Программа дисциплины интеллектуальные информационные системы индекс дисциплины по учебному плану сд. 04 Направление 230200 Информационные системы icon

Программа дисциплины интеллектуальные информационные системы индекс дисциплины по учебному плану сд. 04 Направление 230200 Информационные системы


Смотрите также:
Программа дисциплины «вычислительная математика» Индекс дисциплины по учебному плану: ен. Ф. 01...
Программа дисциплины «вычислительная математика» Индекс дисциплины по учебному плану: ен. Ф. 01...
«компьютерная Геометрия и графика»...
Сквозная программа дисциплин «Технология научных исследований» и«Методология научных...
Программа дисциплин ы «корпоративные информационные системы» Индекс дисциплины по учебному плану...
Программа дисциплины “Интегрированные автоматизированные системы” Индекс дисциплины по учебному...
Рабочая программа дисциплина Интеллектуальные информационные системы (наименование дисциплины...
Программа дисциплины «Информационные системы и технологии в изобретательской деятельности и...
Рабочая программа учебной дисциплины «модели представления данных» для подготовки магистров по...
Многоуровневая учебная программа дисциплины электротехника и электроника для подготовки...
Программа дисциплины “информационные технологии” Направление 230200 Информационные системы...
Рабочая программа дисциплины «Интеллектуальные информационные системы» для специальности: 071900...



Загрузка...
Министерство образования и науки Российской Федерации

Самарский государственный архитектурно-строительный университет


Факультет информационных систем и технологий


Утверждаю

Декан факультета ИСТ




_____________ (Пиявский С.А.)



Программа дисциплины


^ ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ


Индекс дисциплины по учебному плану СД.04


Направление 230200 Информационные системы


Специальность 230201 Информационные системы и технологии

^

Форма обучения очная


Всего часов на дисциплину: 102

в том числе

аудиторных часов - 68

самостоятельная работа студента час. 34

Форма итогового контроля - экзамен

Курс(ы) обучения 5

Семестр(ы) обучения 9


Составил:

_______________ (Д. С. Будаев)


Рассмотрена и одобрена на заседании кафедры ПМ и ВТ

от “ 30 ” ___09_________2009 г., протокол № ______2______

Зав. кафедрой ПМ и ВТ ________________(С. А. Пиявский)


Рассмотрена и одобрена на заседании методической комиссии

по спец. № 230201

от “ ” ___30___09______2009 г., протокол № _____2_______

Председатель методической комиссии _______________(С.А. Пиявский)


Самара 2007 г.

Рабочая программа разработана в соответствии с ГОС высшего профессионального образования от 23 декабря 2005 года за регистрационным номером 761 тех/сп и по примерной программе дисциплины «Интеллектуальные информационные системы», рекомендуемой Министерством образования РФ для направления подготовки дипломированных специалистов по специальности 230201 “Информационные системы и технологии”.

Индекс

^ Наименование дисциплин и их основные разделы

Всего часов

СД.04

Интеллектуальные информационные системы

Основные понятия искусственного интеллекта; информационные системы, имитирующие творческие процессы; информация и данные; системы интеллектуального интерфейса для информационных систем; интеллектуальные информационно-поисковые системы; экспертные системы. Информационные модели знаний; логико-лингвистические и функциональные семантические сети; семантическая сеть как реализация интегрированного представления данных, категорий типов данных, свойств категорий и операций над данными и категориями; фреймовые модели; модель прикладных процедур, реализующих правила обработки данных; методы представления знаний в базах данных информационных систем; методы инженерии знаний; инструментальные средства баз данных; тенденции развития теории искусственного интеллекта.

102


1. Цели и задачи дисциплины.

^ Целью изучения дисциплины является приобретение знаний в области теории и систем искусственного интеллекта.

На основе изучения материала данной дисциплины студенты должны:

  • ^ Иметь представление о различных направлениях и истории развития в области ИИ; о современных подходах к решению интеллектуальных задач; о принципах построения и обучения нейронных сетей, об основах эволюционных вычислений и генетических алгоритмах.

