Теорія нечітких множин в моделях управління та штучного інтелекту - Робоча програма навчальної дисципліни (Силабус)

Реквізити навчальної дисципліни
Рівень вищої освіти Другий (магістерський)
Галузь знань 12 Інформаційні технології
Спеціальність 126 Інформаційні системи та технології
Освітня програма Інформаційне забезпечення робототехнічних систем
Статус дисципліни Нормативна
Форма навчання очна(денна)
Рік підготовки, семестр 2 курс, осінній семестр
Обсяг дисципліни 105 годин
Семестровий контроль/ контрольні заходи екзамен
Розклад занять http://rozklad.kpi.ua
Мова викладання Українська
Інформація про керівника курсу / викладачів

Лектор, практичні: к.т.н., Олійник Володимир Валентинович

oliinyk.volodymyr@gmail.com
Розміщення курсу https://campus.kpi.ua

Програма навчальної дисципліни

Опис навчальної дисципліни, її мета, предмет вивчання та результати навчання

Апарат теорії нечітких множин (ТНМ) пропонує альтернативний традиційному імовірнісному підхід до вирішення задач реального світу, що характеризуються невизначеністю, неточністю або нечіткістю компонентів та параметрів, та дозволяє отримувати кращі результати в ряді задач, перш за все при роботі з лінгвістичними невизначеностями.

Метою вивчення дисципліни є набуття здатності аналізу та прийняття рішення щодо доцільності застосування апарату ТНМ для вирішення практичної задачі, можливостей формалізації нечітких знань з використанням ТНМ і застосовування методів прийняття рішень в умовах лінгвістичних невизначеностей; синтезу нечіткологічних моделей та їх використання для розв’язання задач управління та прийняття рішень в умовах невизначеності в інтелектуальних системах; програмної реалізації та дослідження таких моделей.

Предмет навчальної дисципліни: Математичний апарат та методи для опису, синтезу та аналізу нечітких моделей управління з використанням теорії нечітких множин та нечіткої логіки.

В результаті вивчення дисципліни слухачі мають вміти:

  • застосовувати теорію нечітких множин для розв’язання практичних

    задач;

  • використовувати методи рішення задач з використанням теорії нечітких

    множин;

  • створювати нечіткологічні та нейро-нечіткі моделі управління;

  • використовувати нечіткі методи рішення задач для розв’язання задач

    управління;

  • виконати експериментальні дослідження синтезованих нечітких моделей

    управління на основі їх комп’ютерного моделювання.

В результаті навчання слухачі набувають наступні компетентності:

  1. ФК 4 – Здатність застосовувати технології, методи проектування та інструменти для розроблення інформаційного та програмного забезпечення інтелектуальних робототехнічних систем на різних платформах та з використанням різних технологій

  2. ФК 15 – Здатність застосовувати теорію нечітких множин та нечіткої логіки і методів побудови моделей прийняття рішень на основі нечітких множин та відношень в задачах управління та системах штучного інтелекту

Програмними результатами навчання є:

Використовувати методи рішення задач з використанням теорії нечітких множин, створювати нечітко-логічні та нейро-нечіткі моделі управління інформаційними системами, використовувати нечіткі методи рішення задач для розв’язання задач управління робото технічними системами, проводити моделювання синтезованих нечітких моделей управління (ПРН 18)

Пререквізити та постреквізити дисципліни (місце в структурно-логічній схемі навчання за відповідною освітньою програмою)

Дисципліна є однією з базових для підготовки магістрів.

Перелік дисциплін, що передують: “Вища математика”, “Спецрозділи математики”, “Теорія інформації та кодування”, “Дослідження операцій”, “Системи обробки сигналів і зображень”, “Комп’ютерне моделювання систем”, “Системи штучного інтелекту”, «Нейротехнології»

Результати навчання даної дисципліни використовують у дипломному проектуванні.

Зміст навчальної дисципліни

Розділ 1. Основні поняття теорії нечітких множин

Тема 1. Проблема невизначеності в реальних задачах і підходи до вирішення таких задач. Поняття нечіткості, неточності і неповноти даних і знань.

Тема 2. Основні поняття теорії нечітких множин. Функція приналежності (ФП). Методи побудови ФП.

Тема 3. Нечіткі операції і відношення.

Розділ 2. Застосування теорії нечітких множин для розвязання практичних задач

Тема 2.1. Задача досягнення нечітко заданої мети. Постановка задачі, її рішення.

Тема 2.2. Завдання математичного програмування при нечітких вихідних умовах

Тема 2.3. Нечіткий логічний контролер. Алгоритм нечіткого логічного виведення Мамдані. Методи дефазифікації.

