|
|
|
||
Studenti porozumí základním metodám a technikám výpočetní inteligence, které vycházejí z tradiční umělé inteligence, jsou paralelní povahy a jsou použitelné pro řešení celé řady problémů. Studenti se naučí, jak tyto metody pracují a jak je aplikovat na problémy související s data miningem, řízením, inteligencí ve hrách, optimalizací, apod.
Poslední úprava: Hladíková Jana (05.01.2018)
|
|
||
Studenti budou umět: budou rozumět základním metodám a technikám výpočetní inteligence, které vycházejí z tradiční umělé inteligence, jsou paralelní povahy a jsou použitelné pro řešení celé řady problémů. budou vědět, jak tyto metody pracují. aplikovat je na problémy související s data miningem, řízením, inteligencí ve hrách, optimalizací, apod. Poslední úprava: Hladíková Jana (05.01.2018)
|
|
||
Pro zı́skánı́ zápočtu je potřeba dostatek bodů ze semestrálnı́ práce. Zkouška se skládá z pı́semné části a nepovinné ústnı́ části. Poslední úprava: Svozil Daniel (07.02.2018)
|
|
||
Z: Volná, E.: Neuronové sítě 1 a 2. Skripta Ostravská universita v Ostravě, Ostrava, 2008. http://www1.osu.cz/~volna/Neuronove_site_skripta.pdf Z: Oplatková Z., Ošmera P., Šeda M., Včelař F., Zelinka I, Evoluční techniky - principy a aplikace, BEN Technická literatura, 2008, ISBN 80-7300-218-3 Z: Novák V., Základy fuzzy modelování, BEN Technická literatura, 2002, ISBN: 80-7300-009-1 D: Kvasnička V., Pospíchal J., Tiňo P.: Evoluční algoritmy. Vydavatelství STU Bratislava, 2000, ISBN 80-227-1377-5 D: Hynek J., Genetické algoritmy a genetické programování, GRADA, 2008 EAN:24760575 D: Mařík, V., Štěpánková, O., Lažanský, J. a kol. Umělá inteligence 4. Academia, 2003, ISBN:80-200-1044-0 D: Siddique, N., Adeli, H. "Computational Intelligence: Synergies of Fuzzy Logic, Neural Networks and Evolutionary Computing", Wiley, 2013. ISBN 1118337840. D: Bishop, C. M. "Pattern Recognition and Machine Learning". Springer, 2011. ISBN 9780387310732. Poslední úprava: Svozil Daniel (04.11.2018)
|
|
||
1. Úvod do výpočetní inteligence, její použití. 2. Algoritmy strojového učení. 3. Neuronové sítě. 4. Evoluční algoritmy, evoluce neuronových sítí. 5. [3] Metody výpočetní inteligence: pro shlukování, pro klasifikaci, pro modelování a predikci. 6. Fuzzy logika. 7. Hejna (PSO, ACO). 8. Sdružování a kombinování modelů. 9. Induktivní modelování. 10. Kvantové a DNA počítání. 11.-13. Případové studie a nové trendy. Poslední úprava: Svozil Daniel (29.10.2018)
|
|
||
https://edux.fit.cvut.cz/courses/MI-MVI/ (nutné přihlášení) Poslední úprava: Hladíková Jana (05.01.2018)
|
|
||
Vytěžování znalostí z dat Poslední úprava: Svozil Daniel (08.02.2018)
|
Zátěž studenta | ||||
Činnost | Kredity | Hodiny | ||
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 |