Předmět zahrnuje vybrané oblasti umělé inteligence se zaměřením na srovnání možností reprezentace znalostí a odvozování bez uvažování neurčitosti a s neurčitostí. V praktické části předmětu je pozornost zaměřena na návrh fuzzy systémů v prostředí Matlabu a pravidlových systémů v prostředí CLIPS.

The course covers selected areas of artificial intelligence focusing primarily on different approaches to knowledge representation and reasoning both under certainty and uncertainty. In the practical part of the course the emphasis is mainly on rule-based programming in CLIPS and the design of fuzzy logic systems in Matlab.

Zápočet: Během semestru jsou na cvičeních zadávány samostatné úlohy, které je nutné vypracovat pro získání zápočtu. Dále je zadáván samostatný projekt, ze kterého je pro získání zápočtu nutné získat alespoň 50 % z max. možného bodového ohodnocení.

Zkouška: Zápočet předchází zkoušce, tj. bez získání zápočtu nelze zkoušku absolvovat. Vlastní zkouška má písemnou formu.

Povinná:

• Novák, Vilém. Základy fuzzy modelování. Praha: BEN, 2000, 175 s. ISBN 80-7300-009-1.
• Russell, Stuart, Norvig, Peter. Artificial Intelligence: A Modern Approach. Englewood Cliffs: Prentice Hall, 2020, s. ISBN 0134610997.

Doporučená:

• Pokorný, Miroslav. Umělá inteligence v modelování a řízení. Praha: BEN, 1996, 187 s. ISBN 80-901984-4-9.
• Novák, Vilém. Fuzzy množiny a jejich aplikace. Praha: Nakladatelství technické literatury, 1990, 296 s. ISBN 978-80-03-00325-9.
• Giarratano, Joseph C., Riley, Garry D.. Expert Systems: Principles and Programming. New York, U.S.A.: Course Technology, 2004, 288 s. ISBN 978-0-534-38447-0.
• Passino, Kevin M., Yurkovich, Stephan. Fuzzy Control. Menlo Park, California, U.S.A.: Addison-Wesley, 1998, 475 s. ISBN 978-0-201-18074-9.
• Dušek, František, Honc, Daniel. Matlab a Simulink : úvod do používání. Pardubice: Univerzita Pardubice, 2005, 172 s. ISBN 80-7194-776-8.

Obligatory:

• Novák, Vilém. Základy fuzzy modelování. Praha: BEN, 2000, 175 s. ISBN 80-7300-009-1.
• Giarratano, Joseph C., Riley, Garry D.. Expert Systems: Principles and Programming. New York, U.S.A.: Course Technology, 2004, 288 s. ISBN 978-0-534-38447-0.
• Russell, Stuart, Norvig, Peter. Artificial Intelligence: A Modern Approach. Upper Saddle River: Prentice Hall, 2009, 1152 s. ISBN 978-0-13-604259-4.

Recommended:

• Pokorný, Miroslav. Umělá inteligence v modelování a řízení. Praha: BEN, 1996, 187 s. ISBN 80-901984-4-9.
• Novák, Vilém. Fuzzy množiny a jejich aplikace. Praha: Nakladatelství technické literatury, 1990, 296 s. ISBN 978-80-03-00325-9.
• Passino, Kevin M., Yurkovich, Stephan. Fuzzy Control. Menlo Park, California, U.S.A.: Addison-Wesley, 1998, 475 s. ISBN 978-0-201-18074-9.
• Dušek, František, Honc, Daniel. Matlab a Simulink : úvod do používání. Pardubice: Univerzita Pardubice, 2005, 172 s. ISBN 80-7194-776-8.

Písemná zkouška

1 Fuzzy logika. Mamdani-odvozovací metoda. Sugeno-odvozovací metoda.

2 Návrh fuzzy regulátoru

3 Využití fuzzy toolboxu a Simulinku pro sestavení FR

4 Samostatný projekt – fuzzy regulátor

5 Využití toolboxů Simulinku pro prezentaci a optimalizaci výstupů FR

6 Adaptivní neuro-fuzzy odvozovací systém

7 Optimalizace fuzzy regulátoru pomocí strojového učení

8 Případová studie: fuzzy regulace bioprocesu

9 Úvod do znalostního řízení: přímé vs. dohlížecí strategie řízení

10 Pravidlové programování a jazyk CLIPS - část 1

11 Pravidlové programování a jazyk CLIPS - část 2

12 Pravidlové programování a jazyk CLIPS - část 3

13 Neurčitost ve znalostech a odvozování

14 Odvozovací systémy-pravděpodobnostní přístup

1 Fuzzy logic. Mamdani inference method. Sugeno inference method.

2 Fuzzy controller design

3 Using the Matlab Fuzzy toolbox and Simulink for FC implementation

4 Individual project – fuzzy controller

5 Using Matlab toolboxes for optimization of FC presentation and outputs

6 Adaptive neuro-fuzzy inference system

7 Optimization of a fuzzy controller using machine learning

8 Case study: fuzzy control of a model bioprocess

9 Introduction to knowledge-based control: direct vs. supervisory control strategies

10 Rule-based programming and the CLIPS language - Part 1

11 Rule-based programming and the CLIPS language - Part 2

12 Rule-based programming and the CLIPS language - Part 3

13 Handling uncertainty in knowledge representation and reasoning

14 Inference systems-probabilistic approach

Edward Sazonov: Fuzzy Logic and Applications, kurz EE509, Clarkson University, Potsdam, NY. http://www.intelligent-systems.info/classes/ee509/

Gary Riley: A Tool for Building Expert Systems. http://clipsrules.sourceforge.net/

Elektronické materiály ke kurzu.

Other study aids:

Edward Sazonov: Fuzzy Logic and Applications, course EE509, Clarkson University, Potsdam, NY. http://www.intelligent-systems.info/classes/ee509/

Gary Riley: A Tool for Building Expert Systems. http://clipsrules.sourceforge.net/

Interactive MATLAB & Simulink Based Tutorials, http://www.mathworks.com/academia/student_center/tutorials/index.html?s_tid=acmain_lrn_tut

Studenti budou umět:

Rozhodnout, zda je daná úloha vhodná pro fuzzy regulaci.

Navrhnout fuzzy regulátor pro řešený problém. Navrhnout možnosti jeho optimalizace.

Orientovat se v různých možnostech reprezentace znalostí v uměle inteligentních systémech.

Navrhovat a implementovat pravidlově orientované systémy v programovém prostředí CLIPS.

Students will be able to:

Decide whether a given technical problem can be solved using fuzzy logic control.

Design an appropriate fuzzy logic controller for this problem. Propose optimization of its structure.

Select an appropriate knowledge representation paradigm for a given technical problem.

Design and implement rule-based systems in CLIPS.