Рабочая программа учебной дисциплины «Представление знаний в информационных системах» (наименование дисциплины в соответствии с учебным планом подготовки) icon

Рабочая программа учебной дисциплины «Представление знаний в информационных системах» (наименование дисциплины в соответствии с учебным планом подготовки)


Смотрите также:
Программа дисциплины “ представление знаний в информационных системах” Индекс дисциплины по...
Рабочая программа дисциплины «Представление знаний в информационных системах» опд. Ф. 14...
Программа дисциплины опд. В...
Программа дисциплины дпп в...
Программа дисциплины опд. В...
Рабочая программа учебной дисциплины теория организации...
Программа дисциплины сд...
Рабочая программа дисциплины ен. Ф...
Рабочая программа учебной дисциплины (модуля) (наименование учебной дисциплины (модуля) в...
Программа наименование дисциплины теория информационных процессов и систем (указывается...
Рабочая программа дисциплины б3 Физика (указывается индекс дисциплины и наименование в...
Рабочая программа учебной дисциплины (модуля) (наименование учебной дисциплины (модуля) в...



Загрузка...
скачать
Министерство образования и науки Российской Федерации

Государственное образовательное учреждение
высшего профессионального образования


«Тамбовский государственный технический университет»





Утверждаю

Проректор по методической работе

и качеству образования

Н. П. Пучков

« » 2011 г.

Вводится в действие с

« » 2011 г.


Рабочая программа

учебной дисциплины

«Представление знаний в информационных системах»

(наименование дисциплины в соответствии с учебным планом подготовки)




Для студентов, обучающихся по направлению:

230201 – «Информационные системы и технологии»

(шифр и наименование образовательной программы)



Форма обучения:

очная

Составитель:

кафедра «Информационные системы и защита информации»

(наименование кафедры)

профессор Ю.Ю. Громов

(должность, фамилия, имя, отчество составителя программы)


Тамбов 2011

СОГЛАСОВАНО

Начальник Учебно-методического управления ТГТУ

К.В. Брянкин

« » 20 11 г.


Рабочая программа учебной дисциплины «Представление знаний в информационных системах» разработана в соответствии с федеральным государственным образовательным стандартом по направлению 230201– «Информационные системы и технологии», утвержденному приказом Министерства образования и науки Российской Федерации от 14.01.2010 г. № 25, требованиями, предъявляемыми к содержанию дисциплины, и с учетом особенностей региона и условий организации учебного процесса в Тамбовском государственном техническом университете.

Программа рассмотрена и утверждена на заседании кафедры «Информационные системы и защита информации» протокол № 11 от 28 . 01 . 2011 г.


Заведующий кафедрой _______________ Громов Ю.Ю.


Программа рассмотрена и утверждена на заседании Научно-методического совета по направлению 230400 - ^ Информационные системы и технологии протокол № от . . 2011 г.


Председатель НМСН Громов Ю.Ю.


Программа рассмотрена и утверждена на заседании методического совета факультета «Информационные технологии» протокол № от . . 2011 г.


Председатель МСФ Громов Ю.Ю.
^

1. Пояснительная записка



Краткое описание

В основе курса «Представление знаний в информационных системах» — изучение методов и моделей представления знаний в современных информационных системах, освещение теоретических и организационно-методических вопросов функционирования систем, основанных на знаниях, привитие навыков практических работ по проектированию баз знаний.


Цели

Цель дисциплины «Представление знаний в информационных системах» — дать систематический обзор современных моделей представления знаний, изучить и освоить принципы построения экспертных систем, рассмотреть перспективные направления развития систем искусственного интеллекта и принятия решений.


Задачи

В результате обучения студенты должны ознакомиться с основными теоретическими и методологическими направлениями использования искусственного интеллекта и овладеть основами по организации и реализации экспертных систем, как инструмента систем управления базами знаний.


^ Список специальностей, для которых читается дисциплина

230201 «Информационные системы и технологии»


Место среди смежных дисциплин

Содержание курса «Представление знаний в информационных системах» базируется на материале следующих дисциплин: «Математика», «Информатика».

Дисциплина является обеспечивающей для дисциплины «Интеллектуальные информационные системы».  


^ Сфера профессионального использования

Полученные при изучении курса знания используются в профессиональной деятельности выпускника кафедры.


^ Итоговые знания, умения и навыки

В результате изучения дисциплины студент должен:

иметь представление:

  • об истории возникновения и развития экспертных систем,

  • о роли экспертных систем сфере информационных технологий;


знать:

  • модели представления знаний;

  • механизмы логического вывода;

  • теоретические методы построения систем на основе нечеткой логики;

  • структуру статических и динамических экспертных систем;

  • принципы построения экспертных систем;

  • современные системы искусственного интеллекта и принятия решений;

  • процесс построения экспертных систем.


уметь:

  • выбирать способ организации базы знаний в зависимости от предметной области;

  • составлять и анализировать различные модели знаний;

  • разрабатывать программные реализации экспертных систем;

  • применять различные модели представления знаний при реализации экспертных систем.



