NMS Numerické modelování a simulace

Vysoká škola technická a ekonomická v Českých Budějovicích
léto 2025
Rozsah
1/2. 4 kr. Ukončení: zk.
Vyučující
doc. Ing. Robert Frischer, Ph.D. (cvičící)
prof. Ing. Zora Koštialová Jančíková, CSc. (cvičící)
Garance
prof. Ing. Zora Koštialová Jančíková, CSc.
Katedra aplikovaných technologií a materiálového výzkumu – Ústav technicko-technologický – Rektor – Vysoká škola technická a ekonomická v Českých Budějovicích
Dodavatelské pracoviště: Katedra aplikovaných technologií a materiálového výzkumu – Ústav technicko-technologický – Rektor – Vysoká škola technická a ekonomická v Českých Budějovicích
Rozvrh seminárních/paralelních skupin
NMS/P01: Út 13:50–14:35 I314, R. Frischer, Z. Koštialová Jančíková
NMS/S01: Út 14:50–16:20 I314, R. Frischer, Z. Koštialová Jančíková
Omezení zápisu do předmětu
Předmět je otevřen studentům libovolného oboru.
Cíle předmětu opírající se o výstupy z učení
Cílem předmětu je seznámit studenty s metodami realizace simulačních modelů dynamických systémů. Výklad vychází z matematického popisu dynamického systému. Studentům jsou přiblíženy principy matematicko-fyzikálního modelování a metody potřebné k realizaci modelu na číslicovém počítači. Je proveden úvod do umělé inteligence (fuzzy modely, expertní modely, modely neuronových sítí, genetické algoritmy), pozornost je věnována především modelům neuronových sítí a jejich aplikaci na vybrané technologické procesy.
Výstupy z učení
Student je schopen definovat a popsat základní klasické metody identifikace systémů a metody umělé inteligence pro získání matematického popisu systémů a dokáže využít tyto metody k návrhu a realizaci simulačních modelů na číslicovém počítači. Student umí sestavit matematické modely vybraných reálných procesů pomocí klasických simulačních programů a s využitím umělých neuronových sítí.
Osnova
  • 1. Úvod do modelování systémů. Formy matematického popisu systému.
  • 2. Základní druhy modelování (fyzikální, matematické, kybernetické). Laplaceova transformace, základní vlastnosti, tabulky Laplaceovy transformace.
  • 3. Klasifikace modelů podle různých hledisek. Řešení lineárních diferenciálních rovnic pomocí Laplaceovy transformace, přenos spojitých funkcí.
  • 4. Matematické modelování, analytické a experimentální metody identifikace. Klasifikace systémů podle řádu lineární diferenciální rovnice.
  • 5. Simulace systémů, hlavní fáze procesu modelování a simulace, sestavení a verifikace simulačních modelů. Simulační programy – klasifikace, popis, příklady použití.
  • 6. Statické a dynamické charakteristiky systémů. Tvorba modelu systému, bloková schémata.
  • 7. Úvod do umělé inteligence (fuzzy modely, umělé neuronové sítě, genetické algoritmy). Metoda snižování řádu modelu systému.
  • 8. Teorie fuzzy množin, fuzzy modelování. Simulační program SIMULINK – charakteristika, popis.
  • 9. Umělé neuronové sítě, model neuronu. Simulační program SIMULINK – sestavení simulačních modelů, příklady.
  • 10. Učení a generalizace neuronových sítí, učící algoritmy. Tvorba modelů vybraných technologických procesů v simulačním programu SIMULINK.
  • 11. Modely neuronových sítí, vícevrstvé neuronové sítě. Tvorba fuzzy modelů v simulačních programech.
  • 12. Faktory ovlivňující učení neuronových sítí. Tvorba modelů neuronových sítí v simulačních programech.
  • 13. Využití neuronových sítí pro modelování vybraných technologických procesů. Tvorba neuronových modelů vybraných technologických procesů.
Literatura
    povinná literatura
  • KOŠTIALOVÁ JANČÍKOVÁ, Z., 2022. Modelování a simulace. Ostrava: VŠB - Technická univerzita Ostrava.
  • KOŠTIALOVÁ JANČÍKOVÁ, Z., 2021. Modelling and simulation. Ostrava: VŠB - Technická univerzita Ostrava.
    doporučená literatura
  • JANČÍKOVÁ, Z., 2006. Umělé neuronové sítě v materiálovém inženýrství. Ostrava: VŠB - Technická univerzita Ostrava. ISBN 80-248-1174-X.
  • FÁBRY, J., 2011. Matematické modelování. Praha: Professional Publishing. ISBN 978-80-7431-066-9.
  • DUŠEK, F., 2000. MATLAB a SIMULINK: úvod do používání. Pardubice: Univerzita Pardubice. ISBN 80-7194-273-1.
  • CLOSE, Ch. M., FREDERICK, D. K. a J. C. NEWELL, 2002. Modeling and analysis of dynamic systems. 3rd ed. New York: Wiley. ISBN 0-471-39442-4.
Organizační formy výuky
přednáška
seminář
Studijní zátěž
AktivitaPočet hodin za semestr
Prezenční formaKombinovaná forma
Příprava na průběžný test10 
Příprava na závěrečnou zkoušku30 
Samostudium25 
Účast na přednáškách13 
Účast na semináři/cvičeních/tutoriálu/exkurzi26 
Celkem:1040
Metody hodnocení a jejich poměr
zkouška - ústní 70 %
test - průběžný 30 %
Podmínky testu
Pro úspěšné splnění předmětu je nutné v~součtu dosáhnout z~průběžného a závěrečného hodnocení minimálně 70 % za níže stanovených podmínek. V~průběžném hodnocení lze získat 30 bodů tj. 30 %. V~závěrečném hodnocení lze celkem získat 70 bodů tj. 70 %. Průběžné hodnocení Průběžný test – 30 bodů (tj. 30 %) Závěrečné hodnocení Závěrečný test – 70 bodů (tj. 70 %) A 100 – 90, B 89,99 – 84, C 83,99 – 77, D 76,99 – 73, E 72,99 – 70, FX 69,99 – 30, F 29,99 – 0
Informace učitele
Student prezenční formy studia je povinen na kontaktní výuce, tj. vše kromě přednášek, splnit povinnou 70% účast.
  • Statistika zápisu (nejnovější)
  • Permalink: https://is.vstecb.cz/predmet/vste/leto2025/NMS