Введение в специальность

Вид материала

Документы

Содержание Содержание дисциплины Тема 2.3. ОБУЧЕНИЕ ОДНОСЛОЙНОЙ НЕЙРОННОЙ СЕТИ Примерный перечень лабораторных работ Прикладные интеллектуальные системы Н.А. Гулякина О.Е. Елисеева М.Д. Степанова Кафедра информационных вычислительных систем Содержание дисциплины И обучающие системы Тема 2.2. ОПРЕДЕЛЕНИЕ ИНТЕЛЛЕКТУАЛЬНОЙ ОБУЧАЮЩЕЙ СИСТЕМЫ Тема 2.3. ДИАГНОСТИКА СОСТОЯНИЯ И ЗНАНИЙ ОБУЧАЕМОГО Тема 2.4. ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА ПРОЕКТИРОВАНИЯ ИОС В области медицины Тема 4.2. ПРОСТРАНСТВЕННЫЕ ЭЛЕМЕНТЫ, ТИПЫ И МО­ДЕЛИ ДАННЫХ Тема 4.3. СБОР И ВВОД ИНФОРМАЦИИ Тема 4.4. КАРТОГРАФИЧЕСКОЕ МОДЕЛИРОВАНИЕ Примерный перечень лабораторных работ Примерный перечень компьютерных программ

Подобный материал:

• Е. В. Арляпова введение в специальность «реклама», 1668.44kb.
• А. К. Мазуров введение в специальность, 3019.75kb.
• Рабочая учебная программа дисциплины «введение в специальность» для специальности, 107.59kb.
• Анализ и планирование трудовых показателей Аудит и контроллинг персонала Введение, 12.45kb.
• Рабочая программа дисциплины Введение в специальность специальность 032001 Документоведение, 55.23kb.
• Учебно-методический комплекс дисциплины Введение в литературоведение Специальность, 711.32kb.
• Учебно методический комплекс по дисциплине «Введение в специальность» Специальность, 2682.27kb.
• Курс Комплексный экзамен по циклам опд, сд и дисциплинам специализации: «Введение, 469.08kb.
• В г. Орске Специальность: 021100 «Юриспруденция» Дисциплина: Уголовное право Курсовая, 432.15kb.
• Введение в специальность, 1423.7kb.

СОДЕРЖАНИЕ ДИСЦИПЛИНЫ

Раздел 1. ОБЩЕЕ ПОНЯТИЕ О НЕЙРОСЕТЯХ

И НЕЙРОКОМПЬЮТЕРАХ


Тема 1.1. ОСНОВЫ ЕСТЕСТВЕННОГО ИНТЕЛЛЕКТА

Биологический нейрон. Нейронная организация мозга. Механизмы обучения. Самоорганизация биологических систем.


Тема 1.2. ИСКУССТВЕННЫЙ НЕЙРОН

Локальные анализаторы у человека и нейрокомпьютера. Искусственные нейронные системы. Формальный нейрон. Персептроны. История создания нейросетевых моделей и нейрокомпьютеров.


Тема 1.3. ЗАДАЧИ И ОБЛАСТЬ ПРИМЕНЕНИЯ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ

Задача прогнозирования. Задача классификации. Задача распознавания. Задача преобразования. Задача поиска решения.


Раздел 2. ОДНОСЛОЙНЫЕ НЕЙРОННЫЕ СЕТИ


Тема 2.1. ФОРМАЛЬНАЯ МОДЕЛЬ НЕЙРОНА

Задача нейрона. Типология нейронов, обучение нейрона. Типология нейросетевых моделей.


Тема 2.2. ФУНКЦИИ АКТИВАЦИИ НЕЙРОННЫХ ЭЛЕМЕНТОВ

Линейная функция. Пороговая функция. Линейная ограниченная функция. Модифицированная пороговая функция. Сигмоидная функция. Нейронные сети с пороговой функцией активации.


Тема 2.3. ОБУЧЕНИЕ ОДНОСЛОЙНОЙ НЕЙРОННОЙ СЕТИ

Правило обучения Хебба. Процедура обучения Розенблатта. Правило обучения Видроу - Хоффа. Выбор адаптивного шага обучения. Использование псевдообратной матрицы для обучения нейронных сетей. Использование нейронной сети для решения прикладных задач.


