Рабочая программа курса «Искусственный интеллект и нейросетевое управление»

Вид материала

Рабочая программа курса

Содержание Рабочая программа для специальности 210301 – Автоматизация технологических процессов и производств (в нефтегазовой отрасли) напр Всего аудиторных занятий Общая трудоемкость 1. Цели и задачи учебной дисциплины 1.2. Задачи изложения и изучения дисциплины Содержание теоретического раздела дисциплины 2.2. Системы управления с нечеткой логикой (6 часов) 2.3. Экспертные системы (6 часов) 2.4. Нейронные сети (8 часов) Содержание практического раздела дисциплины 4. Программа самостоятельной познавательной Текущий и итоговый контроль результатов изучения дисциплины 6. Учебно-методическое обеспечение дисциплины 6.2. Учебная литература дополнительная

Подобный материал:

• «Искусственный интеллект», 622.01kb.
• Прагина Л. Л. Мозг человека и искусственный интеллект, 1498.79kb.
• ) состоится V всероссийская конференция студентов, аспирантов и молодых учёных «искусственный, 29.67kb.
• Ix национальная конференция с международным участием "Искусственный интеллект-2004",, 147.79kb.
• Светлов Николай Михайлович Цели курса рабочая программа курса, 224.32kb.
• Искусственный интеллект: современное состояние и наиболее перспективные направления, 631.66kb.
• Искусственный интеллект, 12.42kb.
• Искусственный интеллект, 1356.7kb.
• Учебная программа для высших учебных заведений по специальности 40 03 01 «искусственный, 2072.71kb.
• Философия, когнитивные науки и искусственный интеллект, 15.6kb.

Министерство образования Российской Федерации

ТОМСКИЙ ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

УТВЕРЖДАЮ:
Декан АВТФ

__________ С. А. Гайворонский

«____»______________2009 г.


ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ

И НЕЙРОСЕТЕВОЕ УПРАВЛЕНИЕ

Рабочая программа

для специальности 210301 – Автоматизация технологических процессов и производств (в нефтегазовой отрасли) направления

657900 – Автоматизированные технологии и производства


Факультет автоматики и вычислительной техники (АВТФ)

Обеспечивающая кафедра – кафедра интегрированных компьютерных

систем управления


Курс – четвертый

Семестр – 8

Учебный план набора 2006 года


Распределение учебного времени

Лекции	24	часа (ауд.)
Лабораторные занятия	8	часов (ауд.)
Всего аудиторных занятий	32	часа
Самостоятельная (внеаудиторная) работа	48	часов
Общая трудоемкость	80	часов
Зачет – в 8 семестре.
Количество кредитов – 3.

Томск – 2009

Предисловие


Рабочая программа составлена на основании Государственного образовательного стандарта № 514тех/дс высшего профессионального образования по направлению 657900 – «Автоматизированные технологии и производства», утвержденного Министерством образования РФ 28 февраля 2000 года; а также профессиональной образовательной программы ТПУ по данному направлению; учебного плана для студентов приема 2006 г. по специальности 210301 – «Автоматизация технологических процессов и производств (в нефтегазовой отрасли)».


рассмотрена и одобрена на заседании обеспечивающей кафедры

_______интегрированных компьютерных систем управления___________

(наименование кафедры)


____________ 2009 г., протокол № ______ .

(дата)

Разработчик: д.т.н., профессор Малышенко Александр Максимович.


Зав. обеспечивающей кафедрой ИКСУ ____________ А._М._Малышенко

(подпись) (И. О. Фамилия)


Рабочая программа СОГЛАСОВАНА с факультетом АВТ и

СООТВЕТСТВУЕТ вышеуказанным нормативным документам.


Зав. выпускающей кафедрой ИКСУ ___________ А. М. Малышенко

(подпись) (И. О. Фамилия)


Аннотация


Данная рабочая программа предназначена для подготовки дипломи-рованных специалистов (инженеров) по специальности 210301 – «Автомати-зация технологических процессов и производств (в нефтегазовой отрасли)» на кафедре интегрированных компьютерных систем управления факультета автоматики и вычислительной техники Томского политехнического университета (ТПУ).

Учебная дисциплина «Искусственный интеллект и нейросетевое управление» входит в цикл дисциплин специализации «Автоматизация технологических процессов и производств в нефтяной и газовой промыш-ленности» по подготовке указанных специалистов. Он включен в учебные планы с целью усвоения студентами современных знаний в области исполь-зования элементов искусственного интеллекта для управления различного рода объектами и процессами современных промышленных производств.

Изложение курса «Искусственный интеллект и нейросетевое управле-ние» базируется в основном на курсах «Информатика», «Математические основы кибернетики», «Теория автоматического управления» и «Программи-рование и основы алгоритмизации».


