Cilji in kompetence
Ob koncu tega predmeta študent razume osnovne pojme pri reševanju kompleksnih problemov v gradbeništvu, ki se jih ne da rešiti z abstraktnimi matematičnimi modeli.
Študent osvoji potrebne spretnosti za pridobivanje podatkov, matematično predstavitev znanja in pripravo ustreznih empiričnih modelov na osnovi nevronskih mrež ali podobnih orodij, z upoštevanjem nezanesljivosti ali brez nje.
Razume in zna uporabljati obravnavane metode in postopke pri realnih problemih v raziskovalni in vsakdanji inženirski praksi.
Vsebina
Splošno o modeliranju fizikalnih pojavov
- Abstraktni in empirični matematični modeli
- Matematična predstavitev podatkov in znanja
- Zašumljeni podatki
- Izbira vhodnih parametrov pojava
- Primernost in uspešnost empiričnih modelov
Teoretične osnove nevronskih mrež
- Osnovni in splošni pojmi
- Nevronska mreža z vzvratnim porazdeljevanjem napake (BP NM)
- Nevronska mreža s samoorganizacijo nevronov
- Nevronska mreža s cenilko pogojnega povprečja (CAE nevronska mreža)
Mere za oceno uspešnosti in kvalitete modelov
- Splošne ocene
- Globalna in lokalna napaka
- Parameter gladkosti za CAE NM
- Lokalne ocene zanesljivosti napovedi
Verjetnostni pristop k modeliranju
- Osnovni principi in enačbe
- Metoda stratificiranega vzorčenja
- Tipi negotovosti in njihovo vključevanje v modele
Primeri uporabe
- Splošni primeri, ki zahtevajo posebne načine kodiranja podatkov in znanja
- Primeri iz potresnega inženirstva
- Različni primeri iz gradbene prakse
- Različni primeri iz kovinskih materialov (proizvodnja, optimizacija mehanskih lastnosti, človeški faktor, majhne baze podatkov)
Metode poučevanja in učenja
Predavanja v predavalnici, občasno podprta z računalniško projekcijo gradiva. Razlaga osnovnih pojmov in izpeljava enačb na tablo. Seminarske vaje z demonstracijo osnovnih enačb in pristopov. Izdelava seminarskih nalog.
Predvideni študijski rezultati - znanje in razumevanje
Znanje in razumevanje:
Po zaključku tega predmeta bo študent sposoben:
• Modelirati različne nelinearne inženirske in fizikalne pojave s širokega področja gradbeništva z uporabo sodobnih empiričnih pristopov, predvsem nevronskih mrež.
• Za modelirane pojave, za katere obstajajo merjeni podatki, upoštevati tudi epistemične in aleatorne nezanesljivosti.
• Pripraviti empiričen model tudi v primeru zelo velikih ali (zelo) majhnih baz eksperimentalnih podatkov.
Prenesljive/ključne spretnosti in drugi atributi:
• Spretnosti komuniciranja: strokovno in znanstveno pisno izražanje pri seminarskem delu ter strokovno in znanstveno ustno izražanje na ustnem izpitu.
• Uporaba pridobljenih znanj: sistematična priprava ustreznega empiričnega modela, analiza in prikaz rezultatov.
• Reševanje problemov: zmožnost naprednega razumevanja in opisovanja obravnavanih pojav v gradbeništvu.
Temeljni literatura in viri
Peruš I., Nevronske mreže in njihova uporaba v metalurgiji, Oddelek za material in tehnologijo, Naravoslovnotehniška fakulteta, Univerza v Ljubljani, Ljubljana, 2014.
Grabec I. in Sachse W., Synergetics of measurement, prediction and control, Springer-Verlag, 1997.
Dodatna literatura:
Aldrich C., Exploatory analysis of metallurgical process data with neural networks and related methods, Elsevir science B.V., Sara Burgerhartstraat 25, Amsterdam, Netherlands, 2002.
Znanstveni članki iz mednarodnih publikacij
Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
Priporočeno znanje iz matematike, statistike in osnovnih metod statičnega preračuna gradbenih konstrukcij.
