‫کاربرگ طرح درس‬

‫مقطع‪ :‬کارشناسی‬ ‫نیمسال تحصیلی‪ :‬اول ‪۱۴۰1 -‬‬ ‫دانشکده‪ :‬مهندسی ‪ -‬برق‬

‫تعداد واحد‪۳ :‬‬ ‫نام مدرس‪ :‬محمد رضا اکبرزاده توتونچی‬ ‫نام درس‪ :‬مبانی هوش محاسباتی‬

‫ساعت برگزاری‪:‬‬ ‫شماره کالس‪2۳152467-۳ :‬‬ ‫پیشنیاز درس‪:‬‬

‫دو شنبه ها و چهار شنبه ها ‪12:00:1۴:00‬‬
‫‪akbazar@um.ac.ir‬‬ ‫ایمیل‪:‬‬ ‫ساعت پاسخگویی و مشاوره‪:‬‬
‫شنبه ها‪ ،‬دوشنبه ها و چهار شنبه ها ‪18:۰۰-17:۰۰‬‬

‫اهداف یادگیری‪:‬‬
‫الف) این درس بر پرورش کدامیک از شایستگیهای عمومی ذیل متمرکز است‪:‬‬

‫تفکر انتقادی ‪‬‬ ‫تفکر آیندهنگر‪‬‬ ‫تفکر سیستمی ‪‬‬ ‫تفکر خالق ‪‬‬
‫مدیریت محیط ‪‬‬ ‫مدیریت حواس ‪‬‬ ‫مدیریت درون فردی ‪ ‬مدیریت بین فردی ‪‬‬
‫ب) پرورش چه شایستگیهای (دانش نظری و عملی؛ مهارتهای سخت و نرم؛ نگرش و ارزشها) تخصصی در این درس موردتوجه قرار‬
‫میگیرد؟‬
‫در این درس بخش های اصلی مبانی هوش محاسباتی شامل منطق فازی‪ ،‬شبکه های عصبی و الگوریتم های تکاملی که نهایتا در کنار هم قرار گرفتن‬
‫آنها هوش مصنوعی را شکل می دهند در قلب ویژگی های هوشمندی (‪ )۱‬تعمیم پذیری‪ )۲( ،‬یادگیری و بهینه سازی‪ ،‬و (‪ )۳‬هوش جمعی ارایه می‬
‫گردد‪ .‬این درس به دانشجویان کارشناسی کمک می کند تا بتوانند از هوش محاسباتی در پروژه های کنونی و آینده خود استفاده نمایند‪ .‬رویکرد کلی‬
‫که در این ترم برای این درس در نظر گرفته شده است استفاده از "هوش محاسباتی در خدمت به جامعه" می باشد‪ .‬در این رویکرد ب ه دنبال حل چالش‬
‫های جامعه و بشریت به کمک روش های هوش محاسباتی و رایانش نرم هستیم که به این منظور مسائل موجود در کشورهای در حال توسعه‪ ،‬به طور‬
‫خاص کاربردهای مهندسی پزشکی مانند کمک به بازتوانی افراد ناتوان جسمی (نابینا‪ ،‬ناشنوا‪ ،‬ناتوان جسمی و سایر موارد ) و همچنین افراد بی بضاعت‬
‫مورد بررسی قرار خواهند گرفت‪.‬‬

‫‪1‬‬
‫روش ‪ /‬تکنیک تدریس‪:‬‬

‫یادگیری مشارکتی‪‬‬ ‫سخنرانی ‪ ‬پرسش و پاسخ‪ ‬نمایشی (نمایش طرز کار وسیله یا مدل یا ‪  )...‬بحث گروهی‪‬‬
‫سایر موارد‪....:‬‬ ‫مبتنی بر مسئله ‪ ‬مبتنی بر پروژه ‪ ‬آزمایشگاهی‪ ‬بازدید علمی ‪‬‬
‫شیوه ارزشیابی‪:‬‬

‫حضور و مشارکت‬ ‫ارزشیابی مستمر‬ ‫گزارش پایانترم‬ ‫ارایه های شفاهی‬

‫تکالیف هفتگی‬ ‫نوع ارزشیابی‬
‫کالسی‬ ‫(آزمون ها)‬ ‫(گروهی)‬ ‫(گروهی)‬
‫‪۰‬‬ ‫‪8‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫‪4‬‬ ‫نمره‬