^

2. План изучения дисциплины



Общая трудоёмкость дисциплины по ГОС 68 часа

Изучается в семестрах 6

Вид итогового контроля:

экзамен 6 семестр

Аудиторные занятия по семестрам:

6 семестр

лекции 17 часов

лабораторные занятия 17 часов


^

3. Содержание дисциплины

3.1 Разделы дисциплины и виды учебных занятий



6 семестр

№ п/п

Наименование раздела, темы учебной
дисциплины

Вид
занятия


недели

Формы контроля

Объем аудиторных занятий

Объем самостоятельной работы

1

2

3

4

5

6

7




^ Раздел 1. Основные понятия и определения теории нечетких множеств










4

4

1

Тема 1.1. Нечеткие множества

Вычисление математических выражений на языке CLIPS.

Лекция


Лаб. раб.

1


1-3

Контр. вопросы


Защита лаб. раб.


1


3

1


3




Раздел 2. Нечеткие отношения.










5

5

2

Тема 2.1. Нечеткие отношения.

Лекция

1

Контр. вопросы


1

1

3

Тема 3.1. Нечеткие подмножества.

Создание внешних функций.

Лекция


Лаб. раб.

3


3-5

Контр. вопросы


Защита лаб. раб.


1


3


1


3





^ Раздел 3. Нечеткая и лингвистическая переменные.










1

1

4

Тема 3.1. Нечеткая и лингвистическая переменные

Лекция

3

Контр. вопросы


1

1




^ Раздел 4. Нечеткие высказывания и нечеткие модели систем.










2

2

5

Тема 4.1. Нечеткие высказывания

Лекция

5

Контр. вопросы


1

1

6

Тема 4.2. Нечеткие модели.

Лекция


5

Контр. вопросы


1

1




Раздел 5. Алгоритм нечеткого вывода на основе нечеткой продукционной модели с адаптацией операций над нечеткими множествами










4

4

7

Тема 5.1. Алгоритм нечеткого вывода на основе нечеткой продукционной модели с адаптацией операций над нечеткими множествами.

Работа с конструктором deffunction.

Лекция


Лаб. раб.

7


7-9

Контр. вопросы


Защита лаб. раб.


1


3

1


3




Раздел 6. Нечеткие реляционные модели.










1

1

8

Тема 6.1. Нечеткие реляционные модели.

Лекция

7

Контр. вопросы


1

1




Раздел 7. Понятие системы. Классификация и характеристика систем нечетких моделей.










5

5

9

Тема 7.1. Системы нечетких моделей

Работа с основными функциями в CLIPS.

Лекция


Лаб. раб.


9


9-13

Контр. вопросы


Защита лаб. раб.


1


4

1


4




Раздел 8. Классификация моделей систем.










1

1

10

Тема 8.1. Классификация моделей систем.

Лекция

9

Контр. вопросы


1

1




Раздел 9. Области применения и классификация нечетких моделей










1

1

11

Тема 9.1. Области применения нечеткого моделирования

Лекция

11

Контр. вопросы


1

1




^ Раздел 10. Нечеткие продукционные модели.










7

7

12

Тема 10.1. Нечеткие продукционные модели

Лекция

11

Контр. вопросы


1

1

13

Тема 10.2. Создание базы нечетких продукционных правил.

Эвристический подход к представлению знаний.

Лекция


Лаб. раб.

13


13-17

Контр. вопросы


Защита лаб. раб.



1


4

1


4

14

Тема 10.3. Введение нечеткости

Лекция

13




1

1




Раздел 11. Традиционные способы представления и обработки знаний в интеллектуальных системах










3

3

15

Тема 11.1. Знания и данные.

Лекция

15

Контр. вопросы


1

1

16

Тема 11.2. Традиционные способы обработки знаний.

Лекция

15

Контр. вопросы


1

1

17

Тема 11.3. Примеры разработки интеллектуальных систем.

Лекция


17

Контр. вопросы


1

1




^ ИТОГО по дисциплине (час):

34

34

всего:

68



^

3.2 Содержание разделов и тем дисциплины




Раздел 1. Основные понятия и определения теории нечетких множеств

Тема 1.1. Нечеткие множества

Расстояние между нечеткими множествами, индексы нечеткости. Обычное множество, ближайшее к нечеткому. Оценка нечеткости через энтропию. Принцип обобщения.


Раздел 2. Нечеткие отношения

Тема 2.1. Нечеткие отношения

Определение нечеткого отношения. Носитель нечеткого отношения. Операции над нечеткими отношениями.

Тема 2.2. Нечеткие подмножества

Условные нечеткие подмножества. Нечеткие подмножества, последовательно обуславливающие друг друга.


Раздел 3. Нечеткая и лингвистическая переменные

Тема 3.1. Нечеткая и лингвистическая переменные

Понятие нечеткой и лингвистической переменных. Нечеткие числа. Операции над нечеткими числами. Нечеткие числа (L–R)–типа.


Раздел 4. Нечеткие высказывания и нечеткие модели систем

Тема 4.1. Нечеткие высказывания

Высказывания на множестве значений фиксированной лингвистической переменной. Правила преобразований нечетких высказываний. Способы определения нечеткой импликации.

