Biologicky inspirované výpočty. Schématické rozdělení problematiky a výuky



Podobné dokumenty

Přírodou inspirované metody umělé inteligence

Informatika a výpočetní technika 1. roč./1. sem. 1. roč./2. sem. 2. roč./3. sem. 1 kr. Povinné předměty pro obor IVT

PŘEDNÁŠKA 03 OPTIMALIZAČNÍ METODY Optimization methods

Jak se matematika poučila v biologii

Umělá inteligence aneb co už není sci -fi

Moderní systémy pro získávání znalostí z informací a dat

Obsah DÍL 2 KAPITOLA 6. 6 Automatická regulace Základní terminologie historické souvislosti 12

Znalostní technologie proč a jak?

Buněčné automaty a mřížkové buněčné automaty pro plyny. Larysa Ocheretna

Architektury počítačů

Metaheuristiky s populacemi

Využití metod strojového učení v bioinformatice David Hoksza

analýzy dat v oboru Matematická biologie

Modelov an ı biologick ych syst em u Radek Pel anek

A0M33EOA: Evoluční optimalizační algoritmy

Pokročilé operace s obrazem

Seznam úloh v rámci Interního grantového systému EPI

5. Umělé neuronové sítě. Neuronové sítě

Informatika a výpočetní technika 1. roč./1. sem. 1. roč./2. sem. 2. roč./3. sem. 1 kr. Povinné předměty pro obor IVT

Evoluční výpočetní techniky (EVT)

Evoluční algoritmy a umělý život

OPRAVENKA pro Seznam předmětů Matematicko-fyzikální fakulty 2002/2003

Komplexní systémy: úvod

Informace pro výběr bakalářského oboru

Automatizační a měřicí technika (B-AMT)

Umělá inteligence a rozpoznávání

UITS / ISY. Ústav inteligentních systémů Fakulta informačních technologií VUT v Brně. ISY: Výzkumná skupina inteligentních systémů 1 / 14

OSA. maximalizace minimalizace 1/22

Bioinformatika a výpočetní biologie KFC/BIN. I. Přehled

Ústav automatizace a měřicí techniky.

Užití systému Matlab při optimalizaci intenzity tepelného záření na povrchu formy


Úvod do optimalizace, metody hladké optimalizace

Fakulta přírodovědně-humanitní a pedagogická. Okruhy otázek pro státní závěrečné zkoušky. Bakalářské studium

Státní závěrečná zkouška z oboru Matematika a její použití v přírodních vědách

Stefan Ratschan. Fakulta informačních technologíı. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti 1 / 16

IUVENTAS Soukromé gymnázium a Střední odborná škola, s. r. o. Umělá inteligence. Jméno: Třída: Rok:

Algoritmy pro spojitou optimalizaci

Lesk a bída nestandardních výpočetních systémů

1. Úvod do genetických algoritmů (GA)

Úvod Teorie Studium CA Aplikace Souvislosti. Radek Pelánek

Fiala P., Karhan P., Ptáček J. Oddělení lékařské fyziky a radiační ochrany Fakultní nemocnice Olomouc

Swarm Intelligence. Moderní metody optimalizace 1

1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15

TECHNICKÁ UNIVERZITA V LIBERCI

Projekční algoritmus. Urychlení evolučních algoritmů pomocí regresních stromů a jejich zobecnění. Jan Klíma

H. Dreyfuss: What computers can t do, 1972 What computers still can t do, J. Weizenbaum. Computer power and human reason, 1976

Evoluční algoritmy. Podmínka zastavení počet iterací kvalita nejlepšího jedince v populaci změna kvality nejlepšího jedince mezi iteracemi

ití empirických modelů při i optimalizaci procesu mokré granulace léčivl ková SVK ÚOT

Ing. Tomáš MAUDER prof. Ing. František KAVIČKA, CSc. doc. Ing. Josef ŠTĚTINA, Ph.D.

Algoritmus. Přesné znění definice algoritmu zní: Algoritmus je procedura proveditelná Turingovým strojem.


