Обчислювальний інтелект

Спеціальність: Системний аналіз (освітньо-наукова програма)
Код дисципліни: 7.124.00.O.002
Кількість кредитів: 6.00
Кафедра: Інформаційні системи та мережі
Лектор: Д.ф.-м.н., професор Пелещак Роман Михайлович
Семестр: 1 семестр
Форма навчання: денна
Результати навчання: 1. Знати та уміти застосовувати на практиці методи системного аналізу, методи математичного та інформаційного моделювання для побудови та дослідження моделей об’єктів і процесів інформатизації. 2. Знати методи розкриття невизначеностей в задачах системного аналізу, уміти розкривати ситуаційні невизначеності, та невизначеності в задачах взаємодії, протидії та конфлікту стратегій, знаходити компроміс при розкритті концептуальної невизначеності тощо. 3. Знати та уміти застосовувати методи еволюційного моделювання та генетичні методи оптимізації, методи індуктивного моделювання та математичний апарат нечіткої логіки, нейронних мереж, теорії ігор та розподіленого штучного інтелекту, тощо. 4. Знати та уміти ідентифікувати (оцінювати) параметри математичних моделей об’єктів управління в реальному масштабі часу в умовах зміни його динаміки і дії випадкових збурень, використовуючи вимірювані сигнали вхідних і вихідних координат об’єкта. 5. Знати моделі, методи та алгоритми прийняття рішень в умовах конфлікту, нечіткої інформації, невизначеності і ризику. 6. Здатність робити пошук інформації в спеціалізований літературі в галузі системного аналізу, використовуючи різноманітні ресурси: журнали, бази даних, on-lineресурси.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Основи системного аналізу, моделювання складних систем, машинне навчання
Короткий зміст навчальної програми: У викладанні дисципліни розглядаються такі теми: Архітектура штучних нейронних мереж. Алгоритми навчання нейронної мережі. Нейронні мережі зі зворотними зв’язками і самоорганізацією. Системи нечіткого логічного виводу. Нечіткі нейронні мережі та їх використання у задачах прогнозування. Використання систем з нечіткою логікою та нечітких нейромереж в задачах прогнозування в макроекономіці та фінансовому аналізі. Нечіткі нейронні мережі в задачах класифікації. Розпізнавання об’єктів електрооптичних зображень з використанням нечітких нейромереж. Метод індуктивного моделювання в задачах інтелектуального аналізу даних. Кластерний аналіз в інтелектуальних системах. Алгоритми нечіткого кластер-аналізу. Генетичні алгоритми та еволюційне моделювання. Еволюційне програмування. Ройові алгоритми обчислювального інтелекту. Гібридні алгоритми ройової оптимізації.
Методи та критерії оцінювання: • Поточний контроль (40%): письмові звіти з лабораторних робіт, усне опитування • Підсумковий контроль (60%). іспит, тестування 50%, усна компонента 10%
Рекомендована література: 1. Згуровський М. З., Зайченко Ю. П. Основи обчислювального інтелекту. – Київ: Науково-виробниче підприємство «Видавництво «Наукова думка» НАН України» 2013, 407 с. 2. Harrison Kinsley, Daniel Kukiela. Neural Networks from Scratch in Python. Sentdex, Kinsley Enterprises Inc. 2020, 658 p. https://nnfs.io/ 3. Зайченко Ю. П. Основи проектування інтелектуальних систем. Навчальний посібник. – К.: Видавничий Дім «Слово», 2004. – 352 с. 4. Руденко О. Г., Бодянський Є. В. Штучні нейронні мережі: Навчальний посібник. – Харків: ТОВ «Компанія СМІТ», 2006. – 404 с. 5. М.А. Новотарський, Б.Б. Нестеренко. Штучні нейронні мережі: обчислення // Праці Інституту математики НАН України. – Т50. – Київ: Ін-т математики НАН України, 2004. – 408 с. 6. Пелещак Р.М., Литвин В.В., Пелещак І.Р. Методичний посібник для лабораторних робіт з навчальної дисципліни «Обчислювальний інтелект», 2021, 70 с.