Fakta om emnet

Studiepoeng:
10
Ansvarlig avdeling:
Avdeling for informasjonsteknologi
Studiested:
Halden
Emneansvarlig:
Steffen Log
Undervisningsspråk:
Norsk
Varighet:
½ år

ITD32005 Intelligente systemer (Vår 2014)

Emnet er tilknyttet følgende studieprogram

Valgfritt emne for:

  • Bachelorstudiet i ingeniørfag - data 
  • Bachelorstudiet i ingeniørfag - data, Y-veien 

 

Forkunnskapskrav utover opptakskrav

Studentene bør ha grunnleggende kunnskaper innen databehandling.

Undervisningssemester

Bachelorstudiet i ingeniørfag - data (vår 6. semester)
Bachelorstudiet i ingeniørfag - data, Y-veien  (vår 6.semester)

4 timer forelesning per uke og i tillegg kommer regneøvinger, laboppgaver og prosjekt.

I enkelte uker kan det bli gitt 6 timer forelesninger per uke. Det medfører at enkelte uker vil være forelesningsfri.

 

Studentens læringsutbytte etter bestått emne

KUNNSKAP: Etter endt emne skal studenten kunne

  • gjøre rede for grunnleggende begreper i kunstig intelligens
  • forstå hvordan et system kan gjøres mer intelligent
  • forstå forskjellige sider ved usikkerhetsbegrepet
  • forstå logisk programmering
  • forstå navigering av et mobilt kjøretøy

FERDIGHETER: Etter endt emne skal studenten kunne

  • bruke forskjellige søkestrategier
  • forstå oppbygning av ekspertsystemer
  • forskjellige teknikker for å takle usikkerhet i et system
  • tekstanalyse ved hjelp av logisk programmering
  • forstå nevrale nettverk
  • bruke 'Fuzzy Logic Toolbox' i MATLAB

GENERELL KOMPETANSE: Etter endt emne skal studenten kunne

  • gjøre bruk av kunnskap i kunstig intelligens
  • bruke nevrale nettverk til å trene opp et system ved hjelp av MATLAB
  • inkorporere fuzzy logikk i et system
  • få et mobilt kjøretøy til å ta seg fram på egenhånd under gitte betingelser

Innhold

  • Generell beskrivelse av en intelligent agent
  • Søkestrategier
  • Logikk
  • Kunnskapsrepresentasjon og slutning
  • Bayeske nettverk 
  • Usikker kunnskap og resonnering
  • Maskinlæring
  • Logisk programmering
  • Naturlig språkprosessering
  • Fuzzy logikk
  • Nevrale nettverk
  • Genetiske algoritmer

Undervisnings- og læringsformer


Forelesninger, laboratorieoppgaver, regneøvelser og prosjekt.

Arbeidskrav - vilkår for å avlegge eksamen

  • tre laboratorieoppgaver (som gjøres i grupper)
  • fire regneøvelser (som gjøres i grupper)

Arbeidskravene må være godkjent før studenten kan framstille seg til eksamen.

Eksamen

Prosjekt og skriftlig eksamen (3 timer)
- Et større prosjekt (i gruppe) og et miniprosjekt (alene) som samlet teller 50 %.
- En 3 timers skriftlig eksamen som teller 50%. Tillatte hjelpemidler: alle trykte og skrevne papirbaserte hjelpemidler, samt ikkekommuniserende kalkulator.
Det settes en samlet, individuell karakter for emnet. Det benyttes karakterskala A-F.

Ny og utsatt eksamen vil bestå av prosjekt og skriftlig eksamen.
Ved ny og utsatt eksamen avtales innholdet i prosjektdelen med faglærer.

Evaluering av emnet

Dette emnet evalueres på følgende måte:

  • Midtsemesterevaluering (frivillig)
  • Sluttevaluering (obligatorisk)

Den emneansvarlige lager en emnerapport på bakgrunn av studentenes tilbakemeldinger og sine egne erfaringer med emnet.
Emnerapporten behandles av studiekvalitetsutvalget ved avdeling for informasjonsteknologi.

Litteratur

Negnevitsky Michael: Artificial Intelligence, A Guide to Intelligent Systems, third edition, ISBN 978-1-4082-2574-5, Addison Wesley.

Skriftlig materiale utdelt av faglærer.

Sist hentet fra Felles Studentsystem (FS) 27. nov. 2020 02:55:18