Univerzitet Singidunum Mainsko uenje ore Obradovi 2020 Literatura

Univerzitet Singidunum Mašinsko učenje Đorđe Obradović 2020.

Literatura • Amit Konar, “Artificial Intelligence and Soft Computing: Behavioral and Cognitive Modeling of the Human Brain”, 1999. • Andries P. Engelbrecht, “Computational Intelligence: An Introduction” , 2007. • Vojislav Kecman, “Learning and Soft Computing: Support Vector Machines, Neural Networks, and Fuzzy Logic Models”, 2001. MIT Press • Linda Shapiro, George Stockman, “Computer Vision”, 2000

Uvod Motivacija

Uvod Motivacija x 0. 058281 0. 550656 0. 538601 0. 087211 0. 117667 0. 203467 0. 446211 0. 955659 0. 374082 0. 146301 0. 288751 0. 989864 0. 151557 0. 025311 0. 86762 0. 562132 0. 318969 0. 255098 0. 120021 0. 881 0. 331027 0. 529263 0. 371653 0. 516939 0. 698791 0. 357285 0. 737108 0. 803802 0. 590059 0. 493863 f(x) 0. 343284 1. 587039 1. 555898 0. 433668 0. 515774 0. 716329 1. 300038 2. 522658 1. 137772 0. 571599 0. 9238 2. 65523 0. 586288 0. 218281 2. 370007 1. 583342 0. 958822 0. 854932 0. 522149 2. 407153 0. 978695 1. 548055 1. 15502 1. 458587 1. 905378 1. 101552 2. 062021 2. 189029 1. 692535 1. 438413 Ako znamo da se sistem ponašao po zakonitostima opisanim tabelom, da li možemo sa određenom sigurnošću da kažemo kolika će vrednost biti za x=0. 65? f(0. 65)=? y 3 2. 5 2 1. 5 y 1 0. 5 0 0 0. 2 0. 4 0. 6 0. 8 1 1. 2

MODELIRANJE NEPRECIZNOSTI HARD COMPUTING SOFT COMPUTING Model class Apple{ public double weight; public Color color; } Tačnost Preciznost Tačna vrednost Izmerene vrednosti Određenost – sigurnost mera sa kojom možemo sa sigurnošću tvrditi u kojem se stanju nalazi objekat Neodređenost ili nesigurnost često se o nekom objektu ne može reći u kojem se tačno stanju nalazi već sa određenom merom Apple a = new Apple(); a. weight = 3. 5678; a. color = ?

MODELIRANJE NEPRECIZNOSTI SOFT COMPUTING HARD COMPUTING Neodređenost A A München Precizno Munchen Neprecizno

MODELIRANJE NEPRECIZNOSTI x 0. 025311 0. 058281 0. 087211 Neodređenost 0. 120021 0. 146301 0. 151557 0. 203467 0. 255098 0. 288751 0. 318969 0. 357285 0. 371653 0. 374082 0. 446211 0. 493863 0. 516939 0. 529263 0. 538601 0. 550656 0. 590059 0. 698791 0. 737108 0. 803802 y 0. 218281 0. 343284 0. 433668 0. 515774 0. 522149 0. 571599 0. 586288 0. 716329 0. 854932 0. 9238 0. 958822 0. 978695 1. 101552 1. 15502 1. 137772 1. 300038 1. 438413 1. 458587 1. 548055 1. 555898 1. 587039 1. 583342 1. 692535 1. 905378 2. 062021 2. 189029

MODELIRANJE NEPRECIZNOSTI GPS CHIPSET SPEC Nepreciznost * 167 channel Venus 8 engine * uses GPS, SBAS, QZSS signals * 1 ~ 20 Hz update rate * Position accuracy 2. 5 m CEP * Velocity accuracy 0. 1 m/sec * Warm start TTFF under open sky 29 sec average * Cold start TTFF under open sky 30 sec average * Cold start sensitivity -148 d. Bm * Tracking sensitivity -165 d. Bm * Operating range : (altitude < 18 km) or (speed < 515 m/sec), both not exceeded simultaneously * Atomic clock synchronized P 1 PPS time reference with +/-10 nsec accuracy

MODELIRANJE NEPRECIZNOSTI Nepreciznost

MODELIRANJE NEPRECIZNOSTI Model realnog sistema – aproksimacija

Primeri korišćenja

MODELIRANJE NEPRECIZNOSTI

Motivacija

Motivacija http: //www. siumed. edu/~dking 2/intro/bldcells. htm

Motivacija

Motivacija https: //www. youtube. com/watch? v=e. U 93 Vm. Fy. Zbg https: //www. youtube. com/watch? v=r. Kj. EODPZh. Mo https: //www. youtube. com/watch? v=xk. EA 0 Qil 704&index=77&list=UUXOLJc 64 k 26 C 1 c. KMay. I 8 Oxw https: //www. youtube. com/watch? v=4 iyo. U 95 UZRE&t=0 m 19 s

Više dimenziono Planiranje Odlučivanje Prepoznavanje oblika Određeno a češće neodređeno Diskretno ili kontinualno SOFT COMPUTING Predikcija Dijagnostika Vr ste PROBLEMI me Do ni Finansije St an je Ala ti PROSTOR Promena stanja Deterministička Robotika Stohastička Neuralno računarstvo Fazi sistemi Probabilističko rasuđivanje Evolutivno računarstvo Igre zabava sport Medicina WEB Poljoprivreda i industrija Inteligencija mnoštva