EE-7B11 ΔΤΦΤΗ ΤΣΗΜΑΣΑ ΒΑΙΚΔ ΠΛΗΡΟΦΟΡΙΔ Τμιμα Ηλεκτρονικήσ Τίτλοσ Μακιματοσ Ευφυι Συςτιματα Κωδικόσ Μακιματοσ ΕΕ-7Β11 Θεωρία / Εργαςτιριο Θεωρία + Εργαςτιριο Εξάμθνο Διδαςκαλίασ Η Πιςτωτικζσ μονάδεσ 4 Ώρεσ Διδαςκαλίασ 2Θ+2Ε Φόρτοσ Εργαςίασ 120 Υποχρεωτικό / Επιλογισ Επιλογισ Υπεφκυνοσ Μακιματοσ Αλεξανδρίδθσ Αλζξανδροσ Διδάςκων Αλεξανδρίδθσ Αλζξανδροσ Επικουρικό Προςωπικό Τρόποσ Διδαςκαλίασ Θεωπηηική Διδαζκαλία, Επγαζηηπιακέρ αζκήζειρ και επιδείξειρ, Επγαζίερ, Εξεηάζειρ Αξιολόγθςθ Επγαζίερ 30%, Τελική Εξέηαζη 20%, Επγαζηήπιο 50% Προαπαιτοφμενα ΠΔΡΙΓΡΑΦΗ κοπός Ο ςκοπόσ του μακιματοσ είναι αρχικά να ειςάγει τουσ φοιτθτζσ ςτισ ζννοιεσ τθσ τεχνθτισ νοθμοςφνθσ και ςτθ ςυνζχεια να παρουςιάςει το πϊσ αυτζσ μποροφν να χρθςιμοποιθκοφν προκειμζνου να καταςκευαςτοφν ευφυι ςυςτιματα. Στα πλαίςια του μακιματοσ κα δοκεί ζμφαςθ ςτα βαςικά εργαλεία υπολογιςτικισ νοθμοςφνθσ όπωσ είναι τα νευρωνικά δίκτυα και θ αςαφισ λογικι, ενϊ κα αναλυκεί και θ δυνατότθτα υλοποίθςθσ ευφυϊν ςυςτθμάτων μζςω υλικοφ (hardware). Τζλοσ κα παρουςιαςτοφν εφαρμογζσ ευφυϊν ςυςτθμάτων ςε μια ευρεία περιοχι επιςτθμονικϊν πεδίων όπωσ είναι θ ρομποτικι, θ προςομοίωςθ και ο αυτόματοσ ζλεγχοσ, θ αναγνϊριςθ προτφπων, τα ςυςτιματα λιψεωσ αποφάςεων κ.α. Μαθηζιακά Αποηελέζμαηα
Ζχοντασ ολοκλθρϊςει επιτυχϊσ το μάκθμα οι ςπουδαςτζσ κα είναι ςε κζςθ να: Κατανοιςουν τισ ζννοιεσ και τισ βαςικζσ αρχζσ των ςυςτθμάτων που βαςίηονται ςτθν τεχνθτι νοθμοςφνθ Αναλφςουν και να ςχεδιάςουν ευφυι ςυςτιματα Εφαρμόςουν ευφυι ςυςτιματα ςε μια ευρεία γκάμα προβλθμάτων που είναι δφςκολο να επιλυκοφν με ςυμβατικζσ μεκοδολογίεσ Ανηικείμενα ποσ καλύπηονηαι Ειςαγωγή ςτα Ευφυή Συςτήματα Ιςτορία των ευφυών ςυςτημάτων Έμπειρα ςυςτήματα Συςτήματα γνώςησ Ευφυή Συςτήματα και Τεχνητή Νοημοςύνη Υπολογιςτική Ευφυΐα Μηχανική μάθηςη Νευρωνικά Δίκτυα Ειςαγωγι ςτα νευρωνικά δίκτυα Μζκοδοι εκμάκθςθσ (διόρκωςθσ ςφάλματοσ, Hebbian, ανταγωνιςτικι) Αρχιτεκτονικζσ νευρωνικϊν δικτφων Νευρωνικά δίκτυα MultiLayer Perceptrn (MLP) Νευρωνικά δίκτυα Radial Basis Functin (RBF) Αναγνϊριςθ προτφπων και νευρωνικά δίκτυα Εφαρμογζσ νευρωνικϊν δικτφων ςτθν επεξεργαςία εικόνασ Καταςκευι νευρωνικϊν δικτφων με υλικό (hardware) Δυναμικά ςυςτήματα και νευροδυναμική Ειςαγωγι ςτα δυναμικά ςυςτιματα Μοντζλα χϊρου κατάςταςθσ Φίλτρο Kalman Διευρυμζνο φίλτρο Kalman Καταςτάςεισ ιςορροπίασ Ελκυςτζσ Παράξενοι ελκυςτζσ και Χάοσ Προςομοίωςθ δυναμικϊν ςυςτθμάτων με νευρωνικά δίκτυα Αςαφήσ λογική Ειςαγωγι ςτθν Αςαφι λογικι Αςαφι ςφνολα Αςαφοποίθςθ - Αποαςαφοποίθςθ Αςαφείσ κανόνεσ Αςαφείσ ελεγκτζσ Εφαρμογζσ αςαφϊν ςυςτθμάτων ςτθν αναγνϊριςθ προτφπων Ειςαγωγή ςτουσ γενετικοφσ αλγόριθμουσ και τον εξελικτικό υπολογιςμό
