Рабочая программа дисциплины интеллектуальные системы icon

Рабочая программа дисциплины интеллектуальные системы



НазваниеРабочая программа дисциплины интеллектуальные системы
Дата конвертации02.06.2013
Размер170.5 Kb.
ТипЛекции
скачать >>>


УТВЕРЖДАЮ

Проректор-директор ИК

___________Сонькин М.А.

«___»_____________2011 г.


РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ

Интеллектуальные системы


НАПРАВЛЕНИЕ ООП 230100 Информатика и вычислительная техника


ПРОФИЛИ ПОДГОТОВКИ Сети ЭВМ и телекоммуникации; Компьютерный анализ и интерпретация данных; Микропроцессорные системы; Информационное и программное обеспечение автоматизированных систем; Технологии разработки программных систем; Распределенные автоматизированные системы; Информационное и программное обеспечение систем управления


^ КВАЛИФИКАЦИЯ (СТЕПЕНЬ) магистр

БАЗОВЫЙ УЧЕБНЫЙ ПЛАН ПРИЕМА 2011 г.

КУРС 1 СЕМЕСТР 1

КОЛИЧЕСТВО КРЕДИТОВ 4 кредита ECTS

ПРЕРЕКВИЗИТЫ

КОРЕКВИЗИТЫ М1.Б2; М2.Б1


^ ВИДЫ УЧЕБНОЙ ДЕЯТЕЛЬНОСТИ И ВРЕМЕННОЙ РЕСУРС:

Лекции 36 час.

Лабораторные занятия 36 час.

АУДИТОРНЫЕ ЗАНЯТИЯ 72 час.

САМОСТОЯТЕЛЬНАЯ РАБОТА 108 час.

ИТОГО 180 час.

^ ФОРМА ОБУЧЕНИЯ очная


ВИД ПРОМЕЖУТОЧНОЙ АТТЕСТАЦИИ экзамен


ОБЕСПЕЧИВАЮЩЕЕ ПОДРАЗДЕЛЕНИЕ кафедра ВТ


ЗАВЕДУЮЩИЙ КАФЕДРОЙ Марков Н.Г., профессор

^ РУКОВОДИТЕЛЬ ООП (МП) Чередов А.Д., доцент

ПРЕПОДАВАТЕЛЬ Спицын В.Г., профессор


2011 г.


1. Цели освоения дисциплины
Цель данной дисциплины – дать систематический обзор современных моделей представления знаний, изучить и освоить принципы построения экспертных систем, рассмотреть перспективные направления развития систем искусственного интеллекта и принятия решений.
^
Поставленные цели полностью соответствуют целям (Ц1-Ц5) ООП.

2. Место дисциплины в структуре ООП

Дисциплина «Интеллектуальные системы» (М1.Б1) является базовой общенаучного цикла (М1). Для её успешного усвоения необходимы базовые и специальные знания, полученные при изучении ООП бакалаврской подготовки по направлениям «Информатики и вычислительная техника», «Информационные системы и технологии» и родственным им направлениям.

К моменту начала обучения по дисциплине студент должен знать элементы математического анализа, теории вероятностей и математической логики, уметь программировать на С++. Указанные знания потребуется для освоения теоретических разделов курса и составления программ при выполнении лабораторных работ.

В соответствии с учебным планом данная дисциплина читается в 1-ом семестре и не имеет пререквизитов в рамках ООП магистерской подготовки.

Кореквизитами являются дисциплины «Методы оптимизации» (М1.Б2), «Вычислительные системы» (М2.Б1).