Тема 4.2. Нечеткие модели систем

Логико–лингвистическое описание систем, нечеткие модели. Модель управления паровым котлом. Полнота и непротиворечивость правил управления.


Раздел 5. Алгоритм нечеткого вывода на основе нечеткой продукционной модели с адаптацией операций над нечеткими множествами

Тема 5.1. Алгоритм нечеткого вывода на основе нечеткой продукционной модели с адаптацией операций над нечеткими множествами.


Раздел 6. Нечеткие реляционные модели

Тема 6.1. Нечеткие реляционные модели

Особенности нечетких реляционных моделей. Реляционное представление нечеткого вывода с использованием отдельных правил. Реляционное представление нечеткого вывода с использованием базы правил. Подобие нечетких реляционных и продукционных моделей.


Раздел 7. Понятие системы. Классификация и характеристика систем нечетких моделей

Тема 7.1. Системы нечетких моделей

Понятие и определения системы. Классификация систем.


Раздел 8. Классификация моделей систем

Тема 8.1. Классификация моделей систем.


Раздел 9. Области применения и классификация нечетких моделей

Тема 9.1. Области применения нечеткого моделирования

Области применения нечеткого моделирования. Классификация нечетких моделей. Интеграция нечетких и нейронных сетей.


Раздел 10. Нечеткие продукционные модели

Тема 10.1. Нечеткие продукционные модели

Компоненты нечетких продукционных моделей. Способы нечеткого вывода.

Тема 10.2. Создание базы нечетких продукционных правил

Создание базы нечетких продукционных правил. Формирование нечетких высказываний в предпосылках и заключениях правил. Формирование составных нечетких высказываний в предпосылках и заключениях правил. Типы нечетких продукционных правил. Задание структуры базы нечетких продукционных правил. Обеспечение полноты и непротиворечивости базы нечетких правил.

^ Тема 10.3. Введение нечеткости

Введение нечеткости. Агрегирование степени истинности предпосылок правил. Активизация заключений правил. Аккумулирование активизированных заключений правил. Приведение к четкости. Параметрическая оптимизация конечной базы нечетких правил.


Раздел 11. Традиционные способы представления и обработки знаний в интеллектуальных системах

Тема 11.1. Знания и данные

Отличия знаний от данных. Типичные модели представления знаний. Логическая модель представления знаний. Представление знаний правилами продукций. Объектно-ориентированное представление знаний фреймами. Модель семантической сети.

^ Тема 11.2. Традиционные способы обработки знаний

Традиционные способы обработки знаний. Способы доказательства и вывода в логике. Прямой и обратный вывод в экспертных системах продукционного типа. Обработка знаний в интеллектуальных системах с фреймовым представлением.

^ Тема 11.3. Примеры разработки интеллектуальных систем

Примеры разработки интеллектуальных систем с применением типичных моделей представления знаний. Оболочка экспертной системы продукционного типа. Программирование карточной игры со многими участниками.


^

4. Лабораторный практикум




Реализуется в форме лабораторных занятий.



6 семестр



№ раздела дисциплины

Тема лабораторного занятия



1

Вычисление математических выражений на языке CLIPS.



2

Создание внешних функций.



5

Работа с конструктором deffunction.



7

Работа с основными функциями в CLIPS.



10

Эвристический подход к представлению знаний.


^

Краткие характеристики лабораторных занятий





Лабораторная работа 1

Тема

Вычисление математических выражений на языке CLIPS

Задание

Выполнить и оформить лабораторную работу

Исполнение

Отчет по лабораторной работе

Оценка

Умение реализовать на языке CLIPS программу для вычисления математических выражений

^ Время выполнения задания: 3 часа.




Лабораторная работа 2

Тема

Создание внешних функций

Задание

Выполнить и оформить лабораторную работу

Исполнение

Отчет по лабораторной работе

Оценка

Умение реализовать на языке CLIPS программу с наличием в ней пользовательских функций

^ Время выполнения задания: 3 часа.




Лабораторная работа 3

Тема

Работа с конструктором deffunction

Задание

Выполнить и оформить лабораторную работу

Исполнение

Отчет по лабораторной работе

Оценка

Умение реализовать на языке CLIPS программу с наличием в ней логических операций и операторов ввода/вывода, а также конструктора deffunction

^ Время выполнения задания: 3 часа.




Лабораторная работа 4

Тема

Работа с основными функциями в CLIPS

Задание

Выполнить и оформить лабораторную работу

Исполнение

Отчет по лабораторной работе

Оценка

Умение реализовать на языке CLIPS программу с наличием в ней цикла и функций для работы с правилами

^ Время выполнения задания: 4 часа.




Лабораторная работа 5

Тема

Эвристический подход к представлению знаний

Задание

Выполнить и оформить лабораторную работу

Исполнение

Отчет по лабораторной работе

Оценка

Умение реализовать на языке CLIPS программу, реализующую экспертную систему

Время выполнения задания: 4 часа.






^

5. Самостоятельная работа студентов



Раздел 1. Основные понятия и определения теории нечетких множеств

Тема 1. Нечеткие множества

Расстояние между нечеткими множествами, индексы нечеткости. Обычное множество, ближайшее к нечеткому. Оценка нечеткости через энтропию. Принцип обобщения.


