Kompjuterska simulacija i veštačka inteligencija
ID: 0404nosilac predmeta: Babić R. Bojan
nivo studija: osnovne akademske studije
ESPB: 6
oblik završnog ispita: pismeni
katedra: proizvodno mašinstvo
cilj
Cilj je da studenti razviju sposobnost za modeliranje i analizu realnih sistema pomoću diskretne simulacije, uz primenu modela, analizu rezultata simulacije i upoređivanje alternativnih rešenja. Veštačku inteligenciju spoznaće kroz modele, strukturu inteligentnih agenata i mašinsko učenje, a pomoću simulacije i softverskih alata ovladaće znanjima neophodnim za primenu veštačkih neuronskih mreža.ishod
Po završetku kursa studenti će razumeti mogućnosti, karakteristike i ograničenja diskretne simulacije i kako se može primeniti za razvoj i analizu tehnoloških i drugih diskretnih sistema. Razviće se sposobnosti za implementaciju modela na kompjuteru. Takođe, studenti će biti sposobni da verifikuju izgrađeni model, vrednuju i analiziraju izlaze iz modela, da uporede alternativna rešenja i da daju adekvatne sugestije za realni sistem. Studenti će imati sposobnost za samostalan izbor metoda baziranih na primeni veštačkih neuronskih mreža u funkciji rešavanja inženjerskih problema, uz modeliranje optimalne strukture. Samostalno korišćenje softvera za simulaciju veštačkih neuronskih mreža, uz analizu i prezentaciju dobijenih rezultata.sadržaj teorijske nastave
Uvod u diskretnu simulaciju. Šta je simulacija, kada koristiti simulaciju, terminologija, klasifikacija modela, tipovi simulacije, koraci u simulacionoj studiji, prednosti/nedostaci simulacione studije. Koncept diskretne simulacije, obrada lista. Simulacioni paket AnyLogic. Primena simulacije. Verifikovanje i vrednovanje simulacionih modela, analiza izlaznih podataka, upoređenje alternativnih projekata sistema. Simulacija tehnoloških sistema. Veštačka inteligencija-definicije, osnovni pojmovi i paradigme. Baze znanja, akvizicija znanja, modeli učenja, drvo pretraživanja, razvoj "soft-computing"-a, autonomni sistemi. Struktura veštačke neuronske mreže (VNM), neuron-procesirajući element, aktivacione funkcije. Modeli VNM, algoritmi učenja, neodređenost sistema, nelinearnost, estimacija, klasterovanje. Primena VNM.sadržaj praktične nastave
Opšti principi i primeri simulacije. Simulacija jednokanalnog sistema, upravljanje događajima. Upoznavanje sa softverima za modeliranje i analizu realnih sistema pomoću diskretne simulacije (laboratorijski rad). Inteligentni agenti kao osnova razvoja inteligentnih sistema. Veštačke neuronske mreže u inteligentnim sistemima. Upoznavanje sa softverima za simulaciju veštačkih neuronskih mreža (laboratorijski rad). Sistemi prepoznavanja, simulacija sistema veštačkih neuronskih mreža, simulacija kretanja mobilnog robota (primeri). Izrada domaćih zadataka i seminarskih radova vezanih za simulaciju realnih sistema i primenu veštačkih neuronskih mreža (sistemi prepoznavanja-kompjutersko gledanje;prepoznavanje tipskih tehnoloških formi mašinskih delova;
prepoznavanje objekata hvatanja-robotsko gledanje).
resursi
(1) B.Babić, FLEXY–INTELIGENTNI EKSPERT SISTEM ZA PROJEKTOVANjE FTS,Serija ITS,Knjiga 5,Mašinski fakultet,1994,18) 1(2) Z.Miljković, SISTEMI VEŠTAČKIH NEURONSKIH MREŽA U PROIZVODNIM TEHNOLOGIJAMA,Serija ITS,Knjiga 8,Mašinski fakultet,2003,18) 1
(3) Z. Miljković, D. Aleksendrić, VEŠTAČKE NEURONSKE MREŽE – zbirka rešenih zadataka sa izvodima iz teorije, Mašinski fakultet, Beograd, 2009, 18) 1
(4) B. Babić, Z.Miljković, Izvodi sa predavanja i vežbi, Mašinski fakultet, Beograd, 2011, 18) 1
(5) B. Babić, Z.Miljković, "Moodle"
softver u okviru elektronske učionice Mašinskog fakulteta za učenje na daljinu (http://147) 91) 26) 15/moodle/), Mašinski fakultet, Beograd, 2011, 18) 13
(6) B. Babić, Z.Miljković, Zvanična Internet strana predmeta Kompjuterska simulacija i veštačka inteligencija (http://cent.mas.bg.ac.rs/nastava/ksivi_mo/KSiVI_2009-2010) html), Mašinski fakultet, Beograd, 2011, 18) 13
(7) AnyLogic softver za diskretnu simulaciju
(8) Z.Miljković, SOFTVERSKI PAKETI ZA SIMULACIJU VEŠTAČKIH NEURONSKIH MREŽA - BPnet, ART Simulator;
Mašinski fakultet-sajt: http://cent.mas.bg.ac.rs/nastava/ksivi_mo/KSiVI_2009-2010) html, 18) 13
fond časova
ukupan fond časova: 75aktivna nastava (teorijska)
novo gradivo: 20razrada i primeri (rekapitulacija): 10
aktivna nastava (praktična)
auditorne vežbe: 0laboratorijske vežbe: 22
računski zadaci: 0
seminarski rad: 8
projekat: 0
konsultacije: 0
diskusija/radionica: 0
studijski istraživački rad: 0
provera znanja
pregled i ocena računskih zadataka: 0pregled i ocena laboratorijskih izveštaja: 0
pregled i ocena seminarskih radova: 6
pregled i ocena projekta: 0
kolokvijum sa ocenjivanjem: 0
test sa ocenjivanjem: 4
završni ispit: 5
provera znanja (ukupno 100 poena)
aktivnost u toku predavanja: 15test/kolokvijum: 20
laboratorijska vežbanja: 0
računski zadaci: 0
seminarski rad: 35
projekat: 0
završni ispit: 30
uslov za izlazak na ispit (potreban broj poena): 30
literatura
1) J. Banks, J. S. Carson, B. L. Nelson and D. M. Nicol (2005) , DISCRETE EVENT SYSTEM SIMULATION, 4th Ed., Pearson Education International Series.2) E. Alpaydin, (2004) INTRODUCTION TO MACHINE LEARNING, The MIT Press, Cambridge, Massachusetts London, England.
3) R. R. Murphy, (2000) INTRODUCTION TO AI ROBOTICS, A Bradford Book, The MIT Press, Cambridge, Massachusetts London, England.
4)
5)
Preuzeto sa www.mas.bg.ac.rs
