IU1 Uvod Inteligentno upravljanje - lejla-bm.com.ba · Tehnike vještačke inteligencije Klasifikacijske metode Vjerovatnosne metode Logika Neuronske mreže Inteligentno

Uvod u inteligentno upravljanje

INTELIGENTNO UPRAVLJANJE

Inteligentno upravljanje

Copyright: Lejla Banjanović-Mehmedović

1

Uvod u inteligentno upravljanjewww.lejla-bm.com.ba

Vanr.prof. Dr. Lejla Banjanović-Mehmedović

Sadržaj predmeta:1. Inteligencija i pojam vještačke inteligencije.

Koncepti i tehnike vještačke inteligencije. Pojam inteligentnih sistema i inteligentnog upravljanja.

2. Mašinsko učenje. Terminologija nadziranog, nenadziranog učenja i učenja sa podrškom.



2

nenadziranog učenja i učenja sa podrškom.3. Vještački neuron. Perceptron. Arhitekture

vještačkih neuronskih mreža. 4. Nenadzirano učenje neuronskih mreža.

Nadzirano učenje neuronskih mreža (BP algoritam). Primjene neuronskih mreža u zadaćama aproksimacije, klasifikacije, predikcije, identifikacije i upravljanja.

Sadržaj predmeta:

5. Fuzzy logika. Fuzzy zaključivanje. Dizajn fuzzy regulatora. Primjeri fuzzy upravljanja.

6. Metaheuristički algoritmi. Algoritmi putanje. Algoritam simuliranog taljenja, algoritam



3

Algoritam simuliranog taljenja, algoritam penjanja uz brdo.

7. Algoritmi mnoštva.Evolucioni algoritmi. Genetski algoritmi (GA). Optimizacija rojem čestica (PSO).

8. Jedno-ciljna i više-ciljna optimizacija. Algoritmi više-ciljne optimizacije : NSGA-II. Primjeri primjene u upravljanju.

Sadržaj predmeta:10. Hibridni inteligentni sistemi. Adaptivne

neuronske mreže sa fuzzy mehanizmom zaključivanja (ANFIS). Neuro-genetski sistemi. Fuzzy-genetski sistemi. Primjeri primjene u upravljanju i identifikaciji.



4

upravljanju i identifikaciji.

Literatura:

1. Lejla Banjanović-Mehmedović: Inteligentni sistemi, univerzitetski udžbenik, 2011.

2. Lejla Banjanović-Mehmedović: Predavanja, autorstvo 2017.



5

autorstvo 2017.

3. Velagić J., Neizraziti sistemi upravljanja, Elektrotehnički fakultet, Univerzitet u Sarajevo, 2010.

4. Petrović I., Perić, N., Inteligentno upravljanje sustavima, FER, Sveučilište u Zagrebu, 2001.

Literatura:

5. Avdagić Z., Vještačka inteligencija, ETF Univerzitet u Sarajevu, 2003.

6. Engelbrecht A.P., Computational Intelligence, A John Wiley & Sons, Inc. Publication, 2007.

7. Kantardžić M., Data Mining, Concepts,



6

7. Kantardžić M., Data Mining, Concepts, Models, methods and Algorithms, A John Wiley & Sons, Inc. Publication, 2001.

8. MATLAB - Fuzzy Toolbox, Simulink, Neural Network Toolbox

Istorijat � Metode i tehnike je naslijedila iz drevnih

disciplina - filozofije (428 p.n.e.), matematike (800 god.), logike, psihologije, biologije.



7

� „Mašine koje misle“ i vještačka bića pojavljaju se još u Grčkim mitovima

� 1760. - Industrijska revolucija šta se postiglo ...

� Vještačka inteligencija – šta je cilj ?

