Федеральное агентство по рыболовству
| Вид материала | Основная образовательная программа |
- Федеральная целевая программа "Развитие электронной компонентной базы и радиоэлектроники", 3538.74kb.
- Федеральное агентство по рыболовству Федеральное государственное учреждение, 238.81kb.
- Федеральное агентство по рыболовству, 102.49kb.
- Федеральное агентство по рыболовству, 1217.46kb.
- Федеральное агентство по рыболовству, 1299.43kb.
- Федеральное агентство по рыболовству, 1721.64kb.
- Программа-минимум кандидатского экзамена по специальности 12. 00. 01 «Теория и история, 921.53kb.
- Федеральное агентство по рыболовству, 105.13kb.
- Федеральное агентство по рыболовству азово черноморское территориальное управление, 84.7kb.
- Английский язык методические указания и контрольные задания для студентов специальности, 646.48kb.
Аннотация к рабочей программе дисциплины «Системы искусственного интеллекта»
1. Цели и задачи дисциплины
Целью преподавания дисциплины является знакомство с методами и технологиями построения интеллектуальных систем. Основная задача дисциплины – обучить методам решения прикладных задач с применением технологий искусственного интеллекта.
2. Требования к уровню освоения содержания дисциплины.
Процесс изучения дисциплины направлен на формирование у обучаемого следующих компетенций:
- использует основные законы естественнонаучных дисциплин в профессиональной деятельности, применяет методы математического анализа и моделирования, теоретического и экспериментального исследования (ОК-10);
- осваивать методики использования программных средств для решения практических задач (ПК-2);
- разрабатывать компоненты программных комплексов и баз данных, использовать современные инструментальные средства и технологии программирования (ПК-5);
В результате изучения дисциплины студент должен:
- знать: основные технологические подходы к построению интеллектуальных систем, критерии выбора инструментальных средств, методы автоматизации формирования знаний.
- уметь: применять изученные технологии для создания интеллектуальных систем
3. Содержание дисциплины. Основные разделы.
Понятие искусственного интеллекта. Структурный подход к понятию интеллекта. Основные исторические этапы в развитии подходов и методов искусственного интеллекта. Понятие интеллектуальной системы. Двойственность смыслового содержания понятия "интеллектуальный": бытовое – "близкий по уровню понимания и реакции к человеческому интеллекту" и специальное – "построенный по принципам и технологиям искусственного интеллекта". Способность к общению как элемент интеллектуальности. Применение методов искусственного интеллекта в создании прикладных систем. Направления искусственного интеллекта: классификация по используемым методам, классификация по предметным областям. Человеко-машинные системы решения сложных задач. Решение задач методом поиска в пространстве состояний. Решение задач методом редукции. Метод анализа средств и целей. Решение задач методом дедуктивного вывода. Логические системы. Метод резолюции и его применение для решения задач. Методы решения задач, использующие немонотонные логики, вероятностные логики. Понятие знаний как информации о способах решения задач. Данные и знания. Конструктивные особенности знаний. Сравнительный анализ двух подходов к решению задач: алгоритмического и основанного на применении знаний. Основная идея технологии инженерии знаний – отделение знаний от процесса их использования. Проблема представления знаний. Обзор основных моделей представления знаний: продукционная модель, фреймовая модель, логическая модель, семантические сети. Понятие языка представления знаний. Представление и применение нечетких знаний.
Технологические аспекты построения интеллектуальной системы. Этапы технологического процесса разработки экспертной системы: обоснование, идентификация, концептуализация, формализация, реализация, тестирование. Уровни реализации: демонстрационный прототип, исследовательский прототип, действующий прототип, промышленная система, коммерческая система. Показатели качества: работоспособность, достоверность и информативность решений. Показатели быстродействия: относительные временные затраты, эффективность вывода, количество изменений состояния рабочей памяти в единицу времени. Аппаратные и программные инструментальные средства. Символьные языки программирования. Специализированные языки инженерии знаний, "пустые" системы, оболочки. Критерии оценки инструментальных средств: универсальность, мощность, эффективность. Характеристические особенности инструментальных систем высокого уровня. Современный рынок оболочек.
Методы приобретения знаний. Языки представления знаний и текстовые редакторы. Интеллектуальные редакторы. Методы автоматизированного формирования знаний. Методы извлечения знаний. Принципы индуктивного обобщения. Обобщение по признакам. Обобщение по структурам. Системы автоматического формирования знаний.
Примеры построения интеллектуальных систем для решения различных прикладных задач.
+-Аннотация к рабочей программе дисциплины «Введение в автоматическое доказательство теорем»
1. Цели и задачи дисциплины
Целью изучения дисциплины является:
Задачей изучения дисциплины является:
2. Требования к уровню освоения содержания дисциплины.
Процесс изучения дисциплины направлен на формирование у обучаемого следующих компетенций:
- использует основные законы естественнонаучных дисциплин в профессиональной деятельности, применяет методы математического анализа и моделирования, теоретического и экспериментального исследования (ОК-10);
- осваивать методики использования программных средств для решения практических задач (ПК-2);
- разрабатывать компоненты программных комплексов и баз данных, использовать современные инструментальные средства и технологии программирования (ПК-5);
В результате изучения дисциплины студент должен:
- уметь:
- владеть:
3. Содержание дисциплины. Основные разделы.
Язык логики предикатов и его семантика: язык первого порядка, интерпретация языка первого порядка, общезначимые формулы, логическое следствие, теорема о логическом следствии, равносильные формулы.
Общее понятие исчисления.
Исчисление предикатов гильбертовского типа: формулировка исчисления, корректность и полнота исчисления, техника естественного вывода, алгоритм Британского музея.
Секвенциальное исчисление предикатов генценовского типа: систематический поиск контрпримера для формулы, формулировка секвенциального исчисления предикатов, корректность секвенциального исчисления предикатов, полнота секвенциального исчисления высказываний, метод метапеременных, схема алгоритма поиска вывода в секвенциальном исчислении предикатов, теорема о полноте секвенциального исчисления предикатов и о корректности такого алгоритма; соотношение секвенциального исчисления предикатов и исчисления предикатов гильбертовского типа, допустимость правила сечения.
Унификация: подстановки, унификаторы, наиболее общие унификаторы, алгоритм унификации и теорема о его корректности. Унификация при поиске вывода в секвенциальном исчислении предикатов с метапеременными.
Метод резолюций: метод резолюций для логики высказываний, теорема о его корректности; cкулемовская стандартная форма, теорема о выполнимости формулы и её скулемовской стандартной формы; эрбрановские интерпретации, теорема о ложности множества дизъюнктов в эрбрановских интерпретациях; семантические деревья, теорема Эрбрана в терминах семантических деревьев и в терминах основных примеров дизъюнктов, основанный на теореме Эрбрана алгоритм проверки невыполнимости множества дизъюнктов; метод резолюций для логики предикатов, его корректность, лемма подъёма, теорема о полноте метода резолюций для логики предикатов, алгоритм доказательства методом резолюций.
Основы логического программирования: логическая программа и её декларативная семантика, SLD-резолюция, пример представления знаний в виде логической программы и поиска ответа на запрос к логической программе, операционная семантика логической программы, теорема о корректности вычисленной подстановки