Przedmiot wybieralny AIR

25 stycznia 2016

Kierunek studiów: Automatyka i Robotyka

Metoda oceny wiedzy z wykładu: Egzamin

Nowoczesne techniki w automatyce: systemy ekspertowe / sztuczna inteligencja w automatyce

Tematyka zajęć – Wykład
L.p.
Program zajęć
Liczba godzin
1 Zajęcia organizacyjne, przedstawienie tematyki wykładów, warunki zaliczenia
2
2 Systemy eksperckie – ogólna budowa. Rodzaje rozumowania. Zalety i wady..
2
3 Bazy wiedzy/reguł. Logika konwencjonalna i niekonwencjonalna.
2
4 Systemy hybrydowe. Sieci semantyczne.
2
5 Drzewa decyzyjne. Konstruowanie baz wiedzy/reguł na potrzeby systemów eksperckich oraz wizyjnych.
2
6 Algorytmy ewolucyjne – algorytmy genetyczne w zastosowaniach systemów wizyjnych oraz eksperckich.
2
7 Komputery przemysłowe i ich rola w systemach wizyjnych.
2
8 Filtracja danych pomiarowych na potrzeby analizy obrazów w systemach wizyjnych.
2
9 Zastosowanie morfologii matematycznej w przetwarzaniu obrazów. Erozja i dylatacja.
2
10 Analiza obrazu na liniach produkcyjnych.
2
11           Egzamin/Kolokwium zaliczeniowe z wykładu: 29.11.2021 – 0 termin; 06.12.2021 – I termin; 13.12.2021 – II termin. 

Projekt realizowany w ramach Przedmiotu Wybieralnego

W ramach zajęć projektowych konieczne jest wykonanie projektu (MOŻLIWA REALIZACJA W GRUPACH DWUOSOBOWYCH), który na zakończenie zajęć z przedmiotu zostanie oceniony przez prowadzącego. Projekt może być realizowany w dwóch obszarach: system ekspertowy lub system wizyjny. W momencie gdy Student wybierze opracowanie projektu systemu ekspertowego wówczas może postąpić dwutorowo:

1. Opracować tylko wersję teoretyczną z: projektem konceptualnym (opis+schematy), projektem layoutu graficznego aplikacji (np. w Axure RP 9) oraz szkicem bazy danych lub projektem konceptualnym (opis+schematy) wraz z implementacją w szkieletowym systemie ekspertowym – shellu (np.: Axure RP 9; Program PC Shell+DeTreex). Należy szczegółowo przedstawić analizę problemu, a w wersji z implementacją shellowską opis kroków podjętych w ramach jej realizacji. Wówczas max. możliwa uzyskana ocena to 3.5.

2. Opracować wersję teoretyczną i wersję praktyczną – t.j. przykładową autorską aplikację, napisaną w dowolnym języku programowania (C++, C#, Python, JAVA, R (Matlab)). Wówczas max. możliwa ocena to 4.5. Wersję praktyczną trzeba osobiście zaprezentować i przesłać przez platformę e-learningową. 

Projekt powinien zawierać: stronę tytułową, imię i nazwisko autora, numerację stron, spis treści i koniecznie mieć formę zwartą.

Każdy projekt w części opisowej powinien zaczynać się od: opisu problemu, następnie powinien zawierać: przebieg realizacji projektu, sposób podejścia do problemu, schematy (do wyboru): blokowe algorytmów, sieci semantycznych, drzew decyzyjnych; przykładowe reguły; kody źródłowe programu, podsumowanie, test pełniący rolę przedmiotowego systemu ekspertowego. Wersja txt powinna zawierać także bibliografię.

W momencie gdy Student wybierze opracowanie projektu systemu wizyjnego także może postąpić dwutorowo:

1. Opracować tylko wersję teoretyczną – poprzez przedstawienie szczegółowej analizy problemu. Wówczas max. możliwa uzyskana ocena to 3.5.

2. Opracować wersję teoretyczną i wersję praktyczną – t.j. przedstawić przykładowy pojazd z zamontowaną kamerą działający w oparciu o metody sztucznej inteligencji. Wówczas max. możliwa ocena to 4.5. Wersję praktyczną trzeba osobiście zaprezentować.

Projekt powinien zawierać: stronę tytułową, imię i nazwisko autora, numerację stron, spis treści i koniecznie mieć formę zwartą.

W wersji opisowej proszę: dokonać autorskiego przeglądu aktualnych systemów wizyjnych oraz metod sterowania robotami z zastosowaniem sztucznej inteligencji, scharakteryzować koncepcję budowy systemu wizyjnego oraz akwizycji obrazu z kamery, przedstawić (do wyboru) schematy: blokowe algorytmów, sieci semantycznych, drzew decyzyjnych; kody źródłowe programu. System wizyjny powinien być też poddany analizie w zakresie: np. testów odległościowych: zasięgu pracy kamery, jakości obrazu etc. Wersja txt powinna zawierać także bibliografię. Projekty nie mogą być realizowane w oparciu o czujniki odległości.

Tematy prac na ocenę bdb dostępne drogą e-mailową.

Termin zgłoszenia indywidualnych tematów projektów /etap I/: 

Nie później niż do: 14.10.2021. Opóźnienie w oddaniu tematu o tydzień obniża ocenę o 1 stopień w dól.

Termin oddania projektu /etap II/:

Nie później niż do: 25.11.2021. Opóźnienie w oddaniu pracy o tydzień obniża ocenę o 1 stopień w dół.

Literatura:

Michalewicz Z., Algorytmy genetyczne+struktury danych=programy ewolucyjne, WNT, Warszawa, 1996

Goldberg D. E., Algorytmy genetyczne i ich zastosowania, WNT, 1998

Bolc L., Cytowski J., Metody przeszukiwania heurystycznego, t. II, PWN, Warszawa, 1991

Koza J.R., Genetic programming, MIT Press, Cambridge, 1992

Uwagi organizacyjne:

©2021