- знати сучасні технології для реалізації штучних нейронних мереж, систем на основі нечітких множин та нечіткої логіки, підходи до розв’язання задач на базі еволюційних алгоритмів.
- уміти вибирати методи та алгоритми, розробляти та використовувати програми для реалізації штучних нейронних мереж, систем на основі нечітких множин та нечіткої логіки, виконання обчислень на основі еволюційного підходу.
.

- пререквізит: Методи та системи штучного інтелекту.
- кореквізити:

Елементи штучних нейромереж. Навчання нейромережевих порогових логічних елементів. Одно-та багатошарові перцептрони. Лінійна регресія та метод найменших квадратів. Навчання нейромереж за методом градієнтного спуску. Глибинне навчання та згорткові нейромережі. Регуляризація та дропаут при глибинному навчанні. Нейромережі радіальних базисних функцій. Нейромережі з конкуруючим навчанням. Нейромережі Хопфілда. Класична теорія множин. Представлення булевих функцій. Нечіткі множини, функція належності. Лінгвістичні дані, їх зображення за допомогою нечітких множин. Операції над нечіткими множинами. Принцип розширення в теорії нечітких множин. Контролер Мамдані-Ассіліана. Евристики та метаевристики в задачах оптимізації. Розв’язання оптимізаційних задач за методом «підйому на пагорб». Розв’язання оптимізаційних задач за методом модельованого відпалу. Елементи еволюційних алгоритмів. Генетичне програмування. Оптимізація на основі мурашиних алгоритмів. Оптимізація на основі рою частинок. Задача про N ферзів та задача комівояжера (еволюційні та нееволюційні методи розв’язання).

- Ткаченко Р.О., Ткаченко П.Р., Ізонін І.В. Нейромережеві засоби штучного інтелекту: навч. посібник. – Львів: Видавництво Львівської політехніки, 2017. – 208 с.
- Згуровский М.З., Зайченко Ю.П. Основы вычислительного интеллекта. – К.: Наукова думка, 2013. – 408 с.

- Поточний контроль (30%): письмові звіти з практичних робіт.
- Підсумковий контроль (70 %): екзамен.