Δργαζηηριακές Αζκήζεις Εργαςτθριακι εκπαίδευςθ των φοιτθτϊν πραγματοποιϊντασ 13 εργαςτθριακζσ αςκιςεισ εςτιαςμζνεσ ςτα βαςικότερα αντικείμενα τθσ κεωρθτικισ διδαςκαλίασ. Οι αςκιςεισ κα είναι προςανατολιςμζνεσ πάνω ςτα ακόλουκα πεδία: Ζμπειρα Συςτιματα Νευρωνικά Δίκτυα (Εκπαίδευςθ νευρωνικϊν δικτφων Εφαρμογζσ ςτθν αναγνϊριςθ προτφπων και τθν επεξεργαςία εικόνασ) Δυναμικά ςυςτιματα Νευροδυναμικι (Προςομοίωςθ δυναμικϊν ςυςτθμάτων με νευρωνικά δίκτυα) Αςαφισ λογικι (Σχεδιαςμόσ αςαφϊν ελεγκτϊν) Ειςαγωγι ςτα ρομποτικά ςυςτιματα (Ζλεγχοσ ανάςτροφου εκκρεμοφσ με ευφυείσ ελεγκτζσ) Γιδακηικές και Μαθηζιακές δραζηηριόηηηες Οι μέθοδοι διδαζκαλίας περιλαμβάνοσν: Παραδοςιακι διδαςκαλία με διαλζξεισ ςτισ οποίεσ χρθςιμοποιοφνται τεχνολογίεσ πολυμζςων και το διαδίκτυο Επίλυςθ αςκιςεων Εφαρμογι του λογιςμικοφ Matlab και των πακζτων Neural netwrk tlbx και Fuzzy lgic tlbx για ςχεδίαςθ ευφυϊν ςυςτθμάτων Εξομοιϊςεισ με χριςθ του εργαλείου δυναμικισ προςομοίωςθσ Simulink Επιβλεπόμενεσ εργαςτθριακζσ αςκιςεισ Εργαςτθριακζσ επιδείξεισ ςε ρομποτικό ςφςτθμα Οι μαθηζιακές δραζηηριόηηηες περιλαμβάνοσν Επίλυςθ αςκιςεων Υλοποίθςθ ομαδικϊν εργαςιϊν Προγραμματιςμό ςε Matlab κακϊσ και χριςθ των πακζτων Neural netwrk
tlbx και Fuzzy lgic tlbx για ςχεδίαςθ ευφυϊν ςυςτθμάτων Χριςθ του λογιςμικοφ Simulink για δυναμικι προςομοίωςθ ευφυϊν ςυςτθμάτων Χρθςιμοποίθςθ του διαδικτφου για τθν εφρεςθ πρόςκετων πλθροφοριϊν για το μάκθμα. Ατομικι μελζτθ Γραπτζσ εξετάςεισ Βιβλιογραθία Δλληνική: S. Haykin, Νευρωνικά Δίκτυα και Μθχανζσ Μάκθςθσ, Εκδόςεισ Παπαςωτθρίου, 2010 Σ. Τηαφζςτασ, Υπολογιςτικι νοθμοςφνθ (Τόμοι Α και Β), Αυτοζκδοςθ, 2008 Κ. Διαμανταράσ, Τεχνθτά Νευρωνικά Δίκτυα, Εκδόςεισ Κλειδάρικμοσ, 2007 Ι. Θεοδϊρου, Ειςαγωγι ςτθν Αςαφι Λογικι, Εκδόςεισ Τηιόλα, 2010 Ι. Βλαχάβασ, Π. Κεφαλάσ, Ν. Βαςιλειάδθσ, Φ. Κόκκορασ, Θ. Σακελλαρίου, Τεχνθτι νοθμοςφνθ, Γκίουρδασ Εκδοτικι, 2006 Ε. Χατηίκοσ, Matlab για Επιςτιμονεσ και Μθχανικοφσ, Εκδόςεισ Τηιόλα, 2010 Ξενόγλωζζη: A.P. Engelbrecht, Cmputatinal Intelligence: An Intrductin, 2 nd Editin, Wiley S. Haykin, Neural Netwrks and Learning Machines, 3 rd editin, Prentice Hall S. Haykin, Neural netwrks, Englewd Cliffs, 2 nd Editin NJ: Prentice-Hall C. Bishp, Neural Netwrks fr Pattern Recgnitin, Oxfrd University Press J.M. Zurada, Intrductin t Artificial Neural Systems, Pws Pub C T.J. Rss, Fuzzy Lgic with Engineering Applicatins, 2 nd Editin, Wiley K. Tanaka, An Intrductin t Fuzzy Lgic fr Practical Applicatins, Springer D. E. Gldberg, Genetic Algrithms in Search, Optimizatin, and Machine Learning, Addisn-Wesley Prfessinal Z. Michalewicz, Genetic Algrithms + Data Structures = Evlutin Prgrams, Springer A. Gilat, V. Subramaniam, Numerical Methds with MATLAB, 2 nd Editin, Wiley R. Pratap, Getting Started with MATLAB: A Quick Intrductin fr Scientists and Engineers, Oxfrd University Press
