Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Inżynieria wiedzy i systemy ekspertowe
Tok studiów:
2016/2017
Kod:
MIS-1-701-s
Wydział:
Inżynierii Metali i Informatyki Przemysłowej
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Informatyka Stosowana
Semestr:
7
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Strona www:
 
Osoba odpowiedzialna:
Mrzygłód Barbara (mrzyglod@agh.edu.pl)
Osoby prowadzące:
Mrzygłód Barbara (mrzyglod@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 Ma pogłębioną wiedzę z zakresu sztucznej inteligencji w tym zagadnień związanych z budową systemów ekspertowych z bazą wiedzy IS1A_W10
M_W002 Zna podstawowe metody, techniki i narzędzia stosowane w zaganieniach dotyczących budowy systemów z bazą wiedzy. IS1A_W10 Wykonanie ćwiczeń laboratoryjnych
M_W003 Ma wiedzę o trendach rozwojowych i najistotniejszych nowych osiągnięciach z zakresu sztucznej inteligencji i inżynierii wiedzy IS1A_W10 Wykonanie ćwiczeń laboratoryjnych
M_W004 potrafi dokonać identyfikacji i sformułować specyfikę prostych zadań inżynierskich o charakterze praktycznym IS1A_U16 Projekt
Umiejętności
M_U001 potrafi pozyskiwać informacje z literatury, baz danych oraz innych właściwie dobranych źródeł, w tym także konsultacje z ekspertami, w celu dokonania jej formalizacji dla systemu ekspertowego, potrafi integrować uzyskane informacje, wyciągać wnioski oraz formułować i wyczerpująco uzasadniać opinie IS1A_U01 Projekt
M_U002 potrafi samodzielnie opracować i zaimplementować system ekspertowy rozwiązujący proste zagadnienie technologiczne z samodzielnie wybranego zakresu IS1A_U16, IS1A_U07 Wykonanie projektu
Kompetencje społeczne
M_K001 rozumie potrzebę uczenia się przez całe życie i nadążania za nowymi rozwiązaniami z zakresu inżynierii wiedzy IS1A_K01 Aktywność na zajęciach
M_K002 ma świadomość społecznej roli absolwenta uczelni technicznej IS1A_K05 Aktywność na zajęciach
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
Zaj. terenowe
Zaj. warsztatowe
Inne
E-learning
Wiedza
M_W001 Ma pogłębioną wiedzę z zakresu sztucznej inteligencji w tym zagadnień związanych z budową systemów ekspertowych z bazą wiedzy + - - - - - - - - - -
M_W002 Zna podstawowe metody, techniki i narzędzia stosowane w zaganieniach dotyczących budowy systemów z bazą wiedzy. + - - - - - - - - - -
M_W003 Ma wiedzę o trendach rozwojowych i najistotniejszych nowych osiągnięciach z zakresu sztucznej inteligencji i inżynierii wiedzy + - - - - - - - - - -
M_W004 potrafi dokonać identyfikacji i sformułować specyfikę prostych zadań inżynierskich o charakterze praktycznym + - - - - - - - - - -
Umiejętności
M_U001 potrafi pozyskiwać informacje z literatury, baz danych oraz innych właściwie dobranych źródeł, w tym także konsultacje z ekspertami, w celu dokonania jej formalizacji dla systemu ekspertowego, potrafi integrować uzyskane informacje, wyciągać wnioski oraz formułować i wyczerpująco uzasadniać opinie - - + - - - - - - - -
M_U002 potrafi samodzielnie opracować i zaimplementować system ekspertowy rozwiązujący proste zagadnienie technologiczne z samodzielnie wybranego zakresu - - + - - - - - - - -
Kompetencje społeczne
M_K001 rozumie potrzebę uczenia się przez całe życie i nadążania za nowymi rozwiązaniami z zakresu inżynierii wiedzy - - + - - - - - - - -
M_K002 ma świadomość społecznej roli absolwenta uczelni technicznej - - + - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:
  1. Podstawowe pojęcia w inżynierii wiedzy. Komputerowe systemy z bazą wiedzy (4 godz.)

