Embed Size (px)
DESCRIPTION
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. - PowerPoint PPT Presentation
Citation preview
1
Компјутерска симулација и вештачка
интелигенција
МАШИНСКИ ФАКУЛТЕТ УНИВЕРЗИТЕТА У БЕОГРАДУ
Катедра за производно машинство
Професори:Бојан БабићЗоран Миљковић
Сарадници:Милица ПетровићМарко МитићНајдан Вуковић
Београд, 2011. године
Презентација домаћег задатка
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 0,0000 0,0000 0,00000,0000 0,0000 0,0000
0,1938 0,0154 0,0791 0,19441,0000 0,1944 0,0791
0,4117 0,0146 -0,0828 0,63022,0000 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
-.100 .400 .900 1.400 1.900 2.400 2.900 3.400 3.900 4.400 4.900
-5.000
-4.500
-4.000
-3.500
-3.000
-2.500
-2.000
-1.500
-1.000
-.500
.000
.500
1.000
1.500
2.000
2.500
3.000
3.500
4.000
4.500
5.000
Путања добијена симулацијом
X[m]
Y[m]
6
Резултати
Архитектура мреже
Обучавање мреже
7
Резултати
-.100 .400 .900 1.400 1.900 2.400 2.900 3.400 3.900 4.400 4.900
-5.000
-4.500
-4.000
-3.500
-3.000
-2.500
-2.000
-1.500
-1.000
-.500
.000
.500
1.000
1.500
2.000
2.500
3.000
3.500
4.000
4.500
5.000Путања добијена симулацијом
Путања коју даје неуронска мрежа
X[m]
Y[m]
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[m/s]
Угао тета[stepeni]
0 0 0 0 0 0 0
-0,2805 -0,0093 0,0332 -0,2807 1 -0,2807 0,0332
-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
-1.800 -1.700 -1.600 -1.500 -1.400 -1.300 -1.200 -1.100 -1.000 -.900 -.800 -.700 -.600 -.500 -.400 -.300 -.200 -.100 .000 .100
-.300
-.200
-.100
.000
.100
.200
.300
.400
.500
.600
.700
.800
.900
1.000
1.100
1.200
1.300
1.400
1.500
1.600
Путања добијена симулацијом
Y[m]
X[m]
10
Резултати
Архитектура мреже
Обучавање мреже
11
Резултати
-1.800 -1.700 -1.600 -1.500 -1.400 -1.300 -1.200 -1.100 -1.000 -.900 -.800 -.700 -.600 -.500 -.400 -.300 -.200 -.100 .000 .100
-.300
-.200
-.100
.000
.100
.200
.300
.400
.500
.600
.700
.800
.900
1.000
1.100
1.200
1.300
1.400
1.500
1.600Путања добијена симулацијомПутања коју даје неуронска мрежа
X[m]
Y[m]
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[m/s]
Угао тета[stepeni]
0,0000 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
0,1650 -0,0065 -0,0395 0,1651 1,0000 0,1651 -0,0395
0,2847 -0,0096 0,0141 0,4047 2,0000 0,1198 -0,0254
0,0178 0,0574 0,0997 39,018719,000
0 0,2783 180,0758
-0,0375 -0,0413 0,0549 41,282720,000
0 0,1132 180,1307
13
Путања добијена симулацијом
-.100 .000 .100 .200 .300 .400 .500 .600 .700 .800 .900 1.000 1.100 1.200 1.300 1.400
-.300
-.200
-.100
.000
.100
.200
.300
.400
.500
.600
.700
.800
.900
1.000
1.100
Путања добијена симулацијом
Y[m]
X[m]
14
Резултати
Архитектура мреже
Обучавање мреже
15
Резултати
-.100 .000 .100 .200 .300 .400 .500 .600 .700 .800 .900 1.000 1.100 1.200 1.300 1.400
-.300
-.200
-.100
.000
.100
.200
.300
.400
.500
.600
.700
.800
.900
1.000
1.100Путања добијена симулацијомПутања коју даје неуронска мрежа
Y[m]
X[m]
16
Задатак 2Наш 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
clc; clear all; close all;
MyRGB=imread('ХХХХХ.jpg');%ХХХХХ је назив ваше сликеwhosA = 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))/255
imshow(MyGray2*255)
Користили смо следећи код:
22
Резултати
Резултати приказани у програму Art Simulator
23
Задатак 2.2За 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
.000 .111 .222 .333 .444 .556 .667 .778 .889 1.000
Графички приказ улазних и излазних величина
Улазне вредности
Изл
азн
е в
ред
но
сти
25
РезултатиУлаз Добијено Очекивано
0 0,51434 0,5
0,111111111 0,53266 0,524137931
0,222222222 0,55584 0,550574713
0,333333333 0,58399 0,579310345
0,444444444 0,61631 0,610344828
0,555555556 0,65089 0,643678161
0,666666667 0,68517 0,679310345
0,777777778 0,71673 0,717241379
0,888888889 0,74402 0,757471264
1 0,76652 0,8
Архитектура мреже
Обучавање 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
