przedmiot wybieralny iii - metody sztucznej inteligencji w automatyce

Politechnika Opolska
Wydział Elektrotechniki, Automatyki i Informatyki
Karta Opisu Przedmiotu
Kierunek studiów
Profil kształcenia
Poziom studiów
Specjalność
Forma studiów
Semestr studiów
Nazwa przedmiotu
AUTOMATYKA I ROBOTYKA
OGÓLNOAKADEMICKI
STUDIA PIERWSZEGO STOPNIA
Studia stacjonarne
VII
PRZEDMIOT WYBIERALNY III - METODY
SZTUCZNEJ INTELIGENCJI W AUTOMATYCE
Nauki podst. (T/N)
N
Subject Title
SELECTED COURSE III - ARTIFICIAL INTELLIGENCE IN AUTOMATIC CONTROL
ECTS (pkt.)
Tryb zaliczenia przedmiotu
Kod przedmiotu
5
Zaliczenie na ocenę
Nazwy
MATEMATYKA, PODSTAWY REGULACJI AUTOMATYCZNEJ
przedmiotów
Ma wiedzę z zakresu matematyki, obejmującą m.in.: podstawy analizy
1. matematycznej, algebry macierzowej, teorii zbiorów oraz logiki
matematycznej.
Wiedza
Ma wiedzę z zakresu podstaw regulacji automatycznej, zna metody
opisu
układów dynamicznych i rozumie działanie układów regulacji
2.
Wymagania
automatycznej.
wstępne w
…
zakresie
Potrafi wykorzystać poznane metody matematyczne m.in. do badania
przedmiotu
przebiegu zmienności oraz wyznaczania ekstremum funkcji,
1. wykonywania podstawowych operacji na macierzach oraz zadań z
Umiejętności
zakresu logiki matematycznej.
Kompetencje
społeczne
2. Potrafi korzystać z pakietu do obliczeń numerycznych
…
1. Potrafi pracować w grupie.
…
Program przedmiotu
Forma zajęć
Wykład
Ćwiczenia
Laboratorium
Projekt
Seminarium
Liczba godzin zajęć w
semestrze
30
Prowadzący zajęcia
(tytuł/stopień naukowy, imię i nazwisko)
dr inż. Krzysztof Bartecki
dr inż. Krzysztof Bartecki
15
Treści kształcenia
Wykład
Lp.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
Sposób realizacji
Tematyka zajęć
Liczba godzin
Wykład organizacyjny, omówienie warunków zaliczenia przedmiotu oraz zagadnień
2
Sztuczny neuron. Sieci z neuronami liniowymi – struktura, metody uczenia,
4
Sieć perceptronowa – struktura, metody uczenia. Zastosowania sieci
5
Sieć neuronowa wielowarstwowa. Algorytm propagacji wstecznej błędu.
4
Zastosowanie sieci wielowarstwowej w aproksymacji funkcji.
2
Sieci neuronowe rekurencyjne. Sieć Hopfieleda, sieć Elmana. Zastosowania.
4
Sieci neuronowe z uczeniem nienadzorowanym. Sieć Kohonena. Zastosowania.
2
Podstawy teorii i matematyka zbiorów rozmytych.
4
Tworzenie reguł rozmytych. Systemy rozmyte: Mamdaniego i Takagi-Sugeno.
2
Test zaliczeniowy
1
14.
15.
Liczba godzin zajęć w semestrze
Sposoby sprawdzenia zamierzonych test zaliczeniowy
efektów kształcenia
Ćwiczenia
Sposób realizacji
Lp.
Tematyka zajęć
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
Liczba godzin zajęć w semestrze
Sposoby sprawdzenia zamierzonych
efektów kształcenia
Laboratorium
Sposób realizacji
Tematyka zajęć
Lp.
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
Liczba godzin zajęć w semestrze
Sposoby sprawdzenia zamierzonych sprawozdania z ćwiczeń, odpowiedzi ustne
efektów kształcenia
Projekt
Sposób realizacji
Lp.
1.
2.
3.
4.
5.
Tematyka zajęć
Prognozowanie ciągu czasowego z zastosowaniem liniowego neuronu.
Zastosowanie warstwy perceptronowej w klasyfikacji wzorców – rozpoznawanie
liter.
Zastosowanie sieci neuronowej Kohonena w kompresji obrazów.
Rekurencyjna sieć Hopfielda jako pamięć skojarzeniowa – usuwanie zakłóceń z
obrazów.
Jednokierunkowa sieć neuronowa jako aproksymator funkcji – odwrotne zadanie
kinematyki.
30
Liczba godzin
Liczba godzin
Liczba godzin
2
2
2
2
4
6.
Zastosowanie systemu rozmytego Takagi-Sugeno w aproksymacji funkcji.
7.
Zaliczenie przedmiotu.
8.
9.
10.
11.
12.
13.
14.
15.
