ΠΕΡΙΓΡΑΜΜΑ ΜΑΘΗΜΑΤΟΣ

Ασαφή Συστήματα

1. ΓΕΝΙΚΑ

ΣΧΟΛΗ Σχολή Μηχανικών
ΤΜΗΜΑ Τμήμα Μηχανικών Πληροφορικής, Υπολογιστών και Τηλεπικοινωνιών
ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ Προπτυχιακό
ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ %cf%80%ce%bb%ce%b506073 ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ 6ο
ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ Ασαφή Συστήματα
ΑΥΤΟΤΕΛΕΙΣ ΔΙΔΑΚΤΙΚΕΣ ΔΡΑΣΤΗΡΙΟΤΗΤΕΣ
σε περίπτωση που οι πιστωτικές μονάδες απονέμονται σε διακριτά μέρη του μαθήματος π.χ. Διαλέξεις, Εργαστηριακές Ασκήσεις κ.λπ. Αν οι πιστωτικές μονάδες απονέμονται ενιαία για το σύνολο του μαθήματος αναγράψτε τις εβδομαδιαίες ώρες διδασκαλίας και το σύνολο των πιστωτικών μονάδων.
ΕΒΔΟΜΑΔΙΑΙΕΣ ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ
Διαλέξεις 2 5
Ασκήσεις Πράξης 1
Εργαστηριακές Ασκήσεις 1
Προσθέστε σειρές αν χρειαστεί. Η οργάνωση διδασκαλίας και οι διδακτικές μέθοδοι που χρησιμοποιούνται περιγράφονται αναλυτικά στο 4.    
ΤΥΠΟΣ ΜΑΘΗΜΑΤΟΣ
Γενικής Υποδομής (ΓΥ),Ειδικής Υποδομής (ΕΥ), Γενικών Γνώσεων (ΓΓΔ) και Επιστημονικής Περιοχής (ΔΔΤΝ, ΕΔ, ΕΥΣ, ΗΛ, ΠΑ) .
 Ειδίκευσης
ΠΡΟΑΠΑΙΤΟΥΜΕΝΑ ΜΑΘΗΜΑΤΑ:  
ΓΛΩΣΣΑ ΔΙΔΑΣΚΑΛΙΑΣ και ΕΞΕΤΑΣΕΩΝ:  Ελληνικά
ΤΟ ΜΑΘΗΜΑ ΠΡΟΣΦΕΡΕΤΑΙ ΣΕ ΦΟΙΤΗΤΕΣ ERASMUS Όχι
ΗΛΕΚΤΡΟΝΙΚΗ ΣΕΛΙΔΑ ΜΑΘΗΜΑΤΟΣ (URL) http://teachers.teicm.gr/vologian/bp.html

2. ΜΑΘΗΣΙΑΚΑ ΑΠΟΤΕΛΕΣΜΑΤΑ

Μαθησιακά Αποτελέσματα
Περιγράφονται τα μαθησιακά αποτελέσματα του μαθήματος οι συγκεκριμένες  γνώσεις, δεξιότητες και ικανότητες καταλλήλου επιπέδου που θα αποκτήσουν οι φοιτητές μετά την επιτυχή ολοκλήρωση του μαθήματος.

Σκοπός του μαθήματος είναι να εισάγει στην επιστημονική περιοχή των Ασαφών Συνόλων, της (Ασαφούς) Λογικής και των Ασαφών Συστημάτων παρουσιάζοντας την ιστορική εξέλιξη αυτών, μελετώντας ώριμες τεχνολογίες, και περιγράφοντας σύγχρονες τάσεις αναφορικά σε ένα ευρύ φάσμα πρακτικών εφαρμογών.

