Introduction to Computational Intelligence

Abstract

Η Υπολογιστική Νοημοσύνη αρχικά ορίστηκε ως το σύνολο τριών τεχνολογιών που περιλαμβάνουν τα νευρωνικά δίκτυα, τα ασαφή συστήματα και τον εξελικτικό υπολογισμό. Αργότερα προτάθηκαν επιπλέον τεχνολογίες, π.χ. συστήματα στήριξης αποφάσεων, μηχανικής μάθησης, εξόρυξης δεδομένων, και ποικίλες συνέργειες αυτών. Η διευρυμένη Υπολογιστική Νοημοσύνη έχει ως αντικείμενο την ανάλυση και τη σχεδίαση μοντέλων για μάθηση ή/και γενίκευση που βασίζονται σε αριθμητικά δεδομένα. Σημειώστε ότι η διαδικασία της μάθησης θέτει και το θέμα της αναπαράστασης της πληροφορίας. Πρόσφατα δημοσιεύματα τοποθετούν την Υπολογιστική Νοημοσύνη στον πυρήνα τεχνολογιών αιχμής που έχουν να κάνουν με την επεξεργασία τεράστιου όγκου δεδομένων, την αλληλεπίδραση ανθρώπου-υπολογιστή, το Διαδίκτυο των Πραγμάτων κλπ. [1]. Περαιτέρω (όπ.π.) υποστηρίζεται η ανάγκη για μια ολιστική άποψη στη διδασκαλία της Υπολογιστικής Νοημοσύνης (αντί των αποσπασματικών απόψεων που προτείνουν επιμέρους τεχνολογίες), με έμφαση όχι μόνο σε πρακτικές εφαρμογές αλλά και σε βασική γνώση. Ο σκοπός αυτού του βιβλίου είναι να εισαγάγει τους αναγνώστες στην επιστημονική περιοχή της Υπολογιστικής Νοημοσύνης με προοπτική εφαρμογών σε αναδυόμενες τεχνολογίες. Τον σκελετό της παρουσίασης αποτελούν μοντέλα και αλγόριθμοι. Στα Παραρτήματα αυτού του βιβλίου δίνεται λογισμικό υλοποίησης αλγόριθμων σε MATLAB, καθώς και παραδείγματα πρακτικών εφαρμογών. Εκτεταμένα και οπτικοακουστικά σχόλια των συγγραφέων φιλοδοξούν να δώσουν κίνητρο για βαθύτερη μελέτη, ξεκινώντας από την επιλεγμένη βιβλιογραφία που παρατίθεται ανά κεφάλαιο. Η διευρυμένη Υπολογιστική Νοημοσύνη αποτελεί το ένα σκέλος της ολιστικής προσέγγισης που προτείνεται εδώ. Το άλλο σκέλος αφορά μια ενοποίηση της ανάλυσης και της σχεδίασης στην Υπολογιστική Νοημοσύνη μέσω μιας ενοποιημένης αναπαράστασης της πληροφορίας στη βάση της μαθηματικής θεωρίας πλεγμάτων. [1] M. M. Polycarpou, “Computational intelligence in the undergraduate curriculum”, IEEE Computational Intelligence Magazine, vol. 8, no. 2, p. 3, May 2013.

Computational intelligence was initially defined as a set of three technologies comprising neural networks, fuzzy systems, and evolutionary computation. Later, additional technologies were proposed, e.g., decision support systems, machine learning, data mining, and various synergies between them. The broader field of Computational Intelligence focuses on the analysis and design of models for learning and/or generalization based on numerical data. Note that the learning process also raises the issue of information representation. Recent publications place Computational Intelligence at the core of cutting-edge technologies related to the processing of huge amounts of data, human-computer interaction, the Internet of Things, etc. [1]. Furthermore (ibid.), the need for a holistic view of the teaching of Computational Intelligence (rather than the fragmented views proposed by individual technologies) is supported, with an emphasis not only on practical applications but also on basic knowledge. The purpose of this book is to introduce readers to the scientific field of Computational Intelligence with a view to applications in emerging technologies. The presentation is structured around models and algorithms. The appendices of this book provide software for implementing algorithms in MATLAB, as well as examples of practical applications. Extensive and audiovisual comments by the authors aim to motivate further study, starting from the selected bibliography provided at the end of each chapter. Extended Computational Intelligence is one part of the holistic approach proposed here. The other part concerns the integration of analysis and design in Computational Intelligence through a unified representation of information based on mathematical lattice theory. [1] M. M. Polycarpou, “Computational intelligence in the undergraduate curriculum”, IEEE Computational Intelligence Magazine, vol. 8, no. 2, p. 3, May 2013.