Руководство по изучению дисциплины «Системы искусственного интеллекта»

Вид материала

Руководство

Содержание Фамилия, имя, отчество Место работы, должность Место дисциплины в процессе подготовки специалиста Примерный перечень тем рефератов Формы проведения занятий Сфера профессионального использования Список специальностей (специализаций), для которых предназначен курс 3. Для изучения данной дисциплины студент должен знать 4. Перечень основных тем 4.1.2. Системы, основанные на знаниях 4.2. Тема 2. Распознавание образов и интеллектуальные игры 4.2.2. Интеллектуальные игры 4.3. Тема 3. Компьютерное творчество и интеллектуальное математическое моделирование 4.3.2. Интеллектуальное математическое моделирование 5. Список литературы Декларативная информация Знания глубинные Знания процедурные Знания декларативные Искусственный интеллект ... Полное содержание

Подобный материал:

• Системы искусственного интеллекта, 15.16kb.
• Системы искусственного интеллекта, 58.18kb.
• Программа дисциплины основы искусственного интеллекта (дпп. Ф. 10) для специальностей, 126.28kb.
• Задачи искусственного интеллекта 6 Тест по теме «История развития искусственного интеллекта», 1504.97kb.
• В. К. Финн к структурной когнитологии: феноменология сознания с точки зрения искусственного, 366.95kb.
• Системы искусственного интеллекта и нейронные сети, 208.41kb.
• Программа дисциплины сд. Ф системы искусственного интеллекта для студентов специальности, 295.9kb.
• Статья рассматривает вопросы в области информационных технологий в системах: человек-машина,, 261.17kb.
• Рабочая программа дисциплины системы искусственного интеллекта специальности 351500, 137.74kb.
• Программа дисциплины «Системы искусственного интеллекта», 270.63kb.

К
Федеральное агентство по образованию


Шахтинский институт (филиал) Южно-Российского государственного технического университета

(Новочеркасского политехнического института)


АФЕДРА МАТЕМАТИКИ, ИНФОРМАЦИОННЫХ СИСТЕМ И ТЕХНОЛОГИЙ


Меньшенин С.Е.


Руководство по изучению

дисциплины «Системы искусственного

интеллекта»


Шахты 2006

Меньшенин С.Е. Руководство по изучению дисциплины «Системы искусственного интеллекта» / Шахтинский институт (филиал) Южно-Российского государственного технического университета (Новочеркасского политехнического института). - Шахты, 2006. - 55 с.


Рассмотрено и обсуждено на заседании кафедры математики, информационных систем и технологий

«_____»______________ 2006 г. Протокол № ______


Зав. кафедрой А.М. Безуглов


© Меньшенин С.Е. 2006г.

© Шахтинский институт (филиал) Южно-Российского государственного технического университета (Новочеркасского политехнического института), 2006 г.

Содержание

1. Основные сведения об авторах 4
   
2. Место дисциплины в процессе подготовки специалиста 4
   
3. Для изучения данной дисциплины студент должен знать 8
   
4. Перечень основных тем изучаемой дисциплины 8
   

4.1. Тема 1. Направления развития искусственного интеллекта. Системы, основанные на знаниях и нейроинформатика 8

4.2. Тема 2. Распознавание образов и интеллектуальные игры 12

4.3. Тема 3. Компьютерное творчество и интеллектуальное математическое моделирование 14

5. Список литературы ..17
   
6. Глоссарий ..19
   
7. Средства обеспечения освоения дисциплины ..53
   
8. Материально-техническое обеспечение дисциплины ..53
   
9. Перечень лабораторных работ ..54
   
10. Рейтинг-план…………………………………………………………...55
    

1. Основные сведения об авторах

Фамилия, имя, отчество	Меньшенин Сергей Евгеньевич
Ученая степень, ученое звание	Кандидат технических наук
Место работы, должность	Кафедра МИСТ, доцент
Рабочий телефон	(8636) 22-15-74
E-mail
Страница на сайте ШИ (ф) ЮРГТУ(НПИ)

2. Место дисциплины в процессе подготовки специалиста
   

Аннотация:

Дисциплина «Интеллектуальные информационные системы» имеет лекционную составляющую и курс лабораторных работ. В лекциях изучаемой дисциплины изложены два основных подхода, применяемые при создании систем искусственного интеллекта: технология экспертных систем и нейросетевые технологии. Освещены вопросы их практического использования при решении задач распознания образов, прогнозирования, диагностики, оптимизации и т.д.