Razvojni put vještačke inteligencije

� Tabela



8

INTELIGENCIJA

� Prirodna inteligencija� Vještačka inteligencija� Inteligentni sistemi



9

� Inteligentni sistemi� Inteligento upravljanje� Robotski sistemi

Prirodna inteligencija

� prirodna sposobnost pravilnog rasuñivanja� ili� sposobnost učenja na osnovu iskustva,



10

� sposobnost učenja na osnovu iskustva, uspješnog prilagoñavanja novim situacijama i promjenama u okruženju, ili sposobnost apstraktnog razmišljanja

Vještačka inteligencija

� sposobnost računara ili programa da imitira ljudski spoznajni proces, kao što su “razmišljanje i učenje“



11

� „predstavlja računarsku nauku koja daje sposobnost mašinama da izvršavaju zadatke koji zahtjevaju inteligenciju ukoliko bi ih izvršavao čovjek“ (M. Minsky, 1968)


� Kognitivna nauka predstavlja naučno proučavanje ili uma ili inteligencije.

� Vještačka inteligencija (VI) proučava



12

� Vještačka inteligencija (VI) proučava kognitivne fenomene u mašinama

Problematika istraživanja vještačke inteligencije



13

Problematika istraživanja vještačke inteligencije� Zaključivanje, rezonovanje, rješavanje problema

(problemi neizvjesnosti, kombinacione eksplozije)� Formalizmi i metode prikaza znanja (ekspertni sistemi)� Planiranje, replaniranje� Učenje� Razumijevanje i obrada prirodnih i vještačkih jezika



14

� Razumijevanje i obrada prirodnih i vještačkih jezika� Manipulacija i kretanje (roboti...)� Percepcija (senzorika)� Socijalna inteligencija � Kreativnost� Pojam jake inteligencije!

Tehnike vještačke inteligencije

� Klasifikacijske metode� Vjerovatnosne metode� Logika� Neuronske mreže



15

� Neuronske mreže� Metode pretraživanja i optimizacije

Klasifikacijske metode� Klasifikacija vrši usporedbu uzoraka kako bi se postiglo

najbolje slaganje. Pri novim observacijama, cilj je klasificirati uzorak na osnovu predhodnog iskustva.

� Metode:� Metoda grupisanja (klasteringa),� Metoda grupisanja (klasteringa),� naivni Bayesov klasifikator, metoda k-najbližih

susjeda, mašina podrške (SVM)� Neuronske mreže kao klasifikatori

� Perfomanse klasifikacije uveliko ovise o karakteristikama podataka koji se klasificiraju. Ne postoji klasifikator koji radi najbolje za sve date probleme!



16

Vjerovatnosne metodeodlučivanja� Rad sa agentima.� U cilju donošenja racionalnih odluka u uslovima

neizvjesnosti i nepreciznosti, egzistiraju sljedeće metode:� Bayesova mreža (eng. Bayesian network)� Bayesova mreža (eng. Bayesian network)� Algoritmi vjerovatnoće (eng. probabilistic

algoritms)� Koncept vrednovanja (eng. utility) koristi

matematske alate koji analiziraju u kojoj mjeri agent može praviti izbor i planirati (teorija odlučivanja, teorija informacija, Markovljev model odlučivanja i sl.).



17

Logika� Logika se koristi za prezentaciju znanja i

rješavanje problema, ali može biti primijenjena i na druge probleme (upravljanje).

� Postoje različite vrste logike koje se koriste u domenu vještačke inteligencije. Obrañivat domenu vještačke inteligencije. Obrañivat ćemo :� Fuzzy logika – omogućava da tačnost iskaza bude

reprezentirana vrijednostima izmeñu 0 i 1. Fuzzy sistemi se koriste za zaključivanje u uslovima neizvjesnosti, te u mnogobrojnim modernim industrijskim i proizvodnim upravljačkim sistemima.



18

Neuronske mreže� Neuronske mreže su povezana grupa čvorova, srodna u

funkcionalnosti ogromnoj mreži neurona u ljudskom mozgu.

� Meñu najpopularnijim unaprijednim mrežama su višeslojne perceptron mreže (eng. multilayer perceptron, MLP).MLP).

� Neuronske mreže se koriste u problemima tipa inteligentnog upravljanja, identifikacije, učenja, predikcije i klasifikacije.