EE-7B11 INTELLIGENT SYSTEMS BASIC INFORMATION Department Electrnics Curse Title Intelligent Systems Curse Cde ΕΕ-7Β11 Thery /Lab Thery + Lab Semester 7 th ECTS Credit Units 4 Teaching Hurs 2 Thery + 2 Lab Wrking Lad 120 Obligatry / By Chice By Chice Unit Leader Teacher Alex Alexandridis Assistants - Teaching Tutring, Labratry, Hmewrk exercises, Exams Assessment Hmewrk exercises 30%, Final exam 20%, Labratry 50% Prerequisites DESCRIPTION Aim This curse aims at intrducing the students t the basic ntins f Artificial Intelligence and their applicatin in rder t build intelligent systems. Emphasis will be given t the fundamental tls f cmputatinal intelligence, including neural netwrks and fuzzy lgic, while the pssibility f hardware implementatin f intelligent systems will als be discussed. Finally, the applicatin f intelligent systems in a large variety f scientific fields will be presented, including applicatins in rbtic system design, simulatin and autmatic cntrl, pattern recgnitin, decisin supprt systems, etc Learning Outcmes Having successfully cmpleted the mdule, the student will be able t: Cmprehend the basic ntins needed t describe a system based n Artificial
Intelligence Analyze and design intelligent systems Implement intelligent systems in a large variety f prblems that wuld be difficult t address using cnventinal appraches Tpics Cvered Intrductin t Intelligent Systems Histrical backgrund n intelligent systems Expert systems Knwledge based systems Intelligent systems and Artificial intelligence Cmputatinal intelligence Machine learning Neural Netwrks Intrductin t Neural Netwrks Learning prcesses (Errr crrectin, Hebbian, cmpetitive) Neural netwrk architectures MultiLayer Perceptrn (MLP) neural netwrks Radial Basis Functin (RBF) neural netwrks Pattern recgnitin and neural netwrks Neural netwrk applicatins in image prcessing Hardware implementatin f neural netwrks Dynamical Systems and Neur-Dynamics Intrductin t dynamical systems State-Space mdels Kalman filter Extended Kalman filter Equilibrium pints - Attractrs Strange attractrs and Chas Dynamical system simulatin using neural netwrks Fuzzy Lgic Intrductin t fuzzy lgic Fuzzy sets Fuzzificatin Defuzzificatin Fuzzy rules Fuzzy Cntrllers Fuzzy lgic applicatins in pattern recgnitin Intrductin t genetic algrithms and evlutinary cmputatin