Рассмотрены проблемы применения интеллектуальных систем в экономике, бизнесе, фин6ансах, машиностроении, политологии, медицине, криминалистики. Подробно рассмотрен современный раздел искусственного интеллекта, связанный с созданием интеллектуальных систем, имитирующих творческую деятельность математика профессионала при аналитическом решении краевых задач.

В часы, отведенные на лабораторные работы, решаются практические задачи с использованием компьютеров и программы Neural Network Wizard; рассматриваются интеллектуальные системы распознания образов и распознания текстов, а также системы интеллектуального математического моделирования.

Учебным планом по курсу «Системы искусственного интеллекта» предусмотрено написание студентами реферата. Темы рефератов посвящены практическому использованию систем искусственного интеллекта при создании компьютерных программ для разнообразных сфер человеческой деятельности. Это программы созданные для распознания образов, прогнозирования, диагностики, оптимизации и т.д. Реферат должен состоять из теоретической части и содержать подробное описание по работе с интеллектуальным программным пакетом. В реферате должны приводится практические примеры решения различного рада задач с использованием изучаемой компьютерной программы.

Примерный перечень тем рефератов:

1. Основные принципы работы современной системы распознания текстов – Fine Reader. Практические примеры решения различного рада задач с использованием изучаемой компьютерной программы;
   
2. Основные принципы работы современной системы распознания текстов – Cunei Form. Практические примеры решения различного рада задач с использованием изучаемой компьютерной программы;
   
3. Система интеллектуального математического моделирования REGIONS. Основные принципы работы и практические примеры решения различного рада задач;
   
4. Компьютерное моделирование творческой деятельности. Моделирование в музыке. Описание выбранной программы, примеры решения задач;
   
5. Компьютерное моделирование творческой деятельности. Моделирование в поэзии. Описание выбранной программы, примеры решения задач;
   
6. Описание и основные принципы работы программы Mathcad. Примеры решения различного рода задач математического моделирования и линейного программирования;
   
7. Описание и основные принципы работы программы Mathcad. Примеры решения различного рода задач оптимизации и решения систем алгебраических и дифференциальных уравнений;
   
8. Описание и основные принципы работы программы Mathcad. Примеры решения различного рода задач обработки статистических данных;
   
9. Описание и основные принципы работы программы Mathcad. Примеры решения различного рода задач: нечеткая логика, нечеткие множества, символьная математика;
   
10. Описание и основные принципы работы интеллектуальной игровой программы. Принципы формирования и способы улучшения оценивающих функций;
    
11. Языки программирования для интеллектуальных систем и языки представления знаний;
    
12. Язык HTML и представление знаний;
    
13. Интеллектуальные интернет технологии. Описание, назначение и их сравнительный анализ;
    
14. Описание и основные принципы работы экспертной системы;
    
15. Программы деловых игр. Описание и основные принципы работы;
    
16. Программы, предназначенные для нейросетевого расчета. Описание и основные принципы работы. Пример практического использования;
    
17. Описание и основные принципы работы программы Maple. Примеры программирования;
    
18. Описание и основные принципы работы программы MathConnex. Примеры решения различного рода задач.
    

Формы проведения занятий: лекции (34 часа), лабораторные работы (17 часов).

Формы контроля: рубежный контроль, защита реферата, зачет.

Ведущий преподаватель: С.Е. Меньшенин, к.т.н., доцент кафедры МИСТ

Цель: Настоящая ценность специалиста в области компьютерной техники возрастает, когда, кроме знаний техники, он владеет языками программирования и имеет хорошую математическую подготовку. Однако знание в области искусственного интеллекта поднимает этих специалистов на наиболее высокий уровень интеллектуального программиста-математика.

Целью преподавания дисциплины является обучение студентов основам искусственного интеллекта, что позволит им уверенно подходить к освоению современных интеллектуальных пакетов прикладных программ, число которых растет ускоряющимися темпами.

Задачей изучения дисциплины является систематизация знаний о искусственном интеллекте, для реализации излагаемых идей и методов в практической деятельности. В результате изучения модулей программы и выполнения лабораторных работ учащиеся должны следующее.

В результате изучения дисциплины студент должен:

- знать основы интеллектуализации и информационных систем различного назначения с раскрытием проблемной области искусственного интеллекта, моделями представления данных и знаний, классификацией интеллектуальных систем;

- знать основные аспекты нейроинформатики;

- уметь разбираться в задачах распознания образов;

- уметь разбираться в вопросах компьютерного творчества и интеллектуального математического моделирования;

- иметь представление о вопросах прошлого, настоящего и будущего искусственного интеллекта.

