Змістовий модуль 3. Генетичні алгоритми

Тема 7. Структура генетичного алгоритму.

Історична довідка. Подання параметрів оптимізації. Декодування генетичної інформації із двійкової форми до десяткової. Генетичні оператори. Репродуктивний план Холланда. Функція пристосованості. Селекція батьківських хромосом.

Тема 8. Параметри типи і способи використання генетичних алгоритмів в інтелектуальних системах управління.

Критерії оптимізації генетичних алгоритмів. Модифікації генетичних алгоритмів. Генетичне програмування. Проектування систем управління з використанням генетичних алгоритмів. Особливості програмної і апаратної реалізації генетичних алгоритмів.

Модуль іі Змістовий модуль 4. Біологічні і штучні нейронні мережі

Тема 9. Загальна характеристика нейронних мереж.

Біологічний нейрон. Історія штучних нейронних мереж. Штучна нейронна мережа. Класифікація штучних нейронних мереж та їх властивості. Типи активаційних функцій. Багатошаровий персептрон.

Тема 10. Методи навчання нейронної мережі.

Процес навчання нейронних мереж. Еталонні дані. Метод випадкового пошуку (random search). Метод зворотного поширення похибки (Error Back Propagation). Навчання нейронних мереж за допомогою генетичних алгоритмів. Навчання без вчителя.

Тема 11. Нейронні мережі в системах керування.

Основи нейрокерування. Послідовна схема нейромережевого керування. Паралельна схема контролера нейромережевого керування. Нейромережеве керування із зворотним зв’язком. Нейронні мережі зустрічного розповсюдження. Схема із звичайним контролером, що керується нейронною мережею. Недоліки систем керування з нейромережами.

Змістовий модуль 5. Проектування інтелектуальних систем управління

Тема 12. Проектування і дослідження нечітких логічних регуляторів з різними алгоритмами виводу.

Програмна і апаратна реалізація нечітких регуляторів. Стійкість систем з нечіткими регуляторами. Практичне застосування інтелектуальних систем з нечіткими регуляторами.

Тема 13. Спеціалізовані пакети для розрахунку, проектування і дослідження інтелектуальних систем в середовищі Matlab.

Пакет NEURAL NETWORK TOOLBOX в середовищі Matlab. Формування нейромережевих моделей в Simulink. Пакет FUZZY LOGIK TOOLBOX середовища Matlab. Робота FUZZY LOGIK з блоками Simulink. Експорт і імпорт результатів проектування нечітких систем і нейронної мережі.

Змістовий модуль 6. Синтез систем керування з нечіткою інформацією

Тема 14. Класичні методи синтезу систем з нечіткою логікою.

Нечіткі нейронні мережі. Синтез нечітких правил на основі числових даних. Нечітке управління по додатковому каналу. Модель об'єкта управління. Синтез нечіткого регулятора. Безекспертні методи синтезу систем керування з нечіткою інформацією. Оптимізація розподілу функцій приналежності НЛР. Синтез НЛР за прямими показниками якості.

Тема 15. Принципи компенсації нелінійності системи управління на основі нечіткого підходу.

Метод компенсації природних нелінійностей з використанням статичних характеристик нелінійностей. Спосіб компенсації природних нелінійностей з використанням помилки компенсації. Перевірка ефективності запропонованого способу на прикладі компенсації нелінійності з використанням помилки компенсації.

Тема 16. Синтез багатокаскадних нечітких систем управління технологічними процесами.

Синтез багатокаскадного нечіткого регулятора з алгоритмом виводу Сугено / Мамдані. Синтез багатокаскадного нечіткого регулятора з алгоритмом виводу Сугено / Сугено. Аналіз систем управління побудованих з різними поєднаннями алгоритмів нечіткого виводу. Синтез нечіткого багатокаскадного ПІД-регулятора. Нечітка багатокаскадна система управління. Порівняння систем, побудованих з використанням різних методів.

Перелік лабораторних робіт

1. Модель нейрона. Графічна візуалізація розрахунків в системі MATLAB

2. Процедури налаштування параметрів персептронних нейронних мереж. Правила налаштування. Процедура адаптації.

Перелік практичних занять

1. Основні співвідношення булевої алгебри та теорії нечітких множин. Методи побудови функцій приналежності нечітких множин.