^ 3. Результаты освоения дисциплины

В результате освоения дисциплины студент должен уметь применять глубокие естественнонаучные и математические знания для решения научных и инженерных задач в области информатики и вычислительной техники (Р1);

знать:

теорию технологий искусственного интеллекта (математическое описание экспертной системы, логический вывод, искусственные нейронные сети, расчетно-логические системы, системы с генетическими алгоритмами, мультиагентные системы) (З.1.2):

  • модели представления знаний (З.1.2.1);

  • принципы построения экспертных систем (З.1.2.2);

  • современные системы искусственного интеллекта и принятия решений (З.1.2.3);

уметь:

решать прикладные вопросы интеллектуальных систем с использованием декларативного языка ПРОЛОГ, статических экспертных систем, экспертных систем реального времени (У.1.2):

  • применять различные модели представления знаний при реализации экспертных систем на ЭВМ (У.1.2.1);

  • разрабатывать программные реализации экспертных систем на ЭВМ (У.1.2.2);

владеть:

построением моделей представления знаний, подходами и техникой решения задач искусственного интеллекта, информационных моделей знаний, методами представления знаний (методы инженерии знаний) (В.1.2).

В процессе освоения дисциплины у студентов развиваются следующие компетенции:

^ 1.Универсальные (общекультурные)

стремление к саморазвитию, повышению своей квалификации и мастерства

(ОК-1,2; ФГОС):

- способен совершенствовать и развивать свой интеллектуальный и общекультурный уровень (ОК-1);

- способен к самостоятельному обучению новым методам исследования, к изменению научного и научно-производственного профиля своей профессиональной деятельности (ОК-2);

2. Профессиональные:

Выпускник должен обладать следующими профессиональными компетенциями (ПК):

научно-исследовательская деятельность:

- применять перспективные методы исследования и решения профессиональных задач на основе знания мировых тенденций развития вычислительной техники и информационных технологий (ПК-1);

проектно-конструкторская деятельность:

- выбирать методы и разрабатывать алгоритмы решения задач управления и проектирования объектов автоматизации (ПК-5);

- применять современные технологии разработки программных комплексов с использованием CASE-средств, контролировать качество разрабатываемых программных продуктов (ПК-6);

^ 4. Структура и содержание дисциплины

4.1 Аннотированное содержание разделов дисциплины:

1. Введение

Цель и задачи дисциплины, ее роль и место в общей системе подготовки специалиста. Представление знаний в информационных системах как элемент искусственного интеллекта и новых информационных технологий. Этапы создания искусственного интеллекта. Процесс мышления. Основные понятия и классификация систем, основанных на знаниях. Принципы приобретения знаний.

2. Модели представления знаний

Логическая модель представления знаний и правила вывода. Продукционная модель представления знаний и правила их обработки. Выводы, основанные на продукционных правилах. Теория фреймов и фреймовых систем. Объекты с фреймами. Основные атрибуты (слоты) объекта. Процедурные фреймы и слоты. Представление знаний в виде семантической сети. Модель доски объявлений. Модель представления знаний в виде сценария.

3. Архитектура и технология разработки экспертных систем

Введение в экспертные системы. Роли эксперта, инженера знаний и пользователя. Общее описание архитектуры экспертных систем. База знаний, правила, машина вывода, интерфейс пользователя, средства работы с файлами. Технология разработки экспертных систем. Логическое программирование и экспертные системы. Языки искусственного интеллекта. Подсистема анализа и синтеза входных и выходных сообщений. Диалоговая подсистема. Объяснительные способности экспертных систем.

4. Применение нечеткой логики в экспертных системах

Понятие о нечетких множествах и их связь с теорией построения экспертных систем. Коэффициенты уверенности. Взвешивание свидетельств. Отношение правдоподобия гипотез. Функция принадлежности элемента подмножеству. Операции над нечеткими множествами. Дефазификация нечеткого множества. Нечеткие правила вывода в экспертных системах.

5. Генетический алгоритм

Понятие о генетическом алгоритме. Этапы работы генетического алгоритма. Кодирование информации и формирование популяции. Оценивание популяции. Селекция. Скрещивание и формирование нового поколения. Мутация. Настройка параметров генетического алгоритма. Канонический генетический алгоритм. Пример работы генетического алгоритма. Рекомендации к программной реализации генетического алгоритма. Применение генетического алгоритма для решения задач оптимизации и аппроксимации.