Labratry Exercises Labratry training will be accmplished within 13 lab exercises, which will fcus n the practical applicatins f the basic theretical cncepts. The labratry exercises will be riented twards the fllwing fields: Expert systems Neural netwrks (Neural netwrk training applicatins t pattern recgnitin and image prcessing) Dynamical Systems Neur-Dynamics (Dynamical system simulatin using neural netwrks) Fuzzy lgic (Design f fuzzy cntrllers) Intrductin t rbtics (cntrl f an inverted pendulum using intelligent cntrllers) Teaching and learning activities Teaching methds include: Traditinal tutring in classrm with the aid f multimedia and internet Prblem slving Design f intelligent systems using Matlab and the neural netwrk and fuzzy tlbxes Use f Simulink sftware fr dynamical simulatins Supervised labratry exercises Labratry demnstratins n a rbtic system Student s activities include: Prblem slving Hmewrk exercises requiring teamwrk Prgramming in Matlab and use f the neural netwrk and fuzzy lgic tlbxes fr intelligent system design Use f Simulink tl fr dynamical simulatin f intelligent systems
Internet search fr additinal infrmatin regarding the curse Self-study Written exams Resurces Greek: S. Haykin, Νευρωνικά Δίκτυα και Μθχανζσ Μάκθςθσ, Εκδόςεισ Παπαςωτθρίου, 2010 Σ. Τηαφζςτασ, Υπολογιςτικι νοθμοςφνθ (Τόμοι Α και Β), Αυτοζκδοςθ, 2008 Κ. Διαμανταράσ, Τεχνθτά Νευρωνικά Δίκτυα, Εκδόςεισ Κλειδάρικμοσ, 2007 Ι. Θεοδϊρου, Ειςαγωγι ςτθν Αςαφι Λογικι, Εκδόςεισ Τηιόλα, 2010 Ι. Βλαχάβασ, Π. Κεφαλάσ, Ν. Βαςιλειάδθσ, Φ. Κόκκορασ, Θ. Σακελλαρίου, Τεχνθτι νοθμοςφνθ, Γκίουρδασ Εκδοτικι, 2006 Ε. Χατηίκοσ, Matlab για Επιςτιμονεσ και Μθχανικοφσ, Εκδόςεισ Τηιόλα, 2010 Internatinal: A.P. Engelbrecht, Cmputatinal Intelligence: An Intrductin, 2 nd Editin, Wiley S. Haykin, Neural Netwrks and Learning Machines, 3 rd editin, Prentice Hall S. Haykin, Neural netwrks, Englewd Cliffs, 2 nd Editin NJ: Prentice-Hall C. Bishp, Neural Netwrks fr Pattern Recgnitin, Oxfrd University Press J.M. Zurada, Intrductin t Artificial Neural Systems, Pws Pub C T.J. Rss, Fuzzy Lgic with Engineering Applicatins, 2 nd Editin, Wiley K. Tanaka, An Intrductin t Fuzzy Lgic fr Practical Applicatins, Springer D. E. Gldberg, Genetic Algrithms in Search, Optimizatin, and Machine Learning, Addisn-Wesley Prfessinal Z. Michalewicz, Genetic Algrithms + Data Structures = Evlutin Prgrams, Springer A. Gilat, V. Subramaniam, Numerical Methds with MATLAB, 2 nd Editin, Wiley R. Pratap, Getting Started with MATLAB: A Quick Intrductin fr Scientists and Engineers, Oxfrd University Press