Intelligente systemer

Fagets temaer vil varierere fra år til år, avhengig av tilgjengelige fagpersoner og faglig interessefelt. Ved begynnelsen av semester vil noen utvalgte hovedtema bli offentliggjort. Mulige tema er:

Introduksjon til kunstig intelligens og intelligente agenter

Problemløsing og søkemetoder

Kunnskap, resonnering og planlegging (KRP)

Usikkerhet og sannsynligheter i KRP

Læring

Kommunikasjon, persepsjon, aksjon

 Typiske metoder og terminologi som kan bli studert er:

Genetiske algoritmer (GA)

Nevrale nettverk (NN)

Partikkelsvermoptimering (PSO)

Maurkolonioptimering (ACO)

Intelligente agenter

Intelligente algoritmer som BFS,DFS, A*, D*, Dijkstra's algoritme

Ekspertsystemer

Fuzzy-logikk

Klassifikasjonssystemer

Maskinlæring

Kunstig intelligens (AI)

Beregnende intelligence (CI)

Osv.

Læringsutbytte - Kunnskap:

gi en innføring i de utvalgte tema med vekt på bruksområder, metoder og deres styrker og svakheter.

 

Læringsutbytte - Ferdigheter:

konstruere modeller og implementere simuleringer av modellene innen de utvalgte tema.

løse praktiske og teoretiske problemer ved hjelp av metodene i de utvalgte tema.

 

Læringsutbytte - Kompetanse:

finne relevant vitenskapelig fagstoff, samt lese, forstå og bruke dette som grunnlag for egne modeller og simuleringer.

dokumentere eget arbeid på en faglig tilfredstillende måte gjennom øvingsrapporter.

Pedagogiske metoder:

 Forelesninger, oppgaveløsning individuelt eller i grupper, litteraturstudium, diskusjon, demonstrasjoner, med fokus på anvendelse og simulering. Obligatoriske øvinger med tilbakemelding fra lærer.  

Obligatoriske arbeidskrav:

Alle obligatoriske øvinger må bestås for adgang til eksamen. Øvingene samles i mappe og danner grunnlag for muntlig eksamen.