Рабочая программа учебной дисциплины принятие решений в интеллектуальных системах для подготовки магистров по направлению 230100 «Информатика и вычислительная техника»
| Вид материала | Рабочая программа |
- Рабочая программа учебной дисциплины днн. 02 Современные научные проблемы автоматизированных, 221.23kb.
- Рабочая программа учебной дисциплины сдм. 01. 02 Виды обеспечений сапр для подготовки, 191.35kb.
- Рабочая программа дисциплины микропроцессорные технологии для подготовки магистров, 174.5kb.
- Рабочая программа дисциплины «Проектирование интеллектуальных автоматизированных систем», 126.15kb.
- Примерная программа учебной дисциплины, 177.93kb.
- Рабочая программа дисциплины «Современные технологии разработки интеллектуальных автоматизированных, 121.51kb.
- Рабочая учебная программа дисциплины Моделирование рассуждений (наименование дисциплины), 166.66kb.
- Основная образовательная программа высшего профессионального образования Направление, 300.24kb.
- Рабочая учебная программа по дисциплине «Базы данных» Направление №230100 «Информатика, 115.03kb.
- Образовательный стандарт по направлению 230100. 62 Информатика и вычислительная техника, 328.94kb.
ГОУ ВПО
«Воронежский государственный технический университет»
«Утверждаю»
Декан ЕГФ
_____________С.М.Пасмурнов
РАБОЧАЯ ПРОГРАММА
УЧЕБНОЙ ДИСЦИПЛИНЫ
Принятие решений в интеллектуальных системах
для подготовки магистров по направлению
230100 «Информатика и вычислительная техника»
магистерская программа
"Анализ и синтез информационных систем"
Естественно-гуманитарного факультета
форма обучения очная
срок обучения нормативный
Воронеж 2009
Рабочая программа составлена в соответствии с государственным образовательным стандартом направления
654600 «Информатика и вычислительная техника»
Составитель программы_______к.т.н., доц. Литвиненко Ю.В._________
Рабочая программа обсуждена на заседании кафедры
Систем автоматизированного проектирования и информационных систем
Протокол № ___ от “___”_____________200 г.
Зав. Кафедрой САПРИС_________ __Львович Я. Е
____________________________
(подпись)
Рабочая программа рассмотрена и одобрена методической комиссией
Естественно-гуманитарного факультета
Председатель МК________________________Яскевич О.Г.
СОДЕРЖАНИЕ РАБОЧЕЙ ПРОГРАММЫ
ПРЕПОДАВАНИЯ ДИСЦИПЛИНЫ
1. ЦЕЛЬ И ЗАДАЧИ ДИСЦИПЛИНЫ,
- Цель преподавания дисциплины
Цель преподавания дисциплины - сформировать у магистров представление об основных понятиях современных интеллектуальных систем, принципах их организации и проектирования, тенденциях развития; сформировать навыки работы с современными программными средствами, включая экспертные системы.
2. Требования к уровню освоения содержания дисциплины
В результате изучения дисциплины студенты должны:
- знать основные понятия интеллектуальных систем;
- знать способы построения интеллектуальных систем для решения неформализованных задач в различных сферах деятельности человека;
- использовать современные программные средства для моделирования знаний, принятия решений, создания интеллектуальных систем.
3. Объем дисциплины и виды учебной работы
Форма обучения_очная
Срок обучения нормативный
Курс 1
| Вид занятий | Всего часов | Семестры и количество часов | |
| Общая трудоемкость | 92 | 2 | 92 |
| Аудиторные занятия | 36 | 2 | 36 |
| Лекции | 18 | 2 | 18 |
| Лабораторные работы | 18 | 2 | 18 |
| Самостоятельная работа | 20 | 2 | 20 |
| Работа над темами для самостоятельного изучения | 16 | 2 | 16 |
| Подготовка к практическим, семинарским и лаб.занятиям | 4 | 2 | 4 |
| Рубежи контроля знаний (экзамен, зачет) | зачет | 9 | Зачет |
4. Содержание дисциплины
4.1.Разделы дисциплины и виды занятий(тематический план)
| Nn/n | Разделы дисциплины | Лекции (час) | Лабор. занят.(час) |
| 1 | Введение | 2 | - |
| 2 | Базы знаний интеллектуальных систем | 8 | 8 |
| 3 | Проектирование интеллектуальных систем | 4 | 8 |
| 4 | Принятие решений в условиях неопределенности | 4 | - |
4.2.Содержание разделов дисциплины.
РАЗДЕЛ 1. Введение (2часа).
Лекция 1. Особенности и признаки интеллектуальности систем. Классификация интеллектуальных систем. (2 часа)
Самостоятельное изучение. История развития искусственного интеллекта. Области применения различных классов интеллектуальных систем.