Wichterlovo gymnázium, Ostrava-Poruba, příspěvková organizace. Maturitní otázky z předmětu INFORMATIKA A VÝPOČETNÍ TECHNIKA

Popis zobrazení pomocí fuzzy logiky

Inteligentní systémy a neuronové sítě

Matematický ústav UK Matematicko-fyzikální fakulta

Základy algoritmizace

Programování LEGO MINDSTORMS s použitím nástroje MATLAB a Simulink

Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti

PŘEDMLUVA 11 FORMÁLNÍ UJEDNÁNÍ 13

2. Mechatronický výrobek 17

Algoritmy a struktury neuropočítačů ASN P9 SVM Support vector machines Support vector networks (Algoritmus podpůrných vektorů)

Syntéza neuronových sítí

1 VZNIK, VÝVOJ A DEFINICE MECHATRONIKY

Aktuální seznam nabízených kurzů

Další povinnosti / odb. praxe. Návrh témat prací. Návaznost na další stud. prog.

Přednášky o výpočetní technice. Hardware teoreticky. Adam Dominec 2010

Seminář z umělé inteligence. Otakar Trunda

Obsah. Zelinka: UI v problémech globální optimalizace BEN technická literatura 3

PV021: Neuronové sítě. Tomáš Brázdil

Emergence chování robotických agentů: neuroevoluce

1 Úvod do celočíselné lineární optimalizace

Architektura - struktura sítě výkonných prvků, jejich vzájemné propojení.

SYSTÉMOVÁ METODOLOGIE (VII) Kybernetika. Ak. rok 2011/2012 vbp 1

Název diplomové práce: Srovnávač životního pojištění. Určení: Bakalářská práce. Vedoucí: Doc. Ing. Petr Sosík, Dr.

Václav Matoušek KIV. Umělá inteligence a rozpoznávání. Václav Matoušek / KIV

Katedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Katedra počítačů, Computational Intelligence Group

Matematický ústav UK Matematicko-fyzikální fakulta

Bonn, Rheinischen Friedrich-Wilhelms-Universität

E-LOGOS. Principy Darwinovy teorie evoluce v aplikacích umělé inteligence. David Čunek. University of Economics Prague

Cluster Analysis based on Bio-Inspired Algorithms

OPTIMALIZACE A MULTIKRITERIÁLNÍ HODNOCENÍ FUNKČNÍ ZPŮSOBILOSTI POZEMNÍCH STAVEB D24FZS

Specializace Kognitivní informatika

Trocha obrázků na začátek..

Neuronové sítě Ladislav Horký Karel Břinda

Ambasadoři přírodovědných a technických oborů. Ing. Michal Řepka Březen - duben 2013

D - Přehled předmětů studijního plánu

Vytěžování znalostí z dat

Evolučníalgoritmy. Dále rozšiřována, zde uvedeme notaci a algoritmy vznikléna katedře mechaniky, Fakulty stavební ČVUT. Moderní metody optimalizace 1

MOŽNOSTI OPTIMALIZACE VE STAVEBNICTVÍ

ÚVOD DO MATEMATICKÉ BIOLOGIE I.

AKREDITOVANÉ STUDIJNÍ PROGRAMY

Navazující magisterský studijní program APLIKOVANÁ INŽENÝRSKÁ INFORMATIKA

AKREDITOVANÉ STUDIJNÍ PROGRAMY

PODKLADY PRO WORKSHOP

ÚVOD DO MATEMATICKÉ BIOLOGIE I. UKB, pav. A29, RECETOX, dv.č.112 Institut biostatistiky a analýz

Vybrané partie z obrácených úloh. obrácených úloh (MG452P73)

Genetické algoritmy. Informační a komunikační technologie ve zdravotnictví

Propojení výuky oborů Molekulární a buněčné biologie a Ochrany a tvorby životního prostředí. Reg. č.: CZ.1.07/2.2.00/

Transkript:

Biologicky inspirované výpočty Schématické rozdělení problematiky a výuky 1

Biologicky inspirované výpočty - struktura problematiky Evoluční systémy: evoluční algoritmy, evoluční hardware, víceúčelová optimalizace, genetické programování, gramatická evoluce,... Buněčné systémy: buněčné automaty, umělý život, počítačové viry, komplexní systémy. Neurální systémy: neuronové sítě, neuroprocesory, modelování mozkových procesů. Vývojové systémy: vývojové a přepisující systémy Imunní systémy: umělý imunitní systém, klonavací selekční algoritmus,... DNA computing Behaviorální systémy: kognitivní vědy, behaviorální robotika, evoluce a učení v behaviorálních systémech,... Kolektivní systémy: samoorganizace, hejnové algoritmy, evoluce kooperativně-soutěžících systémů,... 2

