Εφαρμογές της Τεχνητής Νοημοσύνης

ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

• Εισαγωγή – Τι είναι η Τεχνητή Νοημοσύνη – Η σήμερα
• Περιγραφή προβλημάτων – Τρόποι περιγραφής – Αλγόριθμοι Αναζήτησης – Αλγόριθμοι τυφλής (εξαντλητικής) αναζήτησης – Αλγόριθμοι ευριστικής αναζήτησης
• Αναπαράσταση γνώσης και λογικές – Προτασιακή, κατηγορηματική και διαζευκτική λογική – Μη μονότονη λογική – Δομημένες αναπαραστάσεις γνώσης (Σημασιολογικά δίκτυα, πλαίσια, εννοιολογικές εξαρτήσεις, σενάρια) – Κανόνες – Αναπαράσταση του χρόνου – Είδη συλλογιστικής
• Αβέβαια λογική (Πιθανότητες, νόμος του Bayes, προσέγγιση Dempster-Shafer) – Ασαφής λογική
• Συστήματα γνώσης – Είδη συλλογιστικής στα συστήματα γνώσης – Έμπειρα συστήματα (ΕΣ) – Χαρακτηριστικά των (ΕΣ) – Η δομή των (ΕΣ) – Διαδικασία ανάπτυξης (ΕΣ
• Μηχανική μάθηση
• Γενετικοί αλγόριθμοι
• Εφαρμογές συστημάτων γνώσης διακριτής και ασαφούς λογικής στον σχεδιασμό και στην διάγνωση βλαβών μηχανών και μηχανολογικών συστημάτων
• Ευφυής έλεγχος και τεχνικές ευφυούς ελέγχου
• Ασαφείς ελεγκτές – Σχεδιασμός και εφαρμογές ασαφών ελεγκτών
• Εισαγωγή στο Νευρωνικό έλεγχο και εφαρμογές

ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

Το μάθημα είναι κατ’ επιλογή μάθημα και προσφέρεται από τον κατασκευαστικό τομέα στο 9ο εξάμηνο σπουδών.

Στόχοι του μαθήματος:
1. Εξοικείωση με τις βασικές έννοιες της Τεχνητής Νοημοσύνης
2. Κατανόηση των αλγορίθμων, μεθόδων και τεχνικών συστηματικής κατάστρωσης και επίλυσης προβλημάτων
3. Εξοικείωση με τους τρόπους αναπαράστασης διακριτής και ασαφούς λογικής
4. Κατανόηση του τρόπου εφαρμογής μεθόδων επίλυσης και αναπαράστασης γνώσης για τη λύση προβλημάτων προερχομένων από το πεδίο του μηχανολόγου μηχανικού (σχεδιασμός, παραγωγικές διαδικασίες, ρομποτική, αυτόματος έλεγχος)

Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής:
• Θα είναι εξοικειωμένος με τις βασικές έννοιες της Τεχνητής Νοημοσύνης και τις μεθόδους έρευνας και αναπαράστασης γνώσης για την επίλυση προβλημάτων
• Θα μπορεί να εφαρμόζει τα παραπάνω για τη λύση προβλημάτων προερχομένων από το πεδίο του μηχανολόγου και αεροναυπηγού μηχανικού