Главная страница
Навигация по странице:

  • «Интеллектуализация автоматизированных систем»

  • Цели и задачи дисциплины, ее место в учебном процессе.

  • Требования к знаниям и умениям студентов по дисциплине.

  • Распределение трудоемкости (час.) дисциплины по темам и видам занятий.

  • Содержание лекционного курса.

  • Перечень лабораторных работ.

  • Рабочая программа_ИВС. Рабочая программа Интеллектуализация автоматизированных систем


    НазваниеРабочая программа Интеллектуализация автоматизированных систем
    АнкорРабочая программа_ИВС.doc
    Дата04.05.2017
    Размер98 Kb.
    Формат файлаdoc
    Имя файлаРабочая программа_ИВС.doc
    ТипРабочая программа
    #1888
    КатегорияИнформатика. Вычислительная техника

    Саратовский государственный технический университет
    Кафедра: «Программное обеспечение вычислительной

    техники и автоматизированных систем»

    РАБОЧАЯ ПРОГРАММА



    «Интеллектуализация автоматизированных систем»
    для специальности 220400 «Программное обеспечение вычислительной техники и автоматизированных систем»

    Направление _654600 «_Информатика и вычислительная техника»


    Курс – 5


    Семестр – 9

    Часов в неделю –

    Курсовая работа

    Курсовой проект

    Расчетно-графическая работа

    Контрольная работа

    Экзамен

    Зачет


    Рабочая программа обсуждена на заседании кафедры ПВС


    20___02_ 2010 года, протокол №_26_

    Зав. кафедрой Байбурин В.Б.

    Рабочая программа утверждена на заседании

    УМКС/УМКН

    «_20_»__02______2010, протокол № 6__

    Председатель УМКС/УМКН ___________
    Саратов 2010



    1. Цели и задачи дисциплины, ее место в учебном процессе.



    1.1. Цель преподавания дисциплины: целью преподавания дисциплины является формирование умения и навыков студентов по основам инженерии знаний и нейроинформатики, как двум направлениям построения интеллектуальных систем; дать общие представления о прикладных системах искусственного интеллекта в автоматизированных системах.

    1.2. Задачи изучения дисциплины: задачей курса является изучения понятий инженерии знаний и нейрокибернетики, изучения основных моделей нейронных сетей, методов и алгоритмов их обучения, изучения генетических алгоритмов, приобретение практических навыков разработки программного обеспечения систем искусственного интеллекта в автоматизированных системах.

    1.3. Перечень дисциплин, усвоение которых необходимо для изучения данной дисциплины: математика, информатика.


    1. Требования к знаниям и умениям студентов по дисциплине.



    Студент должен знать: концептуальные основы искусственного интеллекта, методы представления знаний, понятия нейронные сети и генетические алгоритмы, понятие экспертной системы, основные методы реализации экспертных систем.

    Студент должен уметь: разрабатывать интеллектуальные средства автоматизированных систем, разрабатывать структуру знаний для решения различных задач автоматизированных систем, в т.ч. для учета неопределенности в принятии решений.


    1. Распределение трудоемкости (час.) дисциплины

    по темам и видам занятий.


    модуля ммммодуля

    № недели

    № темы



    Наименование темы

    Часы


    всего

    лекции

    лаб. зан.

    пр. зан.

    СРС

    1




    1.

    Введение

    2

    2










    1




    2.

    История искусственного интеллекта

    14

    2







    12

    1




    3.

    Знания и данные

    2

    2










    1




    4.

    Понятия о прикладных системах искусственного интеллекта

    12

    2







    10

    1




    5.

    Методы представления знаний и решения задач. Логика предикатов первого порядка

    8

    4

    2




    2

    1




    6.

    Методы представления знаний и решения задач. Псевдофизические логики

    8

    4

    2




    2

    1




    7.

    Методы представления знаний и решения задач. Правила-продукции

    8

    4

    2




    2

    2




    8.

    Методы представления знаний и решения задач. Семантические сети

    8

    4

    2




    2

    2




    9.

    Методы представления знаний и решения задач. Фреймы и объекты

    8

    4

    2




    2

    2




    10.

    Методы представления знаний и решения задач. Нейронные сети

    28

    10

    8




    10

    2




    11.

    Экспертные системы.

    26

    10

    6




    10

    2




    12.

    Генетические алгоритмы

    12

    2

    2




    8

    Итого:

    150

    54

    36




    60




    1. Содержание лекционного курса.



    Всего


    Час.



    лекции

    Тема лекции.

    Вопросы, обрабатываемые на лекции.







    Предмет и содержание курса, его место в системе подготовки и значение в практической деятельности







    Зарождение исследований в области искусственного интеллекта (ИИ). Два направления: логическое и нейрокибернетическое. Ранние исследования в 50-60-е годы (Н.Винер, Мак-Каллок, Розенблатт, Саймон, Маккартни, Слэйджл, Сэмюэль, Гелернер, Н.Амосов). Появление в конце 60-х годов интегральных (интеллектуальных) роботов и первых экспертных систем. Успехи экспертных системи застой в нейрокибернетике в 70-е годы. Новый бум нейрокибернетики в начале 80-х годов (Хопфилд). Программа создания ЭВМ 5-го поколения. Стратегическая компьютерная инициатива США. Исследования по ИИ в СССР и России.