1. ЦЕЛИ И ЗАДАЧИ УЧЕБНОЙ ДИСЦИПЛИНЫ


1.1. Цели преподавания дисциплины


Усвоение студентами современных знаний по искусственному интеллекту, как он реализуется и где может быть использован, а также уяснение основных принципов построения систем с нечеткой логикой, экспертных систем и систем нейросетевого управления. Полученная студентами в данном курсе совокупность знаний и умений позволит им более успешно усваивать другие общепрофессиональные и специальные дисциплины последующей вузовской подготовки.


1.2. Задачи изложения и изучения дисциплины


Успешно изучивший дисциплину «Искусственный интеллект и нейро-сетевое управление» студент

должен иметь представление:

- об основных понятиях, используемых в научном направлении «Искусственный интеллект»;

- об областях его практического использования и проблемах, связанных с его реализацией;

- о принципах построения систем управления с нечеткой логикой, экспертных систем и систем нейросетевого управления;

• о новых технологиях решения задач управления, связанных с использованием средств и методов искусственного интеллекта;
  

знать и уметь использовать:

- основные методы и алгоритмы построения систем искусственного интеллекта, систем управления с нечеткой логикой, экспертных систем и систем нейросетевого управления;

иметь опыт:

• разработки и эксплуатации систем управления, обладающими элементами искусственного интеллекта;
  

Изучение данного курса позволит дополнительно развить следующие его профессиональные компетенции:

- способность разрабатывать технические задания на модернизацию и автоматизацию действующих производственных и технологических процессов и производств, технических средств и систем автоматизации, управления, контроля, диагностики и испытаний; автоматизированные и автоматические технологии ее производства, средства и системы автоматизации, с использованием искусственного интеллекта (ПК-1);

- способность составлять описания принципов действия и устройств, проектируемых технических средств и систем автоматизации, управления, контроля и диагностики технологических процессов и производств с использованием искусственного интеллекта (ПК-3);

- способность проектировать архитектурно-программные комплексы автома-тизированных и автоматических систем управления, контроля, диагностики и испытаний общепромышленного и специального назначения для различных отраслей национального хозяйства (ПК-4);

- способность разрабатывать эскизные, технические и рабочие проекты автоматизированных и автоматических производств, технических средств и систем автоматизации, управления, контроля, диагностики и испытаний, систем управления жизненным циклом производства и его качеством с использованием искусственного интеллекта (ПК-5);

- способностьн разрабатывать функциональную, логическую и техническую организацию автоматизированных и автоматических производств, их элементов, технического, алгоритмического и программного обеспечения на базе современных методов, средств и технологий проектирования и достижений искусственного интеллекта (ПК-7);

- способность проводить математическое моделирование процессов, оборудования, средств и систем автоматизации, контроля, диагностики, испытаний и управления с использованием искусственного интеллекта и современных технологий проведения научных исследований (ПК-39);

- способен разрабатывать алгоритмическое и программное обеспечение средств и систем автоматизации и управления с искусственным интеллектом (ПК-40);

- способен осуществлять сбор, обработку, анализ, систематизацию и обобщение научно-технической информации, отечественного и зарубежного опыта по искусственному интеллекту, выбирать методы и средства решения практических задач его использования, а также систем с нечеткой логикой, экспертных систем и систем нейросетевого управления (ПК-41).

Все это должно способствовать достижению основных результатов, сформулированных в образовательной программе ТПУ подготовки специалистов по автоматизации технологических процессов и производств:

Результат 1: способность демонстрировать на мировом уровне развития технологий нефтегазовой отрасли глубокие естественно-научные, математические и инженерные знания в области анализа, синтеза и проектирования, достаточные для решения научных и инженерных задач современных систем автоматизации и управления нефтегазового производства.

Результат 2: способность применять полученные знания для решения инженерных задач при разработке современных систем автоматизации и управления и использовать творческий подход для разработки новых оригинальных идей и алгоритмов проектирования таких средств и систем управления нового поколения с использованием технологий мирового уровня, инструментальных программных средств, включая продукты корпорации Microsoft.

Результат 3: способность определять, систематизировать и получать необходимую информацию в области автоматизации и управления и систем на основе новейших методов исследований и инструментальных средств и технологий.

Результат 4: способность планировать и проводить аналитические, имитационные и экспериментальные исследования в области проектирования средств и систем автоматизации и управления, в том числе информационных средств и систем, с использованием новейших достижений науки и техники, передового отечественного и зарубежного опыта, уметь критически оценивать полученные теоретические и экспериментальные данные и делать выводы.

