česky  čs
english  en
Umělá inteligence v inženýrských aplikacích (W37A003)
Katedra:ústav přístrojové a řídící techniky (12110)
Zkratka:Schválen:16.05.2007
Platí do: ??Rozsah:60
Semestr:Z,LKredity:
Zakončení:ZKJazyk výuky:CS
Anotace
Přehled metod umělé inteligence a možnosti jejich využití v inženýrství. Příklady podpory řešení problémů a některých inženýrských úloh. Formální aparát pro vybrané partie umělé inteligence (obecná algebra, formální logika, resoluční princip, fuzzy množiny, fuzzy relační kalkul, fuzzy logika, kvalitativní algebry). Některé reprezentativní přístupy a metody umělé inteligence: Metody prohledávání stavového prostoru, způsob formalizace některých inženýrských úloh do prostředí stavového prostoru. Strukturální rozpoznávání obrazců - Formální gramatiky a automaty. Kvalitativní modelování a simulace systémů. Fuzzy regulátory, teorie a navrhování fuzzy regulátorů. (Mamdaniho a Sugenovské regulátory.) Implementace fuzzy regulátorů v prostředí Simulink a Fuzzy Toolbox pro MATLAB. Příklady aplikací. Kvalitativní metody v systémech detekce poruch. Expertní systémy a jejich aplikace v inženýrství. Neuronové sítě. Klasifikace neuronových sítí. Sítě typů: MLP (Multi-Layer Perceptrons), RBF (Radial Basis Function) a HONNU (Higher Order Neural Network Unit). Implementace sítí v prostředí Simulink a Neural Network Toolbox pro MATLAB. Příklady aplikací. Genetické algoritmy a genetické programování.
Osnova
P1. Matematika pro umělou inteligenci.
P2. Formální a SW prostředky pro podporu řešení problémů.
P3. Strukturální rozpoznávání obrazů. Formální gramatiky.
P4. Formální gramatiky a rozpoznávací automaty.
P5. Fuzzy a fuzzy-kvalitativní modelování a řízení.
P6. Fuzzy a fuzzy-kvalitativní modelování a řízení. (Fuzzy toolbox MatLab/Simulink.)
P7. Expertní systémy a jejich aplikace v inženýrství.
P8. Neuronové sítě. Úvod a MLP (Vícevrstvé perceptronové sítě).
P9. Neuronové sítě. Sítě s RBF (Radiálně Bázovými Funkcemi) a sítě s HONNU.
P10. Neuronové sítě. (Neural Network Toolbox for MatLab/Simulink).
P11. Genetické algoritmy. (Úvod a klasické GA.)
P12. Příklady aplikace genetických algoritmů a genetické programování.
P13. Příklad větší aplikace: Analýza a modelování vlastností kardiovaskulárního systému (HRV, EKG) - srovnání nelineárních metod a metod s nasazením neuronových sítí.
P14. Příklad větší aplikace: Diagnostika strukturálních a provozních poruch konstrukcí a systémů.
Osnova cvičení
nejsou
Literatura
1. Mařík, V. a kol.: Umělá inteligence (1+2+3+4). Academia, Praha, (97-01)
2. Vysoký, P.: Fuzzy řízení. ČVUT, Praha, 1999.
3. Bíla, J. : Umělá inteligence a neuronové sítě v aplikacích. ČVUT, Praha, 1998.
Požadavky
dle přednášek
Klíčová slova
Umělá inteligence, rozpoznávání obrazů, formální logika, expertní systémy, fuzzy regulátory, neuronové sítě, genetické algoritmy.
data online/KOS/FS :: [Helpdesk] (hlášení problémů) :: [Obnovit] [Tisk] [Tisk na šířku] © 2011-2017 [CPS] v3.7 (master/5b4923ae/2019-02-18/09:35)