مبانی هوش محاسباتی
هدف از ارائه این درس، آشنایی دانشجویان با اصول و مفاهیم کلیدی روشهای تحلیل داده و رویکردهای هوشمند حل مسائل مهندسی است. در این راستا، سه حوزه اصلی هوش محاسباتی، شامل سیستمهای فازی، الگوریتمهای تکاملی و شبکههای عصبی مورد بررسی قرار میگیرند. دانشجویان در این درس، با ابزارهای نرمافزاری کاربردی برای پیادهسازی و استفاده از این روشها آشنا خواهند شد..
1-روشهای فازی:
مقدمه و مبانی نظری: معرفی مجموعههای فازی، توابع عضویت و عملگرهای فازی
روابط فازی و منطق فازی: قوانین فازی و اصل گسترش
سیستمهای مبتنی بر دانش فازی
2- روشهای تکاملی:
الگوریتم ژنتیک: معرفی مفاهیم بازنمایی، بازترکیبی، جهش و انتخاب
استراتژیهای تکامل: انواع استراتژیهای تطبیقی و خود-تطبیقی، بازنمایی، بازترکیبی، جهش و انتخاب
3- روشهای شبکه عصبی:
مقدمه و نورونهای مصنوعی: معرفی توابع فعالیت، یادگیری، پرسپترون و آدلاین
شبکههای عصبی با نظارت: شبکههای پیشرو
شبکههای عصبی بدون نظارت: نقشههای خودسازمانده و شبکههای یادگیری کوانتیزاسیون برداری
4- الگوریتمهای ترکیبی هوش محاسباتی: بررسی و معرفی روشهای ترکیبی در هوش محاسباتی

پادکست فارسی کتاب «مقدمهای بر بازیابی اطلاعات» کریستوفر دی. منینگ + منبع انگلیسی

پادکست فارسی کتاب «داده کاوی: مفاهیم و تکنیکها» اثر جیاوی هان + منبع انگلیسی