    Dane, informacja , wiedza; pozyskiwanie, gromadzenie, przetwarzanie, przechowywanie wiedzy

    Charakterystyka systemów z bazą wiedzy, podział (czasu rzeczywistego, wspomagania decyzji, ekspertowe). Rola i zadania systemów ekspertowych. Przykłady istniejących systemów z bazą wiedzy. Struktura (moduły charakterystyczne) i zasada działania systemów z bazą wiedzy

  2. Systemy regułowe – fakty i reguły. Systemy regułowe – wnioskowanie. (4 godz. )

    Wprowadzenie do reprezentacji wiedzy w systemach ekspertowych. Co to są fakty dla systemu ekspertowego. Sposoby reprezentacji, definiowania, rodzaje faktów.
    Reguły: typy reguł, sposób reprezentacji.
    Wprowadzenie do klasycznego rachunku zdań i rachunku predykatów.
    Charakterystyka metod wnioskowania: wprzód, wstecz, mieszane. Przykłady.

  3. Reprezentacja wiedzy niepewnej i niepełnej – wprowadzenie do logiki rozmytej (2 godz.)

    Podstawowe pojęcia w logice rozmytej
    - zmienna lingwistyczna,
    - zbiór rozmyty,
    - współczynnik przynależności,
    - funkcja przynależności,
    - podstawowe operacje na zbiorach rozmytych,
    - operatory S-normy i T-normy.

  4. Logika rozmyta – wnioskowanie w logice rozmytej (2 godz.)

    Omówienie modelu wnioskowania typu Mamdani.
    Omówienie podstawowych modułów wnioskowania w logice rozmytej:
    - rozmywanie,
    - inferencja’
    - defuzyfikacja.
    Przykłady.

  5. Logika rozmyta – podstawowe zasady wyostrzania zbioru wynikowego (2 godz.)

    Omówienie i analiza metod wyostrzania:
    1) metoda pierwszego maksimum
    2) metoda ostatniego maksimum
    3) metoda środka maksimum
    4) metoda środka ciężkości
    5) metoda wysokości

  6. Systemy neuronowo rozmyte. . Algorytm ANFIS (4 godz.)

    Omówienie modelu wnioskowania SUGENO.
    Omówienie algorytmu ANFIS (Adaptive Neuro-Fuzzy Inference System) – system neuronowo – rozmyty stanowiący połączenie sieci neuronowych i systemów rozmytych. Umożliwia wykorzystanie zarówno regułowej reprezentacji wiedzy systemów rozmytych jak i metod uczenia stosowanych w przypadku sieci neuronowych.
    Wprowadzenie do sieci neuronowych.

  7. Sieci neuronowe (4 godz.)

    1. Podstawowe wiadomości ze sztucznej inteligencji
    2. Neurony biologiczne, sztuczne modele neuronów, metody uczenia
    3. Modele sztucznych sieci neuronowych
    4. Sieci neuronowe jedno i wielowarstwowe
    5. Reguły uczenia sieci neuronowych
    6. Nadzorowane uczenie sieci neuronowych

  8. Języki CLIPS/JESS jako narzędzie do tworzenia systemów ekspertowych (2 godz.)

    Języki CLIPS/JESS jako narzędzie do tworzenia systemów ekspertowych. Podstawowe komendy, sposób kodowania faktów i reguł, przykładowe realizacje prostych systemów ekspertowych (6. godz.)

