Inteligentni sustavi upravljanja
Opis predmeta
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.
Opće kompetencije
Znanje projektiranja složenijih struktura neuronskih regulatora. Poznavanje metoda učenja i automatskog podešavanja parametara inteligentnih algoritama upravljanja.
Ishodi učenja
- grupirati vrste umjetnih neuronskih mreža
- primijeniti nerekurzivne algoritme učenje neuronskih mreža
- primijeniti rekurzivne algoritme učenja neuronskih mreža
- identificirati nelinearni dinamički sustav primjenom statičkih neuronskih mreža
- dizajnirati neuronski regulator za upravljanje nelinernim dinamičkim procesom
- upotrijebiti genetički algoritam postupka traženja i optimiranja
Oblici nastave
Predavanja
Predavanja su organizirana u dvije tematske cjeline (neuronske mreže i genetički algoritmi).
Provjere znanjaSeminarski radovi. Neposredan razgovor sa studentima tijekom predavanja.
KonzultacijeJedan sat tjedno.
SeminariProjektiranje neuronske mreže za identifikaciju i/ili upravljanje nelinearnim dinamičkim sustavom.
Stjecanje vještinaKorištenje Matlabovog Neural Networks Toolboxom.
Način ocjenjivanja
Kontinuirana nastava | Ispitni rok | |||||
---|---|---|---|---|---|---|
Vrsta provjere | Prag | Udio u ocjeni | Prag | Udio u ocjeni | ||
Seminar/Projekt | 0 % | 35 % | 0 % | 35 % | ||
Međuispit: Pismeni | 0 % | 20 % | 0 % | |||
Završni ispit: Pismeni | 0 % | 20 % | ||||
Završni ispit: Usmeni | 25 % | |||||
Ispit: Pismeni | 0 % | 40 % | ||||
Ispit: Usmeni | 25 % |
Napomena / komentar
Udio usmenog ispita iznosi ±25%. Seminari su obvezni.
Tjedni plan nastave
- Uvod u umjetne neuronske mreže. Klasifikacija umjetnih neuronskih mreža.
- Statičke neuronske mreže. Višeslojne perceptronske mreže. Neuronske mreže s kružnom osnovicom (RBF neuronske mreže).
- Dinamičke neuronske mreže. Učenje neuronskih mreža.
- Nerekurzivni algoritmi učenja neuronskih mreža. Algoritam najbržeg spusta.
- Newtonovi algoritmi. Kvazi-Newtonovi algoritmi.
- Rekurzivni algoritmi učenja neuronskih mreža.
- Međuispit
- Strukture neuronskih mreža prikladne za modeliranje i upravljanje sustavima. 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.
- Genetički algoritmi GA). Odabir jedinki populacije. Operatori križanja, mutacije. Elitizam.
- Izbor funkcije kazne. Primjene genetičkih algoritama.
- Završni ispit
Studijski programi
Sveučilišni diplomski
[FER2-HR] Automatika - profil
preporučeni izborni predmeti
(3. semestar)
[FER2-HR] Elektrotehnički sustavi i tehnologija - profil
preporučeni izborni predmeti
(3. semestar)
Literatura
Ivan Petrović, Mato Baotić, Nedjeljko Perić (2015.), Inteligentni sustavi upravljanja: neuronske mreže i genetički algoritmi, Sveučilište u Zagrebu Fakultet elektrotehnike i računarstva
Za studente
Izvedba
ID 34381
Zimski semestar
4 ECTS
R1 Engleski jezik
R1 E-učenje
30 Predavanja
0 Seminar
0 Auditorne vježbe
0 Laboratorijske vježbe
0 Konstrukcijske vježbe
Ocjenjivanje
87,5 izvrstan
75 vrlo dobar
62,5 dobar
50 dovoljan