455-0072/01 – Aplikovaná umělá inteligence (AUI)
Garantující katedra | Katedra měřicí a řídicí techniky | Kredity | 4 |
Garant předmětu | prof. Dr. Ing. Miroslav Pokorný | Garant verze předmětu | prof. Dr. Ing. Miroslav Pokorný |
Úroveň studia | pregraduální nebo graduální | Povinnost | povinně volitelný |
Ročník | | Semestr | letní |
| | Jazyk výuky | čeština |
Rok zavedení | 1992/1993 | Rok zrušení | 2002/2003 |
Určeno pro fakulty | FEI | Určeno pro typy studia | magisterské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Studenti se seznámí se základy vědního oboru umělá inteligence, poznají její základní nástroje v různých aplikačních oblastech, seznámí se s metodikou návrhu znalostních systémů a vypracují semestrální projekt, v němž prokáží praktickou schopnost návrhu a odladění fuzzy expertního systému nebo fuzzy regulátoru.
Studenti získají základní informace a znalosti, které jim dovolí rozvíjet a uplatnít nástroje umělé inteligence v dilpomní práci i v další inženýrské praxi.
Studenti budou schopni rozvíjet a uplatnít nástroje umělé inteligence v dilpomní práci i v další inženýrské praxi, zvláště fuzzy orientované pravidlové expertní systémy.
Vyučovací metody
Anotace
Studenti se seznámí se základy vědního oboru umělá inteligence, poznají její základní nástroje v různých aplikačních oblastech, seznámí se s metodikou návrhu znalostních systémů a vypracují semestrální projekt, v němž prokáží praktickou schopnost návrhu a odladění fuzzy expertního systému nebo fuzzy regulátoru.
Studenti získají základní informace a znalosti, které jim dovolí rozvíjet a uplatnít nástroje umělé inteligence v dilpomní práci i v další inženýrské praxi.
Předmět je zaměřen na širší pojetí uplatnění metod a nástrojů umělé inteligence v informačních systémech. Uvádí zdroje a principy umělé inteligence, pro vysvětlení jejích přístupů seznamuje s klasickou výrokovou logikou a vysvětluje
přechod k vícehodnotové logice netradiční. Postupuje od problematiky řešení složitých úloh a strojového dokazování. Zavádí pojem využití neurčitosti ve znalostech, uvádí principy fuzzy matematiky, fuzzy vícehodnotové jazykové logiky a jejich využití v expertních a řídicích systémech. Všímá si systémů
pravděpodobnostních, založených na využití principů podmíněné a Baesovské pravděpodobnosti. Uvádí principy a aplikace neuronových sítí a genetických algoritmů v technických aplikacích moderní kybernetiky a robotiky.
Povinná literatura:
Vondrák,I.: Umělá inteligence a neuronové sítě, VŠB TU Ostrava, 1994
Zbořil,F.: Umělá inteligence, VUT Brno, 1990
Sedláček,V.: Umělá inteligence I, MU Brno, 1987
Mařík,V a kol.: Umělá inteligence I, II, ACADEMIA Praha, 1993 (I), 1997 (II)
Pokorný,M.: Umělá inteligence v modelování a řízení, BEN Technická literatura Praha, 1996
Sarnovský,J. a kol.: Multiagentové hybridné riadenie zložitých systémov, ELFA Košice, 1999
Novák,V.: Základy fuzzy modelování, BEN Praha, 2000
Doporučená literatura:
Studijní materiály pro studenty kombinovaného studia jsou k dispozici na adrese http://kat455.vsb.cz
Forma způsobu ověření studijních výsledků a další požadavky na studenta
Průběžná kontrola studia:
3 písemné práce a semestrální práce
Podmínky udělení zápočtu:
Odevzdání semestrální práce hodnocené min. jako vyhovující - 10bodů
E-learning
Další požadavky na studenta
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
Přednášky:
Úvod
Umělá inteligence, její historie.Turingův stroj. Umělá inteligence jako vědní disciplína. Principy metod umělé inteligence, přechod od paradigmatu aristotelovské logiky k logice Lukaszewského. Význam znalostí, přechod od zpracování dat ke zpracování znalostí. Neurčitost, její reprezentace a využití v jazykových modelech.
Matematická logika a umělá inteligence
Matematická logika. Výroková logika. Predikátová logika. Resoluční metoda. Netradiční logiky a inference.
