Περίγραμμα του Μαθήματος σύμφωνα με το πρότυπο της ΑΔΙΠ: 
Σκοπός: 

Το μάθημα «Υπολογιστική Νοημοσύνη» (YN) θα δώσει τη δυνατότητα στους φοιτητές να μελετήσουν και να εμβαθύνουν στις τεχνικές των Νευρωνικών Δικτύων (ΝΔ), του Εξελικτικού Υπολογισμού και της Νοημοσύνης Σμήνους ώστε να αποκτήσουν τις κατάλληλες θεωρητικές γνώσεις και δεξιότητες σε αυτό το δυναμικά αναπτυσσόμενο επιστημονικό πεδίο.

Περιγραφή – Περίγραμμα Μαθήματος: 

Το μαθήματος καλύπτει τα ΝΔ, τις βασικές τεχνικές μηχανικής μάθησης και παρουσιάζονται οι βασικές αρχές στον εξελικτικό υπολογισμό και στην νοημοσύνη του σμήνους. Ενδεικτική ύλη μαθήματος:

  • Τεχνητός νευρώνας, μάθηση στον απλό νευρώνα, κανόνας δέλτα για βηματικές και συνεχείς συναρτήσεις ενεργοποίησης.
  • Τεχνητά νευρωνικά μοντέλα, εκπαίδευση ΝΔ με επίβλεψη, η μέθοδος της οπισθοδιάδοσης του σφάλματος (Backpropagation).
  • Δίκτυα συναρτήσεων βάσης ακτινικού τύπου RBF (Radial Basis Function), εφαρμογές.
  • Ανταγωνιστικά ΝΔ χωρίς επίβλεψη, το δίκτυο SOM του Kohonen.
  • Αναδρομικά δίκτυα, το δίκτυο του Hopfield.
  • Εξελικτικός Υπολογισμός, Γενετικοί Αλγόριθμοι, ανάπτυξη παραδειγμάτων πως και πού χρησιμοποιούνται.
  • Νοημοσύνη Σμήνους, αλγόριθμος PSO, ανάπτυξη παραδειγμάτων, πως και πού χρησιμοποιούνται.
  • Matlab Neural Network Toolbox, Matlab Optimization Toolbox.
Βιβλιογραφία: 
  1. Σ. Γ. Τζαφέστας, Υπολογιστική Νοημοσύνη, Τόμος Α: Μεθοδολογίες, 2001.
  2. Κ. Διαμαντάρας, Τεχνητά Νευρωνικά Δίκτυα, Κλειδάριθμος, 2007.
  3. Simon Haykin, Νευρωνικά Δίκτυα και Μηχανική Μάθηση, Εκδόσεις Παπασωτηρίου, 2010.
  4. A. Engelbrecht, Computational Intelligence: An Introduction, Wiley, 2007
  5. J. Kennedy, R.C. Eberchat, Swarm Intelligence, Academic Press, 2001.
  6. Σημειώσεις - Διαφάνειες διαλέξεων.

27/02/2017 - 21:00

Το μάθημα της Υπολογιστικής Νοημοσύνης θα πραγματοποιηθεί κανονικά την Τετάρτ

22/11/2016 - 10:00

Παρακαλούνται οι φοιτητές που μπορούν να συμμετάσχουν στην εμβόλιμη εξεταστικ