  9. Drzewa decyzyjne/regresyjne jako narzędzie do tworzenia reguł dla SE (4 godz.)

    Wprowadzenie do metod data-mining.
    Krótkie omówienie technik eksploracji danych (odkrywanie asocjacji, odkrywanie wzorców sekwencyjnych, klasyfikacja, regresja odkrywanie charakterystyk, analiza skupień (klastrowanie, grupowanie), dyskryminacja, wykrywanie zmian i odchyleń).
    Omówienie podziału cech atrybutów (ciągłe, dyskretne).
    Drzewa klasyfikacyjne. Drzewa regresyjne.
    Omówienie kryteriów podziału drzewa i algorytmów tworzenia drzewa:

    Zysk informacyjny (algorytmy ID3, C4.5)
    Indeks GINI (algorytmy CART, SPRINT)
    Indeks korelacji chi2

Ćwiczenia laboratoryjne:
  1. Opracowanie modeli wnioskowania w logice rozmytej. Zapoznanie studentów ze środowiskiem Matlab (moduł fuzzy).

    Zapoznanie studentów ze środowiskiem Matlab (moduł FUZZY), w którym realizują projekt z logiki rozmytej. Zajęcia przebiegają zgodnie z przygotowanymi instrukcjami:
    1. Wprowadzenie do logiki rozmytej – poznanie środowiska poprzez opracowanie projektu wnioskowania dla zadanego problemu;
    2. Projekt sterownika rozmytego typu Mamdani – (klimatyzator, zraszacz);
    3. Projekt sterownika rozmytego typu Sugeno – (zraszacz, własne propozycje);
    4. Wnioskowanie w systemach rozmytych – zajęcia “tablicowe”. Wykonanie samodzielnie obliczeń dla przedstawionych problemów. Weryfikacja obliczeń w projekcie Matlab;
    5. Systemy neuronowo-rozmyte. Omówienie i zapoznanie z algorytmem ANFIS. Praca w systemie Matlab;
    6. Opracowanie sztucznych sieci neuronowych i ich analiza, z wykorzystaniem pakietów Matlab i Statistica.

    Weryfikacja wiadomości:
    - wykonanie instrukcji przygotowanej do każdych zajęć;
    - kolokwium;
    - wykonanie projektu z LR

  2. Zapoznanie studentów ze środowiskiem do tworzenia systemów ekspertowych JESS.

    1. Wprowadzenie do języka programistycznego JESS
    2. Kontrola przepływu wykonywania -pętle (foreach, if, while …). Tworzenie własnych funkcji przy pomocy polecenia deffunction( ).
    3. JESS – FAKTY.
    4. JESS – REGUŁY
    5. JESS – PRZYKŁADOWY SYSTEM EKSPERTOWY

    Weryfikacja wiadomości:
    - wykonanie instrukcji przygotowanej do każdych zajęć;
    - kolokwium;
    - wykonanie projektu SE.

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 128 godz
Punkty ECTS za moduł 5 ECTS
Udział w wykładach 28 godz
Udział w ćwiczeniach laboratoryjnych 28 godz
Przygotowanie do zajęć 20 godz
Egzamin lub kolokwium zaliczeniowe 2 godz
Dodatkowe godziny kontaktowe z nauczycielem 10 godz
Samodzielne studiowanie tematyki zajęć 40 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

SYSTEM PUNKTOWY
Wykonanie instrukcji do zajęć
Punkty z kolokwium
Wykonanie projektu (do wyboru Jess lub LR)

SUMA punktów do zdobycia = 100%
OL – ocena z ćwiczeń laboratoryjnych

OL – wystawiana zgodnie z regulaminem AGH, tj.
<100-91>% ocena 5,0
(91-81>% ocena 4,5
(81-71>% ocena 4,0
(71- 61>% ocena 3,5
(61- 51>% ocena 3,5
poniżej 51% ocena 2,0

OE – ocena z egzaminu pisemnego

Ocena końcowa (Ok) to średnia ważona z ocen cząstkowych:
Ok = 0,5 OE + 0,5 OL

Wymagania wstępne i dodatkowe:

Zgodnie z Regulaminem Studiów AGH podstawowym terminem uzyskania zaliczenia jest ostatni dzień zajęć w danym semestrze. Termin zaliczenia poprawkowego (tryb i warunki ustala prowadzący moduł na zajęciach początkowych) nie może być późniejszy niż ostatni termin egzaminu w sesji poprawkowej (dla przedmiotów kończących się egzaminem) lub ostatni dzień trwania semestru (dla przedmiotów niekończących się egzaminem).