  • Знать архитектуру и методы проектирования экспертных систем; модели представления знаний: логику высказываний, логику предикатов; нечеткую логику, фреймы, сценарии, семантические сети и продукционные модели.

  • Уметь разрабатывать и программировать диалоги взаимодействия ЭВМ и человека, проектировать и разрабатывать экспертные системы, решать оптимизационные задачи с помощью генетических алгоритмов.

  • Иметь навыки работы на ЭВМ типа IBM PC, программирования ИИС и работы с специализированными ИС

^ 2. Требования к уровню освоения содержания дисциплины.


(требования к знаниям, умениям и навыкам, приобретенным в результате изучения дисциплины)

Студент должен знать: методологию проектирования различных типов, отдельных видов обеспечений и стандартные этапы проектирования ИИС.

Студент должен уметь осуществлять проектирование ИИС от этапа постановки задачи до программной реализации.

Изучение дисциплины основано на предварительном изучении следующих дисциплин: “Системный анализ”, “Теоретические основы автоматизированного управления”, “Теория принятия решений”, “Технология программирования”, “Базы данных” и др.


^ 3. Объем дисциплины и виды учебной работы.


Вид учебной работы

Всего часов

Семестры

Общая трудоемкость дисциплины

102

9

Аудиторные занятия

68

9

Лекции

34

9

Практические занятия (ПЗ)







Семинары (С)







Лабораторные работы (ЛР)

34

9

и (или) другие виды аудиторных занятий







Самостоятельная работа

34

9

Курсовой проект (работа)







Расчетно-графические работы







Реферат







и (или) другие виды самостоятельной работы







Вид итогового контроля (зачет, экзамен)




Экз

4. Содержание дисциплины


4.1. Разделы дисциплины и виды занятий






Раздел дисциплины
Лекции, часов
ЛР,
часов

1

Общая характеристика ИИС как систем, базирующихся на знаниях

2




2

Разработка ЭС

2

2

3

Инженерия знаний

2




4

Методы практического извлечения знаний

2




5

Методы структурирования и формализации

2




6

Общие понятия о среде CLIPS

2




7

Основные конструкции CLIPS

2

4

8

Механизмы логического вывода

2




9

Основные конструкции CLIPS. Факты

2

2

10

Основные конструкции CLIPS. Правила

2

6

11

Основные конструкции CLIPS. Глобальные переменные. Функции

2

6

12

Дополнительные возможности CLIPS. Родовые функции

2




13

Дополнительные возможности CLIPS. Объектно-ориентированные возможности CLIPS

2

8

14

Дополнительные возможности CLIPS. Модули

2

2

15

Дополнительные возможности CLIPS. Ограничения

2




16

Функции и команды CLIPS

2

2




Итого, часов

32

32


^ 4.2. Содержание разделов дисциплины

Введение в область ИИ. Понятие интеллекта, область ИИ, определение ИИ, возражения против ИИ, основные направления, цели ИИ, история развития ИИ. Экспертные системы. Определение экспертной системы. Структура ЭС. Подходы к созданию ЭС. База знаний, правила вывода, машина вывода. Современные ЭС, перспективы развития. Экспертные системы реального времени. Гибридные ЭС.

^ Формализация и модели представления знаний в ИС. Основные понятия и определения. Предметная область. Формализация знаний. Формальные языки. Процедурные и декларативные знания. Классификация моделей знаний. Иерархические, сетевые, реляционные, объектные, объектно-реляционные, многомерные, формально-логические, продукционные, фреймовые модели и семантические сети. Формально-логические модели. Логика высказываний. Алфавит, аксиомы, теоремы, логические переменные, логический вывод. Основные законы и правила вывода логики высказываний. Логика предикатов. Элементы языка логики предикатов. Термы, кванторы всеобщности и общезначимости. Модальные логики, псевдофизические логики и онтологии. Нечеткая логика. Многозначные логики. Нечеткое множество. Степень вхождения (уровень принадлежности). Основные операции в нечеткой логике. Нечеткий вывод. Фазификация, дефазификация, нечеткий вывод. Сравнение методов Mamdani и TVFI. Методы дефазификации. Нечеткость и вероятность. Продукционные модели. Продукция, системы правил. Посылки и заключения. Стратегия отказа. Вероятностные продукции. Гипотеза, факт, свидетельство. Формулы Байеса. Метод цен свидетельств, коэффициенты уверенности Шортлифа. Сетевые модели. Фреймы Минского, слоты. Виды фреймов, классификация. Семантические сети. Основные отношения. Сценарии Шенка.