Результат 5: способность воспринимать, обрабатывать, анализировать и обобщать научно-техническую информацию, передовой отечественный и зарубежный опыт в области теории и проектирования средств и систем автоматизации и управления, принимать участие в фундаментальных и прикладных исследованиях по созданию новых методов и алгоритмов синтеза и анализа систем автоматического и автоматизированного управления, в том числе информационных систем, а также участвовать в командах по разработке таких устройств и систем.

Результат 6: способность интегрировать знания в области анализа и проектирования систем автоматизации и управления в смежных с ней областях и решать задачи, требующие абстрактного мышления и оригинальности анализа для концептуализации используемых инженерных моделей и подходов.

Результат 7: иметь всестороннее понимание используемых современных методов, алгоритмов, моделей и технических решений и знать области их применения.

Вышеуказанные цели преподавания и задачи изучения дисциплины «Искусственный интеллект и нейросетевое управление» и в определенной мере вышеуказанные результаты достигаются за счет совместной с препода-вателями и другими студентами работы в аудиториях, а также индивидуаль-ной познавательной деятельности студентов. С этой целью используется набор современных способов и средств обучения: лекции и лабораторные занятия; самостоятельная работа студентов по курсу; персональные ЭВМ, учебные пособия и методические указания к лабораторным работам и другие методические разработки, обеспечивающие данный курс на кафедре ИКСУ.

Практические навыки при изучении дисциплины «Искусственный интеллект и нейросетевое управление» студент приобретает во время выпол-нения лабораторных работ.

2. СОДЕРЖАНИЕ ТЕОРЕТИЧЕСКОГО РАЗДЕЛА ДИСЦИПЛИНЫ
   

(24 часа)


2.1. Базовые понятия искусственного интеллекта (ИИ) (4 часа)


Мышление и интеллект. Определение искусственного интеллекта. Терминология. Философские аспекты, проблемы систем искусственного интеллекта (возможность существования, безопасность, полезность). История и перспективы развития систем ИИ, области их практического использования. Архитектура и основные составные части систем ИИ.


2.2. Системы управления с нечеткой логикой (6 часов)


Краткая историческая справка. Основные идеи и практическое применение нечеткой логики. Лингвистические переменные и их описание. Операции над нечёткими множествами. Основная структура и принцип работы системы нечёткой логики. Фаззификация, правила логических выводов и дефаззификация. Пример использования системы с нечёткой логикой.


2.3. Экспертные системы (6 часов)


Базовые понятия. Назначение экспертных систем. Структуры эксперт-ных систем. Предпочтительное использование экспертных систем. Этапы разработки экспертных систем. Методология построения экспертных систем. Представление знаний в экспертных системах. Уровни представления и уровни детальности знаний. Организация знаний в рабочей системе. Методы поиска решений в экспертных системах. Инструментальные средства для экспертных систем. Инструментальные средства G2 создания экспертных систем реального времени. Система CLIPS.

2.4. Нейронные сети (8 часов)


Нейрон и его модели. Простейший персептрон. Системы типа Адалайн. Адалайн с сигмоидой на выходе. Классификация искусственных нейронных сетей. Статические линейные однослойные нейронные сети. Статические многослойные нейронные сети. Алгоритмы обучения статических много-слойных нейронных сетей. Динамические алгоритмы обучения многослой-ных нейронных сетей. Алгоритм обратного распространения ошибки.

3. СОДЕРЖАНИЕ ПРАКТИЧЕСКОГО РАЗДЕЛА ДИСЦИПЛИНЫ
   

3.1. Перечень лабораторных работ (8 часов)


3.1.1. Пакет Fuzzy Logic Toolbox. Построение нечеткой аппроксимирующей системы (2 часа).

3.1.2. Построение экспертной системы (2 часа).

3.1.3. Работа Fuzzy Logic с блоками Simulink (2 часа).

3.1.4. Программный пакет Neural Networks Toolbox Matlab 6.5 и использова-ние Simulink при построении нейронных сетей.


4. ПРОГРАММА САМОСТОЯТЕЛЬНОЙ ПОЗНАВАТЕЛЬНОЙ

ДЕЯТЕЛЬНОСТИ


Самостоятельная работа студентов по дисциплине "Искусственный интеллект" планируется в объеме 48 часов и включает в себя:

• регулярное закрепление лекционного материала (10 часов);
  
• подготовку к выполнению лабораторных работ (4 часа);
  
• подготовку отчетов по лабораторным работам (10 часов);
  
• ознакомление с содержанием отечественных и зарубежных периоди-ческих изданий по искусственному интеллекту и написание реферата на заданную тему (18 часов);
  
• подготовку к зачету (6 часов).
  

