Overordnede kursusmål
Dette kursus har til formål at give deltagerne de grundlæggende
kompetencer, der kræves for at formulere, designe og implementere
intelligente styrings- og kontrolsystemer der kombinerer data
drevet og viden baserede teknikker.
Deltagerne vil opbygge automatiserings og kontrol-løsninger til
intelligente el-net (smart grids), bygningsautomation og
robotteknologi problemer gennem gruppearbejde og ved at anvende
systematiske udviklingsmetoder. Kurset tilbyder deltagerne en
grundlæggende introduktion til machine learning, kunstig
intelligens metoder og anvendelsesmuligheder.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
- Identificere og diskutere situationsbevidsthed,
beslutningstagning, og kontrolopgaver i henhold til et intelligente
systemer (IS) problem.
- Diskuter centrale machine learning begreber såsom feature
extraction, kryds-validering, generalisering og over-fitting i
henhold til automatisering relaterede datasæt
- Påfør machine learning metoder til data modelleringsproblemer i
intelligente systemer, såsom regression, klassifikation og
klyngedannelse.
- Arbejde med et stort datasæt, udføre variableudvælgelse og
feature extraction, udvælge og anvende machine learning metoder til
reelle automatisering problemer.
- Skelne centrale begreber for vidensrepræsentation, såsom data
modeller, proceduremæssige, regelbaseret og netværk
vidensrepræsentation, abstraktion principper.
- Forklare roller og funktioner af centrale elementer i
ræsonnerings-metoder såsom mønstertilpasning (pattern-matching),
inferens, og vidensrepræsentation og skitsere, hvordan de arbejder
som en del af en intelligent systemløsning.
- Udvælge en ræsonneringsmetode og udvikle vidensrepræsentationer
som led i et IS design problem og implementer en operationel
prototype.
- Arbejde med IS software-miljøer, der kombinerer flere
programmeringsparadigmer og systemer med distribuerede
styringssoftware.
- Analysere et IS design problem, kommunikere design idéne til et
teknisk publikum, formulere specifikationer og testkrav.
- Designe, teste og dokumentere et IS af begrænset kompleksitet,
herunder udførelse af test til validering af systemets
prototype.
Kursusindhold
Introduktion til IS problemer og opgaver. Introduktion til
systemudvikling & arkitektur elementer. Introduktion til
Mobotware & Flexhouse simulationsplatforme.
Håndtering af store datasæt og kommandolinjen med bash kommandoer
og regulære udtryk; visualisere data og feature extraction.
Fundamenter i statistisk læring; lineær regression, klassifikation.
Clustering (K-means); andvendelse til intelligente systemer;
eksempler på ikke-lineære metoder (fx neurale netværk).
Implementering i Matlab (eventuelt i Java).
Introduktion til vidensbaserede ræsonering metoder , værktøjer
(regel baser, ekspertsystemer, formelle sprog) og programmer
(diagnose og planlægning); deklarativ vs.imperativ programmering;
ræsonnement som søgning. Typer af vidensrepræsentation (KR)
(procedurer, regler, netværk); modelbaseret vidensrepræsentation og
ontologier. KR til ræsonnering & søgning: data-strukturer,
logik, pragmatik for regelbaseret ræsonnering; formulering af
kunstig intelligens planlægningsproblem (domæne, tilstand og mål).
Debugging i distribuerede systemer. Anvendt intelligente systemer
projekt (holddannelse & udvælgelse af emnet,
projektplanlægning, udvikling, poster præsentation, rapport).
Alle emner indeholder øvelser i indenfor energisystemer og
robotteknologi.
e-learning anvendes i kurset i form af online-afstemning og
interaktive quizzer samt et kursus-wiki.
Litteraturhenvisninger
Et kompendium vil indeholde elementer af de følgende bøger:
* K.M. Hangos,R. Lakener and M. Herzson, “Intelligent control
systems: an
introduction with examples,” Kluwer Academic Publishers,Dordrecht,
ISBN 1402001347
* Stuart J. Russell and Peter Norvig, “Artificial Intelligence A
Modern Approach” 3rd Edition, Prentice Hall Publishers.
* Giarratano, J. and Riley, G. (1994). Expert Systems - Principles
and Programming. 3rd Edition. PWS Publishing Company, Boston, USA.
* Friedman-Hill, E. Jess in Action
* G. Coulouris, J. Dollimore, T. Kindberg, G. Blair: “Distributed
Systems Concepts
and Design”, 5th ed; AddisonWesley,
Ydligere online resourcer:
* M. Hudson Beale, M.T. Hagan and H.B. Demuth, “Neural Network
Toolbox™
User's Guide”,
https://www.mathworks.com/help/pdf_doc/nnet/nnet_ug.pdf
* Mikito Takada: “Distributed systems for fun and profit”
(online/freeware license),
http://book.mixu.net/distsys/
* Various authors: “BashGuide” (online)
http://s.ntnu.no/bashguide.pdfBemærkninger
Det anbefales at overveje om man opfylder forudsætningerne inden
for programmering og at kontakte den kursusansvarlige, hvis man er
i tvivl.
E-learning anvendes i form af on-line voting systems, on-line quiz
(home assignments), interactive quiz, chat room, course wiki open
for user input, discussion board/blog og electronic correction
system.
In case of unclear interpretation of the Danish description, the
English description is suggested for reference. Please contact the
course responsible if in doubt.
Sidst opdateret
21. november, 2016