Интелигентни системи на управување

Објавено: јуни 28, 2022
1. Наслов на наставниот предмет Интелигентни системи на управување
2. Код 4ФЕИТ01Л005
3. Студиска програма КСИАР
4. Организатор на студиската програма Факултет за електротехника и информациски технологии
5. Степен Прв циклус студии
6. Академска година / семестар III/6 7. Број на ЕКТС 6
8. Наставник Д-р Весна Ојлеска Латкоска
9. Предуслов за запишување на предметот Положени: Системи на автоматско управување или Теорија на автоматско управување 1
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 51до 60 бодови 6 (шест) (E)
од 61до 70 бодови 7 (седум) (D)
од 71до 80 бодови 8 (осум) (C)
од 81до 90 бодови 9 (девет) (B)
од 91до 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. Начин на полагање на испитот Предвидени се два парцијални писмени испити (на половина и на крај од семестарот, со времетраење од 120 минути), тестови кои се спроведуваат во текот на часовите, како и домашни и проектни задачи, кои се презентираат/бранат за време на семестарот.
1. Студентите кои ги положиле парцијалните испити, се смета дека го положиле завршниот писмен испит. Дополнително, може да се спроведе и завршен устен испит (со времетраење од максимум 60 минути). Во конечната оценка влагуваат поените од парцијалните испити, тестовите, домашните и проектните задачи, како и завршниот устен испит (ако е спроведен).
2. Во предвидените испитни сесии се полага завршен писмен испит (со времетраење од 120 минути). За студентите кои го положиле завршниот писмен испит, може да се спроведе и завршен устен испит (со времетраење од максимум 60 минути). Во конечната оценка влагуваат поените од завршниот писмен испит, тестовите, домашните и проектните задачи, како и завршниот устен испит (ако е спроведен).
21. Јазик на кој се изведува наставата Македонски и Англиски
22. Метод на следење на квалитетот на наставата Интерна евалуација и анкети.
23. Литература
23.1. 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
23.2. 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