Сфера профессионального использования:

Курс «Интеллектуальные информационные системы» служит базой для дипломного проектирования (специальная часть).

Список специальностей (специализаций), для которых предназначен курс:

Курс предназначен для студентов 4-го курса, обучающихся по специальности 080801 «Прикладная информатика (в экономике)»

080801 «Прикладная информатика (в юриспруденции)»


3. Для изучения данной дисциплины студент должен знать следующие разделы (определения, понятия, законы):

• из математики: системы обыкновенных дифференциальных уравнений, производная и дифференциал, определенный интеграл;
  
• из информационных технологий: организация информационных процессов в системах, модели процессов передачи, обработки, накопления данных в информационных системах.
  

4. Перечень основных тем

4.1. Тема 1. Направления развития искусственного интеллекта. Системы, основанные на знаниях и нейроинформатика

4.1.1. Введение в искусственный интеллект

История развития искусственного интеллекта. Направления развития искусственного интеллекта на сегодняшнем этапе развития общества.

4.1.2. Системы, основанные на знаниях

Данные и знания. Методы представления знаний. Экспертные системы.

4.1.3. Нейроинформатика

Основные понятия нейроинформатики. Персептрон и его развитие. Возможности и области применения персептронов. Проектирование и обучение персептронов. Радиально-базисные сети. Рекуррентные сети на базе персептрона. Самообучающиеся и гибридные сети

Изучив данную тему, студент должен:

иметь представление:

• о назначении и принципе действия машины Р. Луллия;
  
• о возможностях и областях применения персептронов;
  
• о новых подходах к методам математического моделирования;
  
• о радиально-базисных сетях;
  
• о рекуррентных сетях;
  
• о сетях Хопфилда;
  
• о самообучающейся и гибридной сети;
  

знать:

• суть модели лабиринтного поиска и эвристического метода;
  
• чем отличаются нейрокибернетические методы от методов кибернетики «черного ящика»;
  
• в чем смысл термином «восходящее» и «нисходящее» направление искусственного интеллекта;
  
• что такое эволюционное программирование;
  
• основные направления искусственного интеллекта;
  
• что такое интеллектуальное математическое моделирование;
  
• общие и отличительные признаки данных и знаний;
  
• методы представления знаний;
  
• назначение и особенности экспертной системы;
  
• что такое математический нейрон и персептрон;
  
• алгоритм обучения персептрона;
  
• возможности и области применения персептронов;
  
• виды активационных функций в современных нейронных сетях;
  

уметь:

• приводить примеры формализованных и неформализованных знаний;
  
• охарактеризовать стадии и этапы разработки экспертных систем;
  
• проектировать нейронную сеть и работать с ней;
  
• проектировать и обучать персептроны;
  

владеть навыком:

• выбора оптимальной конфигурации нейронной сети с использованием программы Neural Network Wizard;
  
• использования нейросети в прикладных программах;
  
• построения таблиц значимости для булевых функций «И» и «ИЛИ»;
  
• построения двухслойного персептрона;
  
• составления программ обучения однонейронного персептрона с помощью правил Хебба и дельта-правил;
  
• обучения однонейронного персептрона логическим операциям;
  
• обучения нейросети операциям прогнозирования;
  
• работы с интеллектуальными системами.
  

При изучении темы необходимо:

• читать пособия [1 – 20] (часть предлагаемого материала и литературы представлена в электронном виде);
  
• акцентировать внимание на следующих понятиях:
  

Для самооценки темы необходимо ответить на вопросы:

1. Опишите назначение и принцип действия машины Р. Луллия.
   
2. В чем суть модели лабиринтного поиска и эвристического метода?
   
3. Чем отличаются нейрокибернетические методы от методов кибер­нетики «черного ящика»?
   
4. В чем смысл терминов «восходящее» и «нисходящее» направления искусственного интеллекта?
   
5. Что такое эволюционное программирование?
   
6. Перечислите основные направления искусственного интеллекта.
   
7. Что такое интеллектуальное математическое моделирование?
   
8. Назовите общие и отличительные признаки данных и знаний.
   
9. Назовите и охарактеризуйте известные вам методы представления знаний.
   
10. Какой по вашему мнению метод представления знаний использует­ся в человеческом мозге?
    
