Вычислительный интеллект

Зачетные единицы: 6

Семестр: 3

Курс: По выбору

Цели

Студенты изучат постановку основных задач машинного обучения; основные понятия и базовый математический аппарат нечеткой логики; основные понятия и принципы работы искусственных нейронных сетей; основные разновидности эволюционных алгоритмов; примеры применения методов вычислительного интеллекта для решения задач.
Студенты научатся ставить задачу и разрабатывать алгоритм ее решения с использованием методов вычислительного интеллекта; проводить анализ научных литературных источников; осуществлять анализ полученных решений; проводить анализ задачи для выбора наилучшего метода вычислительного интеллекта или гибридного метода, подходящего для конкретной задачи; проводить анализ работы методов вычислительного интеллекта с выявлением их сильных и слабых сторон; проводить анализ настройки параметров нейронных сетей, эволюционных алгоритмов и нечетких методов.
Студенты овладеют технологией применения методов вычислительного интеллекта для решения практических задач; методами интеллектуального анализа данных; навыками создания и тестирования искусственных нейронных сетей, эволюционных алгоритмов и нечетких методов на одном из языков программирования высокого уровня; проводить анализ работы методов вычислительного интеллекта с выявлением их сильных и слабых сторон; проводить анализ настройки параметров нейронных сетей, эволюционных алгоритмов и нечетких методов; методами получения данных из различных доступных источников.

Содержание

Основные темы занятий в рамках дисциплины:

  • Биологический и формальный нейрон.
  • Архитектура нейронных сетей. Классификация нейронных сетей. Основные принципы обучения нейронных сетей. Персептрон и многослойная нейронная сеть. Переобучение сети. Способы вычисления выходного сигнала ИНС. Нейронные сети с обратными связями. Сети Хопфилда. Карты Кохонена. Радиально-базисные нейронные сети. Общие сведения о применении нейронных сетей для решения задач классификации, аппроксимации, моделирования и управления. Особенности практического применения нейронных сетей.
  • Эволюционный алгоритм. Виды эволюционных алгоритмов. Функция приспособленности. Целочисленное и вещественное кодирование информации. Основные операторы эволюционного поиска и их разновидности. Применение эволюционных алгоритмов для решения оптимизационных задач. Параметры и адаптация параметров. Теорема об отсутствии бесплатных обедов. Эволюционные стратегии. Алгоритмы оценки распределений. Системы классификаторов. Генетическое программирование. Алгоритм дифференциальной эволюции. Особенности практического применения эволюционных вычислений.
  • Лингвистическая переменная. Нечеткие множества. Функция принадлежности. Основные операции и отношения нечеткой логики. Алгоритмы нечеткого вывода Мамдани и Сугено. Модель типа синглтон. Нечеткие базы данных. Вычисления со словами. Сравнение нечетких и вероятностных систем. Особенности практического применения систем с нечеткой логикой.
    Нейроэволюционные алгоритмы. Нейронечеткие сети. Эволюционные нечеткие системы. Совместное использование методов вычислительного интеллекта и машинного обучения
  • Решение задач классификации, аппроксимации, кластеризации, управления. Открытые библиотеки и программы для методов вычислительного интеллекта.

Формат

Лекции и лабораторные занятия.

Оценка

Экзамен.