelligence, Prentice-Hall, Inc., 1995, ISBN 0-13-360124-2, second edition 2003, ISBN 0-13-080302-2, third edition 2010, ISBN 0-13-604259-7
Kontrolovaná výuka:
  Předmět nemá kontrolovanou výuku (cvičení). Zameškané zkoušky lze nahrazovat pouze zcela výjimečně, a to po posouzení řádně doložených důvodů zameškání garantem předmětu.
Průběžná kontrola studia:
  
  • Půlsemestrální písemný test - 15 bodů.
  • Projekt - 30 bodů.
  • Závěrečná písemná zkouška - 55 bodů, minimálně však 25 bodů. Pro získání bodů ze závěrečné písemné zkoušky je nutné zkoušku vypracovat tak, aby byla hodnocena nejméně 25 body (v opačném případě bude zkouška hodnocena 0 body).
Podmínky zápočtu:
  Nejméně 20 bodů získaných v průběhu semestru (za půlsemestrální test a projekt).