Sistem cerdik ialah satu jenis sistem kawalan yang mensimulasikan ciri-ciri kecerdikan manusia. Sistem ini dapat dilaksanakan dengan menggunakan teknik jaringan neural buatan. Sesetengah sistem yang rumit tidak dapat dilaksanakan dengan lengkap dan tepat dalam model matematik. Oleh sebab itu, sistem cerdik adalah penting untuk melaksanakan sistem yang rumit, autonomi, dan mempunyai keupayaan membuat keputusan. Dalam projek ini, sistem cerdik untuk robot pengikut telah dibina dengan menggunakan teknik jaringan neural buatan dan eksperimen telah dijalankan untuk memperolehi parameterparameter yang terbaik bagi robot pengikut. Kerja-kerja dalam projek tahun akhir ini dilaksanakan dengan menggunakan MATLAB Neural Network Toolbox. Jaringan neural buatan dilatih dengan menggunakan set data hasilan pengaturcaraan Perl. Perceptron pelbagai lapisan (MLPs) digunakan sebagai struktur asas dan algoritma LevenbergMarquardt digunakan sebagai algoritma latihan. Kajian dibuat ke atas jumlah neuron di lapisan tersembunyi dan fungsi pengaktifan di lapisan tersembuyi. Set data pengesan ultrasonik dan set data pengesan inframerah digunakan untuk melatih jaringan neural buatan. Secara keseluruhan, tiga neuron tersembunyi dan fungsi log-sigmoid atau fungsi tansigmoid merupakan model optimum untuk robot pengikut bagi pengesan ultrasonik dan pengesan inframerah. Pembangunan sistem cerdik untuk robot pengikut dengan menggunakan teknik jaringan neural adalah berjaya.
___________________________________________________________________________________
Intelligent system is a type of control system that simulates essential characteristics of human intelligent which can developed by using neural network. Many systems are just too complex to be represented in a complete and accurate mathematical model. Therefore, intelligent system is important to complete modeling of a complex, autonomy and decision-making system. In this project, development of an intelligent system for a robot follower using neural network is implemented and experiments are carried out in order to obtain the best model for the controlled parameters that suit specification of the robot follower. MATLAB Neural Network Toolbox is used to implement this project. The neural network is trained by using data sets created from Perl programming. Multilayer Perceptrons (MLPs) is used as a basic structure and Levenberg-Marquardt algoritm is used as training algorithm. Two controlled parameters, that are number of neuron and activation function in the hidden layer are investigated. Data set from ultrasonic sensor and infrared sensor are used to train neural network. In overall, implementation of three hidden neuron and log-sigmoid function, or tan-sigmoid function is the optimum model for robot follower for either ultrasonic sensor or infrared sensor. Development of intelligent system for robot follower is a success.
Development of intelligent system for robot follower using neural network_Tan Kah Leong_E3_2011_NI