|
|
Hlavní nabídka Prohlížení IS/STAG
Nalezené předměty, počet: 1
Stránkování výsledků vyhledávání
Nalezeno 1 záznamů
Export do Xls
Informace o předmětu
USII / FUVI2
:
Popis předmětu
Pracoviště / Zkratka
|
USII
/
FUVI2
|
Akademický rok
|
2022/2023
|
Akademický rok
|
2022/2023
|
Název
|
Umělá a výpočetní inteligence II
|
Způsob zakončení
|
Zkouška
|
Způsob zakončení
|
Zkouška
|
Akreditováno / Kredity
|
Ano,
5
Kred.
|
Forma zakončení
|
Písemná
|
Forma zakončení
|
Písemná
|
Rozsah hodin
|
Přednáška
2
[HOD/TYD]
Cvičení
2
[HOD/TYD]
|
Zápočet před zkouškou
|
Ano
|
Zápočet před zkouškou
|
Ano
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Počítán do průměru
|
ANO
|
Vyučovací jazyk
|
Čeština
|
Obs/max
|
|
|
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Letní semestr
|
0 / 12
|
0 / 8
|
0 / 0
|
Počítán do průměru
|
ANO
|
Zimní semestr
|
0 / -
|
0 / -
|
0 / -
|
Opakovaný zápis
|
NE
|
Opakovaný zápis
|
NE
|
Rozvrh
|
Ano
|
Vyučovaný semestr
|
Letní semestr
|
Vyučovaný semestr
|
Letní semestr
|
Minimum (B + C) studentů
|
nestanoveno
|
Volně zapisovatelný předmět |
Ano
|
Volně zapisovatelný předmět
|
Ano
|
Vyučovací jazyk
|
Čeština
|
Počet dnů praxe
|
0
|
Počet hodin kontaktní výuky |
|
Hodnotící stupnice |
A|B|C|D|E|F |
Periodicita |
každý rok
|
Hodnotící stupnice pro zp. před zk. |
S|N |
Periodicita upřesnění |
|
Základní teoretický předmět |
Ne
|
Profilující předmět |
Ano
|
Základní teoretický předmět |
Ne
|
Hodnotící stupnice |
A|B|C|D|E|F |
Hodnotící stupnice pro zp. před zk. |
S|N |
Nahrazovaný předmět
|
USII/PUVI1
|
Vyloučené předměty
|
Nejsou definovány
|
Podmiňující předměty
|
Nejsou definovány
|
Předměty informativně doporučené
|
Nejsou definovány
|
Předměty,které předmět podmiňuje
|
Nejsou definovány
|
Graf četnosti udělených hodnocení studentům napříč roky:
Obrázek PNG
,
XLS
|
Cíle předmětu (anotace):
|
Cílem předmětu je seznámit studenty s pokročilými přístupy k umělé a výpočetní inteligenci a možnostmi jejich uplatnění při návrhu inteligentních systémů.
|
Požadavky na studenta
|
Zápočet: účast na cvičení (viz směrnice), písemný zápočtový test s minimálně 60% úspěšností, zpracování zadaných úloh na cvičení s minimálně 60% úspěšností, prezentace a úspěšné obhájení dvou praktických projektů.
Zkouška: písemná s minimálně 60% úspěšností.
|
Obsah
|
Biologické základy metod umělé a výpočetní inteligence.
Fuzzy množina, jazyková proměnná, funkce příslušnosti.
Fuzzy logika a fuzzy rezoluční princip.
Fuzzy inferenční systémy.
Fuzzy expertní systémy a fuzzy Prolog.
Bayesovské sítě.
Modely neuronových sítí a přístupy k jejich učení.
Rekurentní neuronové sítě.
Hluboké neuronové sítě.
Neuronové sítě s učením bez učitele.
Úvod do evolučních stochastických optimalizačních algoritmů, genetický algoritmus.
Genetické programování, diferenciální evoluce, inteligence roje.
Hybridní systémy - fuzzy logické neuronové sítě, evoluční neuronové sítě a evoluční fuzzy systémy.
