przedmiot wybieralny iii - metody sztucznej inteligencji w automatyce
Transkrypt
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)