MA2504 Komputationell Intelligens

Kursen är ämnad för doktorander och magisterstudenter i matematik och i andra tekniska ämnen för att introducera några utvalda paradigmer av Komputationell Intelligens (CI). CI baseras på att modellera biologisk och naturlig intelligens, som resulterar i skapelsen av så kallade ”intelligenta system”. Under kursens lopp presenteras en praktisk verkan av algoritmer som imiterar det naturliga uppförandet av intelligenta varelser. Algoritmerna är anpassade till en värld av biologiska, tekniska och ekonomiska tillämpningar såsom taligenkännande (speech recognition), data mining, klassifikation, mönsterigenkännande (pattern recognition), kortast banoptimering, bedrägeriupptäckt, hantering av vaga data med mera.

Förkunskapskrav

Det krävs 30 hp matematik, varav 20 hp en- och flervariabelanalys samt minst 30 hp i något annat ämne inom teknik eller naturvetenskap.

Innehåll

• Historisk bakgrund av CI
• Konstgjorda neurala nätverk
• Evolutionsräkning
• Komputationell svärmintelligens
• Partikelsvärmoptimering
• Myrstacksalgoritmer
• Artificiella immunsystem
• “Fuzzy” system
• “Fuzzy” kontrollsystem
• “Rough” klassifikation
• Intressanta tillämpningar

Lärandemål

Efter genomförd kurs skall studenten kunna:
• Förstå varför datorsystem kan beskriva biologiska system.
• Följa omvandlingen från naturliga system till konstgjorda algoritmer av CI.
• Använda vaniga CI-paradigmer och algoritmer i standardapplikationer.

Generella förmågor

I kursen tränas följande generella förmågor:

• Förmåga till implementering av CI-programpaket
• Förmåga till utveckling av egen forskning genom att prova lämpliga CI-algoritmer.
• Förmåga till arbete i interdisciplinära team.
• Förmåga till problemformulering på engelska.

Kurslitteratur och övriga läromedel

Kurslitteratur och övriga läromedel

Lärande och undervisning

Undervisningen består av föreläsningar och övningar. Projektet ska lösas enskilt.

Arbetslivsanknytning

Ingen praktik ingår i planerade lärtillfällen. BTH strävar efter tät kontakt med näringslivet vid utveckling av kurser och program.

Lärare

Examinator
Elisabeth Rakus-Andersson

Kursansvarig
Elisabeth Rakus-Andersson

Lärare
Elisabeth Rakus-Andersson

Planerade lärtillfällen

Föreläsningar

Tidsåtgång

I genomsnitt bör en student räkna med att studera 200 timmar för att nå lärandemålen. I denna tid ingår alla olika förekommande lärandeaktiviteter (föreläsningar, självstudier, examination m. m.). Tidsuppskattningen baseras på att ett akademiskt år omfattar 60 högskolepoäng (motsvarar 60 ECTS credits), som svarar mot en total studietid på ca 1 600 timmar. Den faktiska studietiden varierar individuellt.

Bedömning

Kod	Benämning	Högskolepoäng	Betyg
1010	Projekt	7,5	U/G/3/4/5

Betyg

Kursen bedöms med betygen Underkänd, Godkänd, 3, 4 eller 5 .

Kommande tentamenstillfällen

Inga kommande centralt samordnade tentamenstillfällen hittades för denna kurs.

För att få delta vid ett centralt samordnat tentamenstillfälle måste du ha anmält dig i Studentportalen senast 15 dagar innan tentamensdagen.

Lokal och tidpunkt publiceras ca 5 dagar innan tentamensdagen.

Det kan finnas andra planerade examinationstillfällen. Information om de finns i It's Learning eller på annan plats som kursansvarig hänvisar till.

Kursutvärdering

Kursansvarig ansvarar för att studenternas synpunkter på kursen systematiskt och regelbundet inhämtas och att resultaten av utvärderingar i olika former påverkar kursens utformning och utveckling.