РАЗДЕЛ 2. Проектирование баз знаний интеллектуальных систем (8 час.)
Лекция 2. Классификация моделей представления знаний. Продукционные системы. Конфигурация продукционной системы. Классификация ядер продукций. Коммутативные системы продукций. Обратимые системы продукций. Разложимые системы продукций. Механизм взаимодействия компонентов продукционной системы для прямого и обратного вывода. Стратегии управления выполнением продукций. Достоинства и недостатки продукционных систем в их практическом использовании. (2 часа)
Самостоятельное изучение. Знакомство с программными средствами, реализующими продукционный подход: язык OPS5, оболочки ЭС – EXSYS, Эксперт, ЭКО. Изучение принципов работы промышленных ЭС на основе продукционного подхода – G2.
Лекция 3. Представление знаний фреймами. Структура и типы фреймов. Основные свойства фреймов. Способы управления выводом во фреймовых системах. Сетевые модели представления знаний. Формализация семантической сети. Описание иерархических структур понятий семантической сетью. (2 часа)
Самостоятельное изучение. Изучение специальных языков представления знаний в сетях фреймов: FRL, KRL. Изучение документации по фрейм-ориентированным системам. Изучение специальных сетевых языков.
Лекция 4. Логическая модель представления знаний. Основные понятия нечеткой логики. Основные операции над нечеткими множествами. Исчисление неопределенностей на основе теории вероятностей. (2 часа)
Самостоятельное изучение. Логическое следствие и логический вывод.
Лекция 5.Искусственные нейронные сети. Классы задач, решаемых искусственными нейронными сетями. Структура и свойства искусственного нейрона. Топология нейронных сетей. Алгоритмы обучения нейронных сетей.(2 часа)
Самостоятельное изучение. Нейронные сети встречного распространения, сети Хемминга и Хопфилда. Оценка эффективности нейронных сетей.
РАЗДЕЛ 3. Проектирование интеллектуальных систем (4 час.)
Лекция 6. История развития, назначение и особенности интеллектуальных систем, цели их создания. Классификация интеллектуальных систем. Обобщенная структура интеллектуальных систем, назначение основных блоков, режимы функционирования. (2 часа)
Самостоятельное изучение. Изучение документации по существующим ЭС.
Лекция 7. Этапы проектирования интеллектуальных систем. (2 часа)
Самостоятельное изучение. Изучение документации по существующим оболочкам ЭС.
РАЗДЕЛ 4. Принятие решений в условиях неопределенности (4 час.).
Лекция 8. Интеллектуальные системы и выводы в условиях неопределенности. Теория вероятностей как основа управления неопределенностью (2 часа)
Самостоятельное изучение. Правило Байеса.
Лекция 9. Байесовский подход к построению базы знаний экспертной системы. Пример экспертной системы, основанной на правилах логического вывода. (2 часа)
Самостоятельное изучение. Представление и использование нечетких знаний.
5.Лабораторный практикум.
| N n/n | N раздела дисциплины | Наименование лабораторной работы | Кол-во часов |
| 1 | 2 | Реализации интеллектуальных систем на базе нечеткой логики с помощью приложения FUZZY к пакету MATLAB | 4 |
| 2 | 3 | Система проектирования интеллектуальных систем HUGIN. Байесовские сети доверия. | 4 |
| 3 | 3 | Принятие решений с помощью диаграмм влияния. Основы проектирования диаграмм влияния и методы работы с ними в системе HUGIN. | 4 |
| 4 | 4 | Разработка экспертной системы, основанной на правилах логического вывода. | 4 |
6.Учебно-методическое обеспечение дисциплины.
6.1. Рекомендуемая литература
а) основная литература
1. Гвоздева В.А.Основы построения автоматизированных информационных систем. - М.:ИНФРА-М, 2007.- 320 с.
2. Блюмин А.М., Печеная Л.Т. , Феоктистов Н. А . Проектирование систем информационного, консультационного и инновационного обслуживания. - М.:ИТК “Дашков и К”, 2010.- 352 с.
3. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем.- СПб.: Питер, 2001.- 382 с.
б) дополнительная литература
1. Представление и использование знаний / Под ред. Уэно Т., Исидзука М. - М.: Мир, 1989.- 230 с.
2. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. - М.: Наука, 1986.- 312 с.
3. Осуга С., Саэка Ю. Приобретение знаний.- М.: Мир, 1989.- 123 с.
в) методическая литература
1. Литвиненко Ю.В Разработка простейшей байесовской сети доверия с дискретными вершинами // методические указания к лабораторным работаы по курсу «Интеллектуальные информационные системы» для студентов специальности 230201 «Информационные системы и технологии» - Воронеж, ВГТУ, 2009.- 23с.
