SubjectsSubjects(version: 853)
Course, academic year 2019/2020
  
Computational Intelligence Methods - M500003
Title: Metody výpočetní inteligence
Guaranteed by: CTU in Prague, Faculty of Information Technology (500)
Actual: from 2019
Semester: winter
Points: winter s.:4
E-Credits: winter s.:4
Examination process: winter s.:
Hours per week, examination: winter s.:2/1 C+Ex [hours/week]
Capacity: unknown / unknown (unknown)
Min. number of students: unlimited
Language: Czech
Teaching methods: full-time
Level:  
For type:  
Guarantor: Kordík Pavel doc.Ing. Ph.D.
Interchangeability : N500013
Annotation -
Last update: Hladíková Jana (05.01.2018)
Students will understand methods and techniques of computational intelligence that are mostly nature-inspired, parallel by nature, and applicable to many problems. They will learn how these methods work and how to apply them to problems related to data mining, control, intelligen games, optimizations, etc.
Aim of the course -
Last update: Hladíková Jana (05.01.2018)

Students will be able to:

Understand basic methods and techniques of computational intelligence that stem from the classical artificial intelligence

Apply them in knowledge engineering.

Literature -
Last update: Svozil Daniel doc. Mgr. Ph.D. (04.11.2018)

R: Volná, E.: Neuronové sítě 1 a 2. Skripta Ostravská universita v Ostravě, Ostrava, 2008. http://www1.osu.cz/~volna/Neuronove_site_skripta.pdf

R: Oplatková Z., Ošmera P., Šeda M., Včelař F., Zelinka I, Evoluční techniky - principy a aplikace, BEN Technická literatura, 2008, ISBN 80-7300-218-3

R: Novák V., Základy fuzzy modelování, BEN Technická literatura, 2002, ISBN: 80-7300-009-1

A: Kvasnička V., Pospíchal J., Tiňo P.: Evoluční algoritmy. Vydavatelství STU Bratislava, 2000, ISBN 80-227-1377-5

A: Hynek J., Genetické algoritmy a genetické programování, GRADA, 2008 EAN:24760575

A: Mařík, V., Štěpánková, O., Lažanský, J. a kol. Umělá inteligence 4. Academia, 2003, ISBN:80-200-1044-0

A: Siddique, N., Adeli, H. "Computational Intelligence: Synergies of Fuzzy Logic, Neural Networks and Evolutionary Computing", Wiley, 2013. ISBN 1118337840.

A: Bishop, C. M. "Pattern Recognition and Machine Learning". Springer, 2011. ISBN 9780387310732.

Learning resources -
Last update: Hladíková Jana (05.01.2018)

https://edux.fit.cvut.cz/courses/MI-MVI/

(login necessary)

Syllabus -
Last update: Svozil Daniel doc. Mgr. Ph.D. (29.10.2018)

1. Introduction to computational intelligence, its uses.

2. Algorithms of machine learning.

3. Neural networks.

4. Evolutionary algorithms, evolution of neural networks.

5. [3] Computational intelligence methods: for clustering, for classification, for modeling and prediction.

6. Fuzzy logic.

7. Swarms (PSO, ACO).

8. Ensemble methods.

9. Inductive modeling.

10. Quantum and DNA computing.

11.-13. Case studies, new trends.

Registration requirements -
Last update: Svozil Daniel doc. Mgr. Ph.D. (08.02.2018)

Data mining

Course completion requirements - Czech
Last update: Svozil Daniel doc. Mgr. Ph.D. (07.02.2018)

Pro zı́skánı́ zápočtu je potřeba dostatek bodů ze semestrálnı́ práce. Zkouška se skládá z pı́semné části a nepovinné ústnı́ části.

Teaching methods
Activity Credits Hours
Účast na přednáškách 1 28
Příprava na přednášky, semináře, laboratoře, exkurzi nebo praxi 1 28
Práce na individuálním projektu 1 28
Příprava na zkoušku a její absolvování 0,5 14
Účast na seminářích 0,5 14
4 / 4 112 / 112
Coursework assessment
Form Significance
Report from individual projects 40
Examination test 60

 
VŠCHT Praha