Аутономни системи и машинско учење

ID: 3167
врста предмета: научно-стручни
носилац предмета: Миљковић Ђ. Зоран
извођачи: Миљковић Ђ. Зоран
контакт особа: Миљковић Ђ. Зоран
ниво студија: докторске студије
ЕСПБ: 5
облик завршног испита: презентација семинарског рада

извођења

  • 2. семестар, позиција 3

циљ

Аутономни системи подразумевају развој интелигентних машина способних да остварују радне задатке у напредном технолошком окружењу кроз хардверско-софтверску интеграцију, без експлицитног управљања од стране човека-оператера. С обзиром да производне технологије 21. века обухватају ту хардверско-софтверску интеграцију аутономних система, посебно робота, као и аутоматизованих подсистема, овај предмет има за циљ да студенте докторских студија, преко теоријских и практичних аспеката, односно преко алгоритама машинског учења и метода емпиријског управљања аутономних система, из овог угла комплексног научног посматрања, оспособи за самосталан развој савремених технолошких система и процеса, њихово моделирање, примену и увођење, све до имплементације напредних технологија у оквиру интелигентних технолошких система, и то кроз освајање нових алгоритама и метода у домену вештачке интелигенције.

исход

Почевши од фундаменталних концепата, овај предмет укључује наглашену научно-истраживачку мултидисциплинарност, базирану на биолошки инспирисаним основама, преко којих се остварују перспективе развоја научних области попут интелигентног управљања, вештачког живота и примене аутономних система у роботизованим производним технологијама 21. века. Исход овог предмета је оријентисан ка комплексном научном уздизању и развоју студената докторских студија, пре свега кроз интензиван научно-истраживачки рад заснован на експериментисању у домену хардверско-софтверске интеграције аутономних система у оквиру напредних технологија 21. века, са посебним акцентом на даљем развоју машинске интелигенције и учења (computational intelligence; машинско Q-учење ојачавањем; напредне технике вештачке интелигенције; биолошки инспирисани технолошки системи; итд.).

садржај теоријске наставе

Теоријска настава је организована у више целина: • Аутономни рад и управљање машинских система - Биолошки инспирисано управљање интелигентних машина; • Фундаментални структурни елементи аутономних система - Однос сензор-актуатор; • Софтверске архитектуре за аутономне системе - Хијерархијске архитектуре; Реактивне и бихевиористичке архитектуре; Хибридне архитектуре; Отворене архитектуре; • Шта је то машинско учење? - Природа учења; Пробабилистички приступ машинском учењу; • Емпиријско управљање - Алгоритам емпиријског управљања; Примена и утицај аксиоматске теорије пројектовања на развој емпиријског управљања; • Управљање фамилије мобилних робота - Интелигентно управљање колоније једноставних мобилних робота; • Трендови развоја аутономних робота - Микро- и нано-роботи; Потенцијалне опасности интензивног развоја аутономних робота.

садржај практичне наставе

Практична настава је организована у више целина: • Локализација и изградња мапе технолошког окружења (лабораторијски рад); • Комуникативност и интерактивност робота у радном окружењу (лабораторијски рад); • Машинско учење и управљање (лабораторијски рад); • Роботско учење (лабораторијски рад); Еволутивни алгоритми; Учење имитирањем; • Архитектуре интелигентног управљања мобилних робота (лабораторијски рад); Хетерогени роботски тимови и кооперативни рад; Реконфигурабилност мобилних робота; • Само-организовање, аутономна еволуција и само-репродукција робота.

услов похађања

Превасходно завршен технички факултет.

ресурси

(1) З.Миљковић, Д.Алексендрић, ВЕШТАЧКЕ НЕУРОНСКЕ МРЕЖЕ – збирка решених задатака са изводима из теорије (II издање), Уџбеник, Универзитет у Београду - Машински факултет, 2018, 18.1 (2) Калајџић,М.,(редактор), Тановић,Љ., Бабић,Б., Главоњић,М., Миљковић,З., Пузовић,Р., и др., ТЕХНОЛОГИЈА ОБРАДЕ РЕЗАЊЕМ (VIII издање), Приручник – помоћни уџбеник, Универзитет у Београду - Машински факултет, 2017. 18.1 (3) З.Миљковић, Системи вештачких неуронских мрежа у производним технологијама, Серија монографских дела Интелигентни технолошки системи, Књига 8, Универзитет у Београду - Машински факултет, 2003, 18.1 (4) Б.Бабић, FLEXY–Интелигентни експерт систем за пројектовање ФТС, Серија монографских дела Интелигентни технолошки системи, Књига 5, Универзитет у Београду - Машински факултет, 1994, 18.1 (5) Лабораторијски прототипови мобилних робота (Khepera II мобилни робот са хватачем и камером; LEGO Mindstorms NXT и LEGO Mindstorms EV3 комплети реконфигурабилних мобилних робота опремљени сензорима и микроконтролерима), Лабораторија CeNT, Универзитет у Београду - Машински факултет, 18.12 (6) Лабораторијски модел пројектованог технолошког система (учило), Лабораторија CeNT, Универзитет у Београду - Машински факултет, 18.12 (7) Софтверски пакети (BPnet, ART Simulator, MATLAB, AnyLogic, Flexy), Лабораторија CeNT, Универзитет у Београду - Машински факултет, 18.13

фонд часова

укупан фонд часова: 60

активна настава (теоријска)

ново градиво: 15
разрада и примери (рекапитулација): 5

активна настава (практична)

аудиторне вежбе: 0
лабораторијске вежбе: 10
рачунски задаци: 0
семинарски рад: 5
пројекат: 0
консултације: 0
дискусија/радионица: 0
студијски истраживачки рад: 0

провера знања

преглед и оцена рачунских задатака: 0
преглед и оцена лабораторијских извештаја: 10
преглед и оцена семинарских радова: 10
преглед и оцена пројекта: 0
колоквијум са оцењивањем: 0
тест са оцењивањем: 0
завршни испит: 5

провера знања (укупно 100 поена)

активност у току предавања: 15
тест/колоквијум: 0
лабораторијска вежбања: 15
рачунски задаци: 0
семинарски рад: 30
пројекат: 0
завршни испит: 40
услов за излазак на испит (потребан број поена): 40

литература

З.Миљковић, Д.Алексендрић, ВЕШТАЧКЕ НЕУРОНСКЕ МРЕЖЕ – збирка решених задатака са изводима из теорије, Машински факултет, Београд, (2018, II издање).; R.Siegwart,I.R.Nourbakhsh,D.Scaramuzza, INTRODUCTION TO AUTONOMOUS MOBILE ROBOTS, 2nd Edition, The MIT Press, (2011); R.Siegwart,I.R.Nourbakhsh, INTR. TO AUTONOMOUS MOBILE ROBOTS, The MIT Press, 2004.; G.A. Bekey, AUTONOMOUS ROBOTS: From Biological Inspiration to Implementation and Control, The MIT Press, Cambridge, Massachusetts, London, England, (2005) .; R.A. Brown, MACHINES THAT LEARN, Oxford University Press, (1994).; E. Alpaydin, INTRODUCTION TO MACHINE LEARNING, 2nd Edition, The MIT Press, Cambridge, England, (2010).; E. Alpaydin, INTRODUCTION TO MACHINE LEARNING, The MIT Press, Cambridge, England, (2004).;