ปัญญาประดิษฐ์สำหรับวิศวกร
4(4-0-12)
วิชาบังคับก่อน: ไม่มี
การค้นหาคำตอบเชิงศึกษาสำนึก การคำนวณเชิงวิวัฒนาการเชาวน์ปัญญาการเคลื่อนที่เป็นกลุ่ม การเรียนรู้ด้วยเครือข่ายประสาทเทียม ปัญญาประดิษฐ์แบบผสม หัวข้อใหม่ทางด้านปัญญาประดิษฐ์ การประยุกต์ใช้ปัญญาประดิษฐ์ในงานด้านวิศวกรรม
เค้าโครงรายวิชา
1. การค้นหาคำตอบเชิงศึกษาสำนึก การค้นหาแบบตาบู อัลกอริทึมการอบอ่อนจำลอง (8 ชั่วโมง)
2. การคำนวณเชิงวิวัฒนาการ เจเนติกอัลกอริทึม กลยุทธ์วิวัฒนาการ การโปรแกรมเจเนติก (8 ชั่วโมง)
3. เชาวน์ปัญญาการเคลื่อนที่เป็นกลุ่ม การหาค่าเหมาะที่สุดด้วยการเคลื่อนที่ของกลุ่มอนุภาค การหาค่าเหมาะที่สุดด้วยคอโลนีมด (8 ชั่วโมง)
4. การเรียนรู้ด้วยเครือข่ายประสาทเทียม เครือข่ายประสาทเทียมเบื้องต้น การเรียนรู้ของเครือข่ายเพอร์เซ็ปตรอน การเรียนรู้แบบเฮ็บเบียน การเรียนรู้แบบวิโดรว์-ฮอฟฟ์ การเรียนรู้แบบแพร่กลับ การเรียนรู้แบบแข่งขัน การเรียนรู้ด้วยตนเองโดยทฤษฎีเรโซแนนซ์แบบปรับตัว การเรียนรู้ของเครือข่ายฟังก์ชันฐานรัศมี (8 ชั่วโมง)
5. ปัญญาประดิษฐ์แบบผสม การจำแนกด้วยเครื่องเวกเตอร์เกื้อหนุน ระบบผู้เชี่ยวชาญแบบฐานกฎ ฟัซซีลอจิก (8 ชั่วโมง)
6. หัวข้อใหม่ทางด้านปัญญาประดิษฐ์และการประยุกต์ใช้ปัญญาประดิษฐ์ในงานวิศวกรรมด้านต่าง ๆ (8 ชั่วโมง)
ผลลัพธ์การเรียนรู้ที่คาดหวังระดับรายวิชา
1. สามารถอธิบายปัญหาเกี่ยวกับปัญญาประดิษฐ์ในงานวิศวกรรมไฟฟ้าและคอมพิวเตอร์ได้
2. สามารถอธิบายวิธีแก้ปัญหาและประยุกต์การแก้ปัญหาปัญญาประดิษฐ์ในงานวิศวกรรมไฟฟ้าและคอมพิวเตอร์ได้
3. สามารถเขียนชุดคำสั่งคอมพิวเตอร์ในการแก้ปัญหาปัญญาประดิษฐ์ได้
Artificial Intelligence for Engineers
Prerequisite: None
Heuristic search, evolutionary computing, swarm intelligence, learning by artificial neural network, hybrid artificial intelligence, recent topics in artificial intelligence and applications in field of engineering study.
Course Outline
1. Heuristic search, tabu search, simulated annealing (8 hours)
2. Evolutionary computing, genetic algorithm, evolutionary strategies, genetic programming (8 hours)
3. Swarm intelligence, particle swarm intelligence, ant colony optimization (8 hours)
4. Learning by artificial neural network, artificial neural network overview, perceptron learning, Hebbian learning, Widrow-Hoff learning, back-propagation learning, competitive learning, self-learning by adaptive resonance theory, learning of radial basis function network (8 hours)
5. Hybrid artificial intelligence, classification by support vector machines, rule-based expert system, fuzzy logic (8 hours)
6. Recent topics on artificial intelligence and applications in field of engineering study (8 hours)
Course Learning Outcomes (CLOs)
1. Describe problems concerning Artificial Intelligence for Engineers
2. Describe and apply appropriate method for solving problems related to Artificial Intelligence for Engineers
3. Create programing codes to solve Artificial Intelligence problems