Reprezentace znalostí
Hluboké a mělké znalosti, význam znalostí v systémech UI. Jazykové modely. Strojová reprezentace znalostí (formule predikátové logiky, sémantické sítě, rámce a scénáře, produkční pravidla). Podmíněná pravidla IF-THEN. Deklarativní
a procedurální reprezentace.
Strojové řešení úloh a plánování
Metody řešení úloh. Stavový prostor. Neinformované a informované metody prohledávání stavového prostoru. Metody řešení rozkladem na podproblémy. Metody hraní her. Plánování. Produkční systémy.
Expertní systémy
Historie EX, charakteristické vlastnosti ES, oblasti použití. Struktura ES. Reprezentace znalostí, řídicí mechanizmy, zpracování neurčité informace. Diagnostické ES, použití heuristických znalostí bez neurčitosti a s neurčitostí. ES s modelem. Plánovací ES.
Základy fuzzy množinové matematiky
Fuzzy množiny. Fuzzy množinové operace. Fuzzy relace. Extenzionální princip. Operace t-normy a t-konormy. Fuzzy logika. Základy fuzzy systémů.
Fuzzy orientované expertní systémy
Jazyková proměnná a její fuzzy reprezentace. Fuzzy aproximace funkcí. Pravidlové jazykové fuzzy modely typu Mamdani a Takagi-Sugeno. Aproximativní vyvozování. Fuzzifikace a defuzzifikace. Použití fuzzy logiky v expertních systémech.
Fuzzy řízení
Princip a struktura fuzzy regulátoru. Typy fuzzy regulátorů. Vlastnosti fuzzy regulátorů.
Metodika navrhování fuzzy regulátorů
Fuzzy T-S regulátory. Stabilita fuzzy regulátorů.
Neuronové sítě
Perceptron. Vícevrstvé sítě. Metody adaptace. Hopfieldova síť , asociativní paměť, optimalizace. Samoorganizace, Kohonenova adaptace. Kompetice. Grossbergova adaptace. Neuronové sítě a umělá inteligence.
Genetické algoritmy
Filozofie genetického algoritmu. Genetické operace, generování populací. Genetický algoritmus jako nástroj optimalizace.
Počítačové vidění a analýza scény
Počítačové vidění, proces zpracování obrazu. Segmentace a prahová detekce, filtrace. Topologie obrazů, identifikace hranice plochy. Strukturální analýza křivkového snímku. Využití diskrétních snímků. Analýza scény s mnohostěny, metoda Guzmanova, metoda Waltzova. Klasifikace hran a uzlů. Algoritmus Walzovy metody.
Analýza, syntéza a rozpoznávání mluvené řeči. Zpracování přirozeného jazyka.Analýza akustického řečového signálu. Model vytváření řeči. Akustická a fonetická analýza. Syntéza řečového signálu. Syntéza v oblasti časové a frekvenční. Konverze textu na řeč. Metody automatického rozpoznávání řeči. Zvláštnosti lidské komunikace, typy analýzy textu. Morfologická a syntaktické analýza. Použití gramatiky. Sémantická a pragmatická analýza. Strojový překlad.
Aplikace metod umělé inteligence
Obecně použitelné expertní systémy, stav aplikací ve světě a v ČR. Aplikačně orientované znalostní systémy, oblasti úspěšných komerčních aplikací. Robotika.
Laboratoře:
Seznámení s prostředím laboratoře, bezpečnostní a protipožární předpisy pro práci v laboratoři
Laboratorní úloha s modelem mobilního robota VIMR - analýza pohybového systému
Laboratorní úloha s modelem mobilního robota VIMR - analýza orientačního systému
Laboratorní úloha s modelem mobilního robota VIMR - dodržování pohybové trajektorie
Laboratorní úloha s modelem mobilního robota VIMR - systém přenosu povelů do HC11
Laboratorní úloha s modelem mobilního robota VIMR - mikropočítačový palubní systém
Laboratorní úloha s modelem mobilního robota VIMR - hierarchický systém řízení s PC a HC12
Projekty:
Semestrální projekt - expertní systém nebo fuzzy regulátor
Počítačové laboratoře:
Příklady sestavení jazykových modelů chování soustav pomocí produkčních pravidel.
Příklady úloh prohledávání stavového prostoru
Operace s fuzzy množinami. Výukový program MOTOROLA Fuzzy Logic
Editace jazykových modelů. Práce s vývojovým prostředím FuzzyToolboxu MATLABU, LMPS a NEFRIT
Návrh fuzzy regulátoru, vývojové prostředí LFLC
Práce s neuronovou sítí
Práce s genetickým algoritmem
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky
Předmět neobsahuje žádné hodnocení.