VEŠTAČKE NEURONSKE MREŽE - Zbirka rešenih zadataka sa izvodima iz teorije / ARTIFICIAL NEURAL NETWORKS – solved examples with short theory background
Књига (Објављена верзија)
Метаподаци
Приказ свих података о документуАпстракт
Vekovima unazad, pristup naučnika pri razumevanju pojedinih fizičkih procesa, uglavnom se oslanjao na uspostavljanje matematičkih modela procesa, rešavanje jednačina kretanja, kao i na interpretaciju ponašanja i karakteristika procesa. Matematički modeli, sami po sebi, mogu da odražavaju fizičke zakone koji su često interpretirani i u obliku diferencijalnih jednačina. Ovi modeli mogu da budu korišćeni tako da opišu ponašanje i osobine nekog procesa za date početne uslove. Pokušaj da se objasni i razume priroda njenim opisivanjem pomoću matematičkih jednakosti, bio je veoma uspešan. Zakoni kao što je Njutnov i dr. obuhvatili su fundamentalne istine u obliku jednačina. Uprkos postignutim uspesima uvođenjem jasnih matematičkih zakonitosti, neki procesi ne mogu biti tako lako objašnjeni zakonima ili modelima koji su eksplicitno dati u analitičkom obliku. Na primer, po kom zakonu je moguće uzeti nečiji potpis kao ulaz i dobiti na izlazu potvrdu da li je taj potpis validan ili ne. Ovakva vez...a nije obuhvaćena i opisana svim do sada poznatim zakonima, ali to ne znači da ne postoji neka složena matematička funkcija koja može opisati nečiji potpis. Upravo zbog toga, da bi se utvrdilo koja je to funkcija, neophodno je ići mnogo dalje od tradicionalnog pristupa u razumevanju i rešavanju takvih neodređenih problema. Veštačke neuronske mreže mogu da uče, da se prilagode okruženju problema koji se razmatra, da ustanove „model” u situacijama kada su pravila nepoznata i/ili su neodređena i/ili nepotpuna. Veštačke neuronske mreže kao univerzalni aproksimator funkcija predstavljaju računsku paradigmu koja se bazira na paralelnom procesiranju po ugledu na ljudski mozak. One sadrže veštačke neurone koji su međusobno povezani u jednu „ogromnu” paralelnu strukturu. Snaga veštačkih neuronskih mreža leži u tome da su sposobne da predstave opštu vezu ili funkciju, kao i u njihovoj sposobnosti da nauče ove veze direktno iz eksperimentalnih podataka. Zbog toga veštačke neuronske mreže, kao proračunski alat, mogu pomoću analitičkih i/ili eksperimentalnih podataka, da modeliraju ponašanje složenih sistema sa većim brojem uticajnih veličina čiji su efekti, kako pojedinačnih tako i sinergijskih uticaja, nepoznati i/ili nepotpuni i/ili teško predvidivi. Ovo je važno jer je u rešavanju problema u tehnici često potrebno inteligentno okruženje koje ima izgrađeno „kreativno” ponašanje. Kreativnost se u veštačkoj inteligenciji može dovesti u kontekst sa sposobnošću predviđanja ponašanja posmatranih sistema, posebno onih koji se odlikuju složenim i stohastičkim promenama koje određuju njihove izlazne performanse. U ovoj knjizi su, kroz primere, pokazane mogućnosti veštačkih neuronskih mreža, kao tehnike veštačke inteligencije, u modeliranju i predviđanju vrlo složenih uticaja na rad sistema koji se odlikuju kompleksnim sinergijskim dejstvima slučajnog karaktera kao što su rad kočnice motornih vozila, „istraživanje“ tehnološkog okruženja mobilnog robota, itd. Takođe, kroz više primera u knjizi, može da se uoči sinergijsko dejstvo značajnog broja uticajnih komponenti složenog sistema inteligentnog upravljanja mobilnim robotom koji radi u nepoznatom i/ili delimično poznatom tehnološkom okruženju, što ima za cilj da pokaže kako se veštačke neuronske mreže koriste u rešavanju ovako kompleksnih problema u tehnici. U ovoj zbirci rešenih zadataka sa izvodima iz teorije, prikazana je multidisciplinarna primena veštačkih neuronskih mreža, sa osnovnom idejom ilustracije njihove primene za veliki broj problema koji se javljaju u inženjerskoj praksi. S obzirom da je u uvodnom delu zbirke naglašeno da modeliranje problema primenom veštačkih neuronskih mreža može biti prilično kompleksno, ova knjiga će se zato ograničiti na probleme koji su najčešće prisutni u nastavničkom i naučno-istraživačkom radu autora. U tom smislu, sve zadatke u okviru ove zbirke treba shvatiti isključivo kao primere u kontekstu osnovnih domena primene veštačkih neuronskih mreža, kao što su: klasifikacija, funkcionalna aproksimacija i predikcija. U nekim zadacima, demonstrirana je primena veštačkih neuronskih mreža za modeliranje izlaznih performansi koje se ostvaruju u toku rada kočnica motornih vozila, preko primera vezanih za prepoznavanje objekata na slici u okviru scene mobilnog robota, do primera koji su usko vezani za projektovanje mobilnih robota.
