Компјутерска симулација и вештачка интелигенција

Презентација на тему: "Компјутерска симулација и вештачка интелигенција"— Транскрипт презентације:

1 Компјутерска симулација и вештачка интелигенција
МАШИНСКИ ФАКУЛТЕТ УНИВЕРЗИТЕТА У БЕОГРАДУ Катедра за производно машинство Компјутерска симулација и вештачка интелигенција Презентација домаћег задатка Професори: Бојан Бабић Зоран Миљковић Сарадници: Милица Петровић Марко Митић Најдан Вуковић Београд, године

2 Задатак 1 Задатак 1.1 Математички доказати (извести у приказаном коначном облику) закон кретања мобилног робота. Задатак 1. 2 За модел кретања мобилног робота који се креће у равни према једначини одредити сваки појединачни положај (позицију и оријентацију) за укупно 60 итерација приликом: а) транслаторног кретања робота б) кретања по трајекторији троугаоног облика у позитивном математичком смеру в) кретања по трајекторији ромбоидног облика у негативном математичком смеру

3 Задатак 1. 1 Коначне једначине кретања робота: x1= x0+ V∆tcosθ y1= y0+ V∆tsinθ θ1=θ0+ ω∆t

4 Подаци за симулацију транслаторног кретања
Позиција на X-оси Позиција на Y-оси Угаона брзина [степени/с] Пређени пут [m/s] Време[s] Брзина[m/s] Угао тета [степени] 0,0000 0,1938 0,0154 0,0791 0,1944 1,0000 0,4117 0,0146 -0,0828 0,6302 2,0000 0,2179 -0,0037 3,7634 -0,3541 -0,0293 38,4832 19,0000 0,2309 -0,1443 3,9433 -0,3647 0,0853 42,0872 20,0000 0,1802 -0,0590

5 Путања добијена симулацијом транслаторног кретања

6 Резултати Архитектура мреже Обучавање мреже

7 Резултати

8 Симулација кретања по трајекторији ромбоидног облика
Позиција на X-оси Позиција на Y-оси Угаона брзина [stepeni/s] Пређени пут [m/s] Време [s] Брзина Угао тета [stepeni] -0,2805 -0,0093 0,0332 -0,2807 1 -0,4614 -0,0236 0,0458 -0,6435 2 -0,1814 0,079 -0,1894 0,2722 -0,0059 -39,5836 19 -0,199 -180,0419 -0,0859 0,1413 0,069 -42,9216 20 -0,1669 -179,9729

9 Путања добијена симулацијом

10 Резултати Архитектура мреже Обучавање мреже

11 Резултати

12 Симулација кретања по трајекторији троугаоног облика
Позиција на X-оси Позиција на Y-оси Угаона брзина [stepeni/s] Пређени пут [m/s] Време [s] Брзина Угао тета [stepeni] 0,0000 0,1650 -0,0065 -0,0395 0,1651 1,0000 0,2847 -0,0096 0,0141 0,4047 2,0000 0,1198 -0,0254 0,0178 0,0574 0,0997 39,0187 19,0000 0,2783 180,0758 -0,0375 -0,0413 0,0549 41,2827 20,0000 0,1132 180,1307

13 Путања добијена симулацијом

14 Резултати Архитектура мреже Обучавање мреже

15 Резултати

16 Задатак 2 Наш задатак је да применом АРТ-1 вештачких неуронских мрежа у софтверу анализирамо геометријске сличности задатих делова и обучимо систем за њихово препознавање. Софтверско решење које ћемо користити у нашем раду је Art Simulator.

17 Конвексно степенасти делови
Solid Works

18 Конкавно степенасти делови
Solid Works

19 Наизменично степенасти делови
Solid Works

20 Прављење слика за бинаризацију
Слике у изворној резолуцији Слике у резолуцији 80X80

21 Бинаризација Користили смо следећи код:
Користили смо следећи код: clc; clear all; close all; MyRGB=imread('ХХХХХ.jpg');%ХХХХХ је назив ваше слике whos A = MyRGB imshow(A) % Convert RGB to grayscale using simple average MyGray1 = mean(MyRGB,3)/255 % Convert RGB to grayscale using NTSC weighting [Image Toolbox] MyGray2 = rgb2gray(MyRGB)/255 % Convert RGB to grayscale using NTSC weighting MyGray3 = (0.299*MyRGB(:,:,1) *MyRGB(:,:,2) *MyRGB(:,:,3))/255 imshow(MyGray2*255)

22 Резултати Резултати приказани у програму Art Simulator

23 Задатак 2.2 За познате вредности улазних и излазних величина, према задатку бр. 6 који је дат у збирци решених задатака са изводима из теорије из области вештачких неуронских мрежа1, извршити: - предпроцесирање података (скалирање улазних и излазних величина); - обучавање у окружењу „BPnet” софтвера; - избор архитектуре мреже, као и избор оптималне конфигурације сходно циљу пресликавања; - очитавање вредности тежинских односа за сваки скривени слој за изабрану -оптималну конфигурацију. Напомена: Из задатка бр. 6 узети по 10 вредности улазних и излазних величина, по слободном избору групе студената.

24 Задатак 2.2

25 Резултати Улаз Добијено Очекивано 0,51434 0,5 0,111111111 0,53266
0,51434 0,5 0, 0,53266 0, 0, 0,55584 0, 0, 0,58399 0, 0, 0,61631 0, 0, 0,65089 0, 0, 0,68517 0, 0, 0,71673 0, 0, 0,74402 0, 1 0,76652 0,8 Обучавање мреже Архитектура мреже

26 Хвала на пажњи ! Група 4: Стефан Бабић 18/09 Бојана Војновић 69/09
Вук Бобић 28/08 Немања Слијепчевић 468/09 Марко Стевановић 495/09