^ Нейро-бионические интеллектуальные системы. Эволюционные исчисления и генетические алгоритмы. Теория эволюции Дарвина и ее применение в СИИ. Эволюционные исчисления. Сравнение ЭИ и ГА. Генетические алгоритмы. Примеры решения задач. Понятия хромосомы, операторов мутации, скрещивания, размножения, редукции. Критерий отбора, поколение, элитизм, наследование генов. Нейронные сети и их применение в ИС. Математические модели нейронов, персептронов. Одноуровневые и многоуровневые обучающиеся нейронные сети. Функции активации и синапсы нейронов. Перспективы развития.


5. Лабораторный практикум

Занятие 1-2. Лабораторная № 1. Разработка прототипа ЭС.

Занятие 2-4. Лабораторная № 2. Разработка базы знаний с правилами вывода

Занятие 5-9. Лабораторная № 3. Разработка базы знаний с использованием сетевых ЯПЗ.

Занятие 10-13. Лабораторная № 4. Решение задач с помощью генетических алгоритмов.

Занятие 14-17. Лабораторная № 5. Решение задач с помощью нейронных сетей.

6. Учебно-методическое обеспечение дисциплины.


6.1. Рекомендуемая литература.


а) основная литература:


Башлыков, 1994 Башлыков А.А., Еремеев А.П. Экспертные системы поддержки принятия решений в энергетике. М.: МЭИ, 1994.

Гаврилова, 1992 Гаврилова Т.А., Червинская К.Р. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь, 1992.

Гаврилова, 2001 Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2001.

Герман, 1995 Герман О.В. Введение в теорию экспертных систем и обработку знаний. Мн.: ДизайнПРО, 1995. 255 с.

Гладков, 2004 Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы: Учебное пособие. Под ред. Курейчика В.М. – Ростов-на-Дону: ООО "Ростиздат", 2004. – 400 с.

Девятков, 2001 Девятков В.В. Системы искусственного интеллекта. М.: Изд-во МГТУ им. Н.Э. Баумана, 2001. 352 с.

Джексон, 2001 Джексон П. Введение в экспертные системы. М. Издательский дом “Вильямс”, 2001. 624 с.

Джонс, 2004 Джонс М.Т. Программирование искусственного интеллекта в приложениях. – М.: ДМК Пресс, 2004. – 312 с.

Частиков А.П., Гаврилова Т.А., Белов Д.Л. Разработка экспертных систем. Среда CLIPS. C-Петербург, 2003. – 606с

Заде, 1976 Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. 165 с.

Клыков, 1974а Клыков Ю.И. Ситуационное управление большими системами. М.: Энергия, 1974. 213 с.

Клыков, 1974б Клыков Ю.И. Семиотические основы ситуационного управления. М.: МИФИ, 1974. 220 с.

Клыков, 1980 Клыков Ю.И., Горьков Л.Н. Банки данных для принятия решений. М.: Сов. радио, 1980. 155 с.

Корнеев, 2000 Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. М.: Нолидж, 2000. 352 с.

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

Люгер, 2003 Люгер Джордж Ф. "Искусственный интеллект. Стратегии и методы решения сложных проблем". М. Издательский дом “Вильямс”, 2003.

Макаров, 1982 Макаров И.М., Виноградская Т.М., Рубчинский А.А., Соколов В.Б. Теория выбора и принятия решения, М.: Наука, 1982. 328 с.

Нейлор, 1991 Нейлор К. Как построить свою экспертную систему. М.: Энергоатомиздат, 1991. 286 с.