    Свойства знаний и отличие знаний от данных. Типы знаний: декларативные и процедурные, экстенсиональные и интенсиональные. Нечеткие знания. Виды и природа нечеткости. Проблема понимания смысла как извлечения знаний из данных и сигналов.







    Прикладные системы ИИ – системы, основанные на знаниях. Понятие инженерии знаний. Экспертные системы. Их области применения и решаемые ими задач. Обобщенная структура экспертных систем. Применение ИИ в автоматизированных систем







    Логические и эвристические методы представления знаний. Понятие предиката, формулы, кванторов всеобщности и существования. Интерпретация формул в логике предикатов 1-го порядка. Метод резолюции для доказательства теорем в логике 1-го порядка. Недостатки логики 1-го порядка как метода представления знаний. Пути повышения выразительных возможностей логики 1-го порядка: введение модальностей и повышение значности. Логика возможного-необходимого. Трехзначная семантика Лукасевича. Семантика возможных миров.







    Теория нечетких множеств – основа псевдофизических логик. Нечеткая логика. Понятие лингвистической переменной. Примеры псевдофизических логик: пространственная и временная логики.







    Структура правил-продукций. Типы ядер правил-продукций и варианты их интерпретаций. Методы логического вывода: прямой и обратный. Стратегии выбора правил при логическом выводе. Методы представления и обработки нечетких знаний в продукционных системах. Достоинства и недостатки правил-продукций как метода представления знаний.







    Основные понятия семантических сетей: представление объектов и отношений между ними в виде ориентированного графа. Типы отношений в семантических сетях. Абстрактные и конкретные сети. Принципы обработки информации в семантических сетях. Связь семантических сетей с логикой 1-го порядка и псевдофизическими логиками.







    Основные понятия фрейма: слоты, присоединенные процедуры-слуги и процедуры-демоны, наследование свойств. Связь понятия фрейма и объекта в объетно-ориентированном программировании. Сети фреймов. Принципы обработки данных в сети фреймов. Примеры языков инженерии знаний, основанных на фреймах: FRL и KRL.







    Основные понятия о естественных и искусственных нейронных сетях и нейронах. Формальный нейрон МакКаллока-Питтса. Нейронная сеть как механизм, обучаемый распознаванию образов или адекватной реакции на входные сигналы (входную информацию). Классификация нейронных сетей.







    Условия применимости экспертных систем. Типы экспертных систем в зависимости от степени завершенности и особенностей использования: демонстрационные, исследовательские, промышленные, коммерческие. Этапы построения экспертных систем: идентификация, концептуализация, формализация, реализация, тестирование. Трудности при создании экспертных систем.







    Символьная модель простого ГА; Работа простого ГА; Шима (schema); Строящие блоки; теорема шим




    1. Перечень лабораторных работ.



    темы

    Всего


    Часов



    работы

    Наименование лабораторной работы.

    Вопросы, отрабатываемые

    на лабораторном занятии




    1.

    Построение структуры предметной области. Реализация программы, осуществляющей логический вывод.




    2.

    Разработка программы генетического анализа надежности автоматизированных систем.




    3.

    Использование нейронных сетей в автоматизированных системах.



    1. Список основной и дополнительной литературы

    по дисциплине
    а) основная:

    1. Бровкова М.Б. Системы искусственного интеллекта. Нечеткие множества: Учебное пособие. Саратов: Сарат.гос.техн.ун-т, 2000.-40с.

    2. Бровкова М.Б. Основные аспекты интеллектуализации автоматизированных систем: Учебное пособие. Саратов: Сарат.гос.техн.ун-т, 2002.-72с.

    3. Представление и использование знаний/Под ред.Х.Уэно, М.Исидзука.-М.:Мир, 2002.-220 с.
    б) дополнительная:


    1. Лорьер Ж.-Л. Системы искусственного интеллекта.-М.:Мир, 1991.- 568 с.

    2. Экспертные системы для персональных компьютеров: методы, средства, реализации:Справ.пособие/В.С.Крисевич, Л.А.Кузьмич, А.М.Шиф и др.-Мн.:Выш.шк.,1990.-197 с.

    3. Осуга С. Обработка знаний.-М.:Мир,1989.-293 с.


    Рабочая программа составлена ___________ Бровкова М.Б.

    Дополнения и изменения в рабочей программе.

    Рабочая программа пересмотрена на заседании

    кафедры

    «___»____________200_ года, протокол №_____

    Зав.кафедрой __________ Байбурин В.Б.

    Внесенные изменения утверждены на заседании

    УМКС/УМКН

    «_____» ________200_года, протокол №_____

    Председатель УМКС/УМКН ________ __________
    написать администратору сайта