Тема 2.4. Алгоритми нечіткого контролю і управління. Алгоритми логічного виведення Такагі-Сугено і Цукамото, порівняння з Мамдані.

Тема 2.5. Поняття нечіткого алгоритму

Тема 2.6. Нечіткі алгоритми навчання та оптимізації

Тема 2.7. Алгоритми нечіткого пошуку та використання апарату ТНМ в них.

Тема 2.8. Нейро-нечіткі технології. Нейро-фаззі контролер ANFIS і його застосування.

Тема 2.9. Нейро-нечіткі технології. Нечіткі нейронні мережі. Різновиди, застосування.

Навчальні матеріали та ресурси

Базова література:

  1. Зайченко Ю.П. Нечеткие модели и методы в интеллектуальных системах. Учебное пособие  для студентов высших учебных заведений. – К.: Издательский дом “Слово” , 2008. – 344 с.

  2. Ямпольський Л.С. Нейротехнології та нейрокомп’ютерні ситеми / Ямпольський Л.С., Лісовиченко О.І., Олійник В.В. // Дорадо-друк, Київ, 2016. ¬– 571 с.

  3. Круглов В.И., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети. – М.: Изд. Физ.мат.лит., 2002. – 312 с.

  4. Борисов В. В. Нечеткие модели и сети / Борисов В. В., Круглов В. В., Федулов А. С. - М.: Горячая линия – Телеком, 2007. – 284.

  5. Штовба С. Д. Проектирование нечетких систем средствами MATLAB / С. Д. Штовба. – М.: Горячая линия – Телеком, 2007. – 288 с.

Додаткова література:

  1. Бодянский Е.В., Кучеренко Е.И., Михалев А.И. Нейро-фаззи сети Петри в задачах моделирования сложных систем. – Дніпропетровськ: Системні технології, 2005. – 311 с.

  2. Cordon Oscar, Herrera Francisco, Hoffmann Frank, Magdalena Luis
    Genetic Fuzzy systems. Evolutionary tuning and learning of fuzzy knowledge bases. – World Scientific, 2001. – Singapore, New Jersey, London, Hong Kong. -  462 р.

  3. Пегат А. Нечеткое моделирование и управление / А. Пегат;  пер.с англ. – М.: БИНОМ. Лаборатория знаний (Адаптивные и интеллектуальные системы), 2009. – 798с.

  4. Гнучкі комп’ютерно-інтегровані системи: планування, моделювання, верифікація, управління. КНИГА 2. Штучний інтелект в плануванні і керуванні виробничими процесами: підручник / Л.С. Ямпольський, П.П. Мельничук, К.Б. Остапченко, О.І. Лісовиченко – Житомир: ЖДТУ, 2010. – 786 с.

  5. Тэтано Т., Асаи К., Сугено М., «Прикладные нечеткие системы» мир 1993

  6. Борисов А.Н., Крумберг О.А., Федоров И.П., «Принятие решений на основе нечетких моделей. Примеры использования» Рига, 1990

  7. Малышев Н.Г., Берштейн Л.С., Боженюк А.В. «Нечеткие модели для експертных систем в САПР» М., Энергоатомиздат, 1991

  8. Беллман Р., Заде Л., «Вопросы принятия решений в расплывчатых условиях» М., Мир, 1976

  9. Заде Л.А. «Понятие лингвистической переменной и его применение к принятию приближенных решений». М., Мир, 1976.

Навчальний контент

Методика опанування навчальної дисципліни (освітнього компонента)

Вивчення навчальної дисципліни відбувається за наступним планом:

План лекцій:

Розділ 1. Основні поняття теорії нечітких множин

Лекція 1. Проблема невизначеності в практичних завданнях і підходи до вирішення таких завдань. Поняття нечіткості, неточності і неповноти даних і знань.

Література [о: 1-3, д: 8,9]

Лекція 2. Функція приналежності (ФП). Фізичний сенс, види, схожість і відмінності від функції розподілу ймовірності. Методи побудови ФП. Загальний алгоритм побудови ФП. Основні поняття теорії нечітких множин.

Література [о:1-5]

Лекція 3. Нечіткі операції і відносини. Загальні і відмінне між властивостями чітких і нечітких множин.

Література [о:1,3,4]

Розділ 2. Застосування теорії нечітких множин для розв’язання практичних задач

Лекція 4. Нечіткий логічний контролер. Алгоритм нечіткого логічного виведення Мамдані та інші. Методи дефазифікації.