11. Приведите примеры формализованных и неформализованных зна­ний.
    
12. Дайте определение и сформулируйте назначение экспертной систе­мы.
    
13. Приведите примеры известных вам экспертных систем.
    
14. Что такое оболочка экспертной системы?
    
15. Каким по вашему мнению должен быть коллектив разработчиков экспертной системы?
    
16. Перечислите и охарактеризуйте стадии и этапы разработки эксперт­ных систем.
    
17. Постройте таблицы значимости для булевых функций «И» и «ИЛИ». Графическим способом подберите веса и пороги однонейронного пер-септрона, реализующего функции «И» и «ИЛИ».
    
18. Постройте двухслойный персептрон, реализующий функцию «Ис­ключающее ИЛИ».
    
19. Составьте программу обучения однонейронного персептрона с по­мощью правил Хебба и дельта-правила.
    
20. С помощью составленной программы попытайтесь обучить одно-нейронный персептрон логическим операциям «И», «ИЛИ», «Исключа­ющее ИЛИ».
    
21. Спроектируйте и обучите нейросеть прогнозированию курса амери­канского доллара по отношению к российскому рублю.
    

1. Возьмите из сети Internet и изобразите графически данные по из­менению курса доллара за последние три месяца.
   
2. По данным двух первых месяцев методом окон обучите нейросеть прогнозированию курса доллара на один (или более) день вперед.
   
3. Определите среднеквадратичную ошибку прогноза, используя в качестве тестовых примеров данные последнего месяца.
   
4. Введите в нейросеть дополнительный входной нейрон, в котором закодируйте день недели прогнозируемого дня. Повторите пункты B – C.
   
5. В дополнительном нейроне сети закодируйте данные о солнечной активности, взятые из сети Internet. Повторите пункты B – C.
   
6. В дополнительном нейроне сети закодируйте сведения о фазах Луны и повторите пункты B – C.
   
7. Сравните среднеквадратичные ошибки прогноза на тестовых вы­борках, сделайте заключение о степени влияния на курс доллара иссле­дованных факторов.
   

22. Нарисуйте схему RBF-сети с минимальным числом нейронов, спо­собную моделировать функции «И», «ИЛИ», «Исключающее ИЛИ».
    

4.2. Тема 2. Распознавание образов и интеллектуальные игры

4.2.1. Распознавание образов

Проблемы распознавания образов. Пандемониум Селфриджа. Персептрон Розенблатта. Распознавание символов. Использование геометрических интерпретаций.

4.2.2. Интеллектуальные игры

Понятие игры и дерева возможностей. Методы подрезки дерева возможностей. Идеи обучения игровых программ.

Изучив данную тему, студент должен:

иметь представление:

• о проблемах распознания образов;
  
• о использовании геометрических интерпретаций при распознании образов;
  
• о идеи Сэмюэля, касающейся самообучению и самоорганизации игровых программ;
  

знать:

• способ распознания, заложенный в пандемониуме Селфриджа и персептроне Розенблатта;
  
• современные системы распознания текстов;
  
• что представляет собой дерево возможностей;
  
• какие вершины дерева возможностей называются терминальными;
  
• по каким принципам осуществляется подрезка деревьев возможностей;
  
• по каким принципам формируется оценивающая функция;
  
• способы улучшения оценивающих функций;
  

уметь:

• описать принцип действия пандемониума Селфриджа;
  
• описать принцип действия персептрона Розенблатта;
  
• работать с современными системами распознания текстов;
  
• объяснить суть минимаксного перехода;
  

владеть навыком:

• работы с интеллектуальными системами распознания образов;
  
• работы с интеллектуальными системами распознания текстов;
  
• использования нейросети в прикладных программах;
  

При изучении темы необходимо:

• читать пособия [1 – 20] (часть предлагаемого материала и литературы представлена в электронном виде);
  
• акцентировать внимание на следующих понятиях:
  

Для самооценки темы необходимо ответить на вопросы:

1. Опишите принцип действия пандемониума Селфриджа.
   
2. Чем различаются между собой демоны понимания в пандемониуме Селфриджа?
   
3. Каким образом происходит обучение пандемониума Селфрижда?
   
4. Опишите принцип действия персептрона Розенблатта.
   
5. Перечислите методы распознавания символов.
   
6. В чем заключается предварительная обработка изображений?
   
7. В чем состоит идея цепного кода?
   
8. Для чего нужны операции поверхностного разрушения и сжатия?
   
