Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Neural networks and fuzzy systems in engineering
Tok studiów:
2013/2014
Kod:
RMS-1-608-s
Wydział:
Inżynierii Mechanicznej i Robotyki
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Mechatronics with English as instruction languagege
Semestr:
6
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Angielski
Forma i tryb studiów:
Stacjonarne
Strona www:
 
Osoba odpowiedzialna:
dr inż. Czop Piotr (pczop@agh.edu.pl)
Osoby prowadzące:
dr inż. Czop Piotr (pczop@agh.edu.pl)
Krótka charakterystyka modułu

Opis efektów kształcenia dla modułu zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń)
Wiedza
M_W001 has a fundamental knowledge regarding neural network taxonomy, architectures and topologies. knows basic methods of learning of neural networks. Kolokwium
M_W002 has fundamental knowledge in area of fuzzy algebra and fuzzy inference methods Kolokwium
M_W003 has knowledge about adjustment and identification of parameters of neural and fuzzy logic systems and their combinations with the use of numerical optimization methods. Kolokwium
M_W004 has ability to provide research and commercial application areas of neural networks and fuzzy-logic systems taking into account their strengths and weaknesses (advantages/disadvantages) Kolokwium
Umiejętności
M_U001 is able to define a neural network structure required to solve a given engineering problem Wykonanie ćwiczeń laboratoryjnych
M_U002 is able to create a multi-layer neural network with a topology adequate to solve a simple engineering task, e.g. approximation of data generated with the use of a nonlinear mathematical function. Wykonanie ćwiczeń laboratoryjnych
M_U003 is able to develop a fuzzy-logic system allowing to conduct an inference process in order to solve a simple engineering task, e.g. taking design or maintenance decision, grouping or classifying data sets Wykonanie ćwiczeń laboratoryjnych
Kompetencje społeczne
M_K001 is able to evaluate important and less important aspects (priorities) in a solving process of engineering problems with the use of neural networks or fuzzy-logic systems Projekt inżynierski,
Wykonanie ćwiczeń laboratoryjnych
M_K002 learns and develops teamwork skills Zaangażowanie w pracę zespołu
M_K003 improves ability to evaluate required human and hardware resources in application to solve engineering problems with neural networks and fuzzy-logic systems Projekt inżynierski
Matryca efektów kształcenia w odniesieniu do form zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Inne
Zaj. terenowe
Zaj. warsztatowe
E-learning
Wiedza
M_W001 has a fundamental knowledge regarding neural network taxonomy, architectures and topologies. knows basic methods of learning of neural networks. + - - - - - - - - - -
M_W002 has fundamental knowledge in area of fuzzy algebra and fuzzy inference methods + - - - - - - - - - -
M_W003 has knowledge about adjustment and identification of parameters of neural and fuzzy logic systems and their combinations with the use of numerical optimization methods. + - - - - - - - - - -
M_W004 has ability to provide research and commercial application areas of neural networks and fuzzy-logic systems taking into account their strengths and weaknesses (advantages/disadvantages) + - - - - - - - - - -
Umiejętności
M_U001 is able to define a neural network structure required to solve a given engineering problem - - + - - - - - - - -
M_U002 is able to create a multi-layer neural network with a topology adequate to solve a simple engineering task, e.g. approximation of data generated with the use of a nonlinear mathematical function. - - + - - - - - - - -
M_U003 is able to develop a fuzzy-logic system allowing to conduct an inference process in order to solve a simple engineering task, e.g. taking design or maintenance decision, grouping or classifying data sets - - + - - - - - - - -
Kompetencje społeczne
M_K001 is able to evaluate important and less important aspects (priorities) in a solving process of engineering problems with the use of neural networks or fuzzy-logic systems + - + - - - - - - - -
M_K002 learns and develops teamwork skills - - + - - - - - - - -
M_K003 improves ability to evaluate required human and hardware resources in application to solve engineering problems with neural networks and fuzzy-logic systems - - + - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:

1. Introduction
2. Model of an artifical neuron
3. Topologies and classification of neural networks
4. Fuzz-sets theory and fuzzy inference methods
5. Classification of fuzzy-systems.
6. Neural networks and fuzzy system learning process
7. Application scope

Ćwiczenia laboratoryjne:

1. Network topologies
2. Training methods
3. Fuzzy system inference mechanism
4. Applications: time series forecasting
5. Applications: approximation and modeling of dynamic systems
6. Applications: pattern recognition

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 80 godz
Punkty ECTS za moduł 3 ECTS
Samodzielne studiowanie tematyki zajęć 50 godz
Przygotowanie do zajęć 30 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

Average from an exam and laboratory exercises (project-orientated work)

Wymagania wstępne i dodatkowe:

Ability to work with Matlab/Simulink packages
Ability to use an algorithmic approach to solve engineering problems
Knowledge about numerical methods including algorithms for minimizing the criterial function regarding the zero-order methods (searching), first-, and second order methods (first/second derivative)
Knowledge about fuzzy algebra and fuzzy-logic inference methods
Knowledge about theory of neural networks

Zalecana literatura i pomoce naukowe:

1. Tadeusiewicz R.: Sieci neuronowe, Warszawa 1993
2. Tadeusiewicz R.: Odkrywanie właściwości sieci neuronowych przy użyciu programów w języku C#, Kraków 2007
3. Żurada J., Barski M., Jędruch M.: Sztuczne sieci neuronowe, Warszawa 1996
4. Fausett L., Fundamental of Neural Networks architectures, algorithms, and applications, Prentice Hall, USA 1994.
5. Osowski S., Sieci neuronowe do przetwarzania informacji, Warszawa 2006.

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Brak