Задания и контрольные вопросы:

  1. Какие требования предъявляются при введении расстояния?

  2. Формула расстояния Хемминга.

  3. Формула квадратичного расстояния.

  4. Формула относительного расстояния Хемминга.

  5. Формула относительного евклидово расстояния.

  6. Каким условиям должен удовлетворять показатель размытости нечеткого множества, который можно определить в виде функционала d(A) ?

  7. В чем состоит принцип обобщения?

  8. В чем состоит принцип оценки нечеткости через энтропию?



Раздел 2. Нечеткие отношения

Тема 2.1. Нечеткие отношения

Определение нечеткого отношения. Носитель нечеткого отношения. Операции над нечеткими отношениями.


Задания и контрольные вопросы:

  1. Дайте определение нечеткого отношения.

  2. Что называется носителем нечеткого отношения?

  3. Какие отношения над нечеткими множествами вы знаете?

  4. Что называется композицией нечетких отношений?

  5. Укажите известные вам свойства композиций.

  6. В чем состоит теорема декомпозиций?



Тема 2.2. Нечеткие подмножества

Условные нечеткие подмножества. Нечеткие подмножества, последовательно обуславливающие друг друга.


Задания и контрольные вопросы:

  1. Как обозначаются условные нечеткие подмножества?



Раздел 3. Нечеткая и лингвистическая переменные

Тема 3.1. Нечеткая и лингвистическая переменные

Понятие нечеткой и лингвистической переменных. Нечеткие числа. Операции над нечеткими числами. Нечеткие числа (L–R)–типа.


Задания и контрольные вопросы:

  1. Какой тройкой характеризуется нечеткая переменная?

  2. Дайте определение лингвистической переменной.

  3. Дайте определение понятию нечеткого числа.

  4. Какое подмножество называется носителем нечеткого числа?

  5. В каком случае нечеткое число А называется унимодальным?

  6. Какие операции над нечеткими числами вы знаете?

  7. Дайте определение нечеткому числу (L-R)-типa.



Раздел 4. Нечеткие высказывания и нечеткие модели систем

Тема 4.1. Нечеткие высказывания

Высказывания на множестве значений фиксированной лингвистической переменной. Правила преобразований нечетких высказываний. Способы определения нечеткой импликации.


Задания и контрольные вопросы:

  1. Высказывания какого вида называются нечеткими?

  2. Что вы знаете о высказываниях на множестве значений фиксированной лингвистической переменной?

  3. Укажите известные вам правила преобразований нечетких высказываний.

  4. Какие способы определения нечеткой импликации вы знаете?


Тема 4.2. Нечеткие модели систем

Логико–лингвистическое описание систем, нечеткие модели. Модель управления паровым котлом. Полнота и непротиворечивость правил управления.


Задания и контрольные вопросы:

  1. В чем состоит принцип логико – лингвистического описания систем?

  2. Что вы знаете о модели управления паровым котлом?

  3. В чем состоит правило полноты для системы?



Раздел 5. Алгоритм нечеткого вывода на основе нечеткой продукционной модели с адаптацией операций над нечеткими множествами

Тема 5.1. Алгоритм нечеткого вывода на основе нечеткой продукционной модели с адаптацией операций над нечеткими множествами


Задания и контрольные вопросы:

  1. Перечислите этапы алгоритма нечеткого вывода на примере построения модели цепки достижимости общей цели системы.

  2. Благодаря каким результатам стало возможно использовать нечеткие модели для решения задач распознавания образов, аппроксимации, оптимизации, векторного распознавания, классификации?


Раздел 6. Нечеткие реляционные модели

Тема 6.1. Нечеткие реляционные модели

Особенности нечетких реляционных моделей. Реляционное представление нечеткого вывода с использованием отдельных правил. Реляционное представление нечеткого вывода с использованием базы правил. Подобие нечетких реляционных и продукционных моделей.


Задания и контрольные вопросы:

  1. В чем состоят особенности нечетких реляционных моделей?

  2. В чем состоит реляционное представление нечеткого вывода с использованием отдельных правил?

  3. В чем состоит реляционное представление нечеткого вывода с использованием базы правил?

  4. В чем состоит подобие нечетких реляционных и продукционных моделей?



Раздел 7. Понятие системы. Классификация и характеристика систем нечетких моделей

Тема 7.1. Системы нечетких моделей

Понятие и определения системы. Классификация систем.


Задания и контрольные вопросы:

  1. Чем обуславливается разнообразие определений системы?

  2. На какие четыре группы можно разделить подходы к определению понятия системы?

  3. Расскажите о классификации систем.



Раздел 8. Классификация моделей систем

Тема 8.1. Классификация моделей систем


Задания и контрольные вопросы:

  1. Какие два важных свойства отражает понятие модели «черного ящика»?

  2. В чем заключается главная трудность в построении модели состава системы?

  3. Что отражает модель структуры системы?

  4. Какие системы называются динамическими?

  5. Какие системы называются статистическими?

