برنامه درسی

طراحی الگوریتم‎ها

فعالیتهای کلاسی (انجام تمرین و حضور فعال در کلاس)

میان ترم

پایان ترم

توضیح اسلایدهای درس

1. مقدمه ای بر هوش محاسباتی

2. الگوریتم های تکاملی

• مقدمه، الگوریتم ژنتیک (بازنمائی، بازترکیبی، جهش و انتخاب)
• استراتژی های تکامل (تطبیقی، خود تطبیقی، بازنمائی، بازترکیبی، جهش و انتخاب)
• بهینه سازی گروه ذرات (بهترین عمومی، بهترین محلی، وزن اینرسی)
• الگوریتم های مورچه (سیستم های مورچه؛ کلونی مورچه، مورچه بیشینه-کمینه)

3. شبکه های عصبی

• مقدمه، نورون های مصنوعی (تابع فعالیت، یادگیری، پرسپترن)
• شبکه های عصبی با نظارت (شبکه های پیش رو)
• شبکه های عصبی بدون نظارت (نقشه های خود سازمانده)
• شبکه های عصبی عمیق 

4. روش های فازی

• مقدمه، مبانی نظری مجموعه های فازی (توابع تعلق، عملگرهای فازی)
• روابط فازی و استنتاج در منطق فازی
• سیستم های مبتنی بر دانش فازی

آشنایی با مفاهیم و اصول روش های تحلیل هوشمند داده ها و روش های هوشمند حل مسائل مهندسی با استفاده از رویکردهای فازی، تکاملی و شبکه های عصبی