Обчислювальний інтелект

Метою вивчення дисципліни є формування у здобувачів теоретичних знань та практичних навичок використання методів, моделей та алгоритмів обчислювального інтелекту для вирішення прикладних науково-практичних завдань.

Практичне значення та використання отриманих знань: навички вирішення оптимізаційних завдань на базі застосування еволюційних обчислень, проведення аналітичних обчислень та пошук рішень на базі алгоритмів рою, застосування та дослідження моделей штучний нейронних мереж та нейронечітких гібридних технологій та алгоритмів для обробки та аналізу даних.
Тематика та види навчальних занять

Для денної форми здобуття освіти

Лекційні заняття
Лекція 1. Комп'ютерний і людський інтелект
Лекція 2. Методи колективний інтелекту. Метод роя частинок
Лекція 3. Мурашиний алгоритм
Лекція 4. М'які обчислення і нечітка логіка
Лекція 5. Еволюційне програмування
Лекція 6. Генетичні алгоритми
Лекція 7. Вступ та специфіка штучних нейроних мереж у обчислювальному інтелекті
Лекція 8. Гібридизація методів обчислювального интеллекта.

Лабораторні заняття

Лабораторне заняття №1. Особливості реалізації методів ройового інтелекту
Мета заняття - вивчення властивостей, призначення та отримання навичок практичного застосування методів ройового інтелекту.
Лабораторне заняття №2. Специфіка використання генетичних алгоритмів
Мета заняття – вивчення ключових можливостей та отримання навичок використання генетичних алгоритмів для вирішення оптимізаційних завдань.
Лабораторне заняття №3. Особливості розробки та впровадження мурашиних алгоритмів
Мета заняття – вивчення особливостей програмної реалізації на навичок впровадження мурашиних алгоритмів для пошуку оптимальних рішень.
Лабораторне заняття №4. Алгоритм імітації відпалу у обчислювальному інтелекті
Мета заняття – вивчення послідовності виконання та набуття практичних навичок застосування алгоритму імітації відпалу при вирішенні завдань обчислювального інтелекту.
Лабораторне заняття №5. Моделі штучних імунних мереж
Мета заняття – вивчення можливостей побудови та набуття навичок використання моделей штучних імунних мереж.
Лабораторне заняття №6. Гібридні алгоритми обчислювального інтелекту
Мета заняття – вивчення та набуття навичок практичного використання підходів гібридизації та оптимізації обчислень при пошуку оптимальних рішень.
Лабораторне заняття №7. Моделі нечіткої кластеризації у завданнях оптимізації
Мета заняття – вивчення властивостей, призначення та отримання навичок практичного застосування моделей нечіткої кластеризації неоднорідних даних.

Консультації здійснюються впродовж семестру згідно встановленого розкладу.

Індивідуальна робота

Для денної форми здобуття освіти не передбачена

Форми контрольних заходів та оцінювання результатів навчання

Для денної форми здобуття освіти
Поточний контроль полягає у виконанні
1) 6-ми індивідуальних поточних завдань. Індивідуальні поточні завдання виконуються на компʼютері відповідно до мети та завдань лабораторних занять. Бездоганне виконання індивідуальних поточних завдань №1-№5 оцінюється у 8 бали; індивідуального поточного завдання №6 – 10 балів.
2) двох модульних контрольних робіт. Модульні контрольні роботи складаються з теоретичної і практичної частин та проводяться у письмовій формі. Бездоганне виконання кожної модульної контрольної роботи становить 25 балів.
Підсумковий контроль – залік в усній формі. Максимальна оцінка, яку може отримати студент – 100 балів. Мінімальна оцінка, яка дозволяє отримати «зараховано» - 60 балів.