Η ύλη του μαθήματος στοχεύει στην εισαγωγή των σπουδαστών σε βασικές έννοιες ασαφών συνόλων και συστημάτων, νευρο-ασαφών δικτύων καθώς και τεχνικές βελτιστοποίησης. Έμφαση δίδεται στην περιγραφή συστημάτων που χρησιμοποιούν συνεργατικά τις προαναφερθείσες τεχνολογίες για την επίλυση πρακτικών προβλημάτων κυρίως ομαδοποίησης, ταξινόμησης, και παλινδρόμησης. Υπό αυτήν την έννοια το μάθημα αποτελεί τη βάση πάνω στην οποία θα αναπτυχθούν συγκεκριμένες μεθοδολογίες και τεχνικές σε ειδικά μαθήματα κατεύθυνσης.

Η ύλη του μαθήματος στοχεύει επίσης στην κατανόηση από τους σπουδαστές βασικών αρχών της (μαθηματικής) λογικής, βασικών τύπων λογικής καθώς και την μεθοδευμένη αναγνώριση χρήσεων της λογικής κυρίως στην ανάπτυξη λογισμικού. Επίσης αναφέρεται σε θέματα έμπειρων συστημάτων κανόνων καθώς και σε θέματα ανάπτυξης μαθηματικών μοντέλων από αριθμητικά δεδομένα.

Στόχο του μαθήματος αποτελεί η κατανόηση από τους σπουδαστές της σημασίας των ασαφών συνεπαγωγών, ο συγκερασμός με νευρωνικές αρχιτεκτονικές καθώς και η βελτιστοποίηση με αυτών.
Στόχο του μαθήματος αποτελεί η ουσιαστική κατανόηση της προτασιακής λογικής και η συσχέτιση της με το περιεχόμενο άλλων γνωστικών πεδίων όπως ψηφιακά ηλεκτρονικά, τεχνητή νοημοσύνη, μαθηματικά, κλπ.
Στόχο του μαθήματος επίσης αποτελεί η ουσιαστική κατανόηση θεωρητικών αρχών και συγκεκριμένων τεχνικών της κατηγορηματικής λογικής.
Επίσης, στόχο του μαθήματος αποτελεί η κατανόηση από τους σπουδαστές εννοιών που σχετίζονται με Αριθμούς Διαστημάτων (ΑΔ) με σκοπό μια ενοποιητική προσέγγιση στην μοντελοποίηση συστημάτων.

Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής / τρια θα είναι σε θέση να:

  • Έχει κατανοήσει βασικά και κρίσιμα στοιχεία θεωρίας ασαφών συνόλων και ασαφούς λογικής, βασικές αρχιτεκτονικές νευρο-ασαφών δικτύων και βασικές τεχνικές  βελτιστοποίησης.
  • Έχει κατανοήσει τις βασικές αρχές της (μαθηματικής) λογικής, της προτασιακής λογικής και της λογικής πρώτης-τάξης.
  • Μπορεί να εξηγήσει λογικές ισοδυναμίες της προτασιακής λογικής και να περιγράψει ερμηνείες καθώς και παραγωγικά (λογικά) συστήματα της προτασιακής λογικής.
  • Μπορεί να αναγνωρίσει ισοδύναμες λογικές προτάσεις και να εξηγήσει αποδεικτικές μεθόδους.
  • Μπορεί να περιγράψει και, τελικά, να επιλέξει ένα έμπειρο σύστημα, ένα ασαφές σύστημα ή/και ένα νευρο-ασαφές σύστημα κατά τις ανάγκες εκτιμώντας τη δυνατότητα βελτιστοποίησης του.
  • Μπορεί να εκτιμά με σκοπό να γενικεύει χρήσιμα μαθηματικά μοντέλα.
  • Αναγνωρίσει και να κατανοήσει με σκοπό να μπορεί να αναπτύξει, ενδεχομένως συνδυάζοντας, κατάλληλα μαθηματικά μοντέλα από αριθμητικά δεδομένα.
  • Αναγνωρίσει και να κατανοήσει τα πολλαπλά οφέλη μιας ενοποιητικής προσέγγισης στην μοντελοποίηση συστημάτων.
Γενικές Ικανότητες
Λαμβάνοντας υπόψη τις γενικές ικανότητες που πρέπει να έχει αποκτήσει ο πτυχιούχος (όπως αυτές αναγράφονται στο Παράρτημα Διπλώματος και παρατίθενται ακολούθως) σε ποια / ποιες από αυτές αποσκοπεί το μάθημα;.
Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών με τη χρήση και των απαραίτητων τεχνολογιών - Προσαρμογή σε νέες καταστάσεις - Λήψη αποφάσεων - Αυτόνομη εργασία - Ομαδική εργασία - Εργασία σε διεθνές περιβάλλον - Εργασία σε διεπιστημονικό περιβάλλον - Παράγωγή νέων ερευνητικών ιδεών Σχεδιασμός και διαχείριση έργων - Σεβασμός στη διαφορετικότητα και στην πολυπολιτισμικότητα - Σεβασμός στο φυσικό περιβάλλον - Επίδειξη κοινωνικής, επαγγελματικής και ηθικής υπευθυνότητας και ευαισθησίας σε θέματα φύλου - Άσκηση κριτικής και αυτοκριτικής - Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης
  • Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών.
  • Προσαρμογή σε νέες καταστάσεις.
  • Λήψη αποφάσεων.
  • Αυτόνομη Εργασία.
  • Ομαδική Εργασία.
  • Παραγωγή νέων ερευνητικών ιδεών.
  • Παραγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης.

