MESTERSéGES INTELLIGENCIA AZ IRáNYíTáSTECHNIKáBAN
Szerző: PÁL Szabolcs V. évfolyam
Témavezető: Dr. JEGES Zoltán egyetemi tanár
Intézmény: Újvidéki Egyetem, Számítástechnika és Automatika Kar, Számítástechnika és Számítógépes Kommunikációk Tanszék, Újvidék

A dolgozat összefoglalást ad a mesterséges intelligencia két módszeréről, a neurális hálózatokról és a genetikus algoritmusról, röviden bemutatva alapjaikat és alkalmazási területeiket, valamint elemzi a neurogenetikus algoritmus alkalmazási lehetőségeit az irányítástechnikában. A neurális hálózatok indítóötleteként az idegsejtek és azok egymásközti kapcsolatai szolgáltak. A mesterséges neuron ugyanúgy rendelkezik szinapszisokkal, dendritekkel és axonnal, amikkel biztosítja a kapcsolatot másik neuronokkal, valamint egy átviteli függvénnyel, ami az idegsejt nemlineáris viselkedését hivatott megvalósítani. A mesterséges hálózatok azonban nem modellezik az idegsejtek összetett kapcsolódási lehetőségeit, ezért képességeik is szerényebbek. A genetikus algoritmus az evolúció számítógépes modellje, mivel a biológiai evolúciót utánozza. Az algoritmus kromoszómák generációival dolgozik, ahol a kromoszómák a populáció egyedeinek tulajdonságait képviselik. Az optimizációs eljárás a biológiában is ismert szelekció, reprodukció, keresztezés és mutáció elveit használja. A genetikus algoritmus tehát a következő lépésekből áll:
• populáció generálása,
• a populáció egyedeinek kiértékelése,
• új egyedek létrehozása az említett módszerekkel,
• az új egyedek kiértékelése,
• új populáció létrehozása,
• az algoritmus leállítása ha az eredmény kielégitő, ellenkező esetben pedig annak folytatása.
A neurogenetikus algoritmus a fent említett két módszer (neurális hálózatok és genetikus algoritmus) szintézise.
Kulcsszavak: neurális hálózat, genetikus algoritmus, neurogenetikus algoritmus



ARTIFICAL INTELLIGENCE IN CONTROL APPLICATIONS
Author: Szabolcs PÁL V. year
Supervisor: Dr Zoltán JEGES university professor
Institution: Department of Automation and System Control, Institute of Computer Engineering and System Control,
Faculty of Technical Sciences, Novi Sad University, Novi Sad

This paper gives a summary of two methods of artificial intelligence, the neural networks and the genetic algorithm, introducing their bases and fields of application. It also analyzes the possibility of using the neurogenetic algorithm in control applications.
The artificial neural network was inspired by the biological nervous system. An artificial neuron has synapses, dendrites and axon, just like biological neurons do, which guarantees the connection with other neurons. It also has a transfer function, responsible for modelling the neurons’ nonlinear characteristics. However, the artificial network does not model appropriately the complex connections of the biological nervous system and this reduces its performance. The genetic algorithm is a computer model of the evolution because it imitates biological evolution. The algorithm deals with generations of chromosomes, where the chromosomes represent the properties of the entity in a population. The optimization algorithm uses selection, reproduction, cross cover and mutation mechanisms, which are well known in nature. The genetic algorithm consists of the following steps :
• generating the population,
• determining the performance of the entities,
• making new entities,
• determining their performance,
• making a new population,
• stopping the algorithm if performance is appropriate, continue if not.
The neurogenetic algorithm is the combination of the two methods mentioned above.
Keywords: neural networks, genetic algorithm, neurogenetic algorithm.



VEŠTAčKA INTELIGENCIJA U UPRAVLJANJU
Autor: Sabolč PAL V. godina
Mentor: Dr Zoltan JEGEŠ profesor univerziteta
Institucija: Univerzitet u Novom Sadu, Fakultet tehničkih nauka, Odsek za informatiku i automatiku, Novi Sad

Rad daje pregled dveju metoda veštačke inteligencije, o neuralnim mrežama i o genetskom algoritmu, ukratko prikazajući njihove osnove i oblasti primene. Takođe, analizira i mogućnost primene neurogenetskog algoritma u upravljanju. Ideja neuralnih mreža potiče od nervnih ćelija i njihovih međusobnih veza. Veštački neuron isto tako ima sinapse, dendrite i akson sa kojima obezbeđuje vezu sa drugim neuronima, kao i prenosnu funkciju s kojom modelira nelinearno ponašanje nervne ćelije. Međutim veštačke mreže ne modeliraju složene veze nervnih ćelija što im smanjuje mogućnosti. Genetski algoritam je računarski model evolucije pošto oponaša biološku evoluciju. Algoritam barata sa generacijama hromosoma, gde hromosomi predstavljaju osobine jedinki u populaciji. Poces optimizacije koristi metode selekcije, reprodukcije, ukrštanja i mutacije koji su i u biologiji poznati. Genetski algoritam znači sastoji se iz sledećih koraka:
• generisanja populacije
• procenjivanje performanse jedinki
• stvaranje novih jedinki prethodno navedenim metodama
• procenjivanje novih jedinki
• stvaranje nove populacije
• zaustavljanje algoritma ako je performansa zadovoljavajuća, u suprotnom nastavak.
Neurogenetski algoritam je kombinacija napred navedenih dveju metoda veštačke inteligencije.
Ključne reči : neuralne mreže, genetski algoritam, neurogenetski algoritam.