Ευφυής Έλεγχος

ECTS: 
7.50
Περιγραφή Μαθήματος - Περιεχόμενο Μαθήματος: 

Το μάθημα καλύπτει τέσσερις βασικές ενότητες που σχετίζονται με τον Ευφυή Έλεγχο και συγκεκριμένα:
Αρχές της Ασαφούς Λογικής; Ασαφείς Σχέσεις, Ιδιότητες, Τελεστές και Σύνθεσή τους; Ασαφείς Γλωσσικές Περιγραφές, Ασαφείς Συνεπαγωγές, Ασαφής Συμπερασμός και Σύνθεση Συνεπαγωγών, Ασαφείς Αλγόριθμοι; Ασαφείς Ελεγκτές, Μέθοδοι Απο-ασαφοποίησης, Θέματα Σχεδιασμού Ασαφών Ελεγκτών.

Υλοποίηση Ασαφών Ελεγκτών με τη χρήση του Fuzzy logic Toolbox του Matlab. Μοντελοποίηση Συστημάτων Παραγωγής με χρήση Ασαφών Ελεγκτών. Έλεγχος Ρομποτικών Συστημάτων με τη βοήθεια Ασαφών Ελεγκτών (Βασικές Αρχιτεκτονικές)

Αρχές Νευρωνικών Δικτύων; Αρχιτεκτονικές, Αλγόριθμοι Εκπαίδευσης, Εκπαίδευση Πολύ-στρωματικών Νευρωνικών δικτύων; Αυτοσυσχετιζόμενα Νευρωνικά Δίκτυα; Νευρωνικά Δίκτυα με Ανάδραση (Recurrent); Ανταγωνιστική Μάθηση: Αυτό-οργάνωση και συστήματα Kohonen; Δυναμικά Συστήματα και Νευρωνικός Έλεγχος, Αναγνώριση Συστημάτων; Σχεδίαση Νευρωνικών Ελεγκτών, Αναπαράσταση Δεδομένων, Κανονικοποίηση, Επιλογή δεδομένων για Εκπαίδευση και Δοκιμή.

Υλοποίηση συστημάτων Νευρωνικών Δικτύων με τη χρήση του Neural Networks Toolbox του Matlab. Εφαρμογές στον έλεγχο ρομποτικών συστημάτων.

Εισαγωγή στους Γενετικούς Αλγορίθμους, Αναπαράσταση Χρωμοσωμάτων, Συναρτήσεις Προσαρμογής, Διασταύρωση και Μετάλλαξη, Τεχνικές Επιλογής, Εφαρμογές Εξελικτικών Αλγορίθμων στον Έλεγχο. Υλοποίηση Γενετικών Αλγορίθμων με υπολογιστικά εργαλεία.

Υβριδικές αρχιτεκτονικές. Νευρο-Ασαφή Συστήματα, βελτιστοποίηση Ασαφών Ελεγκτών με την βοήθεια Γενετικών Αλγορίθμων.

Υλοποίηση στο Matlab. Εφαρμογές στον έλεγχο ρομποτικών συστημάτων.

Α' εξάμηνο
Γ΄ Εξάμηνο (παλαιό πρόγραμμα)
Γενικές Ικανότητες: 

Σκοπός του μαθήματος είναι να δώσει στους μεταπτυχιακούς φοιτητές τα κατάλληλα εφόδια, ώστε να είναι σε θέση να αντιμετωπίσουν σύνθετα προβλήματα ελέγχου, χρησιμοποιώντας τεχνικές και εργαλεία διαθέσιμα από το ευρύτερο γνωστικό πεδίο της υπολογιστικής νοημοσύνης. Στα πλαίσια του μαθήματος οι φοιτητές θα έρθουν σε επαφή με θέματα που σχετίζονται: i) με την ανάπτυξη ελεγκτών βασισμένων σε ασαφή λογική, ii) νευρωνικά δίκτυα, iii) γενετικούς αλγορίθμους iv) χρήση υβριδικών συστημάτων που χρησιμοποιούν συνδυασμούς των παραπάνω. Προσδοκώμενα μαθησιακά αποτελέσματα Τα προσδοκώμενα μαθησιακά αποτελέσματα για τους φοιτητές που θα παρακολουθήσουν το μάθημα είναι τα εξής:

  1. Κατανόηση των σημαντικότερων θεματικών περιοχών του Ευφυούς Ελέγχου και των ερευνητικών προκλήσεων σε κάθε μια από αυτές τις περιοχές.
     
