Sylabus
- Biologické inspirace v návrhu algoritmů a modelů a. evoluční modely b. neuronové modely
- Evoluční algoritmy a. jednoduchý genetický algoritmus b. reprezentace jedince, genetické operátory, fitness a selekce c. evoluční algoritmy pro spojitou optimalizaci d. evoluce neuronových sítí, algoritmus NEAT e. genetické programování
- Rojové algoritmy a. Ant Colony Optimization b. Particle Swarm Optimization
- Neuronové sítě a. Perceptron, vícevrstvý perceptron, back-propagation jako metoda učení b. Konvoluční sítě c. RBF sítě a Kohonenovy mapy
- Další přírodou inspirované algoritmy a. Artificial Immune Systems b. celulární automaty c. Artificial Life
- Aplikace v optimalizaci a strojovém učení a. spojitá a kombinatorická optimalizace b. vícekriteriální optimalizace c. 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.