مبانی هوش محاسباتی

Fundamentals of Computational Intelligence

مقطع: کارشناسی گرایش:
نوع درس: نظری تعداد واحد: ۳
پیش‌نیاز: – هم‌نیاز: –

هدف کلی

هدف این درس آشنا نمودن دانشجویان کارشناسی مهندسی کامپیوتر با مفاهیم پایه رایانش نرم و روش‌های تحلیل هوشمند داده‌ها با استفاده از مدل‌های پایه شبکه‌های عصبی مصنوعی کلاسیک است. در بخش دوم درس مبحث منطق فازی را معرفی نموده و چگونگی به‌کارگیری و طراحی سیستم فازی را برای حل مسائل مهندسی مطرح می‌گردد. در بخش سوم درس فرآیندهای تکاملی معرفی شده و روش حل مسئله با این مدل‌ها معرفی می‌گردد.

سرفصل‌ها

  1. بخش اول: شبکه عصبی مصنوعی
    • مقدمه‌ای بر هوش مصنوعی و هوش محاسباتی، عامل‌های هوشمند، منطق و استنتاج
    • معرفی نورون بیولوژیک و نورون‌های مصنوعی
    • آدلاین، پرسپترون و پرسپترون چندلایه
    • شبکه‌های پیش‌خور، رقابتی و بازگشتی
    • مدل کوهونن، توابع پایه شعاعی و مدل هاپفیلد
  2. بخش دوم: روش‌های فازی
    • مبانی نظری مجموعه‌های فازی
    • توابع تعلق، روابط فازی و استنتاج در منطق فازی
    • قوانین فازی، سیستم‌های مبتنی بر دانش فازی، کنترل فازی
  3. بخش سوم: الگوریتم‌های تکاملی
    • مقدمه بیولوژیک، الگوریتم ژنتیک، برنامه‌نویسی ژنتیک
    • بهینه‌سازی گروه ذرات، الگوریتم‌های کلونی مورچه

ارزیابی پیشنهادی

  • تمرین‌ها (۶ سری تمرین نظری و عملی): ۲۵ درصد نمره
  • آزمون‌های میان‌ترم و پایانی: ۷۰ درصد نمره
  • آزمونک‌ها: ۵ درصد نمره

منابع پیشنهادی

  1. R. Kruse, S. Mostaghim, C. Borgelt, C. Braune and M. Steinbrecher. Computational Intelligence: A Methodological Introduction. 3rd Edition, Springer, 2022.
  2. J. M. Keller, D. Liu and D. B. Fogel. Fundamentals of Computational Intelligence: Neural Networks, Fuzzy Systems and Evolutionary Computation. Wiley, 2016.
  3. A. P. Engelbrecht. Computational Intelligence, An Introduction. 2nd Edition, Wiley, 2007.