Číslo přednášky | Obsah | Materiály |
1) | Úvod – návaznost na předchozí předměty o optimalizaci, randomizované metody prohledávání, vztah k učení a modelování | a4m33bia-01intro.pdf, dp_examples.pdf, local_optimizers.zip |
2) | Co jsou to neuronové sítě, historie, typické úlohy, druhy učení neuronových sítí, perceptron | a4m33bia-02ann_intro-2012.pdf |
3) | Vícevrstvé sítě. Algoritmus zpětného šíření chyby (back-propagation). | a4m33bia-03backprop-2012.pdf |
4) | Učení bez učitele – shlukování neuronovými sítěmi, samoorganizace, kohonenova samoorganizující se mapa (SOM) | a4m33bia-04som-2012.pdf |
5) | Univerzální aproximace, Kolmogorovův teorém, lokální a globální jednotky v neuronových sítích. RBF sítě, GMDH sítě | a4m33bia-05rbf_gmdh-2012.pdf |
6) | Standardní genetický algoritmus – základní evoluční cyklus genetického algoritmu, genetické operátory, schéma teorém | a4m33bia_sga_2011b.pdf |
7) | Genetické programování – základní principy, aplikace | a4m33bia_geneticprogramming_2011.pdf |
8) | Vícekriteriální optimalizace – princip dominance, Pareto-optimální řešení, vícekriteriální evoluční algoritmy NSGA-II | a4m33bia_moea_2011.pdf |
9) | Velikonoce | |
10) | Evoluční algoritmy s reálnou reprezentací – Evoluční strategie, operátory křížení, diferenciální evoluce | a4m33bia_raelcodedea_2011.pdf |
11) | Zpracování časových posloupností, rekurentní neuronové sítě, Jordan/Elmanova síť, BPTT, RTRL, Echo State Networks, LSTM, Hopfieldova síť | a4m33bia-recurrent-2011.pdf recurrent_recall_demo.nb.zip |
12) | Neuroevoluce – evoluční postupy pro optimalizaci struktury a nastavení vah neuronové sítě, algoritmy (Hyper)NEAT | a4m33bia-12neuroevolution-2011.pdf |
13) | Řešení dynamických problémů pomocí evolučních algoritmů | a4m33bia_eafordynamicoptimization_2011.pdf |
14) | Ant colony optimization, Particle swarm optimization | bia_ants_2011.pdf, bia_pso_2011.pdf |