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.

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.

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.

Z: Novák V., Základy fuzzy modelování,BEN technická literatura,Praha ,2002,8073000091

Z: Giarratano J.C., Riley G.D.,Expert Systems: Principles and Programming,Course Technology,New York,2004,0534384471

Z: Russell S.,Norvig P.,Artificial Intelligence: A Modern Approach,Prentice Hall, Englewood Cliffs,2002,0137903952

D: Pokorný M.,Umělá inteligence v modelování a řízení,BEN technická literatura,Praha,1996,8090198449

D: Novák V.,Fuzzy množiny a jejich aplikace,SNTL,Praha,1990,8003003253

D: Passino K.M., Yurkovich S.,Fuzzy Control, Addison-Wesley,New York, 1998,020118074X

D: Dušek F., Honc D.,MATLAB a Simulink: úvod do používání,Univerzita Pardubice,Pardubice,2005,8071944750

R: Giarratano J.C., Riley G.D.,Expert Systems: Principles and Programming,Course Technology,New York,2004,0534384471

R: Russell S.,Norvig P.,Artificial Intelligence: A Modern Approach,Prentice Hall, Englewood Cliffs,2002,0137903952

R: Ross J.T., Fuzzy Logic with Engineering Applications, Wiley-Blackwell, 2010, ISBN 978-0470743768

R: Passino K.M., Yurkovich S., Fuzzy Control, Addison-Wesley,New York, 1998,020118074X

R: Buckley J.J., Eslami E., An Introduction to Fuzzy Logic and Fuzzy Sets (Advances in Intelligent and Soft Computing), Physica, 2008, ISBN 978-3790814477

A: Zadeh L.A., Fuzzy Sets*, Information and Control 8, 338-353 (1965), http://www-bisc.cs.berkeley.edu/Zadeh-1965.pdf

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