Нильсон, 1985 Нильсон Н. Принципы искусственного интеллекта. М.: Радио и связь, 1985. 376 с.

Поллак, 2000 Поллак Г.А. Экспертные системы. Электронный курс лекций. http://inf.tu-chel.ac.ru, 2000.

Попов, 1995 Попов Э.В. Экспертные системы реального времени // Открытые Системы,·1995, №2(10).

Поспелов, 1986 Поспелов Д.А. Ситуационное управление: теория и практика. М.: Наука, 1986. 288 с.

Поспелов, 1972 Поспелов Д.А. Пушкин В.Н. Мышление и автоматы. М.: Советское радио, 1972. 224 с.

Поспелов, 1990 Искусственный интеллект. Кн. 2: Модели и методы / Под ред. Поспелова Д.А. М.: Радио и связь, 1990. 304 с.

Рыбина, 2000 Рыбина Г.В. Проектирование систем, основанных на знаниях: Учебное пособие. М.: МИФИ, 2000. – 104 с.

Трахтенгерц, 1998 Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.: Синтег, 1998. 376 с.

Уотерман, 1989 Уотерман Д. Руководство по экспертным системам. М.: Мир, 1989. 388 с.

Форсайт, 1987 Экспертные системы. Принципы работы и примеры / Под ред. Р.Форсайта. М.: Радио и связь, 1987.

Хант, 1978 Хант Э. Искусственный интеллект. М.: Мир, 1978. 558 с.

Хейес-Рот, 1987 Хейес-Рот Ф., Уотерман Д., Ленат Д. Построение экспертных систем, М.: Мир, 1987. 450 с.


6.2 Методические указания для преподавателя

Основными видами обучения студентов являются лекции, лабораторные занятия в дисплейном классе и самостоятельная работа студентов. Лекционный материал должен содержать необходимый теоретический минимум для выполнения учащимися лабораторного практикума, состоящего из 8 тем. При чтении лекций особое внимание следует уделить терминологии, используемой в дисциплине, и основным понятиям разработки интеллектуальных систем

Лабораторный практикум ориентируется на использование одного из ранее освоенных языков программирования для выполнения заданий.

Самостоятельная работа ориентирована на домашнюю или классную работу как с компьютером, так и без него. Студенты должны систематически работать с литературой и конспектом лекций, с материалами Интернет. ЭС могут разрабатываться как в компьютерном, так и в рукописном варианте в порядке подготовки к лабораторному занятию. Оценка самостоятельной работы должна входить в оценку контрольных точек практикума с учётом контроля остаточных знаний по тестовым вопросам.


6.3 Методические указания для студента

Основными методами обучения являются лекции, лабораторные занятия в дисплейном классе и самостоятельная работа. При проработке лекций особое внимание следует уделить терминологии, используемой в дисциплине. С помощью поисковых систем можно найти дополнительную информацию о создании интеллектуальных информационных систем. Следует учесть, что без самостоятельной работы по подготовке выполнить график лабораторного практикума практически невозможно.

Документирование и формирование итоговой отчётности следует начинать заблаговременно и вести в соответствии с российскими стандартами, а также по оформлению учебных документов и научно-исследовательских отчётов. Без предоставления отчётов студенты не могут быть аттестованы по дисциплине в целом.

Все лабораторные работы выполняются самостоятельно по индивидуальным заданиям, оговоренным с преподавателем. При создании собственной ЭС необходимо выбрать тему работы и согласовать ее с преподавателем.

Пример требований –

Не менее 15 правил. Не более 2-х правил имеют 2 возможные альтернативы, остальные имеют >= 3 альтернатив. Не более 3-х правил имеют 2 посылки, остальные имеют >= 3 посылок. Дать возможность ввода ответа с клавиатуры, если подразумевается число

^ Часть заключений правил являются условиями для других правил. Построить дерево правил. В результате сдается файл с расширением clp + отчет по проделанной работе


7. Способы ведения промежуточных аттестаций, способ проведения итоговой аттестации и условия получения на ней положительной оценки

    1. Еженедельное выставление оценок по дисциплине в электронные технологические карты, доступные на портале ФИСТ

    2. Контрольные точки по дисциплине





Название контрольной точки

Неделя

1

Разработка прототипа ЭС.

