Rețele Neurale și Logică Fuzzy 2017-2018

Titular Cursuri: prof. dr. ing. Octavian PĂSTRĂVANU

Titular Aplicaţii: asist. drd. ing. Corina CÎMPANU

Specializarea: Automatică şi informatică aplicată

Anul de studii: IV

Tipul disciplinei: Disciplină opțională, de specialitate , cod IA415

Anul universitar: 2017-2018

 

ZERO  ABSENȚE PERMISE LA LABORATOR!!!

MIERCURI, 29 MARTIE 2016, 08:00-09:00, AC0-1 SE VA SUSȚINE TESTUL SEMESTRIAL

 

FORMA DE EVALUARE

    Activitatea la laborator: nota minimă 5
                    Ponderea în nota finală: 30%

    Testele pe parcurs:
                    Ponderea în nota finală: 20%

    Evaluarea finală: examen – nota minimă 5
                    Ponderea în nota finală: 50%

 

PLANIFICAREA ACTIVITĂȚII DE LABORATOR

              13 Lucrări de laborator (Săptămânile 1-13)
              Ședință de recuperări (Săptămâna 14)

 

NORME PM & PSI

SITUAȚIA ACTIVITĂȚII LA LABORATOR

REZULTATE FINALE

LUCRĂRI DE LABORATOR

Lucrarea 1 (L1, L2)    Indicații L1,L2

Indicații L2

          Arhitecturi de reţele neurale feedforward - Studiul prin simulare în mediul MATLAB al transferului parametrizat intrare-ieşire

______________________________________________________________________________

Lucrarea 2 (L3, L4)   Indicații L3,L4

          Antrenarea supervizată a reţelelor feedforward cu funcţii de activare treaptă în probleme de clasificare - Studiu experimental în mediul MATLAB

______________________________________________________________________________

Lucrarea 3 (L5, L6) Indicatii L5    Indicatii L6      DateP4

           Antrenarea supervizată a reţelelor feedforward cu un singur strat şi funcţii de activare liniară în probleme de aproximare liniară - Studiu experimental în mediul MATLAB

______________________________________________________________________________

Lucrarea 4 (L7,L8)

Indicatii L7:   fisier1     fisier2    

Indicatii L8:   fisier1     fisier2

            Antrenarea supervizată a reţelelor feedforward multistrat în probleme de aproximare neliniară - Studiu experimental în mediul MATLAB

______________________________________________________________________________

Lucrarea 5 (L9)

Indicatii L9:    fisiere

          Antrenarea supervizată a reţelelor feedforward multistrat  în probleme de clasificare - Studiu experimental în mediul MATLAB

______________________________________________________________________________

Lucrarea 6 (Laboratorul 10)   

Indicatii L10

Toolbox

          Implementarea în mediul MATLAB-Simulink a unor strategii tipice de identificare bazate pe modele neurale

______________________________________________________________________________

Lucrarea 7 (L11)

          Implementarea în mediul MATLAB-Simulink a unor strategii de modelare bazate pe logica fuzzy

______________________________________________________________________________

Lucrarea 8 (L12)

          Implementarea în mediul MATLAB-Simulink a unor strategii de control bazate pe logica fuzzy

Probleme L11 L12

______________________________________________________________________________

Lucrarea 9 (L13)

          Implementarea în mediul MATLAB a unor algoritmi de clasificare nesupervizată de tip fuzzy

Date problema

Probleme suplimentare L13 (NOU!)

 

NOTE DE CURS

I. Arhitecturi feedforward de reţele neurale artificiale

  1. Modelul neuronului artificial
  2. Reţele neurale cu un singur strat
  3. Reţele neurale cu două sau mai multe straturi

II. Utilizarea reţelelor cu funcţii de activare treaptă în probleme de clasificare

  1. Proprietatea de separare folosită în clasificare
  2. Obiectivul antrenării reţelei
  3. Algoritmul de antrenare a reţelei; aplicaţii

III. Utilizarea reţelelor cu funcţii de activare liniară în probleme de aproximare liniară

  1. Transferul liniar intrare-ieşire şi proprietatea de aproximare
  2. Obiectivul antrenării reţelei
  3. Algoritmul de antrenare Widrow-Hoff; aplicaţii

IV. Utilizarea reţelelor multistrat în probleme de aproximare neliniară

  1. Proprietatea de aproximare a reţelelor cu strat de intrare sigmoidal şi strat de ieşire liniar
  2. Obiectivul antrenării reţelei
  3. Algoritmul de antrenare prin propagare inversă (backpropagation); aplicaţii
  4. Algoritmi de antrenare derivaţi din tehnici de optimizare mai performante; aplicaţii

V. Utilizarea reţelelor neurale în construcţia modelelor dinamice

  1. Construcţia modelelor liniare
  2. Construcţia modelelor neliniare

VI. Elemente de teoria mulţimilor fuzzy (vagi)

  1. Mulţimi fuzzy – definiţii şi exemple
  2. Operaţii cu mulţimi vagi

VII. Tratarea informaţiei fuzzy

  1. Fuzificarea informaţiei ferme
  2. Inferenţe fuzzy. Baze de reguli
  3. Defuzificarea informaţiei vagi

VIII. Aplicaţii ale logicii fuzzy in control

 

 

_______________________________________________________________________________

BIBLIOGRAFIE

1.    M.-H. Matcovschi, O. Pastravanu, Aplicaţii ale reţelelor neurale în automatică, Editura Politehnium, Iaşi, 2008

2.    M.H. Beale, M. Hagan, H.B. Demuth, Neural Networks Toolbox User’s Guide.

3.    The MathWorks, Inc., Fuzzy Logic Toolbox User’s Guide.

4.    S. Haykin, Neural Networks. A Comprehensive Foundation, 2nd Edition, Pearson Education, Inc., 1999.

5.    J.-S. R. Jang, C.-T. Sun, Neuro-Fuzzy and Soft Computing: A Computational Approach to Learning and Machine Intelligence, Prentice Hall, 1997.(carte şi programe Matlab)

6.    S. N. Sivanandam, S. Sumathi and S. N. Deepa, Introduction to Fuzzy Logic using MATLAB, Springer-Verlag Berlin Heidelberg, 2007.

Published on  June 12th, 2018