Klasifikacija umjetnih neuronskih mreža. Algoritmi učenja neuronskih mreža. Primjena neuronskih mreža u identifikaciji i modeliranju složenih sustava. Odabir prikladne strukture neuronske mreže i njezino vrednovanje. Strukture upravljanja zasnovane na neuronskom modelu procesa. Primjena neuronskih mreža za poboljšanje performansi sustava upravljanja nelinearnim sustavima. Koncept trenutačne linearizacije neuronske mreže i njegova primjena za sintezu linearnih regulatora. Primjena neuronskih mreža za kompenzaciju neodređenosti u sustavima. Osnove evolucijskih i genetičkih algoritama optimiranja.

Znanje projektiranja složenijih struktura neuronskih regulatora. Poznavanje metoda učenja i automatskog podešavanja parametara inteligentnih algoritama upravljanja.

1. grupirati vrste umjetnih neuronskih mreža
2. primijeniti nerekurzivne algoritme učenje neuronskih mreža
3. primijeniti rekurzivne algoritme učenja neuronskih mreža
4. identificirati nelinearni dinamički sustav primjenom statičkih neuronskih mreža
5. dizajnirati neuronski regulator za upravljanje nelinernim dinamičkim procesom
6. upotrijebiti genetički algoritam postupka traženja i optimiranja

Predavanja

Predavanja su organizirana u dvije tematske cjeline (neuronske mreže i genetički algoritmi).

Provjere znanja

Seminarski radovi. Neposredan razgovor sa studentima tijekom predavanja.

Konzultacije

Jedan sat tjedno.

Seminari

Projektiranje neuronske mreže za identifikaciju i/ili upravljanje nelinearnim dinamičkim sustavom.

Stjecanje vještina

Korištenje Matlabovog Neural Networks Toolboxom.

1. Uvod u umjetne neuronske mreže. Klasifikacija umjetnih neuronskih mreža.
2. Statičke neuronske mreže. Višeslojne perceptronske mreže. Neuronske mreže s kružnom osnovicom (RBF neuronske mreže).
3. Dinamičke neuronske mreže. Učenje neuronskih mreža.
4. Nerekurzivni algoritmi učenja neuronskih mreža. Algoritam najbržeg spusta.
5. Newtonovi algoritmi. Kvazi-Newtonovi algoritmi.
6. Rekurzivni algoritmi učenja neuronskih mreža.
7. Međuispit
8. Strukture neuronskih mreža prikladne za modeliranje i upravljanje sustavima. Algoritmi učenja neuronskih mreža.
9. Primjena neuronskih mreža u identifikaciji i modeliranju složenih sustava. Odabir prikladne strukture neuronske mreže i njezino vrednovanje.
10. Strukture upravljanja zasnovane na neuronskom modelu procesa. Primjena neuronskih mreža za poboljšanje performansi sustava upravljanja nelinearnim sustavima.
11. Koncept trenutačne linearizacije neuronske mreže i njegova primjena za sintezu linearnih regulatora.
12. Primjena neuronskih mreža za kompenzaciju neodređenosti u sustavima.
13. Genetički algoritmi GA). Odabir jedinki populacije. Operatori križanja, mutacije. Elitizam.
14. Izbor funkcije kazne. Primjene genetičkih algoritama.
15. Završni ispit