19

Metode pretraživanja i optimizacije� Heuristički algoritmi

� Algoritmi procjene (A*, D*)

� Metaheuristički algoritmi (optimizacijski algoritmi)� Algoritme putanje � Algoritme putanje

� Algoritam „penjanja uz brdo“ (eng. hill climbing), lokalnog pretraživanja, simuliranog taljenja

� Algoritme populacije mnoštva:� Evolucione algoritme (poput genetskih algoritama i

genetskog programiranja)� Algoritmi kolonije mrava, algoritmi roja čestica, ...



20

Usporedbe

� Metodologija:

� Neuronske mreže� Fuzzy teorija

� Snaga:

� Učenje i adaptacija� Prezentacija znanja

sa if-then pravilima



21

� Genetički algortmi

� Konvencionalna vještačka inteligencija

sa if-then pravilima� Sistemski slučajni

pristup� Simbolička

manipulacija

Inteligentni sistemi� Inteligentni sistem

� sistem koji može primati senzorske informacije,

� koje kompjuterski efikasno obrañuje, kombinujući jedan ili više inteligentnih algoritama



22

kombinujući jedan ili više inteligentnih algoritama

� u cilju izvršavanja funkcija poput kontrole, upravljanja resursima, donošenja odluka,

� a sve u cilju postizanja pojedinačnih ili više ciljeva.

� Termostat – jednostavan inteligentni sistem� Inteligentni sistem – koji ima visok nivo

inteligencije

Primjeri inteligentih sistema� Inteligentni industrijski sistemi� Inteligentni transportni sistemi� Robotski sistemi� Prepoznavanje uzoraka� Prepoznavanje uzoraka� “Pametne” kuće� Monitoring voda, agronomija,...



23

Karakteristike inteligentnih sistema

� Adaptacija i učenje� Učenje o promjenama u objektu� Učenje o okruženju� Učenju o kontroleru, podešavanje � Učenju o kontroleru, podešavanje

param.� Učenje novih dizajnerskih ciljeva i

ogranič.

� Autonomija i inteligencija� Struktura i hijerarhijaInteligentno upravljanje


24


� Inteligentno upravljanje opisuje discipline gdje su razvijene upravljačke metode koje pokušavaju emulirati važne karakteristike ljudske inteligencije:karakteristike ljudske inteligencije:� Adaptacija i učenje (adaption and learning)� Planiranje uz neizvjesnost (planning under

large uncertainty)� Veliki iznosi podataka (large amounts of

data).



25

Digitalna revolucija



26




27


� je klasa upravljačkih tehnika, koja koristi različite računske tehnike vještačke inteligencije poput

neuronskih mreža,



28

� neuronskih mreža, � Bayesove vjerovatnoće, � fuzzy logike, � evolucionog računarstva i genetskih algoritama


� Interdisciplinarno i kombinuje različite teorije i metode iz područja poput� upravljanja, � upravljanja, � računarskih nauka i � operacionih istraživanja.

� Koristi teoriju iz matematike i traži inspiraciju u biološkim sistemima.



29


� Koncepti i algoritmi razvijeni u okviru adaptivnog upravljanja i mašinskog učenja pomažu inteligentnim kontrolerima da se adaptiraju i uče.kontrolerima da se adaptiraju i uče.

� Napredak u� senzorima, aktuatorima, � računarskoj tehnologiji i � komunikacionim mrežama � pruža podršku u implementaciji hardvera

inteligentnog upravljanja.Inteligentno upravljanje


30

Doprinos inteligentnog upravljanja� Inteligentno upravljanje pokušava da

nadogradi konvencionalne upravljačke metode u cilju rješavanja novih izazova u problemima upravljanja.

� Istraživanja u domenu inteligentnog � Istraživanja u domenu inteligentnog upravljanja koja su uglavnom voñena aplikacijom, imaju značajne teoretske komponente.

� Inteligentno upravljanje generalnije i značajno ambicioznije.



