Institut Ruđer Bošković
Naslov projekta:		Postupci računalne inteligencije u mjernim sustavima
Izvor financiranja:		Ministarstvo znanosti obrazovanja i športa
Matična ustanova:		Institut Ruđer Bošković
Zavod:		Zavod za elektroniku
Laboratorij:		Laboratorij za informacijske sustave
Adresa:		Bijenička c. 54, Zagreb, Republika Hrvatska
Ugovor broj:		098-0982560-2565
Datum potpisivanja:		2, siječnja, 2007.
Istraživaci:		Ivan Marić, dr. sc., voditelj projekta
		Dragan Gamberger, dr. sc. Tomislav Šmuc, dr. sc. Ivan Ivek, dipl. inž. znanstveni novak
Sažetak projekta:
Brza, pouzdana i točna mjerenja neophodan su preduvjet za svaki ozbiljan eksperimentalni znanstveni rad ili industrijsku primjenu. Rastuća složenost zajednička je značajka suvremenih mjernih sustava. Mjerni instrumenti i mjerni sustavi postaju sastavni dijelovi globalnog informacijskog sustava i nude ne samo jednostavna mjerenja već imaju ugrađenu i visoku razinu složenosti u analizi i interpretaciji mjernih rezultata. Koristeći raspodijeljeno objektno računanje, dijelovi mjernog sustava mogu biti raspodijeljeni po mreži i zajednički velikom broju korisničkih primjena. Postupci umjetne inteligencije otvaraju nove pristupe u dizajniranju mjernih sustava. Cilj ovog projekta je istraživanje mogućnosti razvoja i primjene postupaka umjetne inteligencije i tehnika strojnog učenja u mjernim sustavima u rasponu od stvaranja jednostavnih modela do sinteze složenih mjernih postupaka i sofisticiranih instrumenata sposobnih za izvođenje ne samo jednostavnih naredbi već i složenih zadaća. Napredni instrument trebao bi imati integrirano znanje specifično za područje primjene te mogućnost učenja koje bi mu stvorilo sposobnost prilagodbe i održavanja visoke točnosti i pouzdanosti mjerenja i u neuobičajenim radnim uvjetima. Istraživanje će biti usredotočeno na algoritme i postupke za smanjenje vremena obrade i složenosti mjernih procedura te za povećanje točnosti, fleksibilnosti i pouzdanosti ugradbenih i raspodijeljenih mjernih sustava. Smanjenjem složenosti mjernih algoritama i proračunskih postupaka uz očuvanje visoke točnosti mjerenja očekuje se skraćenje vremena njihovog računanja, a time i njihova uspješna primjena u stvarnim mjerenjima. Očekuje se pronalaženje preciznih i pouzdanih modela složenih mjernih metoda te razvoj prilagodljivih instrumenata i naprednih mjernih postupaka raspodijeljenog mjernog sustava. Očekuje se također da predloženo istraživanje riješi neke specifične probleme mjerenja protoka u stvarnom vremenu. Planira se suradnja s istraživačkim laboratorijima i industrijom.
Publikacije:
Znanstveni radovi u CC časopisima:
1.	Marić, I., Optimization of self-organizing polynomial neural networks, // Expert Systems With Applications, DOI: 10.1016/j.eswa.2013.01.060, vol. 40, no 11, September, 2013, 4528-4538.
2.	Marić, I., Ivek, I. Self-Organizing Polynomial Networks for Time-Constrained Applications. // IEEE transactions on industrial electronics, DOI: 10.1109/TIE.2010.2051934, vol. 58, no. 5, May 2011, pp. 2019-2029.
3.	Marić, I., Ivek, I.: Compensation for Joule–Thomson effect in flowrate measurements by GMDH polynomial. // Flow measurement and instrumentation. vol. 21, no. 2 (2010); 134-142
4.	Trontl K, Šmuc T, Pevec D. Support vector regression model for the estimation of g-ray buildup factors for multi-layer shields, // Annals of Nuclear Energy, vol. 34 (2007), 12; 939-952
5.	Marić I. A procedure for the calculation of the natural gas molar heat capacity, the isentropic exponent, and the Joule-Thomson coefficient. // Flow Measurement and Instrumentation. vol. 18 (2007), 1; 18-26.
Znanstveni radovi u drugim časopisima:
1.	Trontl, K. Pevec, D. Šmuc, T. Machine learning of the reactor core loading pattern critical parameters. // Science and Technology of Nuclear Installations, (2008) ; 695153-1-695153-7.
Poglavlja u knjigama:
1.	Marić, I., Ivek, I. Natural gas properties and flow computation // Natural gas, ISSN:978-953-307-112-1, SCIYO, 2010. 501-529.
2.	Trontl, K., Šmuc, T., Pevec, D.,: Learning Support Vector Regression Models for Fast Radiation Dose Rate Calculations // Machine Learning Research Progress / Peters, Hannah ; Vogel, Mia (ur.). New York : Nova Science Publishers, Inc., 2010. 427-462.
Znanstveni radovi u zbornicima međunarodnih skupova:
1.	Bogunović, N., Šmuc, Tomislav. Applicability of Qualitative ECG Processing to Wearable Computing // Proceedings of the 5th International Workshop and Symposium on Wearable and Implanzable Body Sensor Networks / Zhang, Yuan-ting (ur.). Hong Kong : IEEE, 2008. 133-136.
2.	Trontl, K., Pevec, D., Šmuc T. On Input Vector Representation for the SVR Model of Reactor Core Loading Pattern Critical Parameters // 7th International Conference on Nuclear Option in Countries with Small and Medium Electricity Grids - Conference Proceedings / Čavlina, Nikola ; Pevec, Dubravko ; Bajs, Tomislav (ur.). Zagreb : Croatian Nuclear Society, 2008. S-06.90-1-S-06.90-10.
3.	Trontl, K.; Pevec, D.; Šmuc, T. Machine Learning of the Reactor Core Loading Pattern Critical Parameters // Proceedings of the International Conference Nuclear Energy for New Europe 2007. Ljubljana, Slovenia: Nuclear Society of Slovenia, 2007. 113.1-113.10.
Sažeci u knjigama:
1.	Ivek, I. GMDH Structures in Time-series Modeling for Prediction // Book of Abstracts - KDSA 2008, Workshop on Knowledge Discovery in Scientific Applications / Gamberger, Dragan (ur.). Zagreb : IRB, 2008. (predavanje, sažetak, znanstveni).
2.	Marić, I. GMDH: building self-organizing feedforward perceptron-like polynomial models for real-time applications // Book of Abstracts - KDSA 2008, Workshop on Knowledge Discovery in Scientific Applications / Dragan Gamberger (ur.). Poreč, Hrvatska : IRB, 2008. (predavanje, sažetak, znanstveni).
Projekti:
1.	Ivek, Ivan: wGMDH, Weka addon featuring GMDH, project sponsored by the Ministry of Science Education and Sports of the Republic of Croatia, 2009/2010.
2.	I. Maric: GMDH system for desktop computer, MS Visual Studio, RBI, 2008/2009.