  6. Функционирование – это…



Раздел 9. Области применения и классификация нечетких моделей

Тема 9.1. Области применения нечеткого моделирования

Области применения нечеткого моделирования. Классификация нечетких моделей. Интеграция нечетких и нейронных сетей.


Задания и контрольные вопросы:

  1. Дайте определение понятию нечеткой модели.

  2. Какие области применения нечеткого моделирования вы знаете?

  3. Укажите шаги вычисления функции для заданного значения входной переменной.

  4. Какие сферы применения нечетких моделей вы знаете?

  5. По каким критериям классифицируют нечеткие модели?

  6. Что вы знаете об интеграции нечетких и нейронных сетей?



Раздел 10. Нечеткие продукционные модели

Тема 10.1. Нечеткие продукционные модели

Компоненты нечетких продукционных моделей. Способы нечеткого вывода.


Задания и контрольные вопросы:

  1. Что понимается под нечеткой продукционной моделью?

  2. Какие компоненты необходимо задать для построения нечеткой продукционной модели?

  3. В чем заключается прямой способ нечеткого вывода?

  4. В чем заключается обратный способ нечеткого вывода?

  5. Какие вопросы необходимо решить для задания базы нечетких продукционных правил?

  6. Что вы знаете о формировании нечетких высказываний в предпосылках и заключениях правил?

  7. В чем состоит принцип метода парных сравнений?

  8. В чем состоит принцип метода на основе статистических данных?

  9. На какие группы делятся предпосылки и заключения правил нечетких продукционных моделей?

  10. На какие типы делится каждая из групп предпосылок и заключений правил нечетких продукционных моделей?



Тема 10.2. Создание базы нечетких продукционных правил

Создание базы нечетких продукционных правил. Формирование нечетких высказываний в предпосылках и заключениях правил. Формирование составных нечетких высказываний в предпосылках и заключениях правил. Типы нечетких продукционных правил. Задание структуры базы нечетких продукционных правил. Обеспечение полноты и непротиворечивости базы нечетких правил.


^ Задания и контрольные вопросы:

  1. Какие структуры задания базы правил нечеткой продукционной модели вы знаете?

  2. Расскажите об основных этапах типичного алгоритма формирования базы нечетких правил в случае, если применяются только экспериментальные данные.


Тема 10.3. Введение нечеткости

Введение нечеткости. Агрегирование степени истинности предпосылок правил. Активизация заключений правил. Аккумулирование активизированных заключений правил. Приведение к четкости. Параметрическая оптимизация конечной базы нечетких правил.


^ Задания и контрольные вопросы:

  1. Что понимают под введением нечеткости в модель с использованием нечетких продукционных правил?

  2. В чем состоит принцип агрегирования степени истинности предпосылок правил?

  3. В чем состоит процедура активизации заключений нечетких продукционных правил?

  4. В чем состоит процедура аккумулирования активизированных заключений правил?

  5. В чем состоит процедура приведения к четкости?

  6. В каком случае возникает необходимость в задаче параметрической оптимизации конечной базы нечетких правил?



Раздел 11. Традиционные способы представления и обработки знаний в интеллектуальных системах

Тема 11.1. Знания и данные

Отличия знаний от данных. Типичные модели представления знаний. Логическая модель представления знаний. Представление знаний правилами продукций. Объектно-ориентированное представление знаний фреймами. Модель семантической сети.


^ Задания и контрольные вопросы:

  1. Чем отличаются знания от данных? Приведите определения знаний.

  2. Дайте характеристику основных признаков, по которым классифицируются знания (природа знаний, способ приобретения знаний, тип представления знаний).

  3. Расскажите о логических способах представления знаний. Укажите преимущественную область применения логической модели.

  4. Проведите формализацию небольшого фрагмента знаний средствами логики высказываний (логики предикатов).

  5. Охарактеризуйте продукционную модель представления знаний. Приведите примеры представления знаний правилами. В чем отличия между продукционными системами с прямыми, обратными и двунаправленными выводами?

  6. Опишите фреймовую модель представления знаний. Приведите пример фреймового представления.

  7. Охарактеризуйте модель представления знаний в виде семантической сети. Расскажите об основных видах используемых в этой модели отношений.


Тема 11.2. Традиционные способы обработки знаний

Традиционные способы обработки знаний. Способы доказательства и вывода в логике. Прямой и обратный вывод в экспертных системах продукционного типа. Обработка знаний в интеллектуальных системах с фреймовым представлением.


^ Задания и контрольные вопросы:

  1. Приведите примеры логического вывода с использованием правил Modus Ponendo Ponens и Цепное заключение.

  2. Докажите предложенную тавтологию семантическим (синтаксическим) методом.

  3. Расскажите о теоремах логики и их использовании в ИИС. Приведите примеры.

  4. Опишите возможности применения в логическом выводе операции эквивалентности. Приведите примеры тавтологий с эквивалентностями.

  5. Опишите стратегию доказательства с введением допущения. Приведите пример.

  6. Рассмотрите пример доказательства путем приведения к противоречию.

  7. Расскажите о стратегии доказательства методом резолюции. Приведите пример.

  8. Опишите функционирование механизма вывода продукционной ЭС и охарактеризуйте его составляющие: компоненту вывода и управляющую компоненту.

