Навчальна програма дисципліни " Інформаційні технології в системах управління" Напрям підготовки

Вид материала

Документы

Содержание Зв’язок з іншими дисциплінами Завдання вивчення дисципліни Вступ. Мета і задача курсу. Основні терміни, визначення і класифікація інформаційних технологій. Місце і роль інформаційних технологій в системах управління. Порівняння інформаційних технології. Моделювання систем управління на базі MATLAB / Simulink. Пакети MATLAB для прикладної статистки. Пакети MATLAB для вирішення задач оптимізації. Нечіткі множини – основні терміни. Нечіткі відношення. Нечітке логічне виведення. Прикладні нечіткі системи. Програмні засоби проектування нечітких систем. Багатошаровий перспептрон. Застосування нейронних мереж. Візуалізація результатів моделювання систем управління. Синтез з даних оптимальної регресійної моделі. Синтез з даних оптимального дерева рішень. Побудова кривої навчання нечіткої системи. Синтез з даних нечіткої моделі типу Сугено. ... Полное содержание

Подобный материал:

• Навчальна програма з дисципліни «комп’ютерні та інформаційні технології» для студентів, 131.31kb.
• Робоча навчальна програма з дисципліни «комп’ютерні та інформаційні технології» для, 204.08kb.
• Навчальна програма дисципліни Комп’ютерні мережі в системах управління Напрям підготовки, 70.88kb.
• Навчальна програма з навчальної дисципліни " Інформаційні системи І технології в логістиці", 142.88kb.
• Робоча навчальна програма з дисципліни "Інформаційні технології у перекладі" для професійного, 164.4kb.
• Програма фахових вступних випробувань для здобуття освітньо-кваліфікаційного рівня, 368.4kb.
• Робоча навчальна програма дисципліни для студентів спеціальності 030304 Археологія, 246.31kb.
• Навчальна програма дисципліни Теорія автоматичного управління Напрям підготовки 0914, 271.03kb.
• Навчальна програма дисципліни Системи управління базами даних Напрям підготовки 050201, 68.54kb.
• Робоча навчальна програма дисципліни для студентів 3-го курсу 5-6-й семестр, Напрям, 243.64kb.

Міністерство освіти і науки України

Вінницький національний технічний університет
Інститут автоматики, електроніки та комп’ютерних систем управління
Факультет автоматики та комп’ютерних систем управління

ЗАТВЕРДЖЕНО

Вченою радою ВНТУ

Протокол № _________

від "____" __________________ 2009 р.

Проректор з науково-педагогічної роботи по організації навчальної процесу та його

науково-методичного забезпечення


В.О. Леонтьєв


Навчальна програма дисципліни

“Інформаційні технології
в системах управління”


Напрям підготовки 0914 – “Компютеризовані системи, автоматика і управління”


Освітньо-кваліфікаційний рівень спеціаліста

7.091401 – “Системи управління і автоматики"


Автор ___________ Штовба С.Д., професор кафедри комп’ютерних систем управління.

Розглянуто і схвалено на засіданні кафедри комп’ютерних систем управління, протокол №1 від 01 вересня 2009 р.

Завідувач кафедри КСУ _______________________ Дубовой В.М.

Програма прорецензована доцентом кафедри ___________________________
_____________________ та схвалена на засіданні кафедри _______________, протокол № _____ від "___" __________ 2009 р.
Завідувач кафедри _____________________________

Програма розглянута та схвалена на засіданні Методичної комісії Інституту автоматики, електроніки та комп’ютерних систем управління, протокол
№ ___ від "___" __________ 2009 р.

Голова Методичної комісії ІнАЕКСУ ____________________ Васюра А.С.

Розглянуто і схвалено на засіданні Вченої ради ІнАЕКСУ, протокол № ___ від "___" __________ 2009 р.

Голова Вченої ради ІнАЕКСУ _________________________ Васюра А.С.

Розглянуто і схвалено на засіданні Методичної ради ВНТУ, протокол №____ від “___” ____________ 2009 р.
Голова Методичної ради _____________________________ Леонтьєв В.О.

1. Мета та задачі дисципліни

Дисципліна “Інформаційні технології в системах управління” надає студентам базові теоретичні знання та сприяє набуттю практичних навичок, необхідних для застосування інформаційних технологій в таких задачах проектування систем управління як: побудова експертних систем, обробка даних, ідентифікація, розпізнавання образів, прийняття рішень, медична та технічна діагностика, автоматизація документообігу.

Знання, набуті студентами, будуть витребуванні під час професійної діяльності в галузі створення та експлуатації систем управління.

Зв’язок з іншими дисциплінами

При вивченні дисципліни студентам знадобляться знання з “Алгоритмічних мов та програмування”, “Дискретної математики”, “Дослідження операцій”, “Теорії автоматичного управління” та “Теорії інформації та кодування”. Знання з дисципліни використовуються в дипломному проектуванні та при підготовці магістрів.