3. ΠΕΡΙΕΧΟΜΕΝΟ ΜΑΘΗΜΑΤΟΣ

  • Εισαγωγή στο αντικείμενο. Συσχέτιση με άλλες επιστημονικές περιοχές. Απαρίθμηση των βασικών εργαλείων.
  • Βασικές αρχές της (μαθηματικής) λογικής. Προτασιακή λογική: ερμηνείες, λογική ισοδυναμία, Boolean τελεστές, θέματα ικανοποίησης και πληρότητας.
  • Συνεπαγωγές. Διαζευκτική μορφή της λογικής, αρχή της ανάλυσης.
  • Έμπειρα συστήματα.
  • Ανάπτυξη μαθηματικών μοντέλων από αριθμητικά δεδομένα.
  • Στοιχεία/τελεστές ασαφούς λογικής, ασαφή σύνολα, συστήματα ασαφών κανόνων,
  • Ασαφείς συνεπαγωγές: θεωρία και εφαρμογές, ασαφή συστήματα τύπου Mamdani και Sugeno.
  • Νευρο-ασαφή συστήματα, υπολογισμός με λέξεις.
  • Αλγόριθμοι βελτιστοποίησης (γενετικοί αλγόριθμοι, βελτιστοποίηση σμήνους σωματιδίων).
  • Μια ενοποιητική προσέγγιση στην υπολογιστική νοημοσύνη: Αριθμοί Διαστημάτων (ΑΔ), εναλλακτικές αναπαραστάσεις, ερμηνείες και βασικοί υπολογισμοί.

