Інтелектуальні компоненти комп’ютерних систем

Анотація навчальної дисципліни

Мета вивчення дисципліни: отримання студентами базових знань і практичних навиків розробки програмно-апаратних систем, засобів інформаційних технологій та комп’ютерних інтелектуальних систем, систем ІоТ.

Практичне значення та використання отриманих знань Здатність ідентифікувати, класифікувати та описувати роботу програмно-технічних засобів, комп’ютерних систем, мереж та їхніх компонентів.
Здатність обирати, моделювати, вдосконалювати сучасні програмно-апаратні та інтелектуальні компоненти складних систем.

Тематика та види навчальних занять

1 тиждень.
Лекція 1 «Введення. Мережі Петрі. Види мереж Петрі. Дискретні мережі Петрі».

2 тиждень. 
Лекція 2 «Елементи теорії автоматичного управління. Структура системи автоматичного управління. Передаточна функція».
Лабораторне заняття 1 «Ознайомлення із середовищем розробки. Дискретні мережі Петрі».

3 тиждень. 
Лекція 3 «Модель простору станів»

4 тиждень. 
Лекція 4 «Стандартні елементи систем автоматичного управління та їх математичні моделі».
Лабораторне заняття 2 «Безперервна частина дискретно-безперервних мереж».

5 тиждень. 
Лекція 5 «Дискретно-безперервні мережі. Дискретні та безперервні позиції та переходи».

6 тиждень. 
Лекція 6 «Переходи із структурою, що управляється. Дискретно-безперервні та безперервно-дискретні переходи».
Лабораторне заняття 3 «Структурно-керована частина дискретно-безперервних мереж».

7 тиждень. 
Лекція 7 «Неперервні мережі Петрі».

8 тиждень. 
Лекція 8 «Гібридні мережі Петрі».
Лабораторне заняття 4 «Гібридні мережі Петрі».
Модульна контрольна робота 1.

9 тиждень. 
Лекція 9 «Ієрархічні системи. Макропереходи дискретно-безперервних мереж. Проблеми керованості, досяжності дискретно-безперервних мереж та систем».

10 тиждень. 
Лекція 10 «Нейронні мережі. Внутрішня структура. Перцептрон».
Лабораторне заняття 5 «Нейронні мережі».

11 тиждень. 
Лекція 11 «Нейронні мережі. Методи навчання».

12 тиждень. 
Лекція 12 «Задачі практичного використання нейронних мереж. Розпізнання об’єктів».
Лабораторне заняття 6 «Розпізнавання цифр за допомогою нейронних мереж».

13 тиждень. 
Лекція 13 «Розпізнання об’єктів за допомогою дискримінантного аналізу».

14 тиждень. 
Лекція 14 «Смарт датчики. Принципи побудови. Внутрішня структура».
Лабораторне заняття 7 «Розпізнавання цифр методом дискримінантного аналізу».

15 тиждень. 
Лекція 15 «Mesh-мережі».
Модульна контрольна робота 2.

Оцінювання результатів навчання

Оцінювання результатів навчання з дисципліни здійснюється за накопичувальною системою, яка дає можливість здобувачеві протягом семестру отримати максимально 100 балів.

Модуль 1
Повне виконання лабораторних завдань 1 – 3 – 20 балів (по 6,67 балів кожне).
Модульна контрольна робота 1 – бездоганне виконання 30 балів (в кожному завданні модульної контрольної роботи наведено максимальну кількість балів за виконання кожного завдання).
Модуль 2
Повне виконання лабораторних завдань 4 – 7 – 20 балів (по 5 балів кожне).
Модульна контрольна робота 2 – бездоганне виконання 30 балів (в кожному завданні модульної контрольної роботи наведено максимальну кількість балів за виконання кожного завдання).

Посилання на рекомендовані джерела
1. Проститенко, О.В. Моделювання дискретних систем на основі мереж Петрі: навчальний посібник / О.В. Проститенка, В.І. Халімон, А.Ю. Рогів. - СПб.: СПбГТІ (ТУ), 2017. - 69 с.
2. Leroux, Jérôme (2021). "The Reachability Problem for Petri Nets is Not Primitive Recursive". arXiv:2104.12695
3. Ніхіль Будума, Ніколас Локашо. Основи глибокого навчання. Створення алгоритмів штучного інтелекту наступного покоління. М.: Манн, Іванов та Фербер. - 2020. - 304 с.
4. Перрі Лі Архітектура інтернету речей. М.: ДМК Прес, – 2018. – 456 с.
5. Кутковецький В.Я. Розпізнавання образів: Навчальний посібник / В.Я. Кутковецький.
– Миколаїв: Вид-во МДГУ ім. П.Могили, 2017. – 420 с.