Opis predmeta
- Uvod v inteligentne sisteme. Prikaz inteligentnih sistemov v raziskovanju podatkov, modeliranju, razvrščanju v biomedicini, razpoznavanju, vodenju in detekciji napak.
- Osnovne metode nelinearne lokalne optimizacije, s poudarkom na metodah, ki so uporabne v inteligentnih sistemih in metode nelinearne globalne optimizacije.
- Metode nelinearne globalne optimizacije s primeri: metoda ohlajanja, evolucijskih algoritmov, genetskih algoritmov, metoda delcev, metoda drevesnega iskanja.
- Nenadzorovane metode učenja. Metoda glavnih komponent. Uporaba metode glavnih komponent pri identifikaciji, filtriranju, stiskanju podatkov in detekciji napak.
- Metode rojenja. Metode mehkega rojenja: metoda mehkih c-povprečij, metod Gustafson-Kessel, metoda možnih c-povprečij, metoda regresijskega rojenja.
- Optimizacija kompleksnosti modelov. Verifikacija in validacija modelov. Eksplicitna in implicitna optimizacija strukture modela.
- Statični modeli. Formulacija na osnovi baznih funkcij. Polinomski modeli.
- Nevronske mreže. Večplastni perceptron. Gaussove nevronske mreže in aproksimacija funkcij. Primeri nevronskih mrež v biomedicini.
- Mehki in nevro-mehki modeli. Mehka logika. Tipi mehkih sistemov. Učenje nevro-mehkih sistemov. Ocenjevanje izhodnih parametrov mehkih modelov. Globalna in lokalna estimacija.
- Ekspertni sistemi na osnovi mehkih modelov. Gradnja ekspertnih sistemov na osnovi podatkov. Primeri ekspertnih sistemov v biomedicini.
- Nelinearni dinamični sistemi. Klasični polinomski modeli v nelinearnem modeliranju. Dinamični mehki in nevronski modeli.
Predmet učimo na programih
Elektrotehnika 2. stopnja
Cilji in kompetence
Seznaniti študenta z osnovnimi matematičnimi in računalniškimi načeli izgradnje inteligentnih sistemov za pomoč pri odločanju v sodobnih sistemih.
Metode poučevanja in učenja
- predavanja,
- laboratorijske vaje in projekti,
- reševanje domačih nalog.
Predvideni študijski rezultati
Znanje in razumevanje:
Po zaključku tega predmeta bo študent zmožen izkazati znanje in razumevanje:
- gradnje inteligentnih sistemov, ki so osnova za raziskovanje in razumevanje biomedicinskih sistemov,
- raziskovanja biomedicinskih podatkov na osnovi metod umetne inteligence.
Uporaba znanja:
Pridobljeno znanje bo študent lahko uporabil pri gradnji modelov za raziskovanje in nadzor biomedicinskih podatkov. Študent bo zmožen kritično ovrednotiti skladnost med pridobljenim znanjem ter uporabo v praksi.
Prenosljive spretnosti:
Študent si bo pridobil spretnosti:
- uporabe literature ter drugih virov s področja inteligentnih sistemov pri raziskovanju podatkov.
- uporaba računalniških razvojnih orodij in okolij za programiranje (pisanje programov programskem okolju Matlab),
- reševanja problemov: analiza problema, načrtovanje algoritma, implementacija programa in testiranje programa.
Temeljni viri in literatura
I. Škrjanc: Inteligentni sistemi pri raziskovanju podatkov in odločanju, skripta, 2016.
Bodi na tekočem
Univerza v Ljubljani, Fakulteta za elektrotehniko, Tržaška cesta 25, 1000 Ljubljana