Liczba godzin zajęć w semestrze
Sposoby sprawdzenia zamierzonych sprawozdania projektowe
efektów kształcenia
Seminarium
Sposób realizacji
Lp.
Tematyka zajęć
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
Liczba godzin zajęć w semestrze
Sposoby sprawdzenia zamierzonych
efektów kształcenia
2
1
15
Liczba godzin
Ma podstawową wiedzę w zakresie metod sztucznej
1. inteligencji. Zna m.in. budowę, działanie i zastosowania
sztucznych sieci neuronowych oraz systemów logiki rozmytej
(w,l).
Wiedza
Ma wiedzę dotyczącą możliwości zastosowań metod
3. sztucznej inteligencji w wielu dziedzinach, w tym w
zagadnieniach dotyczących automatyki (w,l).
3.
…
Potrafi dokonać wyboru oraz zaprojektować odpowiednią
1. strukturę sztucznej sieci neuronowej (lub systemu rozmytego)
do rozwiązania określonego zadania (l).
Efekty kształcenia dla
przedmiotu - po
zakończonym cyklu
kształcenia
Umiejętności
Używając funkcji specjalizowanej biblioteki obliczeniowej
pakietu Matlab potrafi zbudować oraz przeprowadzić proces
2.
uczenia i symulacji działania sztucznej sieci neuronowej (lub
systemu rozmytego) (l).
Potrafi dokonać krytycznej analizy działania systemu
bazującego
na metodach sztucznej inteligencji oraz ocenić
3.
przydatność narzędzi programistycznych wykorzystujących te
metody (w,l).
…
Kompetencje
społeczne
Dzięki pracy w grupie ma świadomość odpowiedzialności za
1. pracę własną oraz gotowość podporządkowania się zasadom
pracy w zespole (l).
2.
3.
…
Metody dydaktyczne:
Klasyczny wykład informacyjny z wykorzystaniem środków audiowizualnych.
Prezentacje z wykładu dostępne na stronie internetowej.
Na zajęciach laboratoryjnych: samodzielna praca w oparciu o instrukcje do ćwiczeń zamieszczone w
skrypcie.
Forma i warunki zaliczenia przedmiotu:
Wykład: kolokwium zaliczeniowe. Zajęcia laboratoryjne: zaliczenie na ocenę. Warunkiem uzyskania
zaliczenia jest oddanie sprawozdań z wszystkich ćwiczeń. Szczegółowe wymagania odnośnie struktury
oraz treści sprawozdań znajdują się na stronie internetowej prowadzącego zajęcia. Ocena końcowa z zajęć
jest średnią arytmetyczną ocen z kolejnych sprawozdań oraz odpowiedzi ustnych.
Literatura
podstawowa:
Bartecki
K.: Sztuczne sieci neuronowe w zastosowaniach. Zbiór ćwiczeń laboratoryjnych z
biblioteki
Network
Toolbox
pakietu
Matlab. Skrypt
Politechniki
Opolskiej nr
[1] wykorzystaniem
Korbicz J., Obuchowicz
A.,Neural
Uciński
D.: Sztuczne
Sieci
Neuronowe.
Podstawy
i zastosowania.
[2] Akademicka Oficyna Wydawnicza PLJ, Warszawa, 1994.
PiegatR.,
A.:Bartecki
Modelowanie
i sterowanie
rozmyte. Akademicka
Wydawniczai EXIT,
[3] Rojek
K., Korniak
J.: Zastosowanie
sztucznychOficyna
sieci neuronowych
logiki Warszawa,
rozmytej w 1999.
[4] automatyce.
Skrypt
Politechniki
Opolskiej
nr
234,
Opole,
2000.
Rutkowska D., Piliński M., Rutkowski L.: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte.
[5] PWN, Warszawa – Łódź, 1997.
[6] Yager R. R., Filev D. P.: Podstawy modelowania i sterowania rozmytego. WNT, Warszawa, 1995.
[7]
[8]
Literatura
uzupełniająca:
Brzózka
J., Dorobczyński L.: Matlab – środowisko obliczeń naukowo-technicznych.
[1] Wydawnictwo Naukowe PWN, Warszawa, 2008.
[2] Osowski
S.: Sieci
neuronowe w
ujęciu algorytmicznym.
WNT, Warszawa,
Tadeusiewicz
R.: Odkrywanie
właściwości
sieci neuronowych
przy użyciu1996.
programów w języku C#.
[3] Materiały
PAU, Kraków,
2007.
dydaktyczne
i odsyłacze internetowe na stronie internetowej prowadzącego zajęcia:
[4] http://www.k.bartecki.po.opole.pl
[5]
[6]
[7]
______________
* niewłaściwe przekreślić
…………………………………………………..
……………………………………………………….
(kierownik jednostki organizacyjnej/bezpośredni przełożony:
(Dziekan Wydziału
pieczęć/podpis
pieczęć/podpis)