Кључне речи:
Veštaćke neuronske mreže / Mobilni robot / Kočni sistem motornog vozila / Inteligentni tehnološki sistemi i procesi / Kompjuterska simulacija / Matematičko-algoritamska podrška / Mašinsko učenje / inteligentno upravljanje mobilnih robota / Matlab / BPnet softver / ART-1 softverИзвор:
2018, II izdanjeИздавач:
- Mašinski fakultet Univerziteta u Beogradu
Финансирање / пројекти:
- Иновативни приступ у примени интелигентних технолошких система за производњу делова од лима заснован на еколошким принципима (RS-MESTD-Technological Development (TD or TR)-35004)
Колекције
Институција/група
Mašinski fakultetTY - BOOK AU - Miljković, Zoran AU - Aleksendrić, Dragan PY - 2018 UR - https://machinery.mas.bg.ac.rs/handle/123456789/4432 AB - Vekovima unazad, pristup naučnika pri razumevanju pojedinih fizičkih procesa, uglavnom se oslanjao na uspostavljanje matematičkih modela procesa, rešavanje jednačina kretanja, kao i na interpretaciju ponašanja i karakteristika procesa. Matematički modeli, sami po sebi, mogu da odražavaju fizičke zakone koji su često interpretirani i u obliku diferencijalnih jednačina. Ovi modeli mogu da budu korišćeni tako da opišu ponašanje i osobine nekog procesa za date početne uslove. Pokušaj da se objasni i razume priroda njenim opisivanjem pomoću matematičkih jednakosti, bio je veoma uspešan. Zakoni kao što je Njutnov i dr. obuhvatili su fundamentalne istine u obliku jednačina. Uprkos postignutim uspesima uvođenjem jasnih matematičkih zakonitosti, neki procesi ne mogu biti tako lako objašnjeni zakonima ili modelima koji su eksplicitno dati u analitičkom obliku. Na primer, po kom zakonu je moguće uzeti nečiji potpis kao ulaz i dobiti na izlazu potvrdu da li je taj potpis validan ili ne. Ovakva veza nije obuhvaćena i opisana svim do sada poznatim zakonima, ali to ne znači da ne postoji neka složena matematička funkcija koja može opisati nečiji potpis. Upravo zbog toga, da bi se utvrdilo koja je to funkcija, neophodno je ići mnogo dalje od tradicionalnog pristupa u razumevanju i rešavanju takvih neodređenih problema. Veštačke neuronske mreže mogu da uče, da se prilagode okruženju problema koji se razmatra, da ustanove „model” u situacijama kada su pravila nepoznata i/ili su neodređena i/ili nepotpuna. Veštačke neuronske mreže kao univerzalni aproksimator funkcija predstavljaju računsku paradigmu koja se bazira na paralelnom procesiranju po ugledu na ljudski mozak. One sadrže veštačke neurone koji su međusobno povezani u jednu „ogromnu” paralelnu strukturu. Snaga veštačkih neuronskih mreža leži u tome da su sposobne da predstave opštu vezu ili funkciju, kao i u njihovoj sposobnosti da nauče ove veze direktno iz eksperimentalnih podataka. Zbog toga veštačke neuronske mreže, kao proračunski alat, mogu pomoću analitičkih i/ili eksperimentalnih podataka, da modeliraju ponašanje složenih sistema sa većim brojem uticajnih veličina čiji su efekti, kako pojedinačnih tako i sinergijskih uticaja, nepoznati i/ili nepotpuni i/ili teško predvidivi. Ovo je važno jer je u rešavanju problema u tehnici često potrebno inteligentno okruženje koje ima izgrađeno „kreativno” ponašanje. Kreativnost se u veštačkoj inteligenciji može dovesti u kontekst sa sposobnošću predviđanja ponašanja posmatranih sistema, posebno onih koji se odlikuju složenim i stohastičkim promenama koje određuju njihove izlazne performanse. U ovoj knjizi su, kroz primere, pokazane mogućnosti veštačkih neuronskih mreža, kao tehnike veštačke inteligencije, u modeliranju i predviđanju vrlo složenih uticaja na rad sistema koji se odlikuju kompleksnim sinergijskim dejstvima slučajnog karaktera kao što su rad kočnice motornih