2. Нечітка і лінгвістична змінні. Формалізація поняття нечіткого алгоритму. Нечіткі логічні регулятори.

ІІ . Контрольні завдання

Щоб навчитися використовувати теоретичні знання для рішення інженерних задач, методика вивчення дисципліни передбачає виконання індивідуальної роботи. Індивідуальна робота складається з трьох теоретичних завдань описового характеру і трьох задач. Варіанти завдань студент визначає за двома останніми цифрами номера (шифру) залікової книжки.

Номери трьох питань (теоретичне завдання індивідуальної роботи) вибирають за двома останніми цифрами шифру з табл.1., а самі питання наведені нижче.

Таблиця 1.

Остання цифра шифру Передостання цифра шифру	0	1	2	3	4	5	6	7	8	9
0	1, 25, 51	2, 26, 52	3, 27, 53	4, 28, 54	5, 29, 55	6, 30, 56	7, 31, 57	8, 32, 58	9, 33, 59	10, 34, 60
1	11, 35, 61	12, 36, 62	13, 37, 63	14, 38, 64	15, 39, 65	16, 40, 66	17, 41, 67	18, 42, 68	19, 43, 69	20, 44, 70
2	21,45, 71	22, 46, 72	23, 47, 73	24, 48, 74	25, 49, 75	26, 50, 75	1, 50, 74	2, 49, 73	3, 48, 72	4, 47, 71
3	5, 46, 70	6, 45, 69	7, 48, 68	8, 44, 67	9, 42, 66	10,41, 65	11, 40, 64	12, 39, 63	13, 38, 62	12, 37, 61
4	11, 36, 60	10, 35, 59	9, 34, 58	8, 33, 57	7, 32, 56	6, 31, 55	5, 30, 54	4, 29, 53	3, 28, 52	2, 27, 51
5	1, 26, 50	25, 30, 75	24, 31, 74	23,32, 73	22, 33, 72	21, 34, 71	20,35, 70	19, 36, 69	18, 37, 68	17, 38, 67
6	16, 39	15, 40	14, 41	13 42	12, 44	11 ,45	10, 46	9, 47	8, 48	7, 49
7	8, 50, 66	7, 26, 65	6, 27, 64	5, 28, 63	4, 29, 62	3, 30, 61	2, 31, 60	1, 32, 59	5, 50, 58	6, 49, 57
8	7, 48, 56	8, 47, 55	9, 46, 54	10, 45, 53	11, 43, 52	12, 40, 51	13, 39, 50	14, 38, 49	15, 37, 48	16, 36, 47
9	17, 35, 46	18, 34, 45	19, 33, 44	20, 32, 43	21, 31, 42	22, 30, 41	23, 29, 40	24, 28, 39	25, 44, 69	26, 40, 70

Питання до індивідуальної роботи.

1. Поняття інтелектуальної системи. Історія виникнення систем штучного інтелекту. Узагальнені принципи створення та функціонування інтелектуальних систем управління.

2. Відмінності інтелектуальних систем управління від традиційних систем.

3. Причини поширення інтелектуальних систем управління. Основні задачі їх синтезу.

4. Мета і задачі проектування інтелектуальних систем управління.

5. Поняття експертної системи. Характеристика процесу мислення.

6. Властивості слабоформалізованого керованого процесу. Методи вирішення неформалізованих задач.

7. Класифікація систем, основаних на знаннях.

8. Поняття експертної системи. Методи видобування знань з експертів.

9. Принципи побудови експертних систем, особливості, архітектура, технологія розробки і механізм виводу.

10. Взаємодія користувачів з експертною системою.

11. Моделі представлення знань в інтелектуальних системах. Представлення знань засобами логіки.

12. Моделі представлення знань в інтелектуальних системах. Продукційна модель представлення знань.

13. Моделі представлення знань в інтелектуальних системах. Фреймова модель.

14. Модель представлення знань у вигляді семантичної мережі.

15. Моделі представлення знань на основі нечіткої логіки.

16. Нейромережева модель представлення знань в інтелектуальних системах.

17. Моделі представлення знань в інтелектуальних системах.

18. Основні співвідношення булевої алгебри та теорії нечітких множин. Співвідношення та операції в нечіткій логіці.

19. Основні поняття нечітких множин. Нечіткі множини як способи формалізації нечіткості.

20. Основні характеристики нечітких множин. Приклади нечітких множин.

