Nekonvenční algoritmy a výpočty

Základní informace o předmětu

• Prezentace a zadání jsou převzaté od paní docentky Skanderové -> NAVY
• Prezentace ve formátu PDF:
• Slides 1, 2 - Perceptron: point on the line, Simple neural network: XOR problem ~ 985 kB
• Slides 3 - Hopfield network ~ 764 kB
• Slides 4, 5 - Q-learning and the game Find the cheese, Pole-balancing problem ~ 923 kB
• Slides 11 - Chaotic motion - double pendulum ~ 690 kB

Cvičení

Docházka

• Docházka na cvičení je povinná.
• Pro omluvu ze cvičení využijte email.

Bodování

• Na cvičeních se bude implementovat několik úloh, kde na každé dvě úlohy budou dva týdny pro vypracování.
• Úlohy lze i vypracovat dopředu.
• K implementaci bude využit programovací jazyk Python s frameworky jako je například Matplotlib a NumPy.
• Body lze získat za vypracování jednotlivých úloh.
• Hodnocení je stejné jako na stránkách paní docentky Skanderové, kde maximální počet je 45 bodů a minimum je 25 bodů.
• Za velmi pěkné zpracování úlohy (animace, struktura kódu, vizuální zpracování atd.) lze získat bonusové body (maximálně 1-2 body za úlohu).
• Seznam jednotlivých úloh včetně bodového ohodnocení:
• Perceptron: point on the line: 3 body.
• Simple neural network: XOR problem: 4 body.
• Hopfield network: 4 body.
• Q-learning and the game Find the cheese: 4 body.
• Pole-balancing problem: 4 body.
• L-systems: 3 body.
• IFS: 4 body.
• TEA - Mandelbrot set or Julia's set: 4 body.
• Generation of 2D country using fractal geometry: 4 body.
• Theory of chaos: Logistic map, chaotic numbers and their prediction: 4 body.
• Chaotic motion - double pendulum: 4 body.
• Cellular automata - forest fire algorithm: 3 body.

Úlohy

• Úlohy musí obsahovat komentáře, které prokazují, že student zdrojovému kódu rozumí.
• Hodnocení úlohy probíhá vždy na následujícím cvičení, kde student představí svou implementaci.
• Zadání úloh ve formátu PDF:
• Task 1 - Perceptron: point on the line ~ 79 kB
• Task 2 - Simple neural network: XOR problem ~ 60 kB
• Task 3 - Hopfield network ~ 67 kB
• Task 4 - Q-learning and the game Find the cheese ~ 501 kB
• Task 5 - Pole-balancing problem ~ 148 kB
• Task 6 - L-systems ~ 167 kB
• Task 7 - IFS ~ 139 kB
• Task 8 - TEA - Mandelbrot set or Julia's set ~ 682 kB
• Task 9 - Generation of 2D country using fractal geometry ~ 141 kB
• Task 10 - Theory of chaos: Logistic map, chaotic numbers and their prediction ~ 412 kB
• Task 12 - Cellular automata - forest fire algorithm ~ 723 kB

Způsob odevzdání úloh

• Řešení včetně loginu vždy zaslat na můj email jako:
• zabalený zip soubor s názvem loginu například "abc0001.zip".
• anebo link na repositář s projektem ve verzovacím systému jako je například github.
• Předmět emailu ve formátu: NAVY - LOGIN - Task
• Příklad: NAVY - ABC0123 - Task 1
• Odevzdání nejpozději do následujícího cvičení.
• Jakkoliv jinak odevzdané řešení bude ignorováno a hodnoceno 0 body.

Externí zdroje

• Matt Mazur: A Step by Step Backpropagation Example
• Thomas Simonini: Diving deeper into Reinforcement Learning with Q-Learning
• Larry Riddle: Classic Iterated Function Systems