  9. Сформулируйте собственные примеры прямого и обратного вывода в ЭС продукционного типа.

  10. Приведите пример представления знаний в виде И-ИЛИ-графа.

  11. Опишите и представьте в графическом виде стратегии поиска решений: в глубину, ширину, разбиением на подзадачи, на основе - алгоритма.

  12. Расскажите о способах организации логического вывода в интеллектуальных системах с фреймовым представлением знаний.


Тема 11.3. Примеры разработки интеллектуальных систем

Примеры разработки интеллектуальных систем с применением типичных моделей представления знаний. Оболочка экспертной системы продукционного типа. Программирование карточной игры со многими участниками.


^ Задания и контрольные вопросы:


  1. Разработайте программную реализацию интеллектуальной системы с продукционным представлением знаний и механизмом вывода на базе правила Modus Ponendo Ponens .

  2. Выполните формализацию знаний средствами продукционной модели, которые могут использоваться в интеллектуальной системе для поддержки задач диагностики экономического и финансового состояния предприятия (других задач).

  3. Выполните представление знаний средствами описанных моделей для известной Вам игры.


На каждую лекцию, а также на каждую лабораторную работу в рамках самостоятельной работы предусмотрена индивидуальная подготовка студентов с целью закрепления лекционного материала, углубления некоторых вопросов и решения практических задач.

Для самостоятельной работы используется учебно-методическое обеспечение в виде учебников, учебных и учебно-методических пособий из рекомендуемого списка и интернет-ресурсов. Тематика самостоятельной работы соответствует содержанию разделов и тем дисциплины.

Виды самостоятельной работы обучаемых:

  • изучение конспектов лекций;

  • изучение дополнительных учебных вопросов по дополнительным источникам, в том числе интернет-ресурсам;

  • выполнение практических заданий (решение задач, выполнение упражнений) в рамках содержания разделов и тем дисциплины, в том числе с использованием компьютера;

  • выполнение творческих заданий (формулировка и формализация новых задач в различных областях, разработка алгоритмов и программ, подготовка и написание проектов).



^

6. Учебно-методическое обеспечение курса

6.1 Основная литература


  1. Представление знаний в информационных системах/ Ю.Ю. Громов, О.Г. Иванова, Н.Г. Мосягина, Г.А. Соседов, В.Н. Точка. — Тамбов; М.; СПб.; Баку; Вена: Нобелистика, 2008. — 144 с.

  2. Частиков А.П., Гаврилова Т.А., Белов Д.Л. Разработка экспертных систем. Среда CLIPS. — СПб.: БХВ-Петербург, 2003. — 608 с.

  3. Разработка интеллектуальных информационных систем с использованием CLIPS: методические указания к практическим и лабораторным работам. / сост. В.Н. Дякин. — Тамбов: Издательство Тамбовского государственного технического университета, 2007. — 32 с.

  4. Гаврилова Т.А., Хорошевский И.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2000. — 384 с.

  5. Джозеф Джарратано, Гари Райли, Глава 2. Представление знаний // Экспертные системы: принципы разработки и программирование = Expert Systems: Principles and Programming. — 4-е изд. — М.:«Вильямс», 2006. — С. 1152.



    1. ^

      Дополнительная литература


  1. П.Джексон. Введение в экспертные системы. Пер. с англ. В. Т. Тертышного. [и др.] — М. : Вильямс , 2001. — 622 с.

  2. Ф. Хейес-Рот Построение экспертных систем. Перевод с английского Ю. И. Крюкова и др.; М.: Мир, 1987.— 438 с.



^

6.3 Интернет-ресурсы


  1. http://clipsrules.sourceforge.net/



7. Формы контроля

7.1 Входной контроль


Входной контроль осуществляется в форме собеседования при защите лабораторной работы № 1, результаты выполнения которой позволяют оценить знания, умения и навыки студентов, полученные при изучении дисциплин «Информатика» и «Математика».
^

7.2 Текущий контроль


Текущий контроль усвоения учебного материала осуществляется в устной форме выборочно на всех лекционных занятиях и в форме собеседования при защите отчетов по лабораторным работам.

Контрольные вопросы и задания для проведения текущего контроля составляются на основе содержания тем дисциплины, требований к знаниям и умениям обучаемых.


Критерии оценки:

Для оценки результатов лабораторных занятий используются следующие критерии:

  1. знание теоретического материала по предметной области;

  2. глубина изучения дополнительной литературы;

  3. глубина и полнота ответов на контрольные вопросы.


Отметка «отлично» выставляется студенту, глубоко и прочно усвоившему программный материал, исчерпывающе, последовательно, грамотно и логически стройно его излагающему, в ответе которого увязывается теория с практикой, он показывает знакомство с монографической литературой, правильно обосновывает решение задачи.

Отметка «хорошо» выставляется студенту, твердо знающему программный материал, грамотно и по существу, излагающему его, который не допускает существенных неточностей в ответе на вопрос, правильно применяет теоретические положения при решении практических вопросов и задач.

Отметка «удовлетворительно» выставляется студенту, который знает только основной материал, но не усвоил его деталей, допускает в ответе неточности, недостаточно правильно формулирует основные законы и правила, затрудняется в выполнении практических задач.