6. Искусственные нейронные сети

Понятие о нейросетевых системах. Биологические нейронные сети. Формальный нейрон. Искусственные нейронные сети. Обучение нейронной сети. Алгоритм обратного распространения ошибки. Пример работы и обучения нейронной сети. Программная реализация. Применение нейронных сетей для решения задач аппроксимации, классификации, автоматического управления, распознавания и прогнозирования. Мультиагентные системы.


4.2 Структура дисциплины по разделам и видам учебной деятельности

Таблица 1.

^ Структура модуля (дисциплины)

по разделам и формам организации обучения

Название раздела/темы

Аудиторная работа (час)

СРС

(час)

Колл,

Контр.Р.

Итого

Лекции

Практ./сем.

Занятия

Лаб. зан.

1. Введение

4




4

10




18

2. Модели представления знаний

6




6

15

КP-1

27

3. Архитектура и технология разработки экспертных систем

6




6

15

Кл-1

27

4. Применение нечеткой логики в экспертных системах

6




6

20




32

5. Генетический алгоритм

6




6

20

КP-2

32

6. Искусственные нейронные сети

8




8

28

Кл-2

44

Итого

36




36

108




180

4.3 Распределение компетенций по разделам дисциплины

Таблица 2.

Распределение по разделам дисциплины планируемых результатов обучения



Формируемые

компетенции

^ Разделы дисциплины

1

2

3

4

5

6

7

8



З.1.2.1

*

*





















З.1.2.2







*


















З.1.2.3










*

*

*









У.1.2.1

*

*





















У.1.2.2







*

*

*

*









В.1.2

*

*

*

*

*

*







^ 5. Образовательные технологии

Таблица 3.

Методы и формы организации обучения (ФОО)

ФОО


Методы

Лекц.

Лаб. раб.

Пр. зан./

Сем.,

Тр*., Мк**

СРС

К. пр.

IT-методы




#







#




Работа в команде



















Case-study



















Игра



















Методы проблемного обучения.

#

#







#




Обучение

на основе опыта



















Опережающая самостоятельная работа




#







#




Проектный метод




#







#




Поисковый метод




#







#




Исследовательский метод

#

#







#




Другие методы



















* - Тренинг, ** - Мастер-класс


^ 6. Организация и учебно-методическое обеспечение самостоятельной работы студентов


6.1. Самостоятельную работу студентов (СРС) можно разделить на текущую и творческую.

Текущая СРС – Проработка лекций, изучение рекомендованной литературы.

^ Творческая проблемно-ориентированная самостоятельная работ

(ТСР) – Анализ источников по темам индивидуальных занятий, поиск существующих аналогов. Выбор программных средств для реализации разрабатываемых алгоритмов.


^ 6.2. Содержание самостоятельной работы студентов по дисциплине

Самостоятельная работа организуется в двух формах:

  • аудиторной (на лабораторных работах при решении поставленных и индивидуальных задач);

  • внеаудиторной (проработка лекций, изучение рекомендованной литературы – 46 часов; подготовка к выполнению лабораторных занятий – 58 часов; оформление отчетов по лабораторным работам – 4 часа).

Темы лабораторных работ

  1. Разработка экспертных систем.

  2. Принятие решений на основе генетического алгоритма.

  3. Применение искусственных нейронных сетей для обработки информации.


^ 6.3 Контроль самостоятельной работы

Контроль результатов самостоятельной работы осуществляется при проведении 2 письменных контрольных работ и 2 устных коллоквиумов по проверке уровня усвоения студентом лекционного материала и проверкой уровня теоретических знаний и практических навыков студента при выполнении им лабораторных работ:

^ 6.4 Учебно-методическое обеспечение самостоятельной работы студентов

Студентам для самостоятельной работы предлагается учебно-методическое обеспечение дисциплины в электронном виде.

