هوش محاسباتی

تعداد واحد: 3           پیش نیاز: طراحی الگوریتم ها          نوع: نظری
زمان و محل کلاس:  دوشنبه و چهارشنبه

مدرس: دکتر حسین غلامعلی نژاد، دانشکده مهندسی، دانشگاه بزرگمهر قاینات
دستیار آموزشی:

شرح درس:
درس مبانی هوش محاسباتی شامل مروری بر مفاهیم و کاربردهای پایه محاسبات هوش محاسباتی و روش‌های غالب در این زمینه در سه محور محاسبات نرونی (شبکه‌های عصبی مصنوعی و یادگیری عمیق)، محاسبات فازی (مبانی تفکر و منطق فازی)، و محاسبات تکاملی است. در این درس، اصول نظری و روش‌های غالب در سه موضوع مذکور پوشش داده می‌شوند و تمرین‌های متناسب صورت می‌گیرد.
منابع:
منبع اصلی: مبانی هوش محاسباتی، نوشته رودلف کروز، ترجمه سجاد ملکی و مائده حاجی آقا محسنی، نشر آتی نگر
منابع کمکی:
1. Karray, C. De Silva, Soft Computing and Intelligent Systems Design: Theory, Tools, and Applications, Addison-Wesley Publishing, 2004.
2. هادي ويسي، كبري مفاخري، سعيد باقري شورکي، مباني شبكه هاي عصبي: معماري، الگوريتم‌ها و كاربردها، انتشارات نص، پاييز 1388 (ترجمه Laurene Fausette, Fundamentals of neural networks, architecture, algorithms and application, Prentice Hall, 1994)
3. محمد صنيعي آباده، زهره جبل‌عامليان، الگوريتم‌هاي تكاملي و محاسبات زيستي، انتشارات نياز دانش، 1397.
4. George J. Klir, Bo Yuan, Fuzzy Sets and Fuzzy Logic: Theory and Applications, Prentice Hall, 1995.
5. Goodfellow I, Bengio Y, Courville A, Deep Learning, Cambridge: MIT Press, 2016
6. David E. Goldberg, Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley, 1989.
7. J yh-Shing Roger Jang, Chuen-Tsai Sun, Eiji Mizutani, Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence, Prentice Hall, 1997