Рабочая программа учебной дисциплины «методы искусственного интеллекта в мехатронике и робототехнике» Цикл



Скачать 156.94 Kb.
Дата08.07.2013
Размер156.94 Kb.
ТипРабочая программа



МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ
МОСКОВСКИЙ ЭНЕРГЕТИЧЕСКИЙ ИНСТИТУТ

(ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ)
Институт Энергомашиностроения и механики (ЭнМИ)


Направление подготовки: 221000 – Мехатроника и робототехника

Магистерская программа: Разработка компьютерных технологий управления и математического моделирования в робототехнике и мехатронике

Квалификация (степень) выпускника: магистр

Форма обучения: очная


РАБОЧАЯ ПРОГРАММА УЧЕБНОЙ ДИСЦИПЛИНЫ

«МЕТОДЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В МЕХАТРОНИКЕ

И РОБОТОТЕХНИКЕ»

Цикл:

профессиональный




Часть цикла:

базовая




дисциплины по учебному плану:

M.2.1




Часов (всего) по учебному плану:

144




Трудоёмкость в зачётных единицах:

4

1 семестр – 5

Лекции

36 часов

1 семестр – 36

Практические занятия

18 часов

1 семестр – 18

Лабораторные работы

нет

нет

Расчётные задания, рефераты

нет

нет

Объём самостоятельной работы по учебному плану (всего)

90 часов

1 семестр – 108

Экзамены

1 семестр




Курсовые проекты (работы)

нет





Москва - 2011
1.ЦЕЛИ И ЗАДАЧИ ОСВОЕНИЯ ДИСЦИПЛИНЫ

Целью дисциплины является изучение основ теории искусственного интеллекта, методов и алгоритмов, задач и компьютерных программ.


При изучении дисциплины “Методы искусственного интеллекта в мехатронике

и робототехнике ” следует иметь в виду, что эта дисциплина, будучи органическим продолжением дисциплины бакалавриата “Дискретная математика”, оказывается одной из ведущих дисциплин в программе подготовки магистров по мехатронике и робототехнике. Это вызвано тем, что с ростом сложности проектируемых систем их аналитическое исследование становится всё более затруднительным, а создание опытных образцов обходится всё дороже, так что методы искусственного интеллекта часто оказываются единственными для решения задач.

Освоение данной дисциплины вносит существенный вклад в формирование у студента следующих компетенций:

Общекультурные компетенции из ФГОС ВПО:

  • способности совершенствовать и развивать свой интеллектуальный и общекультурный уровень (ОК-1);

  • способности к самостоятельному обучению новым методам исследования, к изменению научного и производственного профиля своей профессиональной деятельности (ОК-2);

  • способности самостоятельно приобретать с помощью информационных технологий и использовать в практической деятельности новые знания и умения, в том числе в новых областях знаний, непосредственно не связанных со сферой деятельности (ОК-4).

Дополнительные общекультурные компетенции:

  • способности использовать основные законы математических и общетехнических дисциплин в профессиональной деятельности, применять методы математического анализа и моделирования, теоретического и экспериментального исследования (ОК-5);

  • способности мыслить логично, аргументированно – в плане логики и содержания – обосновывать свои рассуждения, обобщать и анализировать доступную информацию, планировать пути достижения поставленных целей, отличать научный подход к изучению окружающего мира от антинаучного (ОК-6);

  • способности квалифицированно использовать компьютер как инструмент вычислительного эксперимента и как средство управления информацией (ОК-7);

  • владения математической и естественнонаучной культурой как частью профессиональной и общечеловеческой культуры (ОК-8).