2

2

Разработка базы знаний с правилами вывода

4

3

Разработка базы знаний с использованием сетевых ЯПЗ.

9

4

Решение задач с помощью генетических алгоритмов.

13

5

Решение задач с помощью нейронных сетей.

17



8. Способы ведения промежуточных аттестаций, способ проведения итоговой аттестации и условия получения на ней положительной оценки

Для получения зачета студент должен посещать занятия, проявлять активность в аудитории, обязан выполнить все лабораторные работы, знать теоретический материал в объеме лекционного курса. Экзамен (осенний семестр): студент обязан знать теоретический материал курса (40% вклада в оценку), студент обязан выполнить все задания лабораторного практикума (50% вклада в оценку). При определении оценки учитывается активность студента на лабораторных занятиях и посещение лекций (10% вклада в оценку).


^ 9. Материально-техническое обеспечение дисциплины.

Персональные компьютеры класса Pentium-700/RAM-128Мб/HDD-10Гб и выше

(либо сходные по производительности).


10. Вопросы к экзамену

^ Введение в область ИИ.

Понятие интеллекта. Область ИИ. Подходы к определению ИИ. Информационный, бионический и эволюционный подходы. Интеллектуальные системы. Цели, задачи и возможность создания ИИ. Этапы развития и основные направления ИИ. Возражения против ИИ.

^ Формализация и модели представления знаний в ИС.

1. Основные понятия и определения. Предметная область. Данные и знания. Свойства, характеристики знаний. Процедурные и декларативные знания. Классификация знаний по глубине, по жесткости. Формализация знаний. Формальные языки. Языки (модели) представления знаний. Классификация моделей знаний и данных. Формально-логические, продукционные, сетевые ЯПЗ.

2. Формально-логические модели. Логика высказываний. Алфавит, аксиомы, теоремы, логические переменные, логический вывод. Основные законы и правила вывода логики высказываний. Логика предикатов. Элементы языка логики предикатов. Термы, кванторы всеобщности и общезначимости. Модальные логики, псевдофизические логики и онтологии.

3. Многозначные логики. Нечеткая логика. Нечеткое множество. Степень вхождения (уровень принадлежности). Основные операции в нечеткой логике. Нечеткий вывод. Фазификация, дефазификация, нечеткий вывод. Сравнение выводов Mamdani и TVFI. Методы дефазификации. Отличие нечеткости и вероятности.

4. Продукционные модели. Продукция, системы правил. Консеквенты и антецеденты. Вероятностные продукции. Гипотеза, факт, свидетельство. Формулы Байеса. Метод цен свидетельств, коэффициенты уверенности Шортлифа.

5. Сетевые модели. Фреймы Минского, слоты. Виды фреймов. Семантические сети. Ассоциативные сети Квилиана. Механизм ассоциации нейронных клеток. Основные отношения в семантических сетях. Сценарии Шенка. Каузальные отношения.

^ Экспертные системы.

1. Экспертиза и экспертная информация. Определения экспертной системы. Отличия ЭС от других программ и систем ИИ. Назначение и функции ЭС. Роль ЭС в области ИИ.

2. Структура ЭС. База знаний, машина вывода, интерфейс пользователя, компонента объяснения, компонента обучения. Отличия статической и динамической ЭС.

3. Классификации ЭС по решаемой задаче, по связи с реальным временем, по степени интеграции, по степени сложности, по стадии реализации, по типу программных и технических средств.

4. Коллектив разработчиков ЭС. Пользователь, эксперт, программист, программист-интегратор, инженер по знаниям. Требования к навыкам, квалификации и психологическим особенностям разработчиков ЭС.

5. Подходы к созданию ЭС. Классическая и промышленная методики проектирования ЭС. Этапы проектирования: идентификация, концептуализация, формализация, реализация, тестирование. Особенности проектирования ЭС как информационно-программного изделия.

