課程資訊
課程名稱
智慧型控制
Intelligent Control 
開課學期
111-2 
授課對象
生物資源暨農學院  生物產業機電工程學研究所  
授課教師
周瑞仁 
課號
BME5403 
課程識別碼
631 U1540 
班次
 
學分
3.0 
全/半年
半年 
必/選修
選修 
上課時間
星期四7,8,9(14:20~17:20) 
上課地點
電電實驗室 
備註
總人數上限:40人 
 
課程簡介影片
 
核心能力關聯
核心能力與課程規劃關聯圖
課程大綱
為確保您我的權利,請尊重智慧財產權及不得非法影印
課程概述

本課程主要介紹智慧型控制方法的核心觀念及實作方法。課程內容擷取自書籍、文獻資料與應用軟體,並自編成課程講義。傳統控制理論應用於具有完整數學模式之系統,效果佳,不過對於不易數學化之系統,較不容易發揮其功能,尤其對於農業或生物系統,比起一般工業系統可數學化的程度更低,引用模糊理論(Fuzzy Theory)、類神經網路理論(Neural Network)與遺傳演算法進行控制或決策,經証實效果不錯,本課程不但介紹其背後的理論,亦介紹如何實際用於解決實務問題上。主要涵蓋:模糊控制綜覽、模糊集合、模糊運算、模糊關係、模糊控制理論及其應用;類神經網路綜覽、監督式與非監督式類神經網路模式比較、類神經網路模型 (倒傳遞類神經網路、自組織映射類神經網路、霍普菲爾類神經網路、循環類神經網路、卷積類神經網路、U-Net 類神經網路)、類神經網路控制; 基因演算法;適應性類神經模糊推論系統。練習利用以上述方法於解決實際問題上,特別是在智慧農業的應用上,例如:由無人機蒐集森林生態、河川農田水利、農業生產狀況等資訊,嘗試鍛鍊課堂所學方法的基本功。除了期中考、期末考與作業之外,學生須提出期末專題計畫與報告。 

課程目標
完成本課程的學生具備下列知能
,並將。學生將。學生將。學生將。
 對模糊邏輯系統和人工神經網路有基本的了解
 了解這些方法相對於其他控制方法的優缺點
 了解當前的研究趨勢和問題
 能夠使用模糊邏輯和人工神經網絡設計控制系統
 使用電腦進行模擬和評估
 知道如何將這些技術應用於實際問題上
 確定需求與形成議題
 優勢調查 (包括相關知能、資源與智財等)
 數據收集與分析
 擬定解決方案,進行設計、流程開發、程式撰寫
 系統工程與專案計畫管理
 成果發表:口頭簡報、成果展示 (包括解方、電腦模擬或多媒體等形式) 與交付書面報告
 訓練學生自評與同儕互評
 多元跨領域能力
 自主學習能力
 
課程要求
1.作業與平時成績 50%
2.期末計畫與報告成績 50%
接受教師、業師、助教與同儕互評等
 
預期每週課後學習時數
3 hours 
Office Hours
每週二 14:00~17:00 備註: TA: 閻憲廷 at Rm. 301, Takasaka Tomotake Building, NTU Time: 2:20~5:10 on Tuesday Place: EE Lab. in Takasaka Tomotake Building, NTU 
指定閱讀
周瑞仁自編講義。
Nazmul Siddique. 2016. A Hybrid Approach Based on Fuzzy Logic, Neural Networks and Genetic Algorithms. 2nd ed. Springer International Publishing.
 
參考書目
待補 
評量方式
(僅供參考)
   
課程進度
週次
日期
單元主題
第1週
02/23  Offical leave 
第2週
03/02  Theme: Introduction to the course—intelligent control
Activity: Grouping, Photo taking, Q&A
Assignment: HW1
 
第3週
03/09  Theme: Overview of fuzzy control I
Assignment: HW2
 
第4週
03/16  Theme: Overview of fuzzy control II
Assignment: HW3
Submission: HW1
 
第5週
03/23  Theme: Backward propagation neural network model (BPNN) I
Submission: HW2
 
第6週
03/30  Theme: Backward propagation neural network model (BPNN) II
Assignment: HW4
 
第7週
04/06  Theme: Backward propagation neural network model (BPNN)III
Submission: HW3
 
第8週
04/13  Theme: Unsupervised artificial neural network – Self-organized mapping 
第9週
04/20  Theme: Convolutional neural network (CNN) I
Submission: HW4
Assignment: HW5
 
第10週
04/27  Theme: Convolutional neural network (CNN) II
Activity: Sample program explanation
 
第11週
05/04  Theme: Representation and related terminology of Fuzzy set, Fuzzy operation and Fuzzy inference
Assignment: Final project proposal (Fuzzy, ANN)

 
第12週
05/11  Theme: Fuzzy relation
Submission: HW5
 
第13週
05/18  Theme: Fuzzy models, Discussion on the final project
Theme: Genetic algorithm(GA)
 
第14週
05/25  Activity: Oral presentation for the final project 1 (Fuzzy project), Genetic algorithm(GA) 
第15週
06/01  Activity: Oral presentation for the final project 2 (Neural network project), Hopfield neural network
(Submit final report (Word) and PPT for both projects ) 

 
第16週
06/08  Make up course