21. Методи побудови функцій приналежності нечітких множин.

22. Основи теорії нечітких множин. Візуальне представлення нечітких множин.

23. Операції над нечіткими множинами. Властивості операцій перетинання і об’єднання.

24. Нечіткі числа і операції над ними. Нечітка і лінгвістична змінні.

25. Поняття нечіткого керування. Нечіткі системи, їх характеристика, структура, властивості.

26. Структури інтелектуальних систем управління з нечіткими регуляторами.

27. Поняття нечіткого логічного виводу. Етапи нечіткого виводу рішення: фазифікація, нечітка база знань, композиція (агрегація) і дефазифікація.

28. Нечіткі алгоритми. Формалізація поняття нечіткого алгоритму.

29. Нечіткі логічні регулятори. Загальна схема нечіткого регулятора.

30. Приклади типових нечітких виводів (алгоритм Мамдані).

31. Приклади типових нечітких виводів (алгоритм Сугено).

32. Приклади типових нечітких виводів (алгоритм Тсукамото).

33. Приклади типових нечітких виводів (алгоритм Ларсен).

34. Методи агрегації (приведення до чіткості).

35. Поняття нечіткого логічного виводу. Спадаючі нечіткі виводи.

36. Поняття і структура генетичного алгоритму. Генетичні оператори.

37. Генетичні алгоритми. Подання параметрів оптимізації. Декодування генетичної інформації із двійкової форми до десяткової.

38. Репродуктивний план Холланда.

39. Генетичні алгоритми. Функція пристосованості. Селекція батьківських хромосом.

40. Параметри типи і способи використання генетичних алгоритмів в інтелектуальних системах управління.

41. Критерії оптимізації генетичних алгоритмів.

42. Модифікації генетичних алгоритмів. Генетичне програмування.

43. Проектування систем управління з використанням генетичних алгоритмів.

44. Особливості програмної і апаратної реалізації генетичних алгоритмів.

45. Загальна характеристика штучних нейронних мереж.

46. Біологічний нейрон. Історія виникнення штучних нейронних мереж.

47. Типи і структура штучних нейронних мереж.

48. Класифікація штучних нейронних мереж та їх властивості.

49. Типи активаційних функцій. Багатошаровий персептрон.

50. Методи навчання штучної нейронної мережі.

51. Процес навчання нейронних мереж. Еталонні дані.

52. Процес навчання нейронних мереж. Метод випадкового пошуку (random search).

53. Процес навчання нейронних мереж. Метод зворотного поширення похибки (Error Back Propagation).

54. Навчання штучних нейронних мереж за допомогою генетичних алгоритмів.

55. Навчання штучних нейронних мереж без вчителя.

56. Нейронні мережі в системах керування. Основи нейрокерування.

57. Нейронні мережі в системах керування. Послідовна схема нейромережевого керування.

58. Нейронні мережі в системах керування. Паралельна схема контролера нейромережевого керування.

59. Нейромережеве керування із зворотним зв’язком.

60. Нейронні мережі зустрічного розповсюдження.

61. Схема системи управління із звичайним контролером, що керується нейронною мережею.

62. Переваги і недоліки систем керування з нейронними мережами.

63. Особливості проектування і дослідження нечітких логічних регуляторів з різними алгоритмами виводу.

64. Програмна і апаратна реалізація нечітких регуляторів.

65. Стійкість систем з нечіткими регуляторами.

66. Спеціалізовані пакети для розрахунку, проектування і дослідження інтелектуальних систем в середовищі Matlab (призначення, структура).

67. Спеціалізований пакет NEURAL NETWORK TOOLBOX в середовищі Matlab. Формування нейромережевих моделей в Simulink.

68. Спеціалізований пакет FUZZY LOGIK TOOLBOX середовища Matlab. Робота FUZZY LOGIK з блоками Simulink.

69. Експорт і імпорт результатів проектування нечітких систем і нейронної мережі.

70. Класичні методи синтезу систем з нечіткою логікою.

71. Нечіткі нейронні мережі.

72. Безекспертні методи синтезу систем керування з нечіткою інформацією.

73. Синтез нечітких правил на основі числових даних.

74. Нечітке управління за додатковим каналом. Модель об'єкта управління.

75. Синтез нечіткого логічного регулятора (НЛР). Оптимізація розподілу функцій приналежності НЛР.