Профессиональные компетенции из ФГОС ВПО:

  • способности демонстрировать знания фундаментальных и стыковых прикладных разделов специальных дисциплин ООП магистратуры (ПК-1);

  • способности самостоятельно приобретать с помощью информационных технологий и использовать в практической деятельности новые знания и умения, в том числе в новых областях знаний, непосредственно не связанных со сферой деятельности, расширять и углублять своё научное мировоззрение (ПК-3);

  • способности совершенствовать и развивать свой интеллектуальный уровень (ПК-6);

  • способности выбирать общесистемные средства программного назначения (ПК-12);

  • способности свободно владеть и использовать в профессиональной сфере современные информационные технологии (ПК-19);

  • способности использовать современные компьютерные сети, программные продукты и ресурсы Интернета для решения задач профессиональной деятельности, в том числе находящихся за пределами профильной подготовки (ПК-20);

  • способности разрабатывать и реализовывать комплексные математические модели мехатронных и робототехнических систем (ПК-23);

Дополнительные профессиональные компетенции:

  • знания – на соответствующем уровне – предметного содержания всех изучаемых в вузе разделов дисциплин «Дискретная математика», «Методы искусственного интеллекта в мехатронике и робототехнике», их основных понятий, концепций и методов (ПК-26);

  • способности научно анализировать проблемы, процессы и явления в области методов теории искусственного интеллекта, умения квалифицированно применять на практике базовые знания, методы и алгоритмы исследования, усвоенные в ходе изучения дисциплин «Дискретная математика», «Методы искусственного интеллекта в мехатронике и робототехнике» (ПК-27);

  • способности применять знания в области численных методов на практике, в том числе выдвигать гипотезы, составлять теоретические и информационные модели, проводить анализ границ их применимости, выбирать подходящие методы для научного анализа данных проблем (ПК-28);

  • способности использовать усвоенные при изучении дисциплин «Дискретная математика», «Методы искусственного интеллекта в мехатронике и робототехнике» понятия и методы для решения задач теоретического и прикладного характера, для самостоятельного приобретения новых знаний в области численных методов и их приложений (ПК-29);

  • умения квалифицированно использовать со­временные информационные технологии, системы компьютерной математики, инструментальные средства компьютерного моделирования (ПК-30);

  • способности формировать законченное представление о принятых решениях и полученных результатах в виде отчёта с его публикацией (публичной защитой) (ПК-31).

Задачами дисциплины являются:

  • изучение применяемых при решении задач робототехники методов искусственного интеллекта и лежащего в основе данных методов математического аппарата (включая получение необходимых сведений из общей и линейной алгебры);

  • овладение важнейшими методами решения прикладных задач в области компьютерного моделирования робототехнических систем, включая методы искусственного интеллекта;

  • формирование устойчивых навыков по применению методов искусственного интеллекта при решении робототехнических задач, включая методы построения программного движения роботов, оптимизации алгоритмов и управления поведением робота.



2.МЕСТО ДИСЦИПЛИНЫ В СТРУКТУРЕ ООП ВПО

Дисциплина относится к базовой части профессионального цикла основной образовательной программы подготовки магистров по магистерской программе “Разработка ком­пью­тер­ных технологий управления и математического моделирования в робототехнике и мехатронике” направления 221000 “Ме­ха­троника и робототехника”.

Дисциплина базируется на следующих дисциплинах, изучаемых в бакалавриате: “Высшая математика”, “Дискретная математика”, “Вычислительная механика” “Основы мехатроники и робототехники”, “Вычислительные методы компьютерного моделирования в механике”, ”Информатика”. В результате изучения дисциплины “Методы искусственного интеллекта в мехатронике и робототехнике” выпускник магистратуры приобретает способность самостоятельно строить нейронные сети, обучать их, уметь пользоваться методами распознавания и кластеризации, знать алгоритмы отжига и муравьиный алгоритм.

В рамках данной дисциплины студенты приобретают навыки формализованного описания реальных систем, необходимые для успешного применения компьютерного моделирования, расширяют свой математический кругозор. С учётом этого дисциплина “Методы искусственного интеллекта в мехатронике и робототехнике ” играет значительную дидактическую роль. Её изучение способствует развитию у будущих специалистов склонности и способности к творческому мышлению, выработке системного подхода к исследуемым явлениям.

