Программа по курсу: введение в искусственный интеллект (базовый) по направлению: 511600 факультет

Вид материалаПрограмма

Содержание


Всего часов: 122
Введение в искусственный интеллект
Задачи для практикума
А - конечный алфавит, F
Р (нужно записать в виде «если ... то...»): p
Список литературы
Подобный материал:

Министерство образования и науки Российской Федерации

Московский физико-технический институт

(Государственный Университет)


УТВЕРЖДАЮ

Проректор по учебной работе

___________ Самарский Ю.А.

«______» _______________2008 г.


ПРОГРАММА



по курсу: ВВЕДЕНИЕ В ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ (базовый)

по направлению: 511600

факультет: ФУПМ

кафедра: ИНФОРМАТИКИ

курс: 4 курсовая работа: 7 семестр

семестр: 7 экзамен: 7 семестр


лекции: 34 часа

практические занятия: 34 часа


ВСЕГО ЧАСОВ: 122




Программу составил: профессор Л.Н. Столяров


Программа обсуждена на заседании

кафедры информатики

28 августа 2008 г.


Заведующий кафедрой И.Б. Петров

профессор


ВВЕДЕНИЕ В ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ

  1. Мифы и реалии искусственного интеллекта. Концепция Тьюринга. Эшби и его «конструкция мозга». Психология мышления и автоматы. Лабиринтная модель мышления и эвристическое программирование. Генетические алгоритмы.
  2. Формальные дедуктивные системы. Исчисление высказываний и аристотелева логика. Правильные рассуждения и аристотелевы правила вывода. Правило резолюции. Исчисление предикатов. Силлогистика Аристотеля и ее современные модификации. Универсум Эрбрана.
  3. Нечеткая логика. Правдоподобные рассуждения. Схема Пойа. Схема Шафера.
  4. Автоматные модели поведения. События и действия. Рефлекторное поведение и автономные автоматы. Условные рефлексы и автоматные сети. Дискретные нейронные сети. Сети Петри и модели кооперативного поведения. Моделирование типов поведения человека. Ритуальное, подражательное и ролевое поведение. Ситуационное поведение.
  5. Экспертные системы. Система продукций. Пополнение и обобщение знаний.
  6. Мозговой штурм для решения сверхсложных проблем методом группового экспертного анализа. Методика FACTION.
  7. Система Battle for Money. Формальные прогнозные сценарии в политической, социальной, экономической и финансовой средах. Тренажеры и имитационные модели. Распределенные потоковые сети (CFN).
  8. Практикум по составлению прогнозных сценариев и написанию имитационных моделей CFN



Задачи для практикума


I. Формальные системы и доказательство теорем

Формальная система FS =, где А - конечный алфавит, F - правильно построенные формулы, выводимые в FS, Fa формулы, которые являются выводимыми по определению (аксиомы), Р - конечное множество правил вывода; - читается «формула , выводима из по правилу » (если к , применить , то получится ).

Типовая задача. Задана FS, заданы исходные формулы найти решающее дерево (дерево вывода) для формул обладающих заданным свойством.

1.1. Доказать теорему: любая точка биссектрисы равноудалена от era сторон.

Дано: где DB – отрезок, - треугольник.

Доказать:

Правила Р (нужно записать в виде «если ... то...»):

p1 (прямые углы равны между собой);

Р2 (отрезок равен самому себе);

P3 (угол равен самому себе),

P4 ({сторона, угол, угол = сторона, угол, угол J);

Р5 (два пересекающихся перпендикулярных отрезка определяют прямой угол):

Р6 (соответствующие стороны равных треугольников равны).

Построить решающим граф (дерево) для доказательства теоремы и прокомментировать его с точки зрения построения алгоритма перебора по дереву.

1.2. Игра – «последний проигрывает». Число игроков – п, количество монет в куче m, единственное правило р. из кучи можно взять 1, 2, ... k монет. Каждый игрок имеет сноп номер 1,
2,..., п Построить решающие деревья, которые показывают для m, k такой помер игрока, которым всегда выигрывает.

1.3. Игра - «крестики-нолики». Построить все возможные решающие деревья, которые приводят к выигрышной ситуации (формуле). Проанализировать эффективность – процедуры перебора при поиске выигрышей.