Zalecana literatura i pomoce naukowe:

1. Mulawka J. Systemy ekspertowe, 1997,
2. Niederliński A. Regułowe systemy ekspertowe, 2000.
3. Bubnicki z. Wstęp do systemów ekspertowych, PWN, 1990.
4. Rutkowska D., Piliński M., Rutkowski L., Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. PWN, Warszawa 1997.
5. Białko M. Sztuczna inteligencja i elementy hybrydowych systemów ekspertowych. Koszalin 2005.
6. Bolc L. Cytowski J., Stacewicz P., O logice i wnioskowaniu rozmytym. IPI PAN, Warszawa 1996.
7. Zadech L. A. , An introduction to fuzzy aplications in intelligent systems. Kluwer Academic Publ. Boston 1992.
8. Tadeusiewicz R.: Sieci neuronowe. Akademicka Oficyna Wydawnicza RM, Warszawa 1993.
9. Korbicz J., Obuchowicz A., Uciński D; Sztuczne sieci neuronowe, Oficyna Wydawnicza PLJ, Warszawa 1994
10. Tadeusiewicz R.: Elementarne wprowadzenie do techniki sieci neuronowych z przykładowymi programami. Akademicka Oficyna Wydawnicza PLJ, Warszawa 1998.
11. Osowski Stanisław: Sieci neuronowe do przetwarzania informacji, Oficyna wyd. Politechniki Warszawskiej, Warszawa 2006
12. Rutkowski L.: Metody i techniki sztucznej inteligencji, WN PWN, Warszawa 2006
7. pod red. Nałęcza M.; Sieci Neuronowe Tom 6, Biocybernetyka i Inżynieria Biomedyczna 2000, Akademicka Oficyna Wydawnicza Exit, Warszawa 2000
13. Rutkowska D., Piliński M., Rutkowski L.; Sieci neuronowe , algorytmy genetyczne i systemy rozmyte, Wydawnictwo Naukowe PWN, Warszawa-Łódź 1997
14. Tematyczne strony internetowe:
http://clipsrules.sourceforge.net/
http://www.rmse.pl/
http://jessrules.com/
http://mathworks.com/help/toolbox/fuzzy

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

http://www.bpp.agh.edu.pl/

The integration of knowledge about the manufacturing process of ADI with the use of artificial intelligence methods / B. MRZYGŁÓD, I. OLEJARCZYK-WOŻEŃSKA, K. REGULSKI // Archives of Foundry Engineering/ Polish Academy of Sciences. Commission of Foundry Engineering ; ISSN 1897-3310. — Tytuł poprz.: Archiwum Odlewnictwa. — 2015 vol. 15 spec. iss. 2, s. 59–64. — Bibliogr. s. 64,
The expert system for forging processes / Z. Gronostajski, M. Hawryluk, A. Niechajowicz, M. Marciniak, M. Zwierzchowski, S. Polak, A. ADRIAN, B. MRZYGŁÓD, J. DURAK // W: AutoMetForm 2012 : Advanced Metal Forming processes in automotive industry : the 3\textsuperscript{st} international Lower Silesia–Saxony conference : 13–16 May 2012, Wroclaw, Poland : the conference materials / ed. Zbigniew Gronostajski. — [Wrocław : s. n.], 2012. —S. 359–370. — Bibliogr. s. 369–370

System ekspertowy do prognozowania trwałości narzędzi w procesach kucia matrycowego — The expert system for die life prediction in closed-die forging processes / Zbigniew Gronostajski, Marek Hawryluk, Adam Niechajowicz, Marcin Marciniak, Barbara MRZYGŁÓD // Hutnik Wiadomości Hutnicze : czasopismo naukowo-techniczne poświęcone zagadnieniom hutnictwa ; ISSN 1230-3534. — 2012 R. 79 nr 8, s. 579–582. — Bibliogr. s. 582. — Afiliacja B. Mrzygłód: Akademia Górniczo-Hutnicza, Pracownia Informatyki, Kraków.