Знания, полученные по освоению дисциплины, необходимы при выполнении выпускной квалификационной работы магистра.
3.РЕЗУЛЬТАТЫ ОСВОЕНИЯ ДИСЦИПЛИНЫ

В результате освоения учебной дисциплины обучающиеся должны демонстрировать следующие результаты образования:

знать:

–современное состояние теории искусственного интеллекта, экспертные системы, технические приложения экспертных систем, агенты; развитие аппаратных и программных средств как предпосылку широкого внедрения систем искусственного интеллекта;

–методы кластеризации.

уметь:

–планировать пути движения робота; строить граф пути, его оптимизацию, эвристику;

–обрабатывать изображения; распознавать их, осуществлять фильтрацию и коррекцию геометрических изображений;

владеть:

–формированием сценариев;

– методами обучения нейронных сетей;

– методами нечёткой логики;

– методами оптимизации на основе генетический алгоритмов;

–методами обнаружения объектов и совмещением их изображений;

–решать задачи обнаружения, определения ориентации, различия, опознавания и исследования;

4.СТРУКТУРА И СОДЕРЖАНИЕ ДИСЦИПЛИНЫ

4.1.Структура дисциплины

Общая трудоёмкость дисциплины составляет 4 зачётных единиц, 144 часа.




п/п

Раздел дисциплины.

Форма промежуточной аттестации
(по семестрам)

Всего часов на раздел

Семестр

Виды учебной работы, включая самостоятельную работу студентов и
трудоёмкость (в часах)

Формы текущего контроля успеваемости

(по разделам)


лк

пр

лаб

сам.

1

2

3

4

5

6

7

8

9

1.

Нейронные сети. Персептрон.

20

1

6

4



10

Проверка решений индивидуальных задач

2.

Сеть Хопфилда. Синхронная и асинхронная реализация.

20

1

6

4



10

Проверка решений индивидуальных задач

3.

Сеть Кохонена. Кластеризация.

18

1

6

2



10

Коллоквиум по теории

4.

Муравьиный алгоритм. Алгоритм отжига.

14

1

6

2




6

Проверка решений индивидуальных задач

5.

Генетический алгоритм

20

1

6

4



10

Проверка решений индивидуальных задач

6

Нечёткие множества

14




6

2




6

Коллоквиум по теории




Зачёт

2

1







2

По результатам решенных задач




Экзамен

36

1







36

письменный




Итого:

144




36

18



90





4.2.Содержание лекционно-практических форм обучения

4.2.1.Лекции

  1. История возникновения науки. Основоположники. Пути развития. Два направления в разработке ИИ. Основные задачи ИИ. Нейронные сети. Основные характеристики сетей. Параллели из биологии. Дендриты, аксоны, синапсы. Нейронные сети. Персептрон. Теорема о сходимости персептрона. Неравенство Шварца. Архитектуры сетей. Обратное распространение ошибки. Дельта-правило. Обратное распространение ошибки. Функция активности. Сигмоид и его виды. Сигмоидная производная. Роль нелинейности функций активности в нейронных сетях. Эффект запирания сети. Память, свойства, реализация в нейронных сетях.

  2. Гетероассоциативная память. Принцип сжатия информации. Автоассоциативная сеть. Сеть Хопфилда. Синхронная и асинхронная реализация. Распознавание изображений. Фильтр Cобеля. Пороговый фильтр. Многопороговый фильтр. Сравнение фильтров. Назначение и программирование фильтров контурной обработки. Векторизация изображений. Основы языка PS. Адаптивные резонансные сети.

  3. Сеть Кохонена. Кластеризация. Оценка близости. Изменение кластеров. Выбор коэффициента обучения. Многоступенчатая кластеризация. Метод выпуклой комбинации.