vozila, „istraživanje“ tehnološkog okruženja mobilnog robota, itd. Takođe, kroz više primera u knjizi, može da se uoči sinergijsko dejstvo značajnog broja uticajnih komponenti složenog sistema inteligentnog upravljanja mobilnim robotom koji radi u nepoznatom i/ili delimično poznatom tehnološkom okruženju, što ima za cilj da pokaže kako se veštačke neuronske mreže koriste u rešavanju ovako kompleksnih problema u tehnici. U ovoj zbirci rešenih zadataka sa izvodima iz teorije, prikazana je multidisciplinarna primena veštačkih neuronskih mreža, sa osnovnom idejom ilustracije njihove primene za veliki broj problema koji se javljaju u inženjerskoj praksi. S obzirom da je u uvodnom delu zbirke naglašeno da modeliranje problema primenom veštačkih neuronskih mreža može biti prilično kompleksno, ova knjiga će se zato ograničiti na probleme koji su najčešće prisutni u nastavničkom i naučno-istraživačkom radu autora. U tom smislu, sve zadatke u okviru ove zbirke treba shvatiti isključivo kao primere u kontekstu osnovnih domena primene veštačkih neuronskih mreža, kao što su: klasifikacija, funkcionalna aproksimacija i predikcija. U nekim zadacima, demonstrirana je primena veštačkih neuronskih mreža za modeliranje izlaznih performansi koje se ostvaruju u toku rada kočnica motornih vozila, preko primera vezanih za prepoznavanje objekata na slici u okviru scene mobilnog robota, do primera koji su usko vezani za projektovanje mobilnih robota. PB - Mašinski fakultet Univerziteta u Beogradu T1 - VEŠTAČKE NEURONSKE MREŽE - Zbirka rešenih zadataka sa izvodima iz teorije / ARTIFICIAL NEURAL NETWORKS – solved examples with short theory background IS - II izdanje UR - https://hdl.handle.net/21.15107/rcub_machinery_4432 ER -
@book{ author = "Miljković, Zoran and Aleksendrić, Dragan", year = "2018", abstract = "Vekovima unazad, pristup naučnika pri razumevanju pojedinih fizičkih procesa, uglavnom se oslanjao na uspostavljanje matematičkih modela procesa, rešavanje jednačina kretanja, kao i na interpretaciju ponašanja i karakteristika procesa. Matematički modeli, sami po sebi, mogu da odražavaju fizičke zakone koji su često interpretirani i u obliku diferencijalnih jednačina. Ovi modeli mogu da budu korišćeni tako da opišu ponašanje i osobine nekog procesa za date početne uslove. Pokušaj da se objasni i razume priroda njenim opisivanjem pomoću matematičkih jednakosti, bio je veoma uspešan. Zakoni kao što je Njutnov i dr. obuhvatili su fundamentalne istine u obliku jednačina. Uprkos postignutim uspesima uvođenjem jasnih matematičkih zakonitosti, neki procesi ne mogu biti tako lako objašnjeni zakonima ili modelima koji su eksplicitno dati u analitičkom obliku. Na primer, po kom zakonu je moguće uzeti nečiji potpis kao ulaz i dobiti na izlazu potvrdu da li je taj potpis validan ili ne. Ovakva veza nije obuhvaćena i opisana svim do sada poznatim zakonima, ali to ne znači da ne postoji neka složena matematička funkcija koja može opisati nečiji potpis. Upravo zbog toga, da bi se utvrdilo koja je to funkcija, neophodno je ići mnogo dalje od tradicionalnog pristupa u razumevanju i rešavanju takvih neodređenih problema. Veštačke neuronske mreže mogu da uče, da se prilagode okruženju problema koji se razmatra, da ustanove „model” u situacijama kada su pravila nepoznata i/ili su neodređena i/ili nepotpuna. Veštačke neuronske mreže kao univerzalni aproksimator funkcija predstavljaju računsku paradigmu koja se bazira na paralelnom procesiranju po ugledu na ljudski mozak. One sadrže veštačke neurone koji su međusobno povezani u jednu „ogromnu” paralelnu strukturu. Snaga veštačkih neuronskih mreža leži u tome da su sposobne