Metode odlučivanja
ID: 0302nosilac predmeta: Miljković Đ. Zoran
nivo studija: master akademske studije
ESPB: 6
oblik završnog ispita: prezentacija projekta
katedra: proizvodno mašinstvo
cilj
Cilj je osposobljavanje studenata da, korišćenjem matematičko-algoritamskih procedura i tehnika veštačke inteligencije, donose odluke u procesu razvoja proizvoda i dizajna u celini. Razvoj kreativnih sposobnosti studenata u poboljšavanju tehničko-tehnoloških karakteristika proizvoda, primenjujući metode bazirane na koncepcijskom projektovanju, sa akcentom na funkcije pretraživanja optimalnog rešenja u odlučivanju, korišćenjem inteligentnih agenata.ishod
Kompleksno korišćenje informaciono-komunikacionih tehnologija u odlučivanju. Implementacija razvijenih softvera u rešavanju tipičnih tehnoloških problema, uz sveobuhvatnu primenu metoda odlučivanja baziranih na paradigmama veštačke inteligencije. Samostalan izbor metoda baziranih na primeni veštačkih neuronskih mreža pri traženju optimalnog rešenja u procesu razvoja proizvoda. Sposobnost za timski rad.sadržaj teorijske nastave
Uvod u teoriju odlučivanja;inteligentni sistemi. Sistemi za projektovanje i selekciju rešenja. Hibridni inteligentni tehnološki sistemi;
metode odlučivanja bazirane na inteligentnim agentima. Odlučivanje bazirano na paradigmama veštačke inteligencije. Veštačke neuronske mreže;
neuron-procesirajući element, aktivacione funkcije, arhitekture, algoritmi učenja. Primena veštačkih neuronskih mreža u odlučivanju. Tehnologičnost proizvoda sa aspekta kvaliteta obrade. Inteligentne mašine i odlučivanje. Razvoj naprednih tehnologija za 21) vek.
sadržaj praktične nastave
Koncepcijsko projektovanje i varijable odlučivanja (izabrani primer). Analiza tipičnih tehnoloških problema u domenu odlučivanja (laboratorijski rad). Algoritmi mašinskog učenja i predstavljanje znanja-drvo odlučivanja. Softveri za simulaciju veštačkih neuronskih mreža (laboratorijski rad). Tehnologičnost proizvoda - inženjerstvo obrađenih površina (izabrani primeri). Inteligentne mašine i odlučivanje - mobilni roboti i mašinsko učenje (laboratorijski rad). Primeri koncepcijski projektovanih proizvoda sa optimalnim performansama, uz akcenat na primenu naprednih proizvodnih tehnologija (projektne aktivnosti). Izrada projekta (parametri projektovanja, performanse pretraživanja i određivanje funkcije odlučivanja).resursi
(1) Z. Miljković, D. Aleksendrić, VEŠTAČKE NEURONSKE MREŽE – zbirka rešenih zadataka sa izvodima iz teorije, Mašinski fakultet, Beograd, 2009, 18) 1(2) Z. Miljković, SISTEMI VEŠTAČKIH NEURONSKIH MREŽA U PROIZVODNIM TEHNOLOGIJAMA, Serija monografskih dela Inteligentni tehnološki sistemi, Knjiga 8, Mašinski fakultet, Beograd, 2003, 18) 1
(3) V.R. Milačić, TEORIJA PROJEKTOVANjA TEHNOLOŠKIH SISTEMA, Serija monografskih dela Inteligentni tehnološki sistemi, Knjiga 2, Mašinski fakultet, Beograd, 1987, 18) 1
(4) Z.Miljković, Izvodi sa predavanja i vežbi, Mašinski fakultet, Beograd, 2011, 18) 1
(5) 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) Z.Miljković, Zvanična Internet strana predmeta Metode odlučivanja (http://cent.mas.bg.ac.rs/nastava/ksivi_mo/MO_2009-2010) html), Mašinski fakultet, Beograd, 2011, 18) 13
(7) Z.Miljković, SOFTVERSKI PAKETI ZA SIMULACIJU VEŠTAČKIH NEURONSKIH MREŽA - BPnet, ART Simulator, Matlab;
Mašinski fakultet-sajt: http://cent.mas.bg.ac.rs/nastava/ksivi_mo/KSiVI_2009-2010) html, 18) 13
(8) Laboratorijski prototipovi mobilnih robota (Khepera II, LEGO Mindstorm NXT), Laboratorija CeNT, Mašinski fakultet u Beogradu, 18) 12
(9) Laboratorijski model projektovanog tehnološkog sistema (učilo), Laboratorija CeNT, Mašinski fakultet u Beogradu, 18) 12
fond časova
ukupan fond časova: 75aktivna nastava (teorijska)
novo gradivo: 20razrada i primeri (rekapitulacija): 10
aktivna nastava (praktična)
auditorne vežbe: 0laboratorijske vežbe: 16
računski zadaci: 0
seminarski rad: 0
projekat: 9
konsultacije: 5
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: 0
pregled i ocena projekta: 3
kolokvijum sa ocenjivanjem: 3
test sa ocenjivanjem: 4
završni ispit: 5
provera znanja (ukupno 100 poena)
aktivnost u toku predavanja: 10test/kolokvijum: 25
laboratorijska vežbanja: 0
računski zadaci: 0
seminarski rad: 0
projekat: 35
završni ispit: 30
uslov za izlazak na ispit (potreban broj poena): 30
literatura
1) Y. Hatamura, (2006) DECISION-MAKING IN ENGINEERING DESIGN, Springer-Verlag London Limited, Printed in Germany.2) J. N. Siddall, (1972) ANALYTICAL DECISION-MAKING IN ENGINEERING DESIGN, Prentice-Hall, Inc. Englewood Cliffs, New Jersey.
3) N. P. Suh, (1990) THE PRINCIPLES OF DESIGN, Oxford University Press, New York.
4) E. Alpaydin, (2004) INTRODUCTION TO MACHINE LEARNING, The MIT Press, Cambridge, Massachusetts London, England.
5) R. R. Murphy, (2000) INTRODUCTION TO AI ROBOTICS, A Bradford Book, The MIT Press, Cambridge, Massachusetts London, England.
Preuzeto sa www.mas.bg.ac.rs
