UIN3045 Aplikace expertních systémů

Filozoficko-přírodovědecká fakulta v Opavě
zima 2023
Rozsah
2/2/0. 6 kr. Ukončení: zk.
Vyučující
Mgr. Daniel Valenta, Ph.D. (cvičící)
Ing. Jiří Blahuta, Ph.D. (přednášející)
Garance
Ing. Jiří Blahuta, Ph.D.
Ústav informatiky – Filozoficko-přírodovědecká fakulta v Opavě
Rozvrh
Po 8:05–9:40 LEI
  • Rozvrh seminárních/paralelních skupin:
UIN3045/A: Po 14:45–16:20 B3b, D. Valenta
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Mateřské obory/plány
Cíle předmětu
Cílem předmětu je seznámit studenta se současnými trendy při tvorbě vývoji a implementaci expertních systémů založených na různých typech neurčitostí a metod softcomputingu. Cvičení seznámí studenta se současnými prázdnými znal./expertními systémy s důrazem na integraci fuzzy přístupů. Součásti cvičení je návrh znalostní/expertní báze fuzzy pravidlového expertního systému pro zadaný problém v zadaném prázdném fuzzy pravidlově orientovaném znal./expertním systému
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
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
Studijní materiály
Předmět je dovoleno ukončit i mimo zkouškové období.
Předmět je zařazen také v obdobích zima 1993, zima 1994, zima 1995, zima 1996, zima 1997, zima 1998, zima 1999, zima 2000, zima 2001, zima 2002, zima 2003, zima 2004, zima 2005, zima 2006, zima 2007, zima 2008, zima 2009, zima 2010, zima 2011, zima 2012, zima 2013, zima 2014, zima 2015, zima 2016, zima 2017, zima 2018, zima 2019, zima 2020, zima 2021, zima 2022, zima 2024.