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. (2014). Nevronske mreže in njihova uporaba v metalurgiji. Oddelek za material in tehnologijo, Naravoslovnotehniška fakulteta, Univerza v Ljubljani. https://plus.cobiss.net/cobiss/si/sl/bib/COBIB/273283072
Grabec, I., & Sachse, W. (1997). Synergetics of Measurement, Prediction and Control. Springer-Verlag. https://plus.cobiss.net/cobiss/si/sl/bib/COBIB/6898176
Russell, S. J., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach (4th ed.). Pearson. https://plus.cobiss.net/cobiss/si/sl/bib/COBIB/39849219
Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
Priporočeno znanje iz matematike, statistike in osnovnih metod statičnega preračuna gradbenih konstrukcij.
Pogoj za pristop k pisnemu izpitu je zaključena seminarska naloga.
Za pozitivno oceno je na vsakem od obeh delov izpita (seminar in ustni) potrebno zbrati vsaj 60% točk.