Література [о:1-5]

Лекція 5. Нейро-нечіткі технології. Нейро-фаззі контролер ANFIS і його застосування. Нейро-нечіткі технології. Нечіткі нейронні мережі. Різновиди, застосування.

Література [о:2-4, д.:2]

План практичних занять:

Практичне заняття 1. Поняття нечіткого алгоритму

Поняття узагальненої нечіткої машини. Приклади застосування

Література [о:1; д:5]

Практичне заняття 2. Нечітка кластеризація.

Метод Fuzzy c-means та інші. Приклади використання

Література [о:5]

Практичне заняття 3. Задача досягнення нечітко заданої мети.

Постановка задачі, її рішення. Задача математичного програмування при нечітких вихідних умовах

Література [о:1,4; д:6]

Практичне заняття 4. Алгоритми нечіткого контролю і управління.

Алгоритми логічного виведення Мамдані. Такагі-Сугено і Цукамото, порівняння з Мамдані.

Література [о:1-5; д: д.:4,7]

Практичне заняття 5. Нейро-нечіткі технології

Нейро-фаззі контролер ANFIS і його застосування. Нейро-нечіткі технології. Нечіткі нейронні мережі. Різновиди, застосування.

Література [о:2-4, д.:2]

Практичне заняття 6. Нечіткі мережі Петрі в задачах управління

Принципи та приклади застосування ТНМ для апарату сіток Петрі.

Література [д.:1]

при вивченні навчальної дисципліни користуються дидактичними засобами, зокрема, комп‘ютерними презентаціями тем лекцій, інтерактивними засобами візуалізації та моделювання алгоритмів, що вивчаються, та зразками коду для їх реалізації. Комп‘ютерні практикуми виконуються на основі методичних матеріалів до їх виконання. При виконанні комп’ютерних практикумів слід використовувати програмне забезпечення – сучасні середовища розробки програмного забезпечення. При цьому студент не обмежується у виборі засобу реалізації поставленої в роботі задачі. Основною вимогою є повнота розв’язання поставленої задачі та можливість демонстрації роботи та отриманих результатів в комп’ютеризованій аудиторії.

Індивідуальні завдання

Робочим навчальним планом передбачено виконання індивідуальних завдань для самостійної роботи студентів роботи.

Мета роботи – закріплення здобутих знань з основних розділів курсу та здобуття досвіду їх практичного застосування.

Студентам запропоновано виконати, оформити звіт по виконаній роботі та захистити індивідуальні семестрові завдання за наступними темами:

  1. Застосування НЛ в задачах управління рухомим об’єктом (в одному середовищі може працювати декілька алгоритмів різних виконавців)

  2. Застосування НЛ в задачах управління технічним пристроєм (двигуном та ін.)

  3. Застосування НЛ в робототехніці

  4. Застосування НЛ в обробці зображень

  5. Застосування НЛ в машинному навчанні

  6. Застосування НЛ в геоінформаційних системах

  7. Інші сучасні застосування ТНМ в науці та техніці

Самостійна робота студента/аспіранта

Метою самостійної роботи є засвоєння студентами знань з тем дисципліни та їх закріплення, поглибленого вивчення матеріалу, а також розвиток у студентів навичок самостійної роботи з технологіями штучного інтелекту у межах основних тем.

На самостійну роботу виносяться наступні питання:

  • Нечіткі алгоритми навчання та оптимізації. Алгоритми нечіткого пошуку та використання апарату ТНМ в них.

  • Алгоритми нечіткого пошуку та використання апарату ТНМ в них.

  • Програмні засоби для роботи з нечіткими моделями, мова FCL

  • Магістрам пропонується більш глибоко ознайомитись сучасними дослілженнями

  • Огляд сучасних досліджень в області ТНМ та нечіткої логіки, зокрема в областях “глибокого навчання”, що використовують елементи ТНМ.

Політика та контроль

Політика навчальної дисципліни (освітнього компонента)

Порядок виконання та захисту індивідуальних практичних завдань

Студент виконує індивідуальне практичне завдання самостійно або у бригаді з двох осіб (з відповідним збільшенням обсягів роботи та погодження з викладачем та якщо практикум це передбачає).

Демонстрація поточних результатів, обговорення питань по роботам та ін. відбувається за розкладом практичних робіт після захисту готових робіт згідно календарного плану їх виконання та в час консультації викладача.