5. ТЕКУЩИЙ И ИТОГОВЫЙ КОНТРОЛЬ РЕЗУЛЬТАТОВ ИЗУЧЕНИЯ ДИСЦИПЛИНЫ
   

Для текущего контроля при изучении курса «Искусственный интеллект и нейросетевое управление» используется рейтинговая система оценки знаний студентов. По этой системе студент может набрать 100 баллов: 70 баллов в течение семестра и 30 баллов – на зачете. Принятая рейтинговая система по дисциплине "Искусственный интеллект" учитывает посещаемость запланированных аудиторных занятий (РПАЗ), результаты выполнения лабораторных работ (РЛР) и подготовку реферата (РПР). Таким образом, семестровый рейтинг студента

РС = РПАЗ + РЛР + РПР.

За посещение аудиторных занятий начисляется 1 балл за каждый академический час занятий, которые посетил студент. При посещении всех запланированных аудиторных занятий семестре студент получает 36 баллов.

Каждая лабораторная работа (их четыре) оценивается максимум в 6 баллов.

При качественной подготовке реферата на заданную тему студент получает 10 баллов.

Студент допускается к зачету при условии, что он выполнил и защитил все лабораторные работы, успешно сдал реферат и набрал в течение семестра не менее 50 баллов.

Максимальное количество баллов, которые студент может получить на зачете – 30. Зачет считается сданным, если студент получил на нем не менее 15 баллов. При меньшем количестве набранных на зачете баллов зачет не выставляется.


6. УЧЕБНО-МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ


6.1. Учебная литература основная


1. Терехов В. А., Ефимов Д. В., И. Ю. Тюкин. Нейросетевые системы управления. Уч. пособие. – М.: Высшая школа, 2002. – 183 с.

2. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. – М.: Горячая линия – Телеком, 2007. – 452 с.

3. Экспертные системы: Инструментальные средства разработки: Уч. пособие. Под ред. Ю. В. Юдина. – СПб.: Политехника, 1996. – 220 с.

4. Бакаев А. А., Гриценко В. И., Козлов Д. Н. Экспертные системы и логическое программирование. – Киев: Наукова думка, 1992. – 220 с.

5. Ерёмин Д. М., Гарцев И. Б. Искусственные нейронные сети в интел-лектуальных системах управления: уч. пособие. – М.: Изд-во МИРЭА, 2004. – 75 с.


6.2. Учебная литература дополнительная


1. Искусственный интеллект: справочник в 3-х книгах. – М.: Мир, 1990.

2. Лорьер Ж.-Л. Системы искусственного интеллекта. – М.: "Мир", 1991. – 342с.

3. Барский А. Б. Нейронные сети: распознавание, управление, принятие решений. – М.: Финансы и статистика, 2007. – 175 с.

4. Доорс Дж., Рейнблейн А.Р., Вадера С. Пролог - язык программирования будущего. – М.: Финансы и статистика, 1990. – 141с.

5. К. Нейлор. Как построить свою экспертную систему. – М.: Энерго-атомиздат, 1991. – 287 с.

6. Сигеру Омату и др. Нейроуправление и его приложения. Кн. 2. – М.: ИПРЖР, 2000. – 272с.

7. Искусственный интеллект. В 3-х кн. Кн. 1. Системы общения и экспертные системы: Справочник / Под ред. Э. В. Попова. – М.: Радио и связь, 1990. – 464 с.

8. Искусственный интеллект. В 3-х кн. Кн. 2. Модели и методы: Справочник / Под ред. Д.А. Поспелова. – М.: Радио и связь, 1990. – 304 с.

9. Искусственный интеллект: В 3-х кн. Кн. 3. Программные и аппаратные средства: Справочник / Под ред. В. Н.Захарова, В. Ф. Хорошевского. – М.: Радио и связь, 1990.

10. Джексон П. Введение в экспертные системы. – М.:, СПб., Киев: Изд-во «Вильямс», 2001.

11. Толковый словарь по искусственному интеллекту / Авторы-составители А. Н. Аверкин, М. Г. Гаазе-Рапопорт, Д. А.Поспелов. – М.: Радио и связь, 1992.

12. Тимофеев А.В. Роботы и искусственный интеллект.- М. "Наука" 1978- 192с.

13. Нечеткие множества и теория возможностей. / Под ред. Р. Ягера. – М.: Радио и связь, 1986.


6.3. Компьютерные программы

1. Интегрированный пакет математического моделирования MATLAB + Simulink.
   

6.3. Контролирующие материалы


В комплект контролирующих материалов по дисциплине «Теория управления» входят:

1. Зачетные билеты и набор контрольных задач.