6. База знаний. Извлечение знаний. Стратегии и трудности извлечения знаний. Психологический, лингвистический и гносеологический аспекты. Методы извлечения знаний.

7. Машина вывода. Правила вывода. Виды правил. Стратегии вывода. Прямой, обратный и смешанный вывод. Поиск в глубину, ширину. Стратегии разнообразия, новизны, первичности, простоты, сложности, LEX, MEA, сканирования, фокусирования. Использование метаправил. Немонотонный вывод.

8. Представление неопределенности знаний и данных в ЭС. Источники неопределенности. Вероятностный подход. Аргументы о неадекватности теории вероятности. Нечеткая логика Заде. Представление нечетких данных. Коэффициенты уверенности. Степень доверия.

9. Компонента объяснения ЭС. Функции и назначение. Основные режимы. Трассировка процесса принятия решений. Системы объяснения ЭС MYCIN, EMYCIN. Структурирование видов правил, элементов базы знаний. Формирование пояснений на основе фреймов ЭС CENTAUR. Визуализация объяснений. Автоматическое программирование пояснений (XPLAN, EES).

10. Гибридные ЭС. Интеграция ЭС и систем имитационного моделирования (СИМ). Взаимодополняющая и взаимозаменяющая интеграция. Критерии выбора систем. Варианты взаимодействия ЭС и СИМ. Алгоритмы взаимодействия. Методы передачи основных видов данных из СИМ в ЭС.

^ Основы искусственных нейронных сетей.

1. Нейронные сети и их применение в ИС. Биологический прототип и искусственный нейрон. Математические модели нейронов. Однослойные искусственные нейронные сети. Многослойные искусственные нейронные сети. Терминология, обозначения и схематическое изображение искусственных нейронных сетей.

2. Персептроны и зарождение искусственных нейронных сетей. Персептронная представляемость. Обучение персептрона. Алгоритм обучения персептрона.

3. Процедура обратного распространения. Обучающий алгоритм обратного распространения. Пример обучения. Область применения алгоритма и ограничения по использованию.

^ Введение в эволюционное направление в ИИ.

1. Понятие эволюции. Возникновение жизни, психики, рефлексов. Инстинктивное, индивидуально-изменчивое, интеллектуальное, сознательное поведение. Формирование и отделение человека от природы, от животного мира. Отличие животного от человека. Интеллект как исключительный атрибут человека.

2. Теория эволюции Дарвина и ее применение в СИИ. Эволюционные исчисления. Генетические алгоритмы. Сравнение ЭИ и ГА. Примеры решения задач. Хромосомы, популяция, поколение, элитизм, гены, наследование, качество хромосомы, критерий отбора. Операторы мутации, скрещивания, размножения, редукции.

^ 11 Перечень используемых инновационных методов и разработок



  • Технологическая карта дисциплины, учитывающая посещения лекционных занятий, выполнение лабораторных работ, содержащая подробное описание лабораторных работ и лекционных занятий, вопросы к экзамену. Технологическая карта располагается в Интернете на портале ФИСТ и доступна каждому студенту ФИСТ.

  • Использование мультимедиа проектора при подаче лекционного материала

  • Использование входных тестирований для прогноза успешного прохождения дисциплины, а также выходных тестирований контроля.

  • Учащиеся могут самостоятельно выбирать предметные области для реализации экспертных систем.




Скачать 179.08 Kb.
оставить комментарий
Дата17.10.2011
Размер179.08 Kb.
ТипПрограмма дисциплины, Образовательные материалы
Добавить документ в свой блог или на сайт

Ваша оценка этого документа будет первой.
Ваша оценка:
Разместите кнопку на своём сайте или блоге:
rudocs.exdat.com

Загрузка...
База данных защищена авторским правом ©exdat 2000-2017
При копировании материала укажите ссылку
обратиться к администрации
Анализ
Справочники
Сценарии
Рефераты
Курсовые работы
Авторефераты
Программы
Методички
Документы
Понятия

опубликовать
Загрузка...
Документы

Рейтинг@Mail.ru
наверх