Отметка «неудовлетворительно» выставляется студенту, который не знает значительной части программного материала, допускает существенные ошибки, с затруднениями выполняет практические задания.


^ 7.3 Итоговый контроль

Итоговый контроль по дисциплине проводится в форме экзамена. Для его проведения студентам заранее выдается перечень вопросов. На зачете в традиционной форме используются билеты, разработанные на кафедре. Билеты содержат теоретические вопросы из расчета на время для подготовки к ответу — 45 минут. Проведению экзамена предшествует целевая консультация для каждой учебной группы.


Вопросы для подготовки к экзамену:



  1. Какие требования предъявляются при введении расстояния?

  2. Формула расстояния Хемминга.

  3. Формула квадратичного расстояния.

  4. Формула относительного расстояния Хемминга.

  5. Формула относительного евклидово расстояния

  6. Каким условиям должен удовлетворять показатель размытости нечеткого множества, который можно определить в виде функционала d(A) ?

  7. В чем состоит принцип обобщения?

  8. В чем состоит принцип оценки нечеткости через энтропию?

  9. Дайте определение нечеткого отношения.

  10. Что называется носителем нечеткого отношения?

  11. Какие отношения над нечеткими множествами вы знаете?

  12. Что называется композицией нечетких отношений?

  13. Укажите известные вам свойства композиций.

  14. В чем состоит теорема декомпозиций?

  15. Как обозначаются условные нечеткие подмножества?

  16. Какой тройкой характеризуется нечеткая переменная?

  17. Дайте определение лингвистической переменной.

  18. Дайте определение понятию нечеткого числа.

  19. Какое подмножество называется носителем нечеткого числа?

  20. В каком случае нечеткое число А называется унимодальным?

  21. Какие операции над нечеткими числами вы знаете?

  22. Дайте определение нечеткому числу (L-R)-типа.

  23. Высказывания какого вида называются нечеткими?

  24. Что вы знаете о высказываниях на множестве значений фиксированной лингвистической переменной?

  25. Укажите известные вам правила преобразований нечетких высказываний.

  26. Какие способы определения нечеткой импликации вы знаете?

  27. В чем состоит принцип логико-лингвистического описания систем?

  28. Что вы знаете о модели управления паровым котлом?

  29. В чем состоит правило полноты для системы?

  30. Перечислите этапы алгоритма нечеткого вывода на примере построения модели цепки достижимости общей цели системы.

  31. Благодаря каким результатам стало возможно использовать нечеткие модели для решения задач распознавания образов, аппроксимации, оптимизации, векторного распознавания, классификации?

  32. В чем состоят особенности нечетких реляционных моделей?

  33. В чем состоит реляционное представление нечеткого вывода с использованием отдельных правил?

  34. В чем состоит реляционное представление нечеткого вывода с использованием базы правил?

  35. В чем состоит подобие нечетких реляционных и продукционных моделей?

  36. Чем обуславливается разнообразие определений системы?

  37. На какие четыре группы можно разделить подходы к определению понятия системы?

  38. Расскажите о классификации систем.

  39. Какие два важных свойства отражает понятие модели «черного ящика»?

  40. В чем заключается главная трудность в построении модели состава системы?

  41. Что отражает модель структуры системы?

  42. Какие системы называются динамическими?

  43. Какие системы называются статистическими?

  44. Дайте определение понятию нечеткой модели.

  45. Какие области применения нечеткого моделирования вы знаете?

  46. Укажите шаги вычисления функции для заданного значения входной переменной.

  47. Какие сферы применения нечетких моделей вы знаете?

  48. По каким критериям классифицируют нечеткие модели?

  49. Что вы знаете об интеграции нечетких и нейронных сетей?

  50. Что понимается под нечеткой продукционной моделью?

  51. Какие компоненты необходимо задать для построения нечеткой продукционной модели?

  52. В чем заключается прямой способ нечеткого вывода?

  53. В чем заключается обратный способ нечеткого вывода?

  54. Какие вопросы необходимо решить для задания базы нечетких продукционных правил?

  55. Что вы знаете о формировании нечетких высказываний в предпосылках и заключениях правил?

  56. В чем состоит принцип метода парных сравнений?

  57. В чем состоит принцип метода на основе статистических данных?

  58. На какие группы делятся предпосылки и заключения правил нечетких продукционных моделей?

  59. На какие типы делится каждая из групп предпосылок и заключений правил нечетких продукционных моделей?

  60. Какие структуры задания базы правил нечеткой продукционной модели вы знаете?

  61. Расскажите об основных этапах типичного алгоритма формирования базы нечетких правил в случае, если применяются только экспериментальные данные.

  62. Что понимают под введением нечеткости в модель с использованием нечетких продукционных правил?

  63. В чем состоит принцип агрегирования степени истинности предпосылок правил?

  64. В чем состоит процедура активизации заключений нечетких продукционных правил?

  65. В чем состоит процедура аккумулирования активизированных заключений правил?

  66. В чем состоит процедура приведения к четкости?

  67. В каком случае возникает необходимость в задаче параметрической оптимизации конечной базы нечетких правил?

