Интелигентни системи на управување

Последна измена: октомври 25, 2019

1.    Наслов на наставниот предмет

Интелигентни системи на управување

2.    Код

3ФЕИТ01Л006

3.    Студиска програма

КСИАР, КТИ

4.    Организатор на студиската програма

Факултет за електротехника и информациски технологии

5.    Степен

Прв циклус студии

6.    Академска година/семестар

III/6, IV/8

7.    Број на ЕКТС

6.00

8.    Наставник

Д-р Весна Ојлеска Латкоска

9.    Предуслов за запишување на предметот

 

10.    Цели на предметната програма (компетенции): По завршување на курсот, студентите ќе се стекнат со основни познавања за фази логичките системи и вештачките невронски мрежи, и ќе знаат како да ги аплицираат овие техники на инженерски проблеми, вклучувајќи и системи на управување. Студентите ќе ги разберат предностите и недостатоците на овие методи, во однос на другите техники на управување. Студентите ќе се запознаат со моменталните истражувачки трендови и насоки на интелигентните системи на управување. Студентите ќе се стекнат со знаења за дизајн на управувачки системи со помош на фази логика и вештачки невронски мрежи.

11.    Содржина на програмата: Вовед во интелигентните техники кај системите на управување: фази логика; невронски мрежи; техники базирани на еволуција (генетски алгоритми); хибридни фази невронски системи. Математичка основа на фази логичките системи. Фази логика и апроксимативно резонирање. Фази механизам на заклучување. Фазификација и дефазификација. Математичка репрезентација на фази системите: Мамдани, Такаги-Сугено, и други типови на фази логички модели. Фази логичко управување. Техники на оптимизација базирани на извод, и нивна примена кај фази невронските системи. Техники на оптимизација кои не се базирани на извод (генетски алгоритми) и нивна примена кај фази невронските системи. Адаптивни невронски мрежи. Невронски мрежи кои учат со надгледување. Идентификација со помош на фази невронски системи. Фази невронски системи на управување. Напредни апликации на фази невронските системи на управување.

12.    Методи на учење: Комбиниран начин на учење: предавања, подржани со презентации, домашни задачи и аудиториски вежби, како и практични вежби во лабораторија.

13.    Вкупен расположив фонд на часови

2 + 2 + 1 + 0

14.    Распределба на расположивото време

180

15.    Форми на наставните активности

15.1. Предавања – теоретска настава

30

15.2. Вежби, семинари, тимска работа

45

16.    Други форми на активност

16.1. Проектни задачи

10

16.2. Самостојни задачи

10

16.3. Домашно учење

85

17.    Начини на оценување

17.1. Тестови

5

17.2. Семинарска работа/проект

10

17.3. Активност и учење

5

17.4. Завршен испит

80

18.    Критериуми за оценување

до 50 бодови

5 (пет) (F)

од 51 до 60 бодови

6 (шест) (E)

од 61 до 70 бодови

7 (седум) (D)

од 71 до 80 бодови

8 (осум) (C)

од 81 до 90 бодови

9 (девет) (B)

од 91 до 100 бодови

10 (десет) (A)

19.    Услов за потпис и полагање на завршен испит

Редовно посетување на наставата и аудиториските вежби, како и успешно и навремено изработени лабораториски вежби.

20.    Јазик на кој се изведува наставата

Македонски и Англиски

21.    Метод на следење на квалитетот на наставата

Интерна евалуација и анкети.

22.    Литература

22.1. Задолжителна литература

Бр.

Автор

Наслов

Издавач

Година

1

J-S. R. Jang, C-T. Sun, and E. Mizutani Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence Prentice Hall 1997

2

Kevin Passino and Steve Yurkovich Fuzzy Control 1997  

3

Kevin Gurney An Introduction to Neural Networks CRC Press 1997

22.2. Дополнителна литература

Бр.

Автор

Наслов

Издавач

Година

1

Stamatios V. Kartalopoulos Understanding Neural Networks and Fuzzy Logic: Basic Concepts and Applications Wiley-IEEE Press 1995

2

R. A. Aliev and R. R. Aliev Soft Computing & Its Applications World Scientific Publishing Company 2001

3

Clive L. Dym and Raymond E. Levitt Knowledge-Based Systems in Engineering McGraw-Hill 1991