//. Формирование понятий и кластеризация


Задано конечно множество признаков каждый признак Ai, определен па конечном множестве значений Определено конечное множество отношений на декартовом произведении . Понятием называется утверждение о правиле идентификации нахождения отношения (предиката) Рk..

2.1. Для анализа произвольного текста выбраны два признака A1 (нахождение буквы х в некотором слове) со значениями 11 на первой позиции, а12: на 2-й позиции, ..., а17 на 7-й позиции); A2 (нахождение буквы y, идущей после буквы x на a21: 1-й позиции, a22: 2-й позиции, а23: 3-й позиции).

Построить понятия, которые задаются утверждениями: если x будет на r – й позиции, то у будет на 1-й позиции (предикат ) с уверенностью , где - число случаев истинности предиката при анализе текста, - число слов в анализируемом тексте. Так построенное утверждение называется кластером.

Построить программу, анализирующую произвольный текст на русском языке не менее 1000 слов.

2.2. Поиск разумных существ во Вселенной.

Предложить идею построения двух понятий и соответствующих им утверждений и кластеров, таких, что одно из них является посылкой к инопланетянам, а другое ответом инопланетян на эту посылку.


III. Структурное распознавание образов


Структурный образ где P – отношение (обычно бинарное), определённое на конечном множестве базовых (составляющих) признаков Каждому признаку поставлена в соответствие распознающая процедура. Считается, что реализация сохраняет отношение P (отношение Р считается инвариантным для всех реализаций образа). Алгоритм структурного распознавания представляет собой процедуру (правила) нахождения инвариантного отношения Р. Обычно алгоритмы структурного распознавания имеют 2-шаговую процедуру:
  1. Обработка реализации и получение последовательного кода (кодирование реализации).
  2. Сравнение полученного кода с эталонным кодом образа.

3.1. Распознавание букв русского алфавита.
  1. Выбрать конечное множество признаков, характеризующих букв.
  2. Составить описание каждой буквы в виде бинарного отношения на множестве признаков.
  3. Поставить в соответствие каждой букве T – код (код «Тезея», который получается алгоритмом «Тезея» обхода графа бинарного отношения Р).
  4. Написать программу структурного распознавания букв русского алфавита.

3.2. Распознавание радиолокационной картины местности.

Принцип ориентирования крылатой ракеты состоит в следующем. Целевая траектория задаётся в виде полетного задания, состоящего из последовательности образов, которые получаются при обработке радиолокационных покадровых съёмок местности. Каждый кадр представляет собой структуру вложенных друг в друга контуров. Кадру сопоставляется D – код (слово скобочного языка Дика).
  1. Построить алгоритм обработки кадра и получения соответствующего D – кода.
  2. Ввести меру сходства (расхождения) между эталонным D – словом и D – словом, полученным в реальном полете.
  3. Написать программу кодирования радиолокационных кадров в слова языка Дика и вычисления значения меры расхождения полученного D – слова с эталонным.



СПИСОК ЛИТЕРАТУРЫ

  1. Пойя Д. Математика и правдоподобные рассуждения. – М: ИЛ. 1957.
  2. Журавлев Ю.И. и др. Дискретная математика и математические вопросы кибернетики. – М. Наука. 1974.
  3. Shafer G. Mathematical Theory of Evidence. – Princeton Univ. 1976.
  4. Кнут Д. Искусство программирования, т.2. – М.: Вильямс, 2000.
  5. Новиков Ф.А. Дискретная математика для программистов. – СПб., Питер, 2000.
  6. Ахо А. Структуры данных и алгоритмы. – М.: Вильямс. 2000.
  7. Кормен Т. Алгоритмы, построение и анализ. – М.: МУНМО, 2000.
  8. А. Тей и др. Логический подход к искусственному интеллекту. М.: Мир, 1990.
  9. Новиков Д.А., Чхартишвили А.Г. Рефлексивные игры. М.: СИНТЕГ, 2003.
  10. Непейвода Н.Н. Прикладная логика. Новосибирск. Из-во Новосибирского университета, 2000.
  11. Гладков Л.А. и др. Генетические алгоритмы. М.: Физматлит, 2006.