  4. Муравьиный алгоритм. Задача коммивояжера. Отрицательная и положительная обратная связь. Элитные муравьи. Алгоритм отжига. Задача коммивояжера – решение методом отжига и с помощью муравьиного алгоритма.

  5. Генетический алгоритм минимизации функции. Генетический алгоритм оптимального размещения графа на линейке и плоскости. Генетические алгоритмы John Holland. Теорема схем. Уравнение Эйгена – Фишера. Генетический алгоритм минимизации функции. Задачи Штейнера. Столбы и точки Штейнера. Методы выбора линейки. Генетический алгоритм оптимизации фермы. Три вида целевой функции. Генетический алгоритм для решения задачи Коши и краевой задачи. Два вида целевой функции.

  6. Нечёткие множества. Операции над ними. Нечёткое управление. Экспертные оценки. Шкала Саати. Мера несогласованности. Код Грея.


4.2.2.Практические занятия

  1. Методы обучения многослойных сетей. Дельта-правило

  2. Решение задач распознавания на основе сете Хопфилда. Два варианта функционирования сети – синхронный и асинхронный.

  3. Задачи кластеризации. Метод штрафов. Две оценки близости образцов и кластеров.

  4. Задача коммивояжера – решение методом отжига и с помощью муравьиного алгоритма. Один муравей и два муравья.

  5. Генетический алгоритм (размещение графа на линейке, минимизация функции двух переменных).

  6. Операции с нечёткими множествами. Экспертные оценки. Код Грея.


4.3.Лабораторные работы

Лабораторные работы учебным планом не предусмотрены.

4.4.Расчётные задания

Учебным планом задания не предусмотрены.


5.ОБРАЗОВАТЕЛЬНЫЕ ТЕХНОЛОГИИ

Лекционные занятия проводятся в форме, сочетающей традиционную манеру изложения материала и интерактивное обсуждение тех мест курса, которые относительно трудны для понимания.

Практические занятия проводятся в традиционной форме и включают как решение индивидуальных задач (с использованием компьютеров), так и разбор решений преподавателем.

Самостоятельная работа включает: повторение студентом изложенного на лекциях и практических занятиях учебного материала, решение индивидуальных домашних задач, подготовку к контрольным работам, зачёту и экзамену. При отработке студентами навыков, полученных на аудиторных занятиях, подготовке к контрольным работам, анализе результатов расчётных заданий предусматривается использование пакетов MATLAB и . Возможно использование пакетов Mathcad и Mathematica.


6.ОЦЕНОЧНЫЕ СРЕДСТВА ДЛЯ ТЕКУЩЕГО КОНТРОЛЯ УСПЕВАЕМОСТИ, ПРОМЕЖУТОЧНОЙ АТТЕСТАЦИИ ПО ИТОГАМ ОСВОЕНИЯ ДИСЦИПЛИНЫ

Для текущего контроля используются, индивидуальные домашние задачи, письменные теоретические тесты.

Аттестация по дисциплине: зачёт, экзамен.

Оценка за освоение дисциплины определяется как оценка на экзамене.

В приложение к диплому выносится оценка экзамена.

7.УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

7.1.Литература:

а)основная литература:

  1. Алексеев А.В. Нейронные сети. — М.: Изд-во МЭИ 2000.

  2. Осовский С.Н. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002

  3. Горбань А. Н. Нейронные сети на персональном компьютере – М.: Наука, 1996 г.

  4. Медведев В. С. Нейронные сети MATLAB 6 М.: Диалог-МИФИ, 2002 г..

  5. Нильсон Н. Искусственный интеллект. — М.: Мир, 1973. — 273 с.

  6. Смолин Д. В. Введение в искусственный интеллект: конспект лекций. — М.: ФИЗМАТЛИТ. — 208 с.

  7. Гладков Л. А. Генетические алгоритмы. М.: Физматлит, 2006 г.

