Συστήματα Ασαφούς Λογικής

Κωδικός Μαθήματος:

ΝΜΒ.709(ε)

Εξάμηνο:

Προπτυχιακό Πρόγραμμα Σπουδών

Κατηγορία:

ΜΕΥ

Ώρες:

2+1

Μονάδες ECTS:

4

Σύνδεσμος στο eClass:

https://eclass.uniwa.gr/courses/236/

Σύνδεσμος στο eClass εργαστηρίου:

https://eclass.uniwa.gr/courses/236/


Περίγραμμα

ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ  Ειδικού Υποβάθρου
ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:  
ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ: ΕΛΛΗΝΙΚΑ
ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS  ΟΧΙ
ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL) https://bme.uniwa.gr/course/fuzzy-logic-systems/
       
(2)    ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ      
Μαθησιακά Αποτελέσματα
Περιγράφονται τα μαθησιακά αποτελέσματα του μαθήματος οι συγκεκριμένες  γνώσεις, δεξιότητες και ικανότητες καταλλήλου επιπέδου που θα αποκτήσουν οι φοιτητές μετά την επιτυχή ολοκλήρωση του μαθήματος.
Με την ολοκλήρωση του μαθήματος οι φοιτητές θα διαθέτουν:
1. Ένα ικανοποιητικό επίπεδο γνώσης για τις θεμελιώδεις αρχές και τα μοντέλα της ασαφούς λογικής.
2. Απαραίτητες γνώσεις για τη μελέτη και την εφαρμογή συστημάτων ασαφούς λογικής. 
3. Γνώση και δεξιότητες στα εργαλεία που βοηθούν στην ανάπτυξη και στο σχεδιασμό ασαφών συστημάτων απόφασης.
4. Γνώση για το συγκερασμό της κλασικής θεωρίας ελέγχου και της θεωρίας του ασαφούς ελέγχου.
Αναλυτικά, οι φοιτητές θα είναι σε θέση:
1. Να κατανοούν τα βασικά χαρακτηριστικά της θεωρίας και των μεθοδολογιών των ασαφών συστημάτων.
2. Να διακρίνουν πότε και γιατί εφαρμόζουμε ασαφείς τεχνικές σε ένα πραγματικό σύστημα.
3. Να αξιοποιούν τα εργαλεία και τις τεχνικές για την ανάπτυξη ασαφών συστημάτων.
4. Να μοντελοποιούν σύνθετα συστήματα στα οποία είναι περίπλοκη η μαθηματική προτυποποίησή τους.
5. Να σχεδιάζουν συστήματα αποφάσεων με τις μεθοδολογίες της ασαφούς λογικής.
Γενικές Ικανότητες
Λαμβάνοντας υπόψη τις γενικές ικανότητες που πρέπει να έχει αποκτήσει ο πτυχιούχος (όπως αυτές αναγράφονται στο Παράρτημα Διπλώματος και παρατίθενται ακολούθως) σε ποια / ποιες από αυτές αποσκοπεί το μάθημα;.
• Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
• Προσαρμογή σε νέες καταστάσεις
• Λήψη αποφάσεων
• Αυτόνομη εργασία 
• Ομαδική εργασία
• Εργασία σε διεθνές περιβάλλον
• Εργασία σε διεπιστημονικό περιβάλλον
• Παραγωγή νέων ερευνητικών ιδεών
• Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
       
(3)    ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ      
1. Εισαγωγικά Στοιχεία – Ασαφή Σύνολα, Συναρτήσεις Συμμετοχής
2. Πράξεις με Ασαφή Σύνολα
3. Αρχή της Επέκτασης – Ασαφείς Γλωσσικές Περιγραφές
4. Ασαφείς Σχέσεις – Συνθετικός Κανόνας Συμπεράσματος
5. Ασαφής Λογική
6. Ασαφής Συλλογισμός – Προσεγγιστικός Συλλογισμός
7. Ασαφής Βάση Γνώσης – Μηχανές Ασαφούς Συμπεράσματος (Mamdani, Larsen,Tsukamoto, Yager)
8. Συστήματα Ασαφούς Λογικής – Μέθοδοι ασαφοποίησης/αποασαφοποίησης
9. Ασαφής Συλλογισμός TSK
10. Εφαρμογές στην Ιατρική και στη Βιολογία
11. Matlab Fuzzy Toolbox
       
