Cel kształcenia i wykaz literatury

Główny cel kształcenia: Celem kursu jest pokazanie w jaki sposób używać metod inteligencji obliczeniowej, takich jak logika rozmyta, sieci neuronowe czy algorytmy genetyczne do projektowania układów sterowania.

Ogólne informacje o zajęciach: Kurs pokazuje nowoczesne metody projektowania układów sterowania oraz demonstruje narzędzia informatyczne typu open-source i komercyjne, które można wykorzystać do projektowania inteligentnych układów sterowania.

Materiały dydaktyczne: Co roku przekazywane są pliki 'pdf' zawierające wykłady.

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	Bishop, C.M.	Pattern Recognition and Machine Learning	Springer.	2006
2	Ferreira C.	Gene expression programming	Springer-Verlag.	2006
3	Kluska J.	Analytical methods in fuzzy modeling and control	Springer-Verlag, Berlin Heidelberg.	2009

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1	Mathworks Inc.	Matlab Online Documentation	http://www.mathworks.com.	2018
2	Bishop, C.M.	Pattern Recognition and Machine Learning	Springer-Verlag.	2006
3	Sherrod P.H.	DTREG predictive modeling software	http:///www.dtreg.com.	2011

Literatura do samodzielnego studiowania

1	Koronacki J., Ćwik J.	Statystyczne systemy uczące się	EXIT, Warszawa.	2008
2	Rutkowska D., Piliński M., Rutkowski L.	Sieci neuronowe, algorytmy genetyczne i systemy rozmyte	PWN, Warszawa.	1997

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: rejestracja na semestr studiów, w którym realizowany jest przedmiot.

Wymagania wstępne w kategorii Wiedzy: podstawowa wiedza z zakresu teorii sterowania, matematyki, informatyki.

Wymagania wstępne w kategorii Umiejętności: umiejętność obsługi komputera i korzystania ze środowisk programistycznych.

Wymagania wstępne w kategorii Kompetencji społecznych: zdolność do współpracy w niewielkim zespole (laboratorium).

Efekty kształcenia dla zajęć

MEK	Student, który zaliczył zajęcia	Formy zajęć/metody dydaktyczne prowadzące do osiągnięcia danego efektu kształcenia	Metody weryfikacji każdego z wymienionych efektów kształcenia	Związki z KEK	Związki z PRK
01	może podać kilka przykładów zastosowań inteligencji obliczeniowej w sterowaniu.	wykład, laboratorium	egzamin cz. pisemna, prezentacja projektu	K_W03+ K_W16+	P6S_WG
02	zna podstawy logik wielowartościowych i metodykę konstrukcji systemów regułowych.	wykład, laboratorium	egzamin cz. pisemna, prezentacja projektu	K_W16+ K_U20+ K_U27+	P6S_UW P6S_WG
03	potrafi zaprojektować regulator rozmyty dla obiektu dynamicznego niskiego rzędu.	wykład, laboratorium	egzamin cz. pisemna, prezentacja projektu	K_W12+ K_U20+ K_K04+	P6S_KR P6S_UW P6S_WG
04	potrafi sformułować problem uczenia regulatora neuronowo-rozmytego.	wykład, laboratorium	egzamin cz. pisemna, prezentacja projektu	K_W12+ K_W16+ K_U20+	P6S_UW P6S_WG
05	potrafi formalnie opisać sterowanie złożonym procesem technologicznym, który składa się z kilku podprocesów współbieżnych.	wykład, laboratorium	egzamin cz. pisemna, prezentacja projektu	K_W16+ K_U27+	P6S_UW P6S_WG

Uwaga: W zależności od sytuacji epidemicznej, jeżeli nie będzie możliwości weryfikacji osiągniętych efektów uczenia się określonych w programie studiów w sposób stacjonarny w szczególności zaliczenia i egzaminy kończące określone zajęcia będą mogły się odbywać przy użyciu środków komunikacji elektronicznej (w sposób zdalny).

Treści kształcenia dla zajęć

Sem.	TK	Treści kształcenia	Realizowane na	MEK
5	TK01	Przegląd zastosowań metod sztucznej inteligencji w przemysłowych układach sterowania.	W04, U09, K04	MEK01
5	TK02	Wstęp do teorii zbiorów rozmytych. Operatory logiczne w logikach wielowartościowych.	W04, U09, K04	MEK02
5	TK03	Uogólniony rozmyty system ekspertowy. Regulator rozmyty typu Takagi-Sugeno i Mamdaniego.	W04, U09, K04	MEK01 MEK02
5	TK04	Wybrane zagadnienia analitycznej teorii modelowania i sterowania rozmytego - relacja między modelami konwencjonalnej teorii sterowania a systemami regułowymi.	W04, U09, K04	MEK01 MEK04
5	TK05	Synteza regulatora rozmytego PID dla obiektu 2-go rzędu przy konwencjonalnym wskaźniku jakości.	W04, U09, K04	MEK03 MEK04
5	TK06	Projektowanie neuronowo-rozmytego układu nawigacji robota mobilnego.	W04, U09, K04	MEK02
5	TK07	Synteza i analiza neuronowo-rozmytego zamkniętego układu sterowania dla strukturalnie niestabilnego obiektu.	W04, U09, K04	MEK03 MEK04
5	TK08	Rozmyta sieć Petriego jako układ sterowania i diagnostyki złożonego procesu technologicznego.	W04, U09, K04	MEK01 MEK05
5	TK09	Zastosowanie programowania ekspresji genów do projektowania układów sterowania.	W04, U09, K04	MEK01
5	TK10	Zastosowanie metod uczenia ze wzmocnieniem do projektowania układów sterowania.	W04, U09, K04	MEK01
5	TK11	Projektowanie adaptacyjnego regulatora rozmyto-neuronowego.	W04, U09, K04	MEK04

