Přírodou inspirované algoritmy

Sylabus

- Biologické inspirace v návrhu algoritmů a modelů

Eoluční modely

Nuronové modely

- Evoluční algoritmy jednoduchý genetický algoritmus reprezentace jedince, genetické operátory, fitness a selekce evoluční algoritmy pro spojitou optimalizaci evoluce neuronových sítí, algoritmus NEAT genetické programování

- Rojové algoritmy

Ant Colony Optimization

Particle Swarm Optimization

- Neuronové sítě

Perceptron, vícevrstvý perceptron, back-propagation jako metoda učení

Konvoluční sítě

RBF sítě a Kohonenovy mapy

- Další přírodou inspirované algoritmy

Artificial Immune Systems celulární automaty

Artificial Life

- Aplikace v optimalizaci a strojovém učení spojitá a kombinatorická optimalizace vícekriteriální optimalizace učení s učitelem a bez učitele, reinforcement learning

Anotace

V předmětu se studenti seznámí se základními algoritmy inspirovanými přírodou (evoluční algoritmy, neuronové sítě, …) a jejich aplikacemi pro řešení problémů optimalizace a strojového učení. V rámci cvičení budou některé z přednesených algoritmů implementovány a využity pro řešení jednoduchých problémů v daných oblastech.