Umetna inteligenca v mešanih modelih sistemov

Evidenčna št.

Z2-3364 (C) - iz evidence ARIS

Vodja

dr. Aleš Belič

Obdobje

1.7.2001 - 31.12.2003

Obseg v 2003

0.24 FTE

Veda

Tehnika (3)

Status raziskovalca

Raziskovalec (3)
Strokovni ali tehnični sodelavec (0)

Izobrazba

Doktorat znanosti (3)

Spol

Moški (3)

Status

Zaposlen v RO+RRD (3)

Število publikacij

100–999 (3)

Projekti / Programi vir: ARIS

vir: ARIS

Umetna inteligenca v mešanih modelih sistemov

Raziskovalna dejavnost

Koda	Veda	Področje	Podpodročje
2.06.02	Tehnika	Sistemi in kibernetika	Znanja o sistemih in vodenju sistemov

Koda	Veda	Področje
T121	Tehnološke vede	Obdelava signalov
P175	Naravoslovno-matematične vede	Informatika, teorija sistemov
P176	Naravoslovno-matematične vede	Umetna inteligenca
B115	Biomedicinske vede	Biomehanika, kibernetika

Ključne besede

Matematično modeliranje, umetna inteligenca, mešani modeli

Vrednotenje (pravilnik)

vir: COBISS

Vrednotenje bibliografskih kazalcev raziskovalne uspešnosti po metodologiji ARIS

Citiranost Citiranost bibliografskih zapisov v COBIB.SI, ki so povezani z zapisi citatnih baz

vir: WoS

vir: Scopus

vir: COBISS

Raziskovalci (3)

št.	Evidenčna št.	Ime in priimek	Razisk. področje	Vloga	Obdobje	Štev. publikacijŠtev. publikacij
1.	15395	dr. Aleš Belič	Sistemi in kibernetika	Vodja	2002 - 2003	323
2.	20181	dr. Gregor Klančar	Sistemi in kibernetika	Raziskovalec	2002 - 2003	318
3.	13565	dr. Gašper Mušič	Sistemi in kibernetika	Raziskovalec	2002 - 2003	451

Organizacije (1)

št.	Evidenčna št.	Razisk. organizacija	Kraj	Matična številka	Štev. publikacijŠtev. publikacij
1.	1538	Univerza v Ljubljani, Fakulteta za elektrotehniko	Ljubljana	1626965	27.742

Povzetek

Vloga matematičnega modeliranja sistemov podprtega z računalniško simulacijo se v zadnjem času tako v tehnologiji vodenja kakor tudi v drugih tehniških in netehniških področjih skokovito povečuje. Zato predlagani podoktorski projekt obravnava možnosti vključevanja pristopov s področja umetne inteligence v klasične oblike matematičnih modelov uveljavljenih v posameznih vedah pa tudi v uporabniških krogih. Tovrstni mešani modeli naj po eni strani ohranijo strukturno jasnost in razumljivost konvencionalnih modelov, po drugi strani pa morajo olajšati dograjevanje modelov v smislu vnosa ekspertnega znanja,nelinearnosti, časovne spremenljivosti parametrov, itd. Tako dobljeni modeli so kljub svoji kompleksnosti lahko laže obvladljivi pa tudi razložljivi na načine, ki so bližji mišljenju uporabnikov modelov. V projektu želimo raziskati kombinacije klasičnih matematičnih modelov z zlepki, mehkimi modeli, umetnimi nevronskimi mrežami in genetskimi algoritmi tako v smislu mešanih modelov, kakor tudi v procesu njihovega razvoja. Uporabnost predlaganih postopkov bo prikazana na konkretnih primerih iz področja biofarmacije in biomehanamike, študirali pa bomo tudi možnosti uporabe pri načrtovanju vodenja.