Kierunek - Podkierunek: Elektronika i Telekomunikacja, Elektronika

Semestr: VII

Rodzaj przedmiotu: obieralny

Nazwa przedmiotu: Metody i zastosowania sztucznej inteligencji

Liczba godzin w semestrze: 2 - 2 -

Cel przedmiotu:

Celem przedmiotu jest przedstawienie metod rozwiązywania problemów w dziedzinach niesformalizowanych lub słabo sformalizowanych, dla których nie istnieją formalne teorie matematyczne, a więc nie ma możliwości stworzenia ścisłych algorytmów. Typowym przykładem jest tu diagnoza i terapia w medycynie i technice (rozpoznanie uszkodzenia i sugestia naprawy), proces projektowania urzadzeń technicznych itp. W takich przypadkach posługujemy się heurystyczną wiedzą specjalistów (ekspertów) i ich sposobem rozumowania. Symulacja komputerowa tych zagadnień doprowadziła do powstania dziedziny nazywanej Sztuczną Inteligencją (SI). Początkowo w obrębie SI zajmowano się wyłącznie symulacją logicznych aspektów rozumowania człowieka opartego na symbolicznym (nienumerycznym) heurystycznym przetwarzaniu wiedzy o danym problemie. Realizacją praktyczną tego podejścia są regułowe i obiektowo-regułowe Systemy Ekspertowe (SE). Doskonałym narzędziem do tworzenia SE jest regułowo-obiektowy język CLIPS, zintegrowany z jezykiem C.

Innym podejściem do rozwiazywania złożonych problemów niealgorytmicznych jest naśladowanie budowy i działania komórek nerwowych i systemu nerwowego istot żywych. W tym przypadku mamy do czynienia z cyfrowym przetwarzaniem danych cyfrowych przez zespoły odpowiednio połączonych prymitywnych procesorów

(sztucznych neuronów) tworzących sztuczne sieci neuronowe (SSN). Cechą charakterystyczna SSN jest możliwość równoległego przetwarzania informacji (w realizacjach układowych VLSI) oraz możliwość ich trenowania na podstawie przykładów (nie trzeba tworzyć algorytmów działania). Aby SSN mogła spełniać podobną rolę jak SE, należy sieci o odpowiedniej architekturze nadać odpowiednim sygnałom i neuronom na wejściach i wyjściach SSN, odpowiednie interpretacje semantyczne. Połączenie regułowo-obiektowego SE z SSN tworzy tzw. Hybrydowy System Ekspertowy.

Przy rozwiązywaniu praktycznych problemów niealgorytmicznych mamy często do czynienia z wiedzą nieprecyzyjną i niepewną. Do rozpatrywania takich problemów dobrze nadają się zbiory rozmyte i logika (rozumowanie) rozmyte. Jednym z narzędzi programowych do tworzenia SE z zastosowaniem teorii zbiorów i logiki rozmytej jest język FUZZY CLIPS.

Praktyczne realizacje prostych SE regułowo-obiektowych, symulacja SSN, przetwarzanie wiedzy nieprecyzyjnej z zastosowaniem zbiorów i logiki rozmytej będą prowadzone w czasie zajęć laboratoryjnych przy użyciu języków CLIPS oraz FUZZY CLIPS 6.02. Dziedzinami opracowywanych SE będą: procesy projektowania układów elektronicznych, diagnostyka i sugestie naprawy aparatury elektronicznej, doradztwo przy podejmowaniu decyzji, klasyfikacji itp.

Przebieg zajęć:

Zajęcia z tego przedmiotu tj. wykład i ćwiczenia laboratoryjne prowadzone są równolegle w semestrze siódmym.

Zaliczenie:

Wykład zaliczany jest w oparciu o wyniki dwóch kolokwiów. Natomiast podstawą zaliczenia laboratorium jest, napisany przez studenta z użyciem języków CLIPS lub FUZZY CLIPS, prosty system ekspertowy.

Treść wykładu:

1. Wiadomości wstępne: charakterystyka, definicje i rys historyczny sztucznej inteligencji (SI)
2. Metody stosowane w obrębie SI; symboliczne i numeryczne przetwarzanie wiedzy: a) symulacja i naśladowanie procesów rozumowania człowieka przy rozwiazywaniu złozonych problemów niealgorytmicznych - klasyczne systemy ekspertowe regulowe oraz systemy obiektowo-regułowe; b) symulacja i naśladowanie działania komórek nerwowych (neuronów) oraz struktury mózgu i systemu nerwowego - sztuczne sieci neuronowe; c) przetwarzanie wiedzy niepewnej - fakty i reguły rozmyte (zbiory i logika rozmyta, d) hybrydowe systemy ekspertowe regułowo - neuronowe.
3. Struktura i działanie klasycznych systemów ekspertowych: baza wiedzy, maszyna rozumująca, interfejs użytkownika
4. Narzędzia programowe do tworzenia systemów ekspertowych - obiektowo-regułowo-proceduralny język CLIPS 6.0
5. Sztuczne sieci neuronowe: a) struktura i działanie sztucznej sieci neuronowej, b) podstawowe sieci neuronowe c) perceptron jednokomórkowy: reprezentacja funkcji boolowskich i algorytm trenowania perceptronu, d) reprezentacja wiedzy przez sieci neuronowe, e) sieci jednokierunkowe i algorytm trenowania typu propagacji wstecznej, f) proste pamięci asocjacyjne i ich trenowanie.
6. Reprezentacja i przetwarzanie wiedzy niepewnej: zbiory i logika rozmyta: a) pojęcie zbiorów rozmytych i ich reprezentacja, b) rozumowanie rozmyte: reguły rozmyte i przetwarzanie wiedzy niepewnej
7. Narzędzie programowe do przetwarzania wiedzy niepewnej - język FUZZY-CLIPS 6.02
8. Zastosowania metod SI: a) zakresy zastosowań systemów ekspertowych, b) zakresy zastosowań sztucznych sieci neuronowych

Podręczniki i skrypty:

1. Mulawka, J.: Systemy ekspertowe, WNT, Warszawa, 1996
2. Gallant, S.T.: Neural Network Learning and Expert Systems, MIT Press, 1993
3. Białko, M.: Condensed CLIPS 5.1 User's Guide, Politechnika Koszalińska, 1995
4. CLIPS 6.0 Basic Programming Guide, NASA 1993
5. Żurada, J., Barski, M., Jędruch, W.: Sztuczne sieci neuronowe, WNT, Warszawa, 1996
6. FUZZY-CLIPS 6.02 National Research Council Canada, 1995
   

Niezbędne przedmioty poprzedzające

1. Zastosowanie stacji komputerowych w projektowaniu
2. Układy elektroniczne liniowe
3. Układy elektroniczne nieliniowe
   

Autor programu: Michał Białko

Katedra: Układów Elektronicznych pokój 303 tel. 24 78