2. Литвиненко Ю.В Разработка простейшей байесовской сети доверия с непрерывными вершинами // методические указания к лабораторным работаы по курсу «Интеллектуальные информационные системы» для студентов специальности 230201 «Информационные системы и технологии» - Воронеж, ВГТУ, 2009.- 29с.
3. Литвиненко Ю.В. Методы экспертного оценивания // методические указания к лабораторным работаы по курсу «Интеллектуальные информационные системы» для студентов специальности 230201 «Информационные системы и технологии» - Воронеж, ВГТУ, 2009.- 21с.
6.2. Средства обеспечения освоения дисциплины
Среда визуального программирования Delphi 6.0
Программа «Малая экспертная система»
Пакет Mathlab с приложением Fuzzi
Пhограмма Hugin
7. Материально-техническое обеспечение дисциплины.
Лаборатории «Информационных технологий» 217/3, 212/3
ЭВМ Pentium IV – 9шт.
8. Методические рекомендации по организации изучения дисциплины
8.1. Методические рекомендации для преподавателя
Работа преподавателя по организации изучению дисциплины заключается в чтении лекций в соответствии с рабочей программой, проведении лабораторных занятий и их прием у студентов, проведение промежуточных мероприятий по проверке знаний, проведение итогового контроля в виде экзамена и проведение контроля остаточных знаний. Самостоятельное изучение отдельных разделов дисциплины преподаватель должен организовать в соответствии с планом-графиком самостоятельной работы студентов. В рамках выполнения лабораторных работ ставится целью развитие практических навыков построения интеллектуальных информационных систем (в частности, экспертных систем) для решения задач слабоформализованного характера в различных предметных областях с применением различных алгоритмов.
Основной учебный материал занесён в систему дистанционного обучения Афина.
8.2. Методические рекомендации для студентов
Студенты очной формы обучения нормативного срока обучения изучают дисциплину "Интеллектуальные подсистемы САПР" в течение 9 семестра. Виды и объем учебных занятий, формы контроля знаний приведены в табл. 1. Темы и разделы рабочей программы, количество лекционных часов и количество часов самостоятельной работы студентов на каждую из тем приведены в табл. 2. В первой колонке этой таблицы указаны номера тем согласно разделу 4. Организация лабораторного практикума, порядок подготовки к лабораторным занятиям и методические указания к самостоятельной работе студентов, а также порядок допуска к лабораторным занятиям и отчетности по проделанным работам определены в методических указаниях по выполнению лабораторных работ.
Самостоятельная работа студентов в ходе изучения лекционного материала заключается в проработке каждой темы в соответствии с методическими указаниями , а также в выполнении домашних заданий, которые выдаются преподавателем на лекционных занятиях. Необходимым условием успешного освоения дисциплины является строгое соблюдение графика учебного процесса по учебным группам в соответствии с расписанием.
Приложение 1.
Календарный план чтения лекций.
| Номер и краткое название темы (лекции) | Дата NN недель | Примечание |
| Лекция 1 Классификация интеллектуальных систем. | 24 | |
| Лекция 2 Классификация моделей представления знаний. Продукционные системы. | 26 | |
| Лекция 3 Представление знаний фреймами. Сетевые модели представления знаний. | 28 | |
| Лекция 4 Логическая модель представления знаний. | 30 | |
| Лекция 5 Искусственные нейронные сети. | 32 | |
| Лекция 6 Классификация интеллектуальных систем | 34 | |
| Лекция 7. Этапы проектирования интеллектуальных систем | 36 | |
| Лекция 8 Интеллектуальные системы и выводы в условиях неопределенности. | 38 | |
| Лекция 9 Байесовский подход к построению базы знаний экспертной системы. | 40 | |
Приложение 2.
План-график самостоятельной работы
| N недели | Вид работы | Норматив час/задание | Объем (кол-во заданий) | Трудоем-кость (час) | Всего за неделю (час) |
| 24 | Знакомство с программными средствами, реализующими продукционный подход: | 1 | 2 | 2 | 2 |
| 26 | Изучение специальных языков представления знаний в сетях фреймов: Изучение специальных сетевых языков. | 2 | 2 | 4 | 4 |
| 28 | Логическое следствие и логический вывод | 1 | 2 | 2 | 2 |
| 30-32 | Нейронные сети встречного распространения, сети Хемминга и Хопфилда. Оценка эффективности нейронных сетей. | 2 | 2 | 4 | 4 |
| 34 | Изучение документации по существующим ЭС. | 2 | 1 | 2 | 2 |
| 36 | Изучение документации по существующим оболочкам ЭС. | 1 | 1 | 1 | 1 |
| 36-40 | Правило Байеса. Представление и использование нечетких знаний. | 1 | 1 | 1 | 1 |