Для захисту студент попередньо надсилає оформлений звіт на пошту викладачу (файл називати у форматі «ТНМ-номер групи- ПІБ- номер роботи»). В процесі захисту студент демонструє програмну реалізацію та відповідає на запитання по роботі та пов’язаному теоретичному матеріалу (3-5 питань). Для успішного захисту практикуму необхідно правильно відповісти принаймні на половину з питань.

Порядок підготовки до практичних занять

Студент обирає одну з тем, по якій готує доповідь з використанням ілюстраційних матеріалів(презентацій) та презентує її на вказаноме практиному занятті. Представлені результати обговорюються студентами та викладачем, доповідач відповідає на запитання.

За практикуми можна отримати додаткові заохочувальні бали за активну участь в обговоренні тем інших студентів (1-2 бали за заняття). Загальна сума балів за практичні заняття не має перевищувати максимально можливого балу за них.

Заохочувальні бали

Студент має змогу отримати додаткові заохочувальні бали за виконання завдань із удосконалення дидактичних та навчальних матеріалів, обробку сучасних наукових робіт з дисципліни - надається від 1 до 10 заохочувальних балів.

Політика щодо академічної доброчесності

Усі роботи (індивідуальні практичні завдання) перевіряються на наявність плагіату і допускаються до захисту із коректними текстовими запозиченнями не більше 20%. Роботи що містять більшу кількість до розгляду і оцінювання не приймаються.

Перескладання контрольних заходів відбувається за наявності поважних причин (наприклад, лікарняний) у встановленому або індивідуальному порядку.

Види контролю та рейтингова система оцінювання результатів навчання (РСО)

Рейтинг студента з дисципліни складається з балів, що він отримує за:

  1. виконання індивідуального практичного завдання;

  2. підготовку доповіді на практичному занятті

3) модульний контроль;

Система рейтингових (вагових) балів та критерії оцінювання

1. Виконання індивідуального практичного завдання

Ваговий бал – 25 балів.

Складові оцінки:

  • Програмна реалізація алгоритму – 9 балів

  • Звіт (відповідність структурі, презентація результатів роботи, якість та обґрунтування інформації, висновки) – 8 балів

  • Захист практикуму (для захисту необхідно правильно відповісти принаймні на половину з максимуму 1-3 питань) – 8 балів

2. Підготовка доповіді на практичному завданні

Ваговий бал – 15 балів.

Складові оцінки:

  • Підготовка матеріалів доповіді – 8 балів

  • Доповідь та відповіді на питання аудиторії – 7 балів

Макс. бал знижується за здачу після встановленого терміну (-2 бали за кожен наступний тиждень після, але не більше -8 балів).

2. Модульний контроль

Модульна контрольна робота передбачає відповідь на 2 питання, відповідь на кожне з яких максимально оцінюється в 5 балів.

Ваговий бал – 10 балів.

Заохочувальні бали за:

- виконання завдань із удосконалення дидактичних та навчальних матеріалів з дисципліни та проведення пов’язаних наукових досліджень надається від 2 до 10 заохочувальних балів.

Допуск до іспиту: Рейтинг не менш ніж 20 балів та здано індивідуальне завдання.

Бали по екзаменаційних питаннях:

2 теоретичних питання по 20 балів, практичне завдання – 10 балів.

Кількість балів по відповіді на кожне питання визначається викладачем з врахуванням

складності питання та якості відповіді. Максимальна кількість балів 50.

Розрахунок шкали (R) рейтингу

Сума вагових балів контрольних заходів протягом семестру складає:

RС = 25 + 15+10 = 50 балів.

Екзаменаційна складова шкали дорівнює 50 балів.

Для отримання студентом відповідних оцінок (ЕСТS та традиційних) його рейтингова оцінка RD переводиться згідно з таблицею:

RD=RC + RE оцінка
95…100 відмінно
85…94 дуже добре
75…84 добре
65…74 задовільно
60…64 достатньо
R < 60 незадовільно
RС < 35 або не виконано інші умови допуску до екзамену не допущений

Додаткова інформація з дисципліни (освітнього компонента)

Передбачена можливість зарахування сертифікатів проходження дистанційних чи онлайн курсів по теорії нечітких множин та її практичному застосуванню відповідного рівня за умови відповідності програми не менше ніж на 60%. Остаточне рішення по кожному сертифікату приймається викладачем з урахуванням вказаних вимог.

Робочу програму навчальної дисципліни (силабус):

Складено доцентом кафедри ІСТ, к.т.н. Олійником В.В.

Ухвалено кафедрою ІСТ (протокол № 1 від 30.08.2021 р.)

Погоджено Методичною комісією факультету[1] (протокол № 1 від 30.08.2021 р.)