Раздел 3. МНОГОСЛОЙНЫЕ НЕЙРОННЫЕ СЕТИ


Тема 3.1. ТОПОЛОГИЯ И АНАЛИЗ МНОГОСЛОЙНЫХ НЕЙРОННЫХ СЕТЕЙ

Двуслойные, трехслойные нейронные сети. Нейронные сети высокого порядка. Алгоритм обратного распространения ошибки.


Тема 3.2. ОБУЧЕНИЕ МНОГОСЛОЙНЫХ НЕЙРОННЫХ СЕТЕЙ

Рекомендации по обучению и архитектуре многослойных нейронных сетей. Адаптивный шаг обучения. Алгоритм послойного обучения. Сравнительный анализ алгоритмов обучения. Алгоритм многократного распространения ошибки.


Раздел 4. ДРУГИЕ ВИДЫ НЕЙРОННЫХ СЕТЕЙ


Тема 4.1. МНОГОСЛОЙНЫЕ НЕЙРОННЫЕ СЕТИ С ОБРАТНЫМ РАСПРОСТРАНЕНИЕМ ИНФОРМАЦИИ

Рекуррентные нейронные сети. Обучение рекуррентной сети. Рециркулярные нейронные сети. Использование многослойных нейронных сетей с обратным распространением информации для решения прикладных задач.

Тема 4.2. РЕЛАКСАЦИОНЫЕ НЕЙРОННЫЕ СЕТИ

Нейронная сеть Хопфилда. Нейронная сеть Хэмминга. Двунаправленная ассоциативная память.


Тема 4.3. САМООРГАНИЗУЮЩИЕСЯ НЕЙРОННЫЕ СЕТИ КОХОНЕНА

Конкурентное обучение. Векторный квантователь. Самоорганизующиеся карты Кохонена. Решение задачи коммивояжера.


Тема 4.4. НЕЙРОННЫЕ СЕТИ АДАПТИВНОГО РЕЗОНАНСА

Основы адаптивного резонанса. Архитектура сети адаптивного резонанса. Алгоритм обучения.


Тема 4.5. ГИБРИДНЫЕ НЕЙРОННЫЕ СЕТИ

Нейронные сети встречного распространения. Нейронные сети с радикально-базисной функцией. Решение задач оптимизации. Методы ликвидации сбоев и ускорения обучения нейрокомпьютеров.


Раздел 5. ПРАКТИЧЕСКОЕ ИСПОЛЬЗОВАНИЕ НЕЙРОКОМПЬЮТЕРОВ


Тема 5.1. ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ ДЛЯ УПРАВЛЕНИЯ

Управление движением робота. Автономное управление мобильным роботом. Автономное управление автомобилем.


Тема 5.2. САМООРГАНИЗАЦИЯ И ОТКАЗОУСТОЙЧИВОСТЬ

Показатели надежности. Самоорганизующаяся линейная нейронная сеть. Отказоустойчивая сеть Хопфилда.


ПРИМЕРНЫЙ ПЕРЕЧЕНЬ ЛАБОРАТОРНЫХ РАБОТ

1. Варианты задач, решаемых с помощью нейрокомпьютеров. Задача распознавания.
   
2. Синтез последовательностей.
   
3. Формальный нейрон и функция активации нейронного элемента.
   

4. Обучающиеся системы. Способы обучения нейросетей и нейрокомпьютеров.

ЛИТЕРАТУРА

ОСНОВНАЯ

1. Головко В.А. Нейроинтеллект: Теория и применение. Кн. 1: Организация и обучение нейронных сетей с прямыми и обратными связями. - Брест: БПИ, 1999 .

2.  Головко В.А. Нейроинтеллект: Теория и применение. Кн. 2: Самоорганизация, отказоустойчивость и применение нейронных сетей. - Брест: БПИ, 1999.

ДОПОЛНИТЕЛЬНАЯ

1. Минский М., Пейперт С. Персептроны: Пер. с англ. / Под ред. В.А. Ко-валевского. - М.: Мир, 1971 .
   
2. Розенблатт Ф. Принципы нейродинамики. - М.: Мир, 1965. -
   
3. Соколов Е.Н., Шмелев Л.А. Нейробионика. - М.: Наука, 1983.
   

Утверждена

УМО вузов Республики Беларусь

по образованию в области информатики

и радиоэлектроники

« 03 » июня 2003 г.

Регистрационный № ТД-40-049/тип.