  68. Чем отличаются знания от данных? Приведите определения знаний

  69. Дайте характеристику основных признаков, по которым классифицируются знания (природа знаний, способ приобретения знаний, тип представления знаний).

  70. Расскажите о логических способах представления знаний. Укажите преимущественную область применения логической модели

  71. Проведите формализацию небольшого фрагмента знаний средствами логики высказываний (логики предикатов).

  72. Охарактеризуйте продукционную модель представления знаний. Приведите примеры представления знаний правилами. В чем отличия между продукционными системами с прямыми, обратными и двунаправленным» выводами?

  73. Опишите фреймовую модель представления знаний. Приведите пример фреймового представления

  74. Охарактеризуйте модель представления знаний в виде семантической сети. Расскажите об основных видах используемых в этой модели отношений.

  75. Приведите примеры логического вывода с использованием правил Modus Ponendo Ponens и Цепное заключение.

  76. Докажите предложенную тавтологию семантическим (синтаксическим) методом.

  77. Расскажите о теоремах логики и их использовании в ИИС. Приведите примеры.

  78. Опишите возможности применения в логическом выводе операции эквивалентности. Приведите примеры тавтологий с эквивалентностями

  79. Опишите стратегию доказательства с введением допущения. Приведите пример.

  80. Рассмотрите пример доказательства путем приведения к противоречию

  81. Расскажите о стратегии доказательства методом резолюции. Приведите пример.

  82. Опишите функционирование механизма вывода продукционной ЭС и охарактеризуйте его составляющие: компоненту вывода и управляющую компоненту.

  83. Сформулируйте собственные примеры прямого и обратного вывода в ЭС продукционного типа.

  84. Приведите пример представления знаний в виде И-ИЛИ-графа.

  85. Опишите и представьте в графическом виде стратегии поиска решений в глубину, ширину, разбиением на подзадачи, на основе α—β-алгоритма.

  86. Расскажите о способах организации логического вывода в интеллектуальных системах с фреймовым представлением знаний.

  87. Разработайте программную реализацию интеллектуальной системы с продукционным представлением знаний и механизмом вывода на базе правила Modus Ponendo Ponens.

  88. Выполните формализацию знаний средствами продукционной модели, которые могут использоваться в интеллектуальной системе для поддержки задач диагностики экономического и финансового состояния предприятия (других задач).

  89. Выполните представление знаний средствами описанных моделей для известной вам игры.


Отметка «отлично» выставляется студенту, глубоко и прочно усвоившему программный материал, исчерпывающе, последовательно, грамотно и логически стройно его излагающему, в ответе которого увязывается теория с практикой, он показывает знакомство с монографической литературой, правильно обосновывает решение задачи.

Отметка «хорошо» выставляется студенту, твердо знающему программный материал, грамотно и по существу, излагающему его, который не допускает существенных неточностей в ответе на вопрос, правильно применяет теоретические положения при решении практических вопросов и задач.

Отметка «удовлетворительно» выставляется студенту, который знает только основной материал, но не усвоил его деталей, допускает в ответе неточности, недостаточно правильно формулирует основные законы и правила, затрудняется в выполнении практических задач.

Отметка «неудовлетворительно» выставляется студенту, который не знает значительной части программного материала, допускает существенные ошибки, с затруднениями выполняет практические задания.


^

8. Материально-техническое обеспечение дисциплины

Для проведения лекционных занятий требуется лекционная аудитория, по возможности оснащенная компьютером с видеопроектором и экраном. Для проведения лабораторных занятий требуется аудитория, оснащенная персональными компьютерами с установленной ОС Linux для каждого рабочего места студента.


При выполнении лабораторных заданий используются программная среда CLIPS и офисный пакет OpenOffice.

Самостоятельная работа студентов также предполагает использование персонального компьютера с доступом к сети Интернет, программных средств CLIPS и OpenOffice, любого браузера.




^

9. Методические рекомендации по организации изучения дисциплины


При изучении дисциплины особое внимание обращено на ее прикладной характер, т.е. возможности применения полученных знаний в будущей практической деятельности. Методы изложения учебного материала выбраны с учетом наибольшей потенциальной результативности на фоне специфики изучаемой дисциплины. В качестве методов проведения занятий используются лекции и лабораторные работы.

Лекции, как метод изучения нового материала предполагают широкое использование приемов и способов активизации познавательной деятельности студентов путем постановки перед аудиторией проблемных вопросов и ситуаций, решение которых должно осуществляться в большей части за счет умственной активности самих студентов при умелой позиции преподавателя.

Освоение учебной дисциплины предполагает осмысление ее разделов и тем в ходе выполнения лабораторных работ, проводимых в специализированной компьютерной аудитории. На лабораторных занятиях выполняются конкретные задачи, направленные на закрепление и углубление полученных в ходе лекций теоретические знаний, а также на привитие обучаемым навыков самостоятельного и умелого использования технологий построения экспертных систем в будущей профессиональной деятельности.












Скачать 329,07 Kb.
оставить комментарий
Дата17.10.2011
Размер329,07 Kb.
ТипРабочая программа, 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