9. Каким образом осуществляется выявление признаков изображения по методу Паркса?
   
10. Назовите основные принципы работы системы FineReader.
    
11. Каким образом осуществляется обучение системы CuneiForm?
    
12. Приведите геометрическую интерпретацию признакового распоз­навания.
    
13. С какой целью производятся преобразования координат при рас­познавании с помощью евклидовых пространств?
    
14. Дайте математическую формулировку линейного преобразования координат. Какую роль в преобразовании выполняют диагональные и недиагональные коэффициенты матрицы преобразующих коэффициентов?
    
15. Что представляет собой дерево возможностей?
    
16. Какие вершины дерева возможностей называются терминальными?
    
17. По каким принципам осуществляется подрезка деревьев возможно­стей?
    
18. По каким принципам формируется оценивающая функция?
    
19. Объясните суть минимаксного перехода.
    
20. Назовите способы улучшения оценивающих функций.
    
21. В чем состоят идеи А. Сэмюэля, касающиеся самообучения и само­организации игровых программ?
    
22. Каким образом происходит обучение современных шахматных про­грамм?
    
23. Почему победа компьютера над чемпионом мира по шахматам 1998 г. была поставлена под сомнение? Согласны ли вы с этим?
    

4.3. Тема 3. Компьютерное творчество и интеллектуальное математическое моделирование

4.3.1. Компьютерное творчество

Философские аспекты творчества. Моделирование в музыке. Моделирование в поэзии.

4.3.2. Интеллектуальное математическое моделирование

Этапы развития интеллектуального компьютерного математического моделирования. Метод фиктивных канонических областей. Интеллектуальные проблемы метода фиктивных канонических областей. Системы интеллектуального математического моделирования REGIONS. Программой Neural Network Wizard.

Изучив данную тему, студент должен:

иметь представление:

• о проблемах применения интеллектуальных систем в различных областях жизнедеятельности человека;
  
• об интеллектуальных проблемах применения метода фиктивных канонических областей и путях их решения;
  

знать:

• общие принципы построения математических моделей;
  
• теоремы Геделя, Мак-Каллока-Питтса;
  
• формализм Бекуса-Наура;
  
• что такое инвариант;
  
• чем отличаются численные методы решения краевых задач от аналитических;
  
• преимущества методов типа Треффтца перед другими аналитическими подходами;
  
• идею метода фиктивных канонических областей;
  
• суть критерия продолжимости;
  
• методы удовлетворения граничным условиям;
  

уметь:

• работать с системой интеллектуального математического моделирования REGIONS или с программой Neural Network Wizard;
  
• работать с системами интеллектуального математического моделирования.
  

При изучении темы необходимо:

• читать пособия [1 – 20] (часть предлагаемого материала и литературы представлена в электронном виде);
  

акцентировать внимание на следующих понятиях:

Для самооценки темы необходимо ответить на вопросы:

1. Перечислите общие принципы построения математических моде­лей.
   
2. Дайте определение инварианта и приведите примеры инвариантов, известных вам из математики, физики, искусства.
   
3. Сформулируйте теорему Геделя и поясните, какое отношение она имеет к творчеству?
   
4. Что такое творчество с точки зрения теории инвариантов?
   
5. Сформулируйте теорему Мак-Каллока – Питтса и поясните, какое отношение она имеет к творчеству.
   
6. Если бы вам предстояло писать программу компьютерного сочине­ния музыки, какую бы блок-схему вы предложили?
   
7. Поясните, каким образом можно использовать для сочинения сти­хов формализм Бекуса – Наура? Каким образом можно, пользуясь этим алгоритмом, придавать сочиненным произведениям смысл, изменять степень абстрагизма, определять его характер, жанр?
   
8. Чем отличаются численные методы решения краевых задач от ана­литических? В чем заключается кризис современной прикладной мате­матики?
   
9. В чем состоит основное преимущество методов типа Треффтца пе­ред другими аналитическими подходами?
   
10. В чем состоит идея метода фиктивных канонических областей?
    
11. В чем суть критерия продолжимости и из-за чего он может не вы­полняться?
    
12. Приведите пример, когда условие топологической эквивалентно­сти выполняется, а условие продолжимости не выполняется. Приведите пример обратной ситуации.
    
13. Перечислите методы удовлетворения граничным условиям.
    
14. Перечислите интеллектуальные проблемы применения метода ФКО, поясните их суть и пути решения.