31

Razlike izmeñu konvencionalnog i inteligentnog upravljanja

� Važne komponente dizajna inteligentnih kontrolera su:� Rad sa velikom neizvjesnosti � Dijagnostika greški (fault diagnosis)� Rekonfiguracija upravljanja � Adaptacija i učenje � Planiranje taskova



32


� Konvencionalno upravljanje:� Separacija kontrolera (dizajniran) i sistema

kojim se upravlja (generalno dat objekat, ne može se mjenjati)

Inteligentno upravljanje (kompleksno, � Inteligentno upravljanje (kompleksno, izazov)� Nema jasne granice izmeñu objekta i kontrolera;

upravljački zakoni mogu biti dio sistema koji se kontroliše

� Novi dizajn procesa na mnogo sistematičniji način



33


� Područja relevantna inteligentnom upravljanju, kao dodatak na konvencionalne upravljačke metode, uključuju:uključuju:� hibridne sisteme, planiranje, sisteme

bazirane na znanju, mašinsko učenje, algoritme pretraživanja, dijagnostiku greški, upravljačku rekonfiguraciju, predikatsku logiku, automate, Petri mreže, neuronske mreže i fuzzy logiku.



34

Autonomno (inteligentno) upravljanje

� Daje naglasak na činjenicu da inteligenti kontroleri postižu veći nivo autonomije i ostavarivanja upravljačkih ciljeva nego na inteligentnu metodologiju kojom se na inteligentnu metodologiju kojom se ostavaruju ti ciljevi



35

Inteligentni upravljački sistemi

� Inteligentni upravljački sistemi � dizajnirani da mogu autonomno

dosegnuti ciljeve visokog nivoa, � pri čemu komponente, ciljevi � pri čemu komponente, ciljevi

upravljanja, modeli objekata i upravljački zakoni nisu kompletno definisani (ili nisu poznati u trenutku dizajniranja ili zbog neočekivanih promjena)



36

Cyber-fizički sistemi� Cyber-Physical Systems: interakcija cyber i

fizičkih sistema• CPS, IoT� Terminologija CPS:

� 2006, Helen Gill, National Science � 2006, Helen Gill, National Science Foundation USA



37

Cyber Sistemi

� Cyber implicira integraciju� računarstvo� komunikacije

Computing

� komunikacije� upravljanje



Control

Communication

38

Fizički sistemi

� Fizički sistemi–prirodni sistemi i ljudski generisani sistemi, koji sistemi, koji funkcinišu po zakonima fizike; operiraju u kontinulanom vremenu



39

Šta su Cyber-fizički sistemi

� Cyber-Physical Systems-� integracija računarstva i

komunikacionih sposobnosti� real-time monitoring i upravljanje

fizičkim sistemimafizičkim sistemima� integracija ugrañenog hardvera i

računara� integracija ugrañenih sistema i

vještačke inteligencije� moraju biti pouzdani, sigurni,

efikasni u realnom vremenu



40

Multidisciplinarni pristup CPS

Real-time računarstvo

Embedded sistemi




Bežične senzorske

mreže

Teorija upravljanja

Signal procesiranje

41


� Metode inteligentnog upravljanja primjenje su u:� Robotici i automatici, � Proizvodnji (manufacturing), � Proizvodnji (manufacturing), � Transport i upravljanje saobraćajem (traffic

control)� Medicinski dijagnostički sistemi � Automatizacija zgrada, pametne kuće



42

Domen proizvodne industrije



43

Praćenje distribuiranih energetskih resursa



44

Analize podataka u energetskom sektoru



45

Efekti korištenja inteligentnih metoda



46

Robotski sistemi



47

Pametni gradovi, pametne kuće



48

Sistemi praćenja zdravlja



49

Inteligentni transportni sistemi



50

IU1 Uvod Inteligentno upravljanje - lejla-bm.com.ba · Tehnike vještačke inteligencije Klasifikacijske metode Vjerovatnosne metode Logika Neuronske mreže Inteligentno

Documents