(4) ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ – ΑΞΙΟΛΟΓΗΣΗ    
ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ
Πρόσωπο με πρόσωπο, Εξ αποστάσεως εκπαίδευση κ.λπ.
Πρόσωπο με πρόσωπο στην πανεπιστημιακή αίθουσα.
ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ
Χρήση Τ.Π.Ε. στη Διδασκαλία, στην Εργαστηριακή Εκπαίδευση, στην Επικοινωνία με τους φοιτητές
Ηλεκτρονικές Παρουσιάσεις στη Διδασκαλία.
Χρήση της ηλεκτρονικής πλατφόρμας eClass του Τμήματος στη Διδασκαλία, στην Εργαστηριακή Εκπαίδευση και στην Επικοινωνία με τους φοιτητές.
Χρήση ηλεκτρονικής πλατφόρμας διασύνδεσης διδάσκοντος – διδασκομένων μέσω τοπικού δικτύου υπολογιστών στην Εργαστηριακή Εκπαίδευση.
ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ Δραστηριότητα Φόρτος Εργασίας Εξαμήνου
Περιγράφονται αναλυτικά ο τρόπος και μέθοδοι διδασκαλίας.
Αναγράφονται οι ώρες μελέτης του φοιτητή για κάθε μαθησιακή δραστηριότητα καθώς και οι ώρες μη καθοδηγούμενης μελέτης σύμφωνα με τις αρχές του ECTS
Διαλέξεις (2×13) 26
Εργαστήριο (1×13) 13
Αυτοτελής μελέτη 93,5
   
   
   
   
Σύνολο Μαθήματος  119,5

ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ

Περιγραφή της διαδικασίας αξιολόγησης

Αναφέρονται ρητά προσδιορισμένα κριτήρια αξιολόγησης και εάν και που είναι προσβάσιμα από τους φοιτητές.

Γλώσσα αξιολόγησης: Ελληνικά.
Μέθοδος αξιολόγησης:
• Θεωρία (25-75%): Τελική αξιολόγηση με ερωτήσεις πολλαπλής επιλογής, ερωτήσεις σύντομης απάντησης και επίλυση προβλημάτων.
• Εργαστήριο (25-75%): Συνδυασμός βαθμολογίας εβδομαδιαίων εργαστηριακών ασκήσεων και τελικής εξέτασης σε ηλεκτρονικό υπολογιστή.
• Ανάθεση Εργασιών (0-50%): Αξιολόγηση υλοποίησης και παρουσίασης εργασιών.
       
(5) ΣΥΝΙΣΤΩΜΕΝΗ-ΒΙΒΛΙΟΓΡΑΦΙΑ      
• M. Negnevitsky, Τεχνητή Νοημοσύνη, Εκδόσεις Τζιόλα, 2018.
•  Σ. Τζαφέστας, Υπολογιστική Νοημοσύνη, Τόμος Α και Τόμος Β, 2002.
• Β. Καμπουρλάζος, Α. Παπακώστας, Εισαγωγή στην Υπολογιστική Νοημοσύνη, Ελληνικά Ακαδημαϊκά Ηλεκτρονικά Συγγράμματα και Βοηθήματα – Αποθετήριο “Κάλλιπος”, 2015.
• Βασιλειάδη, Φ. Κόκκορα και Η. Σακελαρίου. Τεχνητή Νοημοσύνη. Εκδόσεις Παν/μίου Μακεδονίας, ISBN: 978-960-8396-64-7, Κωδικός σε Εύδοξο: 12867416, http://aibook.csd.auth.gr/.
• Γ. Μπούταλης, Γ. Συρακούλης, Υπολογιστική Νοημοσύνη και Εφαρμογές, 2010.
• A. Engelbrecht, Computational Intelligence: An Introduction, Wiley, 2007
• L. Tsoukalas, R. Uhrig, Fuzzy and Neural Approaches in Engineering, MATLAB Supplement, John Wiley & Sons, 1997.
• F. Karray and C. De Silva, Soft Computing and Intelligent Systems Design, Addison Wesley, 2004.
• Σημειώσεις – Διαφάνειες διαλέξεων.
Συναφή επιστημονικά περιοδικά:
• Fuzzy Sets and Systems
• ΙΕΕΕ Transactions on Fuzzy Systems
• IEEE Computational Intelligence Magazine