ПРИКЛАДНЫЕ ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ

И СИСТЕМЫ ПРИНЯТИЯ РЕШЕНИЙ


Учебная программа для высших учебных заведений

по специальности 1-40 03 01 Искусственный интеллект


Согласована с Учебно-методическим управлением БГУИР

« 28 » мая 2003 г.


Составители:

В.В. Голенков, заведующий кафедрой интеллектуальных информационных технологий Учреждения образования «Белорусский государственный университет информатики и радиоэлектроники», старший научный сотрудник, доктор технических наук;

Н.А. Гулякина, доцент кафедры интеллектуальных информационных технологий Учреждения образования «Белорусский государственный университет информатики и радиоэлектроники», кандидат физико-математических наук;

О.Е. Елисеева, доцент кафедры интеллектуальных информационных технологий Учреждения образования «Белорусский государственный университет информатики и радиоэлектроники», кандидат технических наук;

М.Д. Степанова, доцент кафедры интеллектуальных информационных технологий Учреждения образования «Белорусский государственный университет информатики и радиоэлектроники», старший научный сотрудник, кандидат технических наук


Рецензенты:

В.А. Сафроненко, ведущий научный сотрудник Института технической кибернетики Национальной академии наук Беларуси, доцент, кандидат технических наук;

Кафедра информационных вычислительных систем Военной академии Республики Беларусь (протокол № 2 от 18.09.2000 г.)


Рекомендована к утверждению в качестве типовой:

Кафедрой интеллектуальных информационных технологий Учреждения образования «Белорусский государственный университет информатики и радиоэлектроники» (протокол № 10 от 14.01.2002 г.);


Научно-методическим советом по направлению 1-40 Вычислительная техника УМО вузов Республики Беларусь по образованию в области информатики и радиоэлектроники (протокол № 1 от 18.02.2002 г.)


Разработана на основании Образовательного стандарта РД РБ 02100.5.114-98


Ответственный за редакцию: Т.А. Лейко

Ответственный за выпуск: Ц.С. Шикова


Пояснительная записка


Типовая программа «Прикладные интеллектуальные системы и системы принятия решений» разработана в соответствии с Образовательным стандартом РД РБ 02100.5.114-98 по специальности 1-40 03 01 Искусственный интеллект. Она предусматривает формирование представлений о целом классе компьютерных систем, разрабатываемых с использованием методов и средств искусственного интеллекта, и систем принятия решений. Применение методов и средств искусственного интеллекта при создании конкретных прикладных систем в настоящее время является одной из актуальных задач современной информатики, так как указанные методы позволяют перейти к принципиально более качественному и эффективному классу интеллектуальных систем (ИС). В особенности это касается систем, обрабатывающих большие объемы сложной иерархической информации и требующих применения различных методов решения неформализованных задач. Цель настоящей дисциплины -научить студента синтезировать все полученные в процессе учебы знания для получения конкретных практических результатов.

В результате освоения курса «Прикладные интеллектуальные системы и системы принятия решений» студент должен:

знать:

• особенности архитектур различных типов прикладных интеллектуальных систем;
  
• способы интеграции различных моделей решения задач для создания сложных интегрированных систем;
  
• способы интеграции различных типов информации и знаний в интеллектуальных системах различного назначения;
  
• способы интеграции программных и аппаратных средств в составе одной системы;
  
• классификацию медицинских, геоинформационных, робототехнических, обучающих и других ИС, их основные особенности и сферы применения;
  
• основные этапы технологии проектирования различных типов ИС;
  
• принципы построения систем принятия решений;
  

уметь характеризовать:

• основные типы прикладных интеллектуальных систем и особенности их разработки;
  
• методы решения задач и поддержки принятия решений для реализации указанных систем;
  
• способы приобретения, модели представления, хранения и переработки больших объемов сложноструктурированных трудно формализуемых знаний;
  
• способы применения и использования прикладных интеллектуальных систем и систем принятия решений;
  
• основные направления использования методов и средств искусственного интеллекта в робототехнических, медицинских, обучающих системах и т.п;
  
• основные формальные и математические модели, используемые в интеллектуальных системах различных типов;
  

уметь анализировать:

• методы реализации прикладных интеллектуальных систем различного назначения и систем принятия решений;
  
• методы представления и переработки информации различного типа в ИС;
  
• методы выбора наиболее подходящих моделей представления знаний для ИС;
  
• методы формализации смысловой постановки задачи, подбора аналитических методов, составления математической модели и вычислительных алгоритