1 / 26

Компјутерска симулација и вештачка интелигенција

Компјутерска симулација и вештачка интелигенција. МАШИНСКИ ФАКУЛТЕТ УНИВЕРЗИТЕТА У БЕОГРАДУ. Катедра за производно машинство. Презентација домаћег задатка. Професори: Бојан Бабић Зоран Миљковић. Сарадници: Милица Петровић Марко Митић Најдан Вуковић. Београд, 2011. године. Задатак 1.

alexia
Download Presentation

Компјутерска симулација и вештачка интелигенција

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Компјутерска симулација и вештачка интелигенција МАШИНСКИ ФАКУЛТЕТ УНИВЕРЗИТЕТА У БЕОГРАДУ Катедра за производно машинство Презентација домаћег задатка Професори: Бојан Бабић Зоран Миљковић Сарадници: Милица Петровић Марко Митић Најдан Вуковић Београд, 2011. године

  2. Задатак 1 • Задатак 1.1 Математички доказати (извести у приказаном коначном облику) закон кретањамобилног робота. • Задатак 1.2 За модел кретања мобилног робота који се креће у равни према једначиниодредити сваки појединачни положај (позицију и оријентацију) за укупно 60 итерацијаприликом: 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

  5. Путања добијена симулацијом транслаторног кретања

  6. Резултати Архитектура мреже Обучавање мреже

  7. Резултати

  8. Симулација кретања по трајекторији ромбоидног облика

  9. Путања добијена симулацијом

  10. Резултати Архитектура мреже Обучавање мреже

  11. Резултати

  12. Симулација кретања по трајекторији троугаоног облика

  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 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000011111111111111111110000000000000000000000000000 • 00000000000000000000000000000000011111111111111111110000000000000000000000000000 • 00000000000000000000000000000000011111111111111111110000000000000000000000000000 • 00000000000000000000000000000000011111111111111111110000000000000000000000000000 • 00000000000000000000000000000000011111111111111111110000000000000000000000000000 • 00000000000000000000000000000000011111111111111111110000000000000000000000000000 • 00000000000000000000000000000000011111111111111111110000000000000000000000000000 • 00000000000000011111111111111111111111111111111111111111111111111000000000000000 • 00000000000000011111111111111111111111111111111111111111111111111000000000000000 • 00000000000000011111111111111111111111111111111111111111111111111000000000000000 • 00000000000000011111111111111111111111111111111111111111111111111000000000000000 • 00000000000000011111111111111111111111111111111111111111111111111000000000000000 • 00000000000000011111111111111111111111111111111111111111111111111111111111111000 • 00111111111111111111111111111111111111111111111111111111111111111111111111111000 • 00111111111111111111111111111111111111111111111111111111111111111111111111111000 • 00111111111111111111111111111111111111111111111111111111111111111100000000000000 • 00111111111111111111111111111111111111111111111111111111111111111100000000000000 • 00111111111111111111111111111111111111111111100000000000000000000000000000000000 • 00111111111111111111111111111111111111111111100000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00111111111111111111111111111111111111111111100000000000000000000000000000000000 • 00111111111111111111111111111111111111111111100000000000000000000000000000000000 • 00111111111111111111111111111111111111111111111111111111111111111100000000000000 • 00111111111111111111111111111111111111111111111111111111111111111100000000000000 • 00111111111111111111111111111111111111111111111111111111111111111111111111111000 • 00111111111111111111111111111111111111111111111111111111111111111111111111111000 • 00111111111111111111111111111111111111111111111111111111111111111111111111111000 • 00000000000000011111111111111111111111111111111111111111111111111000000000000000 • 00000000000000011111111111111111111111111111111111111111111111111000000000000000 • 00000000000000011111111111111111111111111111111111111111111111111000000000000000 • 00000000000000011111111111111111111111111111111111111111111111111000000000000000 • 00000000000000011111111111111111111111111111111111111111111111111000000000000000 • 00000000000000011111111111111111111111111111111111111111111111111000000000000000 • 00000000000000000000000000000000011111111111111111110000000000000000000000000000 • 00000000000000000000000000000000011111111111111111110000000000000000000000000000 • 00000000000000000000000000000000011111111111111111110000000000000000000000000000 • 00000000000000000000000000000000011111111111111111110000000000000000000000000000 • 00000000000000000000000000000000011111111111111111110000000000000000000000000000 • 00000000000000000000000000000000011111111111111111110000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 • 00000000000000000000000000000000000000000000000000000000000000000000000000000000 Користили смо следећи код: clc;clear all; close all;MyRGB=imread('ХХХХХ.jpg');%ХХХХХ јеназиввашесликеwhosA = MyRGBimshow(A)% Convert RGB to grayscale using simple averageMyGray1 = mean(MyRGB,3)/255% Convert RGB to grayscale using NTSC weighting [Image Toolbox]MyGray2 = rgb2gray(MyRGB)/255% Convert RGB to grayscale using NTSC weightingMyGray3 = (0.299*MyRGB(:,:,1) + 0.587*MyRGB(:,:,2) + 0.114*MyRGB(:,:,3))/255imshow(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 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

More Related