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 5)	Przygotowanie do kolokwium: 5.00 godz./sem.	Godziny kontaktowe: 30.00 godz./sem.	Uzupełnienie/studiowanie notatek: 10.00 godz./sem. Studiowanie zalecanej literatury: 10.00 godz./sem.
Ćwiczenia/Lektorat (sem. 5)		Godziny kontaktowe: 15.00 godz./sem.
Laboratorium (sem. 5)	Przygotowanie do laboratorium: 5.00 godz./sem. Przygotowanie do kolokwium: 5.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.	Dokończenia/wykonanie sprawozdania: 5.00 godz./sem.
Konsultacje (sem. 5)	Przygotowanie do konsultacji: 2.00 godz./sem.	Udział w konsultacjach: 2.00 godz./sem.
Egzamin (sem. 5)	Przygotowanie do egzaminu: 10.00 godz./sem.	Egzamin pisemny: 2.00 godz./sem. Egzamin ustny: 1.00 godz./sem.

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Egzamin pisemny i ustny.
Ćwiczenia/Lektorat
Laboratorium	Zaliczenie pisemne.
Ocena końcowa	Ocena końcowa = średnia ze wszystkich uzyskanych ocen, o ile każda z tych ocen jest pozytywna

Przykładowe zadania

Wymagane podczas egzaminu/zaliczenia
(-)

Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)

Inne
(-)

Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie

Treści zajęć powiazane są z prowadzonymi badaniami naukowymi: tak

1	A. Czmil; S. Czmil; J. Kluska	An empirical study of a simple incremental classifier based on vector quantization and adaptive resonance theory	2024
2	A. Czmil; S. Czmil; J. Kluska	GPR: A Python implementation of an extremely simple classifier based on fuzzy logic and gene expression programming	2023
3	A. Czmil; S. Czmil; J. Kluska	CACP: Classification Algorithms Comparison Pipeline	2022
4	J. Kluska; M. Madera	Extremely simple classifier based on fuzzy logic and gene expression programming	2021
5	J. Kluska; T. Mączka; T. Żabiński	Applications of Computational Intelligence Methods for Control and Diagnostics	2021
6	L. Gniewek; Z. Hajduk; J. Kluska; T. Żabiński	FPGA-Embedded Anomaly Detection System for Milling Process	2021
7	M. Kusy; R. Zajdel	A weighted wrapper approach to feature selection	2021
8	J. Kluska	Adaptive fuzzy control of state-feedback time-delay systems with uncertain parameters	2020
9	J. Kluska	Członek Komitetu Automatyki i Robotyki Polskiej Akademii Nauk	2020
10	J. Kluska	Członkostwo w komitecie redakcyjnym czasopisma International Journal of Applied Mathematics and Computer Science	2020
11	J. Kluska	Wiceprzewodniczący Rady Naukowej Instytutu Badań Systemowych Polskiej Akademii Nauk	2020
12	J. Kluska; M. Kusy; R. Zajdel; T. Żabiński	Fusion of Feature Selection Methods for Improving Model Accuracy in the Milling Process Data Classification Problem	2020
13	J. Kluska; M. Kusy; R. Zajdel; T. Żabiński	Weighted Feature Selection Method for Improving Decisions in Milling Process Diagnosis	2020
14	J. Kluska; T. Mączka; T. Żabiński	Zastosowania metod inteligencji obliczeniowej do sterowania i diagnostyki	2020
15	J. Kluska; T. Żabiński	PID-Like Adaptive Fuzzy Controller Design Based on Absolute Stability Criterion	2020
16	J. Kluska	Członek Komitetu Automatyki i Robotyki Polskiej Akademii Nauk	2019
17	J. Kluska	Członkostwo w komitecie redakcyjnym czasopisma International Journal of Applied Mathematics and Computer Science	2019
18	J. Kluska	Przewodniczący Sekcji Systemów Inteligentnych w Komitecie Automatyki i Robotyki Polskiej Akademii Nauk	2019
19	J. Kluska	Wiceprzewodniczący Rady Naukowej Instytutu Badań Systemowych Polskiej Akademii Nauk	2019
20	J. Kluska; M. Kusy; B. Obrzut; M. Obrzut; A. Semczuk	Prediction of 10-year Overall Survival in Patients with Operable Cervical Cancer using a Probabilistic Neural Network	2019
21	J. Kluska; M. Madera ; T. Mączka; J. Sęp; T. Żabiński	Condition monitoring in Industry 4.0 production systems - the idea of computational intelligence methods application	2019