  2. Απόκτηση γνώσης για το state-of-the-art στις σημαντικότερες περιοχές του Ευφυούς Ελέγχου.
     
  3. Ανάπτυξη δεξιοτήτων στη χρήση εργαλείων (υπολογιστικών) για την επίλυση πραγματικών προβλημάτων από το χώρο της ρομποτικής και των συστημάτων παραγωγής.
Οργάνωση Διδασκαλίας: 

Η διδασκαλία του μαθήματος θα βασιστεί στις διαλέξεις που θα πραγματοποιηθούν κατά τη διάρκεια του εξαμήνου. Οι φοιτητές θα κληθούν να υλοποιήσουν εργασίες μικρής κλίμακας μετά το πέρας κάθε μιας ενότητας και ένα project μεγαλύτερης δυσκολίας.

Αξιολόγηση Φοιτητών: 

Η αξιολόγηση των φοιτητών θα βασιστεί στις εργασίες που θα πραγματοποιήσουν κατά τη διάρκεια του εξαμήνου.

Συνιστώμενη Βιβλιογραφία: 

[1] Σπύρος Τζαφέστας, Υπολογιστική Νοημοσύνη Τόμος Α: Μεθοδολογίες, 2002.

[2] Σπύρος Τζαφέστας, Υπολογιστική Νοημοσύνη Τόμος Β: Εφαρμογές, 2002.

[3] Ρ. Ε. Κινγκ, Υπολογιστική Νοημοσύνη στον Έλεγχο Συστημάτων, Εκδόσεις Π. Τραυλός – Ε. Κωσταράκη, 1998.

[4] O. Cordon, F. Herrera, F. Hoffmann, L. Magdalena, Genetic Fuzzy Systems: Evolutionary Tuning and Learning of Fuzzy Knowledge Bases, World Scientific, 2001.

[5] K. Passino, S. Yurkovich, Fuzzy Control, Addison-Wesley, 1998.

[6] F. O. Karray and C. W. de Silva, Soft Computing and Intelligent Systems Design – Theory, Tools, and Applications, Addison-Wesley, 2004.

[7] S. Nolfi, D. Floreano, Evolutionary Robotics: The Biology, Intelligence, and Technology of Self-Organizing Machines, MIT Press, 2000.

[8] D. Floreano, C. Mattiussi, Bio – Inspired Artificial Intelligence: Theories, Methods, and Technologies, MIT Press, 2008.

[9] J. Balic, K. P. Valavanis, N. C. Tsourveloudis,E. Ioannidis, Intelligent Manufacturing Systems: Programming and Control, University of Maribor Publications, 2003.

[10] Σ. Λυκοθανάσης, Γενετικοί Αλγόριθμοι και Εφαρμογές, Ελληνικό Ανοικτό Πανεπιστήμιο, 2000.

[11] Π. Αργυράκης, Νευρωνικά Δίκτυα και Εφαρμογές, Ελληνικό Ανοικτό Πανεπιστήμιο, 2001. Διαφάνειες των διαλέξεων του μαθήματος.
Εργασίες διαφόρων ερευνητών που σχετίζονται με το μάθημα.

Δ/ντής Μεταπτυχιακού Προγράμματος:

Δρ. Σφακιωτάκης Μιχάλης
Τηλ: 2810-379237
e-mail: msfak@hmu.gr

Γραμματειακή Υποστήριξη:

Στεφανάκη Ελευθερία
Τηλ: 2810-379742
e-mail: amsar@hmu.gr  
Ώρες κοινού: Δευτέρα-Παρασκευή 12:00-14:00