Modul A: Inteligentni sistemi za podporo odločanju

• 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 učenju 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, vodenju 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.
• Mehki in nevro-mehki modeli. Mehka logika. Tipi mehkih sistemov. Učenje nevro-mehkih sistemov. Ocenjevanje izhodnih parametrov mehkih modelov. Globalna in lokalna estimacija. Različni tipi mehkih regulatorjev.
• Nelinearni dinamični sistemi. Klasični polinomski modeli v nelinearnem modeliranju. Dinamični mehki in nevronski modeli.
• Intervalni mehki modeli in družine funkcij.
• Nadzorovano hierarhično rojenje pri načrtovanju eksperimentov.
• Vodenje nelinearnih dinamičnih sistemov. Vodenje z razvrščanjem ojačenj.
• Vodenje z nelinearnim internim modelov. Vodenje z regulatorjem dveh prostostnih stopenj.
• Nelinearno prediktivno vodenje na osnovi modela. Prediktivno funkcijsko vodenje (PFC) in njegova uporaba na mehkih modelih.
• Prediktivno vodenje na osnovi dinamične matrike (DMC). Prediktivno vodenja na osnovi odziva na stopnico. Prediktivno vodenje na osnovi modela v prostoru stanj.
• Prediktivno vodenje na osnovi nelinearnega modela in optimizacija.
• Adaptivno vodenje in prilagajanje modela. Robustna modifikacija adaptivnih pravil. Modelno-referenčni adaptivni sistemi. Mehki modelno-referenčni adaptivni sistemi.
• Odkrivanje in diagnosticiranje napak na osnovi inteligentnih sistemov.

Seznaniti študenta z osnovnimi matematičnimi in računalniškimi načeli izgradnje inteligentnih sistemov za pomoč pri odločanju v sodobnih sistemih.     

• predavanja,
• laboratorijske vaje in projekti,
• reševanje domačih nalog.