UINA345 Expert Systems Applications

Filozoficko-přírodovědecká fakulta v Opavě
zima 2019
Rozsah
2/2/0. 6 kr. Ukončení: zk.
Vyučující
doc. Ing. Petr Čermák, Ph.D. (přednášející)
doc. Ing. Petr Čermák, Ph.D. (cvičící)
RNDr. Jiří Martinů, Ph.D. (cvičící)
Garance
doc. Ing. Petr Čermák, Ph.D.
Ústav informatiky – Filozoficko-přírodovědecká fakulta v Opavě
Předpoklady
TYP_STUDIA(N)
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
The goal of the course is to acquaint students with actual trends in development and implementation of expert systems based on different types of vagueness and also with methods of softcomputing. Practical exercises acquaint students with used empty knowledge-based and/or expert systems with emphasis on integration of fuzzy approaches. Inseparable part of the exercises is also design of knowledge or expert basis of a fuzzy rule based expert system for a priori determined problem in given empty fuzzy rule based knowledge-based or expert system.
Osnova
  • 1. Subjektivní znalosti a mentální modely, jazykové modelování, podmíněná produkční pravidla, množina pravidel jako jazykový model, neurčitost jazykového modelu.
    2. Neurčitost podmíněných pravidel formalizovaná pomocí pravděpodobnostních měr, expertní systémy s mírami neurčitosti typu MYCIN, EMYCIN a PROSPECTOR
    3. Pravděpodobnostní pravidlové expertní systémy - FEL-EXPERT
    4. Formalizace vágnosti jazykových výrazů pomocí fuzzy množin, základy fuzzy množinové matematiky, aproximace jazykových modelů fuzzy funkcí, fuzzifikace a defuzzifikace
    5. Fuzzy logika, jazyková proměnná, interpretace fuzzy logických funkcí, fuzzy relace, pravidlo fuzzy modus ponens.
    6. Fuzzy aproximace vícerozměrných nelineárních soustav, aproximativní vyvozování typu Takagi Sugeno
    7. Kognitivní analýza pravidlové báze znalostí, test konzistence, diversifikační schopnost báze znalostí, ternární graf
    8. Neuronové vícevrstvé sítě, procedury adaptace neuronových sítí, fuzzy neuronové sítě, fuzzy model Takagi Sugeno
    9. Automatické metody strukturální a parametrické identifikace pravidlových fuzzy modelů, fuzzy shlukovací metody
    10. Základy fuzzy regulace, lineární regulátory v obvodu zpětnovazební regulace, syntéza fuzzy
Literatura
    povinná literatura
  • V. Mařík a kol. Umělá inteligence I, II. Praha, 2001. info
  • V. Novák. Základy fuzzy modelování. Praha, 2000. ISBN 80-7300-009-1. info
  • Pokorný, M. Umělá inteligence v modelování a řízení. Praha, 1996. ISBN 80-901984-4-9. info
    doporučená literatura
  • ZELINKA, I. Evoluční výpočetní techniky ?principy a aplikace. Praha, 2008. ISBN 978-80-7300-218-3. info
  • CZOGALA,E.?LESKI,J. Fuzzy and Neuro-Fuzzy Systems. Berlin, 2000. ISBN 3790812897. info
  • PROVAZNÍK, I.? KOZUMPLÍK. Expertní systémy. Brno, 1999. ISBN 80-214-1486-3. info
  • VYSOKÝ, P. Fuzzy řízení. Praha, 1996. ISBN 80-01-01429-8. info
  • SINČÁK,P.?ANDREJKOVÁ,G. Neuronové sítě 1, 2. Košice, 1996. ISBN 80-88786-42-8. info
Výukové metody
Přednáška s aktivizací
Přednáška s analýzou videozáznamu
Metody hodnocení
Zkouška
Vyučovací jazyk
Angličtina
Informace učitele
* 75% návštěvnost přednášek a cvičení
* test ve cvičení max 30 bodů
* implementace vybraných metod na konkretním robotu max 30 bodů, 10 bodů dokumentace
* 40 bodů zkouška
podmínka splnění 50% z každé části
Další komentáře
Předmět je dovoleno ukončit i mimo zkouškové období.
Předmět je zařazen také v obdobích zima 2017, zima 2018, zima 2020.