da predstave opštu vezu ili funkciju, kao i u njihovoj sposobnosti da nauče ove veze direktno iz eksperimentalnih podataka. Zbog toga veštačke neuronske mreže, kao proračunski alat, mogu pomoću analitičkih i/ili eksperimentalnih podataka, da modeliraju ponašanje složenih sistema sa većim brojem uticajnih veličina čiji su efekti, kako pojedinačnih tako i sinergijskih uticaja, nepoznati i/ili nepotpuni i/ili teško predvidivi. Ovo je važno jer je u rešavanju problema u tehnici često potrebno inteligentno okruženje koje ima izgrađeno „kreativno” ponašanje. Kreativnost se u veštačkoj inteligenciji može dovesti u kontekst sa sposobnošću predviđanja ponašanja posmatranih sistema, posebno onih koji se odlikuju složenim i stohastičkim promenama koje određuju njihove izlazne performanse. U ovoj knjizi su, kroz primere, pokazane mogućnosti veštačkih neuronskih mreža, kao tehnike veštačke inteligencije, u modeliranju i predviđanju vrlo složenih uticaja na rad sistema koji se odlikuju kompleksnim sinergijskim dejstvima slučajnog karaktera kao što su rad kočnice motornih vozila, „istraživanje“ tehnološkog okruženja mobilnog robota, itd. Takođe, kroz više primera u knjizi, može da se uoči sinergijsko dejstvo značajnog broja uticajnih komponenti složenog sistema inteligentnog upravljanja mobilnim robotom koji radi u nepoznatom i/ili delimično poznatom tehnološkom okruženju, što ima za cilj da pokaže kako se veštačke neuronske mreže koriste u rešavanju ovako kompleksnih problema u tehnici. U ovoj zbirci rešenih zadataka sa izvodima iz teorije, prikazana je multidisciplinarna primena veštačkih neuronskih mreža, sa osnovnom idejom ilustracije njihove primene za veliki broj problema koji se javljaju u inženjerskoj praksi. S obzirom da je u uvodnom delu zbirke naglašeno da modeliranje problema primenom veštačkih neuronskih mreža može biti prilično kompleksno, ova knjiga će se zato ograničiti na probleme koji su najčešće prisutni u nastavničkom i naučno-istraživačkom radu autora. U tom smislu, sve zadatke u okviru ove zbirke treba shvatiti isključivo kao primere u kontekstu osnovnih domena primene veštačkih neuronskih mreža, kao što su: klasifikacija, funkcionalna aproksimacija i predikcija. U nekim zadacima, demonstrirana je primena veštačkih neuronskih mreža za modeliranje izlaznih performansi koje se ostvaruju u toku rada kočnica motornih vozila, preko primera vezanih za prepoznavanje objekata na slici u okviru scene mobilnog robota, do primera koji su usko vezani za projektovanje mobilnih robota.", publisher = "Mašinski fakultet Univerziteta u Beogradu", title = "VEŠTAČKE NEURONSKE MREŽE - Zbirka rešenih zadataka sa izvodima iz teorije / ARTIFICIAL NEURAL NETWORKS – solved examples with short theory background", number = "II izdanje", url = "https://hdl.handle.net/21.15107/rcub_machinery_4432" }
Miljković, Z.,& Aleksendrić, D.. (2018). VEŠTAČKE NEURONSKE MREŽE - Zbirka rešenih zadataka sa izvodima iz teorije / ARTIFICIAL NEURAL NETWORKS – solved examples with short theory background. Mašinski fakultet Univerziteta u Beogradu.(II izdanje). https://hdl.handle.net/21.15107/rcub_machinery_4432
Miljković Z, Aleksendrić D. VEŠTAČKE NEURONSKE MREŽE - Zbirka rešenih zadataka sa izvodima iz teorije / ARTIFICIAL NEURAL NETWORKS – solved examples with short theory background. 2018;(II izdanje). https://hdl.handle.net/21.15107/rcub_machinery_4432 .
Miljković, Zoran, Aleksendrić, Dragan, "VEŠTAČKE NEURONSKE MREŽE - Zbirka rešenih zadataka sa izvodima iz teorije / ARTIFICIAL NEURAL NETWORKS – solved examples with short theory background", no. II izdanje (2018), https://hdl.handle.net/21.15107/rcub_machinery_4432 .