HrvatskihrEnglishen
Opcije pristupačnosti Pristupačnost
  1. Naslovnica
  2. Metode umjetne inteligencije u kemijskom inženjerstvu
Metode umjetne inteligencije u kemijskom inženjerstvu
Anketa
Na ovoj stranici trenutno nije odabrana niti jedna anketa!
Administracija
Dodaj anketu Konfiguracija
Repozitorij
[ Dodaj... | Postavke ]
Obavijesti

Upute za pisanje seminara

Autor: Željka Ujević Andrijić

Mole se studenti da pročitaju Upute za pisanje seminara koje se nalaze u Repozitoriju te da se oko eventualnih pitanja jave na email zujevic@fkit.hr.  Iduće predavanje ćemo održati u četvrtak 13.01.2022. 

Komentiraj (0)

Sastanak vezan uz Erasmus praksu (Know-Center Graz)

Autor: Nenad Bolf

Petak,  5. studenog u 13 sati

 

Microsoft Teams meeting

Join on your computer or mobile app

Click here to join the meeting

Or call in (audio only)

+43 1 2057735514,,486660653#   Austria, Vienna

Phone Conference ID: 486 660 653#

Find a local number | Reset PIN

Learn More | Meeting options

Komentiraj (0)

Uvodno predavanje 14.10. u 16h

Autor: Željka Ujević Andrijić

Predavanje iz kolegija Metode umjetne inteligencije u kemijskom inženjerstvu će se zbog sudjelovanja nastavnika na HSKIKI konferenciji održati idući tjedan 14.listopada u 16h u UZR.

Komentiraj (0)
Arhiva obavijesti
Metode umjetne inteligencije u kemijskom inženjerstvu
Šifra: 202663
ECTS: 4.0
Nositelji: doc. dr. sc. Željka Ujević Andrijić
prof. dr. sc. Nenad Bolf
Prijava ispita: Studomat
Opterećenje:

1. komponenta

Vrsta nastaveUkupno
Predavanja 15
Laboratorijske vježbe 30
* Opterećenje je izraženo u školskim satima (1 školski sat = 45 minuta)
Opis predmeta:
Cilj kolegija je poučiti studente izvedbi i radu sustava koji primjenjuju metode umjetne inteligencije u kemijskom inženjerstvu i procesnoj industriji.

Izvedbeni program kolegija:
1. Pregled metoda umjetne inteligencije. Povijesni razvoj. Primjeri primjene metoda umjetne inteligencije. Inteligentni sustavi u industriji.
2. Umjetne neuronske mreže. Biološki i umjetni neuron. Topologija neuronske mreže. Višeslojne neuronske mreže. Podjela neuronskih mreža. Algoritmi učenja. Algoritam
unatražne propagacije.
3. Vrednovanje modela. Analiza osjetljivosti.
4. Primjeri primjene neuronskih mreža u kemijskom inženjerstvu.
5. Studija razvoja neuronske mreže iz eksperimentalnih podataka.
6. Neizrazita logika. Neizraziti skupovi i funkcija pripadnosti.
Neizrazita pravila i relacije. Određivanje strukture i parametara neizrazitog modela. Projektiranje vođenja procesa primjenom neizrazite logike. Hibridni sustavi.
7. Uvod u strojno učenje. Metode strojnog učenja. Nadzirano učenje. Regresija i klasifikacija. Postupak razvoja modela za strojno učenje. Nenadzirano učenje. Tehnike nenadziranog učenja.
8. Priprema (predobrada) podataka. Metode za reduciranje dimenzije podataka.
9. Algoritmi za grupiranje (klasteriranje) podataka. Primjeri.
10. Metoda potpornih vektora. Linearna i nelinearna metoda potpornih vektora. Optimiranje u primjeni metode potpornih vektora. Kernel funkcija. Primjeri.
11. Metode zasnovane na stablima odlučivanja. Osnovni algoritam učenja stabla odluke. Primjer.
12. Prirodom inspirirani optimizacijski algoritmi. Evolucijski algoritmi. Genetički algoritmi. Osnovni pojmovi (jedinka, populacija, generacija). Operatori selekcije, križanja i mutacije.
Primjerenost i skaliranje primjerenosti.
13. Osnovni koraci kod optimiranja genetičkim algoritmima. Primjer optimiranja (procjene parametara) primjenom genetičkih algoritama u kemijskom inženjerstvu.
14. Metoda pretraživanja uzorkom. Metoda simuliranog kaljenja.
Literatura:
  1. Mitchell, T. M.: Machine Learning
  2. Hastie, T., Tibshirani, R., Friedman, J.H.: The elements of statistical learning: Data mining, inference, and prediction
3. semestar
Izborna grupa - Redovni modul - Kemijske tehnologije i proizvodi
Izborna grupa - Redovni modul - Kemijsko inženjerstvo u zaštiti okoliša
Izborna grupa - Redovni modul - Kemijsko-procesno inženjerstvo
Termini konzultacija: