460-6030/01 – Bio-inspirované algoritmy (BIOA)
Garantující katedra | Katedra informatiky | Kredity | 10 |
Garant předmětu | doc. Ing. Petr Gajdoš, Ph.D. | Garant verze předmětu | doc. Ing. Petr Gajdoš, Ph.D. |
Úroveň studia | postgraduální | Povinnost | povinně volitelný typu B |
Ročník | | Semestr | zimní + letní |
| | Jazyk výuky | čeština |
Rok zavedení | 2019/2020 | Rok zrušení | |
Určeno pro fakulty | FEI | Určeno pro typy studia | doktorské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Cílem kurzu je poskytnout posluchači hlubší přehled v oblasti implementace a využití bio-inspirovaných algoritmů v analýze dat. Dále se individuálně prohloubí tyto znalosti a dovednosti směrem, který je v souladu se specifickým zaměřením jeho doktorandského studia a disertační práce.
Vyučovací metody
Semináře
Individuální konzultace
Projekt
Ostatní aktivity
Anotace
Předmět studentům poskytuje praktickou znalost bio-inspirovaných algoritmů a jejich aplikací. Představuje základní principy bio-inspirovaných metod a jejich historii. Zaměřuje se současný stav a aktuální vývoj v předmětné oblasti. Studenti se seznámí se základními i pokročilými koncepty a typy bio-inspirovaných výpočtů jako jsou evoluční výpočty, rojová inteligence, umělé neuronové sítě a hybridní metody. Dále jsou představeny různé typy problémů, typicky řešených pomocí bio-inspirovaných algoritmů. Jsou diskutovány diskrétní a spojité problémy a bio-inspirované metody vhodné pro jejich řešení. V neposlední řadě jsou studenti seznámeni s metodami pro statistické vyhodnocení a vizualizaci výsledků bio-inspirovaných výpočtů.
V rámci předmětu jsou diskutovány programovací jazyky a aplikační rámce pro praktickou implementaci bio-inspirovaných algoritmů včetně jazyka Python (balík scikit-learn), C/C++, a R (balík caret).
Povinná literatura:
• M. Affenzeller, S. Winkler, S. Wagner, A. Beham, Genetic Algorithms and Genetic Programming: Modern Concepts and Practical Applications, Chapman & Hall/CRC, 2009.
• C. Blum, D. Merkle, Swarm Intelligence: Introduction and Applications, Springer Publishing Company, Incorporated, 2008.
• M. Clerc, Particle Swarm Optimization, ISTE, Wiley, 2010.
• M. Dorigo, T. Stützle, Ant Colony Optimization, MIT Press, Cambridge, MA, 2004.
• A. Engelbrecht, Fundamentals of Computational Swarm Intelligence, Wiley, New York, NY, USA, 2005.
Doporučená literatura:
• A. Engelbrecht, Computational Intelligence: An Introduction, 2nd Edition, Wiley, New York, NY, USA, 2007.
Forma způsobu ověření studijních výsledků a další požadavky na studenta
Průběžná kontrola studijních aktivit a přiřazených úkolů v rámci pravidelných konzultací. V případě, že součástí úkolů studenta bude rovněž publikační činnost, bude příslušný článek v rámci kurzu odprezentován.
Ústní zkouška.
E-learning
Další požadavky na studenta
Student vypracovává a obhajuje práci na zadané téma.
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
• Bio-inspirované výpočty: reprezentace problému, napodobení biologických principů. Kandidátská řešení, fitness, princip přežití nejsilnějšího. Explorace a exploitace v kontextu bio-inspirovaných výpočtů.
• Metody založené na trajektoriích a populacích, třídy bio-inspirovaných metod: evoluční výpočty, roje, umělé neuronové sítě.
• Evoluční výpočty: základní principy (populace, selekce, eliminace, ...), genetické algoritmy, genetické programování, diferenciální evoluce.
• Swarm intelligence: principy (sociální inteligence), particle swarm optimization, ant colony optimization, artificial bee colony optimization a další
• Umělé neuronové sítě: artificial neuron, vícevrstvé sítě, hluboké sítě. Učení s učitelem/bez učitele, deep learning.
• Kombinační optimalizační problémy, permutace (problém obchodního cestujícího) and problém s výběrem podmnožin (feature subset selection).
• Statistická analýza, vyhodnocení a vizualizace bio-inspirovaných metod.
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky
Předmět neobsahuje žádné hodnocení.