1. komponenta

Vrsta nastave	Ukupno
Predavanja	15
Laboratorijske vježbe	30

* Opterećenje je izraženo u školskim satima (1 školski sat = 45 minuta)

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.

1. Identificirati inženjerske zadatke prikladne za rješavanje metodama umjetne inteligencije;
2. Odabrati, prilagoditi i primijeniti metode umjetne inteligencije za rješavanje karakterističnog inženjerskog problema;
3. Razviti i primijeniti modele neuronskih mreža;
4. Primijeniti metode i tehnike obrade i vizualizacije podataka;
5. Tumačiti rezultate i statističke kriterije kod vrednovanja modela;
6. Primijeniti strojno učenje za predviđanje, klasifikaciju i dijagnostiku;
7. Primijeniti genetičke algoritme za optimiranje procesa i modela.

1. Machine Learning, Mitchell, T. M., McGrowHill, 1997.
2. The elements of statistical learning: Data mining, inference, and prediction, Hastie, T., Tibshirani, R., Friedman, J.H., Springer, New York, 2009.

Izborna grupa - Redovni modul - Kemijske tehnologije i proizvodi
Izborna grupa - Redovni modul - Kemijsko inženjerstvo u zaštiti okoliša
Izborna grupa - Redovni modul - Kemijsko-procesno inženjerstvo