4. ΔΙΔΑΚΤΙΚΕΣ και ΜΑΘΗΣΙΑΚΕΣ ΜΕΘΟΔΟΙ - ΑΞΙΟΛΟΓΗΣΗ

ΤΡΟΠΟΣ ΠΑΡΑΔΟΣΗΣ
Πρόσωπο με πρόσωπο, Εξ αποστάσεως εκπαίδευση κ.λπ.
  • Θεωρητική διδασκαλία, ανάπτυξη της ύλης στον πίνακα – χρήση διαφανειών.
  • Εργαστηριακές ασκήσεις με χρήση H/Y και MATLAB.
ΧΡΗΣΗ ΤΕΧΝΟΛΟΓΙΩΝ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ
Χρήση Τ.Π.Ε. στη Διδασκαλία, στην Εργαστηριακή Εκπαίδευση, στην Επικοινωνία με τους φοιτητές
  • Χρήση εξειδικευμένου λογισμικού.
  • Υποστήριξη της μαθησιακής διαδικασίας μέσω της ιστοσελίδας του μαθήματος.
  • Ηλεκτρονική επικοινωνία (email) κατά τις ανάγκες.
ΟΡΓΑΝΩΣΗ ΔΙΔΑΣΚΑΛΙΑΣ
Περιγράφονται αναλυτικά ο τρόπος και μέθοδοι διδασκαλίας. Διαλέξεις, Σεμινάρια, Εργαστηριακή Άσκηση, Άσκηση Πεδίου, Μελέτη & ανάλυση βιβλιογραφίας, Φροντιστήριο, Πρακτική (Τοποθέτηση), Κλινική Άσκηση, Καλλιτεχνικό Εργαστήριο, Διαδραστική διδασκαλία, Εκπαιδευτικές επισκέψεις, Εκπόνηση μελέτης (project), Συγγραφή εργασίας / εργασιών, Καλλιτεχνική δημιουργία, κ.λπ. Αναγράφονται οι ώρες μελέτης του φοιτητή για κάθε μαθησιακή δραστηριότητα καθώς και οι ώρες μη καθοδηγούμενης μελέτης ώστε ο συνολικός φόρτος εργασίας σε επίπεδο εξαμήνου να αντιστοιχεί στα standards του ECTS

Οργάνωση Διδασκαλίας

ΔραστηριότηταΦόρτος εργασίας εξαμήνου
Διαλέξεις30
Ασκήσεις Πράξης15
Εργαστηριακές Ασκήσεις25
Μελέτη Βιβλιογραφίας15
Εκπόνηση Μελέτης (project)40
Σύνολο125
ΑΞΙΟΛΟΓΗΣΗ ΦΟΙΤΗΤΩΝ
Περιγραφή της διαδικασίας αξιολόγησης Γλώσσα Αξιολόγησης, Μέθοδοι αξιολόγησης, Διαμορφωτική ή Συμπερασματική, Δοκιμασία Πολλαπλής Επιλογής, Ερωτήσεις Σύντομης Απάντησης, Ερωτήσεις Ανάπτυξης Δοκιμίων, Επίλυση Προβλημάτων, Γραπτή Εργασία, Έκθεση / Αναφορά, Προφορική Εξέταση, Δημόσια Παρουσίαση, Εργαστηριακή Εργασία, Κλινική Εξέταση Ασθενούς, Καλλιτεχνική Ερμηνεία, Άλλη / Άλλες. Αναφέρονται ρητά προσδιορισμένα κριτήρια αξιολόγησης και εάν και που είναι προσβάσιμα από τους φοιτητές.

I. Γραπτή τελική εξέταση (70%) που περιλαμβάνει επίλυση προβλημάτων.
II. Τελική Εξέταση Εργαστηρίων (30%) που περιλαμβάνει επίλυση προβλημάτων.

Σημειώνεται ότι ο φοιτητής θα πρέπει να έχει παρακολουθήσει επιτυχώς το εργαστηριακό μέρος για να έχει δικαίωμα εξέτασης στο θεωρητικό μέρος. Τα κριτήρια αξιολόγησης έχουν ως εξής:

  • Ικανότητα Ανάλυσης Προβλήματος.
  • Ικανότητα Σχεδιασμού Λύσεων.
  • Ικανότητα Υλοποίησης Λύσεων.

Προφορική τελική εξέταση (100%), για όσους έχουν πρόβλημα δυσλεξίας.

5. ΣΥΝΙΣΤΩΜΕΝΗ ΒΙΒΛΙΟΓΡΑΦΙΑ

Συναφή επιστημονικά περιοδικά

  1. Applied Soft Computing.
  2. IEEE Transactions on Fuzzy Systems.
  3. IEEE Transactions on Neural Networks and Learning Systems.
  4. Neural Networks.
  5. Neurocomputing.