Evoluční algoritmy 1. Současný stav na poli softcomputingu, fuzzy logika, neuronové sítě, evoluční výpočetní techniky (EVT). Klasifikace evolučních výpočetních technik, historická fakta, současné trendy na poli EVT. Centrální dogma EVT podle Darwina a Mendela. Evoluční algoritmy 2. No Free Lunch teorém. Výpočetní složitost a fyzikální limity algoritmů. Víceúčelová optimalizace a Paretova množina. Evoluční algoritmy 3. Omezení kladená na účelovou funkci a parametry jedince. Penalizace a její dopad na geometrii účelové funkce. Práce s reálnými, celočíselnými a diskrétními hodnotami parametrů jedince. Genetické algoritmy. Terminologie GA. Princip činnosti, Hybridná GA, messy GA, paralelní GA, migrační a difůzní model. Evoluční algoritmy 4. Evoluční strategie. Dvoučlenné ES: (1+1)-ES. Vícečlenné ES: (µ+λ)- ES a (µ, λ)-es. Vícečlenné ES: (µ+λ)-es a (µ, λ)-es. Adaptivní ES. Rojení částic (Particle swarm). Rozptýlené hledání (Scatter Search). Optimalizace mravenčí kolonií (Ant Colony Optimization). Evoluční algoritmy 5. SOMA : SamoOrganizující se Migrační Algoritmus, princip činnosti a použité strategie algoritmu: ATO, ATR, ATA a ATAA. Diferenciální evoluce, princip činnosti a použité verze: DE/best/1/exp, DE/rand/1/exp, DE/rand-to-best/1/exp, DE/best/2/exp, DE/ rand/2/exp, DE/best/1/bin, DE/rand/1/bin, DE/rand-to-best/1/bin, DE/best/2/bin, DE/rand/2/ bin. SOMA, DE a permutační testovací problémy. 3

Evoluční algoritmy 6. Techniky genetického programování: genetické programování, gramatická evoluce. Alternativy: analytické programování, Probabilistic Incremental Program Evolution PIPE, Gene Expression Programming, Multiexpression Programming a další. Evoluční hardware (EH). Inspirace v biologii. Výpočetní zařízení. Rekonfigurovatelná zařízení. Evoluční návrh a číslicové obvody. EH a buňečné automaty. Polymorfní elektronika. Buněčné automaty (BA) a komplexní systémy. Úvod do problematiky, Formalismus BA, dynamika a klasifikace buněčných automatů podle Wolframa, Conwayova hra života, modelování pomocí BA. Umělý život. Základní definice a existující systémy a modely. Tierra, biomorfové, Sbeat, Sbart, Eden, Galapagos,... Sebereprodukující se automaty podle Turinga a von Neumanna. Langtonova smyčka, počítačové viry a umělý život. Umělý život a hrana chaosu (podle Kaufmanna) Neuronové sítě (NS). Historie a základní princip NS. Trénovací množina a její použití NS. Základní typy sítí a jejich aplikace na různé typy problémů. Fraktální geometrie. Historie, definice fraktálu, základní typy algoritmů generujících fraktály. Fraktální dimenze, interpolace a komprese. Vývojové systémy a umělý život. L- systémy, želví grafika, parametrické L-systémy, L-systémy z pohledu fraktální geometrie. 4

Imunologické systémy (IS). Princip IS, limity IS, algoritmy realizující IS, imunotronika. Swarm inteligence (SI). Základní pojmy a definice, reprezentativní algoritmy SI - particle swarm, scatter search, ant colony optimization, swarm robotic, umělá evoluce komplexních systémů. DNA computing. DNA computing jako součást bioinformatiky, DNA a binární reprezentace podle Adlemanna. Watson-Crickův automat. Matematické modelování operací nad DNA. 5