Courses – Fakultet tehničkih nauka u Novom Sadu

Subject: (22.EAI047)

Type of studies	Title
Master Academic Studies	Artificial Intelligence and Machine Learning (Year: 2, Semester: Winter)

General information:

Category	Professional-applicative
Scientific or art field	Automatic Control and System Engineering
ECTS	6

Ovladavanje studenata sistemima automatskog upravljanja baziranim na metodama računarske (veštačke) inteligencije. Osposobljavanje studenata za teorijsko razumevanje i praktično rešavanje problema inteligentnog upravljanja, te algoritamsku implementaciju fazi (eng. fuzzy) i neuro regulatora, ekspertskih sistema i sistema za podršku u odlučivanju. Osposobljavanje studenata za praćenje savremene literature iz ove oblasti, te dalji, samostalan stručni i naučno-istraživački rad.

Sva stečena znanja student mogu se koristiti u rešavanju konkretnih inženjerskih problema. Student je stekao fundamentalna i savremena znanja, neophodna za projektovanje i implementaciju inteligentnih sistema upravljanja. Student je naučio da prepozna probleme u kojima su inteligentni regulatori superiorniji u odnosu na konvencionalne regulatore, da izabere odgovarajuću strukturu regulatora za svaki tip problema, podese i optimizuju parametre regulatora, te da implementiraju odgovarajuća rešenja u programskim jezicima Matlab i Python. Stekli su praktična znanja o funkcionisanju i realizaciji virtualno-fizičkih sistema (Cyber Physical Systems), te mogućnostima primene veštačke inteligencije u njima. Student je sposoban da prati savremenu literaturu iz oblasti, te da se samostalno upušta u dalji naučno-istraživački rad.

1) Teorijski koncepti rasplinute (fazi - Fuzzy) logike: fazi skupovi i funkcije pripadnosti. Lingvističke promenljive, princip proširenja, fazi relacije i kompozicije, fazi pravila, fazifikacija i defazifikacija, fazi sistemi odlučivanja; 2) Fazi sistemi zaključivanja (Mamdani, Larsen, Tsukamoto, Takagi-Sugeno-Kang); 3) Fazi regulatori; 4) Fazi sistemi za podršku u odlučivanju nastali na osnovu iskustva eksperata; 5) Optimizacija parametara inteligentnih sistema primenom genetskih algoritama i algoritama zasnovanim na roju čestica; 6) Sistemi za podršku u odlučivanju zasnovani na veštačkim neuronskim mrežama; 7) Neuroregulatori; 8) “Neuro-fazi” sistemi: kombinovanje fazi logike i neuronskih mreža u upravljanju; 9) Projektovanje klasičnih i neuro-fazi regulatora: 10) Industrijske primene inteligentnih regulatora. Tipovi upravljanja (direktni regulator, upravljanje na višem nivou, adaptacija parametara konvencionalnih regulatora i intervencije inteligentnih regulatora); 11) Osnovni koncepti virtualno-fizičkih sistema i primena veštačke inteligencije u njima.

Predavanja; Računarske vežbe; Konsultacije. Mentorski rad kroz izradu domaćih zadataka i obaveznog projekta na kraju predmeta. Praktična nastava na predmetu će biti izvođena kroz računarske vežbe, izradu domaćih zadataka i kroz obavezni završni projekat. Po sadržaju, praktična nastava će pratiti koncepte pokrivene teorijskom nastavom. Sistemi upravljanja koje studenti budu projektovali i implementirali u okviru završnih projekata biće testirani na laboratorijskim pilot-postrojenjima.

Authors	Title	Year	Publisher	Language
Jinkun Liu	Intelligent Control Design and MATLAB Simulation	2018	Springer	English
Gang Feng	Analysis and Synthesis of Fuzzy Control Systems - A Model-Based Approach	2010	CRC Press	English
Chennakesava R. Alavala	Fuzzy Logic and Neural Networks - Basic Concepts & Applications	2008	New Age	English
Raj Rajkumar, Dionisio de Niz, Mark Klein	Cyber-Physical Systems	2017	Addison-Wesley	English
D. S. Hooda, Vivek Raich	Fuzzy Logic Models and Fuzzy Control - An Introduction	2017	Alpha Science	English

Course activity	Pre-examination	Obligations	Number of points
Homework	Yes	Yes	5.00
Homework	Yes	Yes	5.00
Final exam - part one	No	Yes	30.00
Final exam - part two	No	Yes	20.00
Project	Yes	Yes	30.00
Homework	Yes	Yes	5.00
Homework	Yes	Yes	5.00