Prediction of technological process parameters based on experimental data — Przewidywanie parametrów procesu technologicznego w oparciu o dane eksperymentalne / Andrzej OPALIŃSKI, Mirosław GŁOWACKI, Izabela OLEJARCZYK-WOŻEŃSKA, Barbara MRZYGŁÓD // Czasopismo Techniczne = Technical Transactions /Politechnika Krakowska; ISSN 0011-4561; R. 112 z. 7. Mechanika = Mechanics ; ISSN 1897-6328. — 2015 2-M, s. 203–210. — Bibliogr. s. 209–210
Module to generate rules for the knowledge base in a CAPCAST expert system / B. MRZYGŁÓD, K. Ścira // Archives of Foundry Engineering / Polish Academy of Sciences. Commission of Foundry Engineering ; ISSN 1897-3310. — Tytuł poprz.: Archiwum Odlewnictwa. — 2012 vol. 12 iss. 2, s. 167–170. — Bibliogr. s. 170, Abstr.

Model strukturyzacji wiedzy dla systemu wspomagania decyzji — Knowledge structuring models for decision support system / Anna ADRIAN, Barbara MRZYGŁÓD, Jarosław DURAK // Hutnik Wiadomości Hutnicze : czasopismo naukowo-techniczne poświęcone zagadnieniom hutnictwa ; ISSN 1230-3534. — 2012 R. 79 nr 1, s. 67–70. — Bibliogr. s. 70

Model of knowledge representation about materials in the form of a relational database for CAPCAST system /B. MRZYGŁÓD, K. REGULSKI // Archives of Foundry Engineering / Polish Academy of Sciences. Commission of Foundry Engineering ; ISSN 1897-3310. — Tytuł poprz.: Archiwum Odlewnictwa. — 2011 vol. 11 iss. 3, s. 81–86. — Bibliogr. s. 85–86, Abstr.

Modelowanie wiedzy z zakresu wytwarzania elementów maszyn z zastosowaniem logiki deskrypcyjnej — Application of description logic in the modelling of knowledge about the production of machine parts / Barbara MRZYGŁÓD, Krzysztof REGULSKI // Hutnik Wiadomości Hutnicze : czasopismo naukowo-techniczne poświęcone zagadnieniom hutnictwa ; ISSN 1230-3534. — 2012 R. 79 nr 3, s. 148–151. — Bibliogr. s. 151

Modelowanie wiedzy z zakresu wytwarzania elementów maszyn z zastosowaniem logiki deskrypcyjnej — Application of description logic in the modeling of knowledge about the production of machine parts / Barbara MRZYGŁÓD, Krzysztof REGULSKI // W: KomPlasTech 2012 [Dokument elektroniczny] : informatyka w technologii metali : Szczyrk, 15–18 stycznia 2012. — Wersja do Windows. — Dane tekstowe. — [Katowice : s. n.], 2012. — Dane na dysku Flash. —S. [1–8]. — Wymagania systemowe: Adobe Acrobat Reader. — Bibliogr. s. 8. — Tytuł przejęto ze s. tyt.. — Afiliacja: Akademia Górniczo-Hutnicza

Methods of development fuzzy logic driven decision-support models in copper alloys processing / S. Kluska-Nawarecka, Z. Górny, B. MRZYGŁÓD, D. Wilk-Kołodziejczyk, K. REGULSKI // Archives of Foundry Engineering / Polish Academy of Sciences. Commission of Foundry Engineering ; ISSN 1897-3310. — Tytuł poprz.: Archiwum Odlewnictwa. — 2010 vol. 10 spec. iss. 1, s. 23–28. — Bibliogr. s. 28, Abstr.. — Zastosowano procedurę peer review. — D. Wilk-Kołodziejczyk – afiliacja: The Andrzej Frycz Modrzewski Krakow University College ; S. Kluska-Nawarecka – afiliacja: Polish Foundry Research Institute

Informacje dodatkowe:

Brak