DAT157 Nevrale nett og avanserte algoritmer

Innhold og oppbygning

Faget skal gi studentene innføring i kunstig nevrale nett og hvordan en i praksis kan simulere slike systemer. I kurset skal det nyttes simuleringsverktøy javANN for å bygge hurtige prototyper av nevrale nett. I kurset gis det også en innføring i avanserte og velkjente algoritmer innenfor ulike områder. Ulike typer problemløsning og rekursiv tenkning vil også bli gjennomgått. I tillegg vil det bli gjennomgått ulike aspekter av kompleksitetsteori med vekt på klassene P og NP samt mulige approksimativ løsninger av NP-komplette problem.

Innhold

• I kurset vil mer spesifikk gis innføring i det biologiske nevron samt og ulike paradigmer for kunstige nevrale nett
• Fuzzy logikk og fuzzy resonnering
• Evolusjonære algoritmer og simulering av disse
• Split og hersk algoritmer og dynamisk programmering. Tilnærmingsalgoritmer, randomiserte algoritmer, kjernebaserte algoritmer, heuristiske algoritmer.
• Algoritmer for tekstprosessering.

Læringsutbytte

Etter å ha fullført emnet skal studenten kunne:

Kunnskaper

• Gjøre rede for hvordan kunstige nevrale nett og avanserte algoritmer virker
• Forklare hvordan teori for nevrale nett og avanserte algoritmer kan utnyttes innenfor computer science og ingeniørfag
• Gjøre rede for hvordan kunstige nevrale nett og avanserte algoritmer kan brukes til å løse praktiske problemer av ulik type

Ferdigheter

• Utvikle applikasjoner for løsning av problem innenfor ulike områder
• Designe og utvikle applikasjoner for hvordan teori for lærende og avanserte algoritmer kan brukes til å bygge mer intelligente applikasjoner
• Konstruere effektive algoritmer for algoritmiske problemer

Generell kompetanse

• Å håndtere komplekse algoritmiske problemer, enten ved å konstruere en eksakt eller en tilnærmingsalgoritme, eller ved å lage en heuristisk løsning.
• Å vurdere ulike algoritmiske løsninger opp mot hverandre.

Krav til forkunnskaper

Grunnleggende kunnskaper i programmering i Java eller C++ og matematikk svarende til 1. klasses nivå. DAT102 Algoritmer og datastrukturer

Undervisnings- og læringsformer

Forelesninger og øvinger.

Obligatorisk læringsaktivitet

4 obligatoriske øvinger må være gjennomført til fastsatte frister og godkjent før eksamen kan avlegges. Alle øvinger må besvares på engelsk.

Godkjente øvinger gir også adgang til eventuell utsatt eksamen påfølgende semester. Ved utsatt og ny eksamen neste gang faget undervises, må nye øvinger leveres.

Vurderingsform

Muntlig eksamen.

Tid og sted vil bli opplyst på emnets sider på Its learning.

Karakterskala A-F, der F tilsvarer ikke bestått.

Hjelpemidler ved eksamen

Ingen

Mer om hjelpemidler