‫‪. 1‬توضیحات مربوط به روش تدریس پیوست میگردد‪.‬‬

‫‪1‬‬
 ‫کاربرگ طرح درس‬

‫منبع موردمطالعه‬ ‫سرفصل‬ ‫تاریخ‬

‫]‪[1‬‬ ‫معرفی درس و سیالبس (یک جلسه)‬ ‫هفته ‪1‬‬

‫تعریف هوشمندی‪ ،‬معرفی نظریه هوش محاسباتی و رایانش نرم‪ ،‬معرفی کاربردها و‬
‫]‪[2‬‬ ‫هفته ‪2‬‬
‫فرایند مدلسازی (دو جلسه)‬

‫]‪[3‬‬ ‫سمینار‪ -۱‬هوش محاسباتی – نظریه ها و کاربردها‬ ‫هفته ‪۳‬‬

‫منطق فازی‪ :‬نظریه مجموعه های فازی‪ ،‬قوانین فازی و استدالل فازی و سیستم های‬
‫]‪[1‬‬ ‫هفته ‪4‬‬
‫استنتاج فازی‪( .‬دو جلسه)‬
‫منطق فازی‪ :‬قوانین فازی‪ ،‬استدالل فازی و استنتاج فازی‪( .‬دو جلسه)‬
‫]‪[1‬‬ ‫هفته ‪5‬‬
‫رگرسیون و بهینه سازی‪ :‬روش حداقل مربعات برای شناسایی سیستم‪ ،‬بهینه سازی‬ ‫هفته ‪6‬‬
‫]‪[1‬‬
‫مبتنی بر مشتق‪ ،‬بهینه سازی بدون مشتق (سه جلسه)‬
‫سمینار‪ -۲‬مدلسازی و تعمیم پذیری (چهار جلسه)‬ ‫هفته ‪ 7‬و ‪8‬‬
‫]‪[2][3‬‬
‫الگوریتم های ژنتیک و برنامه نویسی ژنتیک‪( .‬دو جلسه)‬ ‫هفته ‪9‬‬
‫]‪[1‬‬
‫]‪[2‬‬ ‫بهینه سازی تکاملی ژنتیک‪-‬فازی برای کنترل و تصمیم سازی‪( .‬دو جلسه)‬ ‫هفته ‪10‬‬

‫شبکه های عصبی‪ :‬شبکه های تطبیقی‪ ،‬شبکه های عصبی مبتنی برآموزش با ناظر‪،‬‬ ‫هفته ‪11‬‬
‫]‪[1‬‬
‫یادگیری تقویتی و یادگیری بدون ناظر‪( .‬دو جلسه)‬
‫]‪[2‬‬ ‫سمینار‪ -۳‬یادگیری‪ ،‬تطبیق پذیری و بهینه سازی (چهار جلسه)‬ ‫هفته ‪ 12‬و ‪1۳‬‬

‫]‪[1‬‬ ‫سیستم های فازی‪ -‬عصبی و مدل سازی‪ :‬سیستم های استنتاج عصبی‪-‬فازی تطبیقی‪،‬‬ ‫هفته ‪14‬‬
‫دسته بندی و درخت های رگرسیون‪ ،‬الگوریتم های خوشه بندی دیتا‪ ،‬تشخیص ساختار‬
‫مبتی بر قانون‪(.‬دو جلسه)‬
‫]‪[2][3‬‬ ‫موضوعات ویژه پژوهشی‬ ‫هفته ‪15‬‬

‫]‪[2][3‬‬ ‫سمینار‪ - ۴‬هوش جمعی و موضوعات پیشرفته (سه جلسه)‬ ‫‪-1‬‬ ‫هفته ‪16‬‬

‫فهرست منابع‪:‬‬

‫‪[1] Neuro-Fuzzy and Soft Computing*, by Jang, Sun and Mizutani, Matlab Curriculum Series,‬‬
‫‪Prentice Hall, 1997.‬‬
‫*ترجمه این کتاب توسط و آقایان دکتر ستایشی و دکتر شمشیربند انجام شده است‪ .‬کلیه منابع به همراه سایر منابع در ‪ DVD‬کالسی‬
‫موجود هستند‪.‬‬
‫‪[2] Four Class DVDs include my presentations, electronic library of books, proceedings of the‬‬
‫‪WCCI’16, WCCI’14, WCCI’12, WCCI’10, WCCI’08, WCCI’06, IEEE-CEC07, plus other‬‬
‫‪resources.‬‬
‫‪[3] World Wide Web‬‬

‫‪2‬‬