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.