Завдання вивчення дисципліни

В результаті вивчення дисципліни студенти знатимуть:

• місце і роль інформаційних технологій в сучасній науковій та фаховій діяльності інженерів-електриків;
  
• термінологію інформаційних технологій;
  

• теоретичні базу інтелектуальних інформаційних технологій - логічне програмування, нечітку логіку, нейронні та нейро-фаззі мережі, генетичні алгоритми тощо;
  
• сучасні пакети програм з , що дозволяють ефективно розробляти інформаційні технології для систем управління.
  

На основі набутих знань студенти вмітимуть:

• застосовувати інформаційні технології для розв’язання практичних задач в області сситем управління.
  

2. Зміст дисципліни

Вступ. Мета і задача курсу. Основні терміни, визначення і класифікація інформаційних технологій. Поняття інформаційних технологій. Основні терміни, визначення і класифікація інформаційних технологій. Інтернет-ресурси з інформаційних технологій в системах управління.

Місце і роль інформаційних технологій в системах управління. Аналіз задач, які виникають під час функціонування систем управління, та місце і роль інформаційних технологій для їх вирішення.

Порівняння інформаційних технології. Порівняння інформаційних технології в системах управління на базі програмних систем MathCAD, SciLab, Maple та MATLAB.

Інформаційні технології на базі ядра MATLAB. Склад ядра MATLAB. Приклади застосування ядра MATLAB для вирішення задач управління.

Інженерна та наукова графіка в MATLAB. Двохвимірна та трьохвимірна інженерна та наукова графіка. Колір. Прозорість. Анімація.

Моделювання систем управління на базі MATLAB / Simulink. Основні принципи MATLAB / Simulink. Основні блоки MATLAB / Simulink.

Пакети MATLAB для проектування систем управління. Основні функції та модулі Control System Toolbox та System Identification Toolbox.

Пакети MATLAB для прикладної статистки. Основні функції та модулі Statistics Toolbox та GARCH Toolbox.

Пакети MATLAB для цифрового оброблення сигналів та зображень. Функції та модулі Signal Processing Toolbox та Image Processing Toolbox.

Пакети MATLAB для вирішення задач оптимізації. Основні функції та модулі Optimization Toolbox та Genetic Algorithm and Direct Search Toolbox.

Інтелектуальні інформаційні технології: основні визначення. Приклади задач, що розв’язуються інтелектуальними технологіями. Визначення інтелектуальних інформаційних технологій Приклади задач із: розпізнавання графічних та звукових образів, аналіз сцен, видобуток знань з експериментальних даних, обробка природномовних висловлювань, видобуток знань з природномовних текстів, медична та технічна діагностика, прогнозування, навчання та адаптація.

Нечіткі множини – основні терміни. Місце теорії нечітких множин в сучасних інтелектуальних технологіях. Нечіткі множини – основні визначення: звичайні множини та характеристична функція, функція належності, носій та ядро нечіткої множини. Параметричний спосіб представлення функцій належності. Найбільш розповсюдженні функції належності: трикутна, трапецієва, дзвонова. Побудова функцій належності: метод статистичної обробки експертної інформації та метод парних порівнянь. Приклади.

Нечіткі відношення. Визначення нечіткого відношення. Операції над нечіткими відношеннями: об’єднання, перетин, доповнення, транзитивне замикання. Приклади.

Нечітке логічне виведення. Нечітка база знань Мамдані. Нечітка база знань Сугено. Фаззіфікація. Нечітка імплікація. Агрегування. Дефаззіфікація. Приклади.

Ідентифікація нелінійних залежностей нечіткими базами знань. Постановка задачі. Моделювання залежності вхід-вихід нечіткою базою знань. Формати нечітких баз знань для залежностей з дискретним виходом та з неперервним виходом. Ієрархічні бази знань. Навчання нечітких баз знань як задача оптимізації.

Прикладні нечіткі системи. Автоматичне управління на основі нечіткої логіки. Історія розвитку. Структура нечіткого контролера. Типи нечітких контролерів. Промислове застосування нечітких контролерів: управління краном; управління виробництвом цементу; управління дизельним двигуном. Огляд застосувань нечітких експертних систем: медична діагностика, діагностування пошкоджень будівельних конструкцій, оцінка якості проектів, прогнозування кількості захворювань, прогнозування курсу валют, багатофакторний аналіз технологічного процесу.

Програмні засоби проектування нечітких систем. Пакети Fuzzy Logic Toolbox, FuzzyTECH, FuzzyExpert. Основні функції та можливості. Переваги та недоліки.

Математичні моделі нейрона. Місце та роль штучних нейронних мереж в інтелектуальних технологіях. Поняття сінапсу, аксону, функції активації. Математична модель нейрона Маккалоха-Піттса. Персептрон.

Багатошаровий перспептрон. Персептрон як лінійний дискримінатор. Багатошаровий перспептрон. Навчання багатошарового перспептрону. Навчання як задача оптимізації. Ідея методу зворотного розповсюдження помилки.

RBF-мережі. Радіально-базісні мережі. Принципи побудови та застосування. Інтерпретація параметрів нейронів та міжнейроних зв’язків. Приклад.

