Inteligenţă artificială şi sisteme expert în calitate şi fiabilitate

1. INFORMAŢII GENERALE
2. EVALUARE
3. CONŢINUTUL CURSULUI
4. CONŢINUTUL LABORATORULUI
5. ORAR

1. Informaţii generale

An Sem Denumirea disciplinei C S L P p.c. Evaluare
2 3 Inteligenţă artificială şi sisteme expert în calitate şi fiabilitate 1 - - 1 2 E
Notă: C – Curs | S – Seminar | L – Laborator | P – Proiect | E – Examen | V – Verificare | A/R – Admis/Respins | p.c. – puncte credit

Disciplină din planul de învăţământ al programului de masterat “Ingineria calităţii şi siguranţei în funcţionare în electronică şi telecomunicaţii” (ICSFET)

Titular: conf. dr. ing. Iulian NĂSTAC

Obiectivele disciplinei:
Insusirea principiilor de baza ale structurii sistemelor bazate pe modele ale inteligentei artificiale precum si utilizarea pragmatica a acestora. Identificarea problemelor complexe care nu pot fi solutionate prin abordari clasice. Utilizarea legilor de invatare / adaptare. Cursul va fi axat pe algoritmi si tehnici de modelare/prelucrarea a datelor pentru sisteme complexe.

Obiective specifice:
Crearea abilităţilor de a rezolva diverse aplicatii ce implica o proiectare eficienta a sistemelor inteligente. Studii de caz, aplicaţii şi metode de evaluare a performantelor acestor sisteme (din punct de vedere calitativ).

2. Evaluare

- aprecierea activităţii la laborator/proiect: 40%
- examen final (scris): 60%.

3. Conţinutul cursului

1. Introducere in teoria inteligentei artificiale. Definirea si clasificarea sistemelor inteligente. Inteligenta computationala. Probleme nerezolvabile prin metode clasice. Utilizarea de modele ale inteligentei artificiale in domeniul tehnic. Limitele inteligentei artificiale.
2. Sisteme expert. Componente functionale si componente structurale. Ratinamentul uman / rationamentul masina. Soft computing (SC). Definirea densitatatii de inteligenta. Calitatea sistemelor inteligente. Studii de caz.
3. Sisteme bazate pe cunoastere. Codarea cunoasterii. Rationamentul bazat pe reguli. Rationamentul bazat pe cazuri. Manipularea cunostintelor (Knowledge engineering). Studii de caz.
4. Principiile Data Mining. Analiza datelor. Sisteme complexe de baze de date (Data Warehousing). Modele data mining. Calitatea resurselor disponibile. Distributia Datelor. Constrangeri arhitecturale. Valori aberante. Preprocesarea datelor. Analiza si studiul masivelor de date.
5. Retele Neuronale Artificiale (RNA). Bazele teoriei retelelor neuronale. Topologii de retele neuronale artificiale. RNA cu invatare supervizata. Aplicatii. RNA cu invatare nesupervizata. Probleme arhitecturale. Retele cu autoorganizare (Self-Organizing Map – SOM). Aplicatiile SOM.
6. Sisteme avansate pentru predictia datelor. Serii de timp. Algoritmul de reantrenare. Arhitecturi recursive. Sisteme adaptive. Studii de caz. Prognoza unui proces tehnologic.
7. Teoria sistemelor evolutive. Algoritmi genetici. Incrucisarea si mutatia. Spatiul de cautare. Functia de evaluare. Studiu al evolutiei unui sistem utilizand algoritmi genetici.

4. Conţinutul laboratorului

1. Procesarea datelor. Notiuni introductive privind manipularea datelor.
2 + 3. Modelarea datelor unui sistem complex. Preprocesarea datelor (crearea datelor lipsa, eliminarea datelor incompatibile, etc.). Compactarea datelor (analiza componentelor principale). Proiectarea unei retele neuronale artificiale. Metode de invatare supervizata. Identificarea si modelarea unui sistem tehnic.
4 +5. Studiu de caz privind predictia datelor. Predictia evolutiei unor indicatori de calitatea productiei. Implementarea unui algoritm pentru prognoza de date. Crearea unui model cu vectori de intarziere. Evaluarea erorilor si minimizarea acestora.
6 + 7. Implementarea unui algoritm genetic intr-o problema de optimizare. Optimizarea unui sistem complex.

Bibliografie:

- Nastac, D.I., Anescu, G., and Ulmeanu, A.P. : chapter 27 “Large data analysis for advanced grids”, in Advances in Power Engineering 1st Edition (Edited by Viorel Badescu, and George Christian Lazaroiu), CRC Press, 1 edition (in curs de aparitie August, 2018), Taylor & Francis Group, New York, (ISBN-10: 1138705853, ISBN-13: 978-1138705852).
- D.I. Nastac, “Prelucrarea inteligentă a informațiilor multidisciplinare pentru prognoze adaptive în contextual globalizării”, Editura Muzeul Naţional al Literaturii Române, Bucureşti, 2013 (ISBN 978-973-167-190-1).
- D.I. Nastac, “Reţele neuronale artificiale – Procesarea avansată a datelor”, Editura Printech, Bucuresti, Romania, 2007 (ISBN 973-652-555-4).
- D.I. Năstac, Structuri de date şi algoritmi – Aplicaţii, Editura Printech, Bucuresti, 2008 (ISBN 978-973-718-989-9).

5. Orar

Orarul valabil pentru semestrul curent: www.euroqual.pub.ro/orar/

Actualizat: 3 februarie 2019, 11:57