Návrh báze znalostí znalostních a expertních systémů.
Programování znalostních a expertních systémů.
Příklad znalostních systémů pro řízení a rozhodování.
|
Aktivity
|
|
Studijní opory
|
|
Garanti a vyučující
|
|
Literatura
|
-
Základní:
KRUSE, R. a kol. Computational intelligence: A methodological introduction. London: Springer, 2013. ISBN 978-1-4471-5849-3.
-
Základní:
ENGELBRECHT, A. P. Computational intelligence: An introduction. Chichester: John Wiley & Sons, 2007. ISBN 978-0470035610.
-
Základní:
MAŘÍK, V., ŠTĚPÁNKOVÁ, O., LAŽANSKÝ J. Umělá inteligence 4. Praha: Academia, 2003. ISBN 9788020010445.
-
Základní:
OLEJ, V., HÁJEK, P. Úvod do umělé inteligence: moderní přístupy - distanční opora. Pardubice: Univerzita Pardubice, 2010. ISBN 978-80-7395-307-2.
-
Doporučená:
ZELINKA, I. Evoluční výpočetní techniky: principy a aplikace. Praha: BEN - technická literatura, 2009. ISBN 9788073002183.
-
Doporučená:
HYNEK, J. Genetické algoritmy a genetické programování. Praha: Grada, 2008. ISBN 978-80-247-2695-3.
-
Doporučená:
BERKA, P. Inteligentní systémy. Praha: Oeconomica, 2008. ISBN 80-200-0496-3.
|
Časová náročnost
|
Všechny formy studia
|
Aktivity
|
Časová náročnost aktivity [h]
|
Kontaktní výuka
|
52
|
Domácí příprava na výuku
|
28
|
Projekt individuální
|
30
|
Příprava na zkoušku
|
30
|
Příprava na zápočet
|
10
|
Celkem
|
150
|
|
Předpoklady - další informace k podmíněnosti studia předmětu |
- |
Získané způsobilosti |
Student, který úspěšně absolvoval předmět, umí:
vysvětlit, jaké jsou biologické základy metod umělé a výpočetní inteligence;
charakterizovat a rozlišit pravděpodobnostní a fuzzy přístupy ke zpracování neurčitosti;
popsat strukturu a chování fuzzy inferenčních systémů;
kategorizovat a porovnat různé modely neuronových sítí;
charakterizovat evoluční stochastické optimalizační algoritmy a rozlišit jednotlivé algoritmy;
porovnat výhody a nevýhody metod umělé a výpočetní inteligence.
Student, který úspěšně absolvoval předmět, dovede:
odvozovat znalosti pomocí inferenčních pravidel výrokové fuzzy logiky a predikátové fuzzy logiky prvního řádu;
navrhnout bázi znalostí fuzzy expertního systému v logickém programovacím jazyku;
pro danou úlohu navrhnout vhodnou strukturu neuronové sítě a naučit ji na předzpracovaných strukturovaných i nestrukturovaných datech;
navrhnout účelovou funkci a optimalizovat úlohu pomocí evolučních stochastických optimalizačních algoritmů;
navrhnout hybridní inteligentní systém využívající výhod kombinace různých metod umělé a výpočetní inteligence.
Student, který úspěšně absolvoval předmět, je schopen:
samostatně a odpovědně se rozhodovat na základě rámcového zadání a brát v úvahu složitost, omezení a neurčitost spojenou s tímto rozhodováním;
samostatně získávat další odborné znalosti, dovednosti a způsobilosti v příbuzných disciplínách;
srozumitelně a přesvědčivě sdělovat odborníkům z oblasti veřejné správy i širší veřejnosti vlastní odborné názory.
|
Vyučovací metody |
- Monologická (výklad, přednáška, instruktáž)
- Dialogická (diskuze, rozhovor, brainstorming)
- Laborování
|
Hodnotící metody |
- Písemná zkouška
- Posouzení zadané práce
- Didaktický test
- Rozhovor
- Hospitace
|
|
|
|