Застосування нейронних мереж. Ідентифікація нелінійних залежностей нейронними мережами. Постановка задачі. Нейронна мережа як універсальний апроксиматор. Оцінка якості ідентифікації. Результати експериментів. Розпізнавання образів за допомогою штучних нейронних мереж. Приклади. Нейронні контролери. Історія виникнення та область застосування. Переваги та недоліки нейронних контролерів. Синтез нейронного регулятора динамічного об’єкту.

4. Лабораторні заняття

Візуалізація результатів моделювання систем управління. Постановка задачі. Візуалізація результатів модулювання за допомогою 2D- та 3D-зображень. Візуалізація результатів модулювання за допомогою гістограм та діаграм. Аналіз результатів.

Синтез з даних оптимальної регресійної моделі. Постановка задачі. Формування навчальної та тестової вибірки. Побудова регресійних моделей та визначення моделі оптимальної складності. Аналіз результатів.

Синтез з даних оптимального дерева рішень. Постановка задачі. Формування навчальної та тестової вибірки. Синтез дерев рішень різного розміру. Виявлення кращого дерева рішень. Аналіз результатів.

Побудова кривої навчання нечіткої системи. Синтез нечіткої бази знань, яка моделює задану еталону нелінійну залежність “2 входи – 1 вихід”. Дослідження залежності якості ідентифікації нечіткої базою знань від кількості правил.

Синтез з даних нечіткої моделі типу Сугено. Постановка задачі. Формування навчальної та тестової вибірки. Побудова нечітких баз знань Сугено різного обсягу. Навчання нечітких моделей та визначення моделі оптимальної складності. Аналіз результатів.

Навчання нейронної мережі. Постановка задачі. Формування навчальної та тестової вибірки. Синтез та навчання нейронних мереж різної розмірності для розпізнавання образів. Виявлення кращої нейронної мережі. Аналіз результатів.

5. Індивідуальні завдання

В рамках дисципліни не передбачається виконання індивідуальних завдань студентами стаціонару. Студенти-заочники виконують контрольну роботу з відновлення з експериментальних даних математичних моделей за допомогою інформаційних технологій.

6. Література

Основна література

1. Ежов А.А., Шумский  С.А. Нейрокомпьютинг и его применение в экономике и бизнесе. М.: 1998. – 222 с.
   
2. Дюк В., Самойленко А. Data Mining: учебный курс. – СПб: Питер, 2001.– 368с.
   
3. Згуровський М.З., Панкратова Н.Д. Основи системного аналізу. – К.: Видавнича група BHV, 2007. – 544 c.
   
4. Половко А.М., Бутусов П.Н. MATLAB для студента. СПб: БХВ-Петербург, 2005. – 320 с.
   
5. Ротштейн О.П., Штовба С.Д. Проектування нечітких баз знань. Лабораторний практикум та курсове проектування: Навч. посіб.- Вінниця: ВДТУ.- 1999.- 65с.
   
6. Рутковская Д., Пилинский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с полськ. М.: Горячая линия – Телеком, 2006. – 452 с.
   
7. Сергиенко А.Б. Цифровая обработка сигналов. СПб: БХВ-Петербург, 2004. – 632 с.
   
8. Хант Б. MATLAB. Официальный учебный курс Кембриджского университета. – М.: Лучшие книги. – 2008. – 352 с.
   
9. Штовба С.Д. Проектирование нечетких систем средствами MATLAB. М.: Горячая линия – Телеком, 2007. – 288 с.
   

Додаткова література

1. Дюбуа Д., Прадт А. Теория возможностей. Приложения к представлению знаний в информатике. М.: Радио и связь.- 1990.- 288с.
   
2. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А.Поспелова.- М.: Наука, 1986.- 408с.
   
3. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Радио и связь.- 1981.- 286с.
   
4. Панкевич О.Д., Штовба С.Д. Діагностування тріщин будівельних конструкцій за допомогою нечітких баз знань. Монографія. – Вінниця: УНІВЕРСУМ–Вінниця, 2005. – 108 с.
   
5. Прикладные нечеткие системы: Пер. с япон. / К.Асан, Д. Ватада, С. Иван и др.; под ред. Т.Тэрано, К.Асан, М. Сугэно- М.:Мир,1993. – 368с.
   
6. Штовба С.Д. Нечеткая идентификация на основе регрессионных моделей параметрической функции принадлежности // Проблемы управления и информатики. – 2006. – №6. – C. 38–44.
   
7. Штовба С.Д. Обеспечение точности и прозрачности нечеткой модели Мамдани при обучении по экспериментальным данным // Проблемы управления и информатики. – 2007. – №4. – С. 102–114.
   
8. Looney C. Pattern Recognition Using Neural Networks: Theory and Algorithms for Engineers and Scientists. Oxford University Press, 1997.- 458pp.
   
9. Zimmermann H.-J. Fuzzy Sets Theory - and Its Applications.3^rd ed.- Kluwer Academic Publisher, 1996.- 435p.