б)дополнительная литература:

  1. Кирсанов МН. Графы в Maple – М.:ФИЗМАТЛИТ. – 2007

  2. Хайкин С. Нейронные сети - М.: Вильямс, 2006.

7.2.Электронные образовательные ресурсы:

а)лицензионное программное обеспечение и Интернет-ресурсы:

Сайт в Интернете: http://vuz.exponenta.ru (имеются наборы задач с ответами по разделу курса – всего 1200 задач с примерами решений, компьютерные - Maple программы и анимированные иллюстрации.)
б)другие:

Нет.
8.МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

Для обеспечения освоения дисциплины необходимо наличие учебных аудиторий для проведения лекций и практических занятий.

Программа составлена в соответствии с требованиями ФГОС ВПО по направлению подготовки 221000 “Мехатроника и робототехника”.
ПРОГРАММУ СОСТАВИЛ:

д.ф.-м.н., профессор Кирсанов М.Н.


УТВЕРЖДАЮ:

Зав. кафедрой теоретической механики и мехатроники

д.т.н., профессор Меркурьев И.В.


Похожие:

Рабочая программа учебной дисциплины «методы искусственного интеллекта в мехатронике и робототехнике» Цикл iconРабочая программа учебной дисциплины " численные методы в робототехнике" Цикл: профессиональный
...
Рабочая программа учебной дисциплины «методы искусственного интеллекта в мехатронике и робототехнике» Цикл iconРабочая программа учебной дисциплины " прикладные методы теории колебаний" Цикл
Профили подготовки: Компьютерные технологии управления в робототехнике и мехатронике
Рабочая программа учебной дисциплины «методы искусственного интеллекта в мехатронике и робототехнике» Цикл iconРабочая программа учебной дисциплины " вычислительные методы компьютерного моделирования в механике" Цикл
Профили подготовки: Компьютерные технологии управления в робототехнике и мехатронике
Рабочая программа учебной дисциплины «методы искусственного интеллекта в мехатронике и робототехнике» Цикл iconРабочая программа учебной дисциплины " методы и теория оптимизации" Цикл: общенаучный
...
Рабочая программа учебной дисциплины «методы искусственного интеллекта в мехатронике и робототехнике» Цикл iconРабочая программа учебной дисциплины " сопротивление материалов" Цикл
Профили подготовки: Компьютерные технологии управления в робототехнике и мехатронике
Рабочая программа учебной дисциплины «методы искусственного интеллекта в мехатронике и робототехнике» Цикл iconРабочая программа учебной дисциплины " Дискретная математика " Цикл: профессиональный
Профиль(и) подготовки: Компьютерные технологии управления в робототехнике и мехатронике
Рабочая программа учебной дисциплины «методы искусственного интеллекта в мехатронике и робототехнике» Цикл iconРабочая программа учебной дисциплины " вычислительная механика" Цикл: профессиональный
Профили подготовки: Компьютерные технологии управления в робототехнике и мехатронике
Рабочая программа учебной дисциплины «методы искусственного интеллекта в мехатронике и робототехнике» Цикл iconРабочая программа учебной дисциплины "статистическая механика и теория надёжности" Цикл
Профили подготовки: Компьютерные технологии управления в робототехнике и мехатронике
Рабочая программа учебной дисциплины «методы искусственного интеллекта в мехатронике и робототехнике» Цикл iconРабочая программа учебной дисциплины " теория колебаний и динамика машин" Цикл
Профили подготовки: Компьютерные технологии управления в робототехнике и мехатронике
Рабочая программа учебной дисциплины «методы искусственного интеллекта в мехатронике и робототехнике» Цикл iconРабочая программа учебной дисциплины "основы мехатроники и робототехники" Цикл: профессиональный
Профили подготовки: Компьютерные технологии управления в робототехнике и мехатронике
Разместите кнопку на своём сайте:
ru.convdocs.org


База данных защищена авторским правом ©ru.convdocs.org 2016
обратиться к администрации
ru.convdocs.org