^ 7. Средства (ФОС) текущей и итоговой оценки качества освоения дисциплины

Текущий контроль оценки качества усвоения дисциплины заключается в проведении 2 контрольных работ и 2 коллоквиумов. Каждая контрольная работа включает 45 вопросов, при этом каждый студент получает 4 вопроса из этого списка.

Для каждого из двух коллоквиумов подготовлен список из 35 вопросов. Студент должен устно в режиме реального времени ответить на 5 вопросов из указанного списка. Во время выполнения лабораторных работ преподаватель на основе серии контрольных вопросов проверяет теоретические знания студента по теме лабораторной работы. Для экзамена подготовлены 25 билетов. В каждом билете содержится 5 вопросов.


^ 8. Учебно-методическое и информационное обеспечение дисциплины

  • Основная литература:

    1.

    Люгер Д.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. – М.: Издательский дом “Вильямс”, 2003. – 864 c.

    2.

    Джаратано Дж., Райли Г. Экспертные системы: принципы разработки и программирование. – М.: ООО “И.Д. Вильямс”, 2007. – 1152 c.

    3.

    Спицын В.Г., Цой Ю.Р. Представление знаний в информационных системах: Учебное пособие. – Томск: Изд-во ТПУ, 2008. – 152 c.

    4.

    Гаврилова Т.А. , Хорошевский В.Ф. Базы знаний интеллектуальных систем. Санкт- Петербург: Питер, 2000. – 382 c.

    5.

    Змитрович А.И. Интеллектуальные информационные системы. Минск: Тетра Системс, 1997. – 367 с.

    6.

    Осовский С. Нейронные сети для обработки информации – М.: Финансы и статистика ”, 2007. – 345 c.

    7.

    Спицын В.Г., Цой Ю.Р. Применение искусственных нейронных сетей для обработки информации: Методические указания. – Томск: Изд-во ТПУ, 2008. – 31 c.

    8.

    Джексон П. Введение в экспертные системы: Пер.с англ.- M.: Издательский дом “Вильямс”, 2001. – 624 c.

    9.

    Попов Э.В. Экспертные системы. – М.: Наука, 1987. –288 c

    10.

    Спицын В.Г. Базы знаний и экспертные системы: Учебное пособие – Томск: Изд-во ТПУ, 2001. – 88 с.

    11.

    Экспертные системы. Принцип работы и примеры. / Под ред. Р. Форсайда: Пер.с англ. – M.: Радио и связь, 1987. – 221 c.



  • Дополнительная литература:

    12.

    Искусственный интеллект: Кн. 1. Системы общения и экспертные системы. Справочник. / Под ред. Э.В. Попова. – М.: Радио и связь, 1990. – 464 с.

    13.

    Нейлор К. Как построить свою экспертную систему: Пер.с англ.- М.: Энергоатомиздат. 1991. – 288 c.

    14.

    Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006. – 1104 c.

    15.

    Элти Дж., Кумбо М. Экспертные системы: концепции и примеры: Пер.с англ. – М.: Финансы и статистика, 1987. – 191 с.

    16.

    Горбань А.Н., Дунин-Барковский В.Л., Кирдин А.Н., и др. Нейроинформатика. – Новосибирск: Наука. Сибирское отделение РАН, 1998. – 296 с.

    17.

    Нечеткие множества в моделях управления и искусственного интеллекта./ Под ред. Д.А. Поспелова – М.: Наука, 1986. – 311 c

    18.

    Осуга С. Обработка знаний: Пер. с японск. – М.: Мир, 1989. – 293 c.

    19.

    Уэно Х., Коямо Т., Окамото Т. и др. Представление и использование знаний: Пер. с японск. – М.: Мир, 1989. – 220 с.




    20.

    Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ: Пер.с англ. – М.: Финансы и статистика, 1990. – 320 c.




    21.

    Марселлус Д. Программирование экспертных систем на Турбо Прологе: Пер.с англ. – М.: Финансы и статистика, 1994. – 256 c.




    22.

    Ин Ц., Соломон Д. Использование Турбо – Пролога: Пер. с англ. – М.: Мир, 1993. – 608 c.






  • Программное обеспечение и Internet-ресурсы:

    Программные средства для выполнения лабораторных работ в среде Visual Studio 2010.

1.

http://raai.org/ – Российская ассоциация искусственного интеллекта.

2.

http://www.niisi.ru/iont/ni – Российская ассоциация нейроинформатики.

3.

http://ransmv.narod.ru/ – Российская ассоциация нечетких систем и

мягких вычислений.

4.

http://www.makhfi.com/KCM_intro.htm – Введение в моделирование

знаний.

^ 9. Материально-техническое обеспечение дисциплины

Компьютерный класс – 9 персональных компьютеров с выходом в интернет.


Программа составлена на основе Стандарта ООП (МП) ТПУ в соответствии с требованиями ФГОС по направлению 230100 Информатика и вычислительная техника и программам подготовки: сети ЭВМ и телекоммуникации; компьютерный анализ и интерпретация данных; микропроцессорные системы; информационное и программное обеспечение автоматизированных систем; технология разработки программных систем; распределенные автоматизированные системы; информационное и программное обеспечение систем управления


Программа одобрена на заседании кафедры ВТ

(протокол № 12 от « 26 » 05 2011 г.).


Автор - профессор кафедры вычислительной техники
Спицын Владимир Григорьевич

Рецензент профессор, зав. кафедрой вычислительной техники

Марков Николай Григорьевич





Похожие:

Рабочая программа дисциплины интеллектуальные системы iconРабочая программа дисциплины интеллектуальные информационные системы

Рабочая программа дисциплины интеллектуальные системы iconРабочая программа дисциплины интеллектуальные системы и технологии
Профиль подготовки геоинформационные системы, Информационные системы и технологии в бизнесе
Рабочая программа дисциплины интеллектуальные системы iconРабочая программа дисциплины интеллектуальные информационные системы
Математика, Информатика, Физика, Электротехника, Компьютерные технологии в приборостроении
Рабочая программа дисциплины интеллектуальные системы iconРабочая программа дисциплины интеллектуальные системы
Профиль подготовки: Автоматизация технологических процессов и производств в нефтегазовой отрасли
Рабочая программа дисциплины интеллектуальные системы iconРабочая программа учебной дисциплины интеллектуальные системы электроснабжения с возобновляемыми источниками электроэнергии
Нтеллектуальные системы электроснабжения с возобновляемыми источниками электроэнергии
Рабочая программа дисциплины интеллектуальные системы iconФакультет математики Рабочая программа дисциплины «Динамические системы» Направление
Рабочая программа дисциплины «Динамические системы» [Текст]/Сост. Ландо С. К.; Гу-вшэ.–Москва.–2010.–5 с
Рабочая программа дисциплины интеллектуальные системы iconФакультет математики Рабочая программа дисциплины «Динамические системы» Направление
Рабочая программа дисциплины «Динамические системы» [Текст]/Сост. Ландо С. К.; Гу-вшэ.–Москва.–2010.–5 с
Рабочая программа дисциплины интеллектуальные системы iconФакультет математики Рабочая программа дисциплины «Динамические системы»
Рабочая программа дисциплины «Динамические системы» [Текст]/Сост. Ландо С. К.; Гу-вшэ.–Москва.–2010.–5 с
Рабочая программа дисциплины интеллектуальные системы iconПрограмма дисциплины Функциональное программирование и интеллектуальные системы
Авторы программы: Л. А. Залогова, к ф м н., доцент; Л. Н. Лядова, к ф м н., доцент
Рабочая программа дисциплины интеллектуальные системы iconРабочая программа дисциплины дискретная математика
Профили подготовки вычислительные машины, комплексы, системы и сети, Системы автоматизированного проектирования, Геоинформационные...
Разместите кнопку на своём сайте:
Документы


База данных защищена авторским правом ©rushkolnik.ru 2000-2015
При копировании материала обязательно указание активной ссылки открытой для индексации.
обратиться к администрации
Документы