450-2029/01 – Systémy s umělou inteligencí (SsUI)
| Garantující katedra | Katedra kybernetiky a biomedicínského inženýrství | Kredity | 4 |
| Garant předmětu | prof. Ing. Michal Prauzek, Ph.D. | Garant verze předmětu | prof. Ing. Michal Prauzek, Ph.D. |
| Úroveň studia | pregraduální nebo graduální | Povinnost | povinně volitelný typu B |
| Ročník | 3 | Semestr | zimní |
| | Jazyk výuky | čeština |
| Rok zavedení | 2010/2011 | Rok zrušení | |
| Určeno pro fakulty | FEI | Určeno pro typy studia | bakalářské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Studenti se seznámí se základy vědního oboru umělá inteligence, poznají její základní nástroje a metody v inženýrských disciplínách. Seznámí se s metodami návrhu znalostních systémů, expertních systémů a fuzzy regulátorů. Získají schopnost aplikace těchto nástrojů v praxi.
Studenti získají informace a znalosti z oblasti umělých neuronových sítí a genetických algoritmů. Budou schopni aplikovat tyto nástroje ve svých diplomových pracech a inženýrské praxi.
Vyučovací metody
Přednášky
Individuální konzultace
Cvičení (v učebně)
Experimentální práce v laboratoři
Výuka odborníka z praxe (přednáška nebo cvičení)
Anotace
Předmět je zaměřen na uplatnění metod a nástrojů umělé inteligence v inženýrské praxi. Uvádí zdroje a principy umělé inteligence, pro vysvětlení jejích přístupů seznamuje s klasickou výrokovou logikou a vysvětluje přechod k vícehodnotové logice netradiční. Zavádí pojem využití neurčitosti ve znalostech, uvádí principy fuzzy matematiky, fuzzy vícehodnotové jazykové logiky a jejich využití v expertních systémech a fuzzy regulátorech. Uvádí principy a aplikace neuronových sítí a genetických algoritmů v aplikacích moderní kybernetiky a robotiky.
Povinná literatura:
Doporučená literatura:
VOLNÁ,E. Neuronové sítě. Ostravská univerzita, Ostrava. 2008
HYNEK,J. Genetické algoritmy a genetické programování. Grada, 2008. ISBN: 978-80-247-2695-3
Další studijní materiály
Forma způsobu ověření studijních výsledků a další požadavky na studenta
Průběžná kontrola studia:
Průběžná kontrola je prováděna na základě účasti studenta v laboratorních cvičeních.
Podmínky udělení klasifikovaného zápočtu:
Student může dosáhnout 40 (min 21) bodů za protokoly laboratorních prací a 60 (min 30) bodů za závěrečný písemný test.
E-learning
Další požadavky na studenta
Žádné další požadavky na studenta nejsou kladeny
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
Přednášky:
1. Úvod do umělé inteligence jako vědní disciplíny. Principy metod umělé inteligence, význam znalostí pro kvalitu řešení problémů
2. Procedury řešení problémů v klasické logice
3. Metody počítačové reprezentace znalostí
4. Matematické a jazykové modelování
5. Formalizace neurčitosti v jazykových modelech
6. Základy fuzzy množinové matematiky a fuzzy logiky
7. Fuzzy modely typu Mandami, fuzzy regulátory
8. Fuzzy modely typu Takagi-Sugeno, Sugenovské regulátory
9. Diagnostické a plánovací expertní systémy
10. Pravděpodobnostní expertní systémy
11. Topologie a funkce vícevrstvých neuronových sítí
12. Genetické algoritmy jako univerzální optimalizační metody
13. Optimalizace neuronových sítí genetickým algoritmem
14. Optimalizace fuzzy regulátoru genetickým algoritmem
Laboratoře:
1. Fuzzy regulátor s mikroprocesorem
2. Fuzzy regulátor s PLC
Počítačové laboratoře:
1. Počítačový systém MATLAB, Fuzzy ToolBox MATLABU
2. Fuzzy množiny a reprezentace vágních pojmů v MATLABu
3. Formalizace fuzzy podmíněných pravidel v MATLABu, fuzzy model typu Mandami
4. Fuzzy model typu Takagi-Sugeno v MATLABu
5. Fuzzy regulátory Mandami a T-S v MATLABu
6. Diagnostické fuzzy expertní systémy v MATLABu
7. Příklady praktických fuzzy expertních systémů
8. Pravděpodobnostní prázdný expertní systém FEL-EXPERT
9. Syntéza vícevrstvých neuronových sítí v Neural ToolBoxu MATLABu
10. Neuronový regulátor
11. Syntéza praktického genetického algoritmu v MATLABu
12. Optimalizace fuzzy regulátoru genetickým algoritmem
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky