| Kods | EEI488 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Nosaukums | Ģenētisko algoritmu pamati elektrotransportā | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Statuss | Obligātais/Ierobežotās izvēles | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Līmenis un tips | Pamatstudiju, Profesionālais | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Tematiskā joma | Enerģētika un elektrotehnika | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Struktūrvienība | Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Mācībspēks | Mihails Gorobecs, Andrejs Potapovs | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Kredītpunkti | 2.0 (3.0 ECTS) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Daļas | 1 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Anotācija |
Studiju kurss sniedz zināšanas par ģenētiskajiem algoritmiem un to pielietošanu mikrokontrolleru optimālās vadības uzdevumiem ar mākslīgā intelekta metodēm. Studiju kurss aptver ģenētiskos algoritmus, to struktūru, operatoriem, mērķa funkciju definēšanu, eksperimentu statistikas savākšanu un analīzi, izmantojot datu bāzes un statistisko hipotēžu pārbaudes metodes.. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa saturs |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Mērķis un uzdevumi, izteikti kompetencēs un prasmēs |
Studiju kursa mērķis ir attīstīt prasmes lietot ģenētiskos algoritmus elektrotransporta vadības procesu pilnveidošanai. Studiju kursa uzdevumi ir: 1) veidot izpratni par ģenētisko algoritmu darbības principiem; un to parametru variācijām; 2) sniegt zināšanas par algoritmu mērķa funkcijas un operatorus matemātisko definēšanu; 3) veidot iemaņas veikt eksperimentu statistikas datu analīzi un pārbaudīt hipotēzes; 4) attīstīt prasmes risināt elektrotransporta mikrokontrolleru optimālās vadības uzdevumus. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Sasniedzamie studiju rezultāti un to vērtēšana |
Prot lietot ģenētisko algoritmu definīcijas, veidus, operatorus, funkcijas un risināt ģenētiskās programmēšanas uzdevumus. - Eksāmena teorētiskie jautājumi un kontroldarbi. Prot matemātiski noformulēt piemērotības funkciju un tās argumentus elektrotransporta optimizācijas uzdevumiem. - Laboratorijas darbi, eksāmena teorētiskie jautājumi un kontroldarbi. Spēj izstrādāt mikrokontrolleru programmas ar ģenētiskajiem algoritmiem, risinot elektrotransporta optimālās vadības uzdevumus. - Laboratorijas darbi. Spēj izpildīt statistisko hipotēžu analīzi lai pierādītu rezultāta optimalitāti. - Laboratorijas darbi, eksāmena praktiskais uzdevums. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju rezultātu vērtēšanas kritēriji |
Atbildes uz eksāmena teorētiskiem jautājumiem - 20%
Eksāmena praktiskā uzdevuma izpilde - 20% Kontroldarbu izpilde - 20% Laboratorijas darbu izpilde - 40% |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Priekšzināšanas | Matemātiskās analīzes un optimizācijas metodes, programmēšanas valodas, adaptīvas sistēmas, tīmekļa programmēšana, datu bāzes. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa plānojums |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||