Neizrazito, evolucijsko i neuro računarstvo

Opis predmeta

Neizrazito, evolucijsko i neuroračunarstvo predstavlja skup inteligentnih metoda koji se za razliku od klasičnog računarstva temelje na približnom izračunavanju i zaključivanju, samoučenju, paralelizmu i nedeterminizmu. Uspješnost ovakvih postupaka temelji se na oponašanju bioloških postupaka i modela (biološki neuron, evolucijski proces, čovjeku svojstveno približno zaključivanje, itd.), čime se postiže uspješnost i učinkovitost u rješavanje problema koji nisu mogli biti riješeni klasičnim matematičkim i računarskim postupcima. Ove metode uspješno se primjenjuju u znanosti i u praksi od jednostavnih uređaja do složenih upravljačkih sustava.

Opće kompetencije

Studenti će se upoznati s teorijskim temeljima te mogućnošću i širinom primjene metoda mekog računarstva u rješavanju znanstvenih, financijskih, upravljačkih ili gospodarskih problema.

Ishodi učenja

  1. definirati i opisati temeljna podpodručja mekog računarstva
  2. primijeniti modele neizrazite logike na probleme upravljanja
  3. primijeniti umjetne neuronske mreže za predviđanje te klasifikaciju
  4. riješiti optimizacijske probleme uporabom evolucijskog računanja
  5. povezati različite tehnike mekog računarstva u cjeloviti sustav
  6. preporučiti prikladnu metodu mekog računarstva za rješavanje različitih problema

Oblici nastave

Predavanja

Predavanja se odvijaju u 15 tjedana po 2 školska sata. U dva tjedna od tih 15 održavaju se ispiti. Predavanja su podijeljena u dva ciklusa nakon kojih su provjere znanja.

Provjere znanja

Postoji jedan međuispit i jedan završni ispit.

Seminari

Studenti trebaju napraviti jedan praktičan zadatak koji će demonstrirati nastavniku.

Način ocjenjivanja

Kontinuirana nastava Ispitni rok
Vrsta provjere Prag Udio u ocjeni Prag Udio u ocjeni
Seminar/Projekt 0 % 20 % 0 % 0 %
Međuispit: Pismeni 0 % 40 % 0 %
Završni ispit: Pismeni 0 % 40 %
Ispit: Pismeni 50 % 50 %
Ispit: Usmeni 50 %

Tjedni plan nastave

  1. Uvod u neizrazito, evolucijsko i neuro-računarstvo. Biološki modeli kao uzor. Razvoj mekog računarstva. Područja istraživanja i primjene.
  2. Definicija neizrazitih skupova, primjeri, standardni prikazi i svojstva, standardne max-min operacije. Poopćenje standardnih operacija: S i T norme. Neizrazite relacije, svojstva.
  3. Kompozicija i primjena neizrazitih relacija. Neizraziti grafovi. Jezične varijable, jezični modifikatori. Neizrazita ako-onda pravila.
  4. Princip proširenja. Intervalna aritmetika. Neizrazita aritmetika. Metrika.
  5. Neizrazita logika, pravila zaključivanja u neizrazitoj logici i generalizirani modus ponens, približno zaključivanje kao proširenje neizrazite logike.
  6. Sustavi s neizrazitim upravljanjem, građa sustava, vrste zaključivanja, vrste neizrazitog kodiranja i dekodiranja. Primjeri.
  7. Neuronske mreže, vrste mreža i vrste učenja. Unaprijedne neuronske mreže i algoritmi učenja.
  8. 1. međuispit
  9. Samoorganizirajuće neuronske mreže i algoritmi učenja.
  10. Kombinacija neuronskih mreža i neizrazite logike: neizraziti-neuro sustavi.
  11. Genetski algoritmi i evolucijski programi. Prirodni evolucijski proces. Genetski kôd. Prikaz rješenja. Inicijalizacija populacije. Funkcija dobrote. Genetski operatori: selekcija, križanje i mutacija. Selekcijski pritisak. Parametri genetskog algoritma.
  12. Jednostavni GA. Teorem sheme i hipoteza građevnih blokova. Primjeri primjene GA. Optimiranje višemodalnih funkcija.
  13. Postupak optimiranja parametara neuronske mreže genetskim algoritmom. Kromosom kao broj s pomičnom točkom. Podešavanje parametara genetskog algoritma. Prednosti i nedostaci genetskih algoritama.
  14. Kombiniranje neizrazite logike i genetskih algoritama. GA za podešavanje funkcija pripadnosti. Pregled i usporedbe metoda mekog računarstva.
  15. Završni ispit.

Studijski programi

Sveučilišni diplomski
Programsko inženjerstvo i informacijski sustavi (profil)
preporučeni izborni predmeti (3. semestar)
Računalno inženjerstvo (profil)
preporučeni izborni predmeti (3. semestar)
Računarska znanost (profil)
Predmeti specijalizacije profila (1. semestar) (3. semestar)
Telekomunikacije i informatika (profil)
preporučeni izborni predmet (3. semestar)

Literatura

Z.Michalewicz (1996.), Genetic Algorithms + Data Structures = Evolution Programs, Springer Verlag, Berlin, 3rd ed.
S.Haykin (1999.), Neural Networks, Comprehensive Foundation, Prentice Hall, 2nd ed.
J. Yen and R. Langari (1999.), Fuzzy Logic, Prentice Hall
H.J.Zimmermann (2001.), Fuzzy Set Theory and Its Applications, Kluwer Academic Publishers, 4th ed.
M. Čupić. B. Dalbelo Bašić, M. Golub (2012.), Neizrazito, evolucijsko i neuroračunarstvo,
(.), Handbook of Genetic Algorithms;L. Davis;1991;Van Nostrand Reinhold, New York,

Izvedba

ID 34475
  Zimski semestar
4 ECTS
R0 Engleski jezik
R1 E-učenje
30 Predavanja
0 Auditorne vježbe
0 Laboratorijske vježbe

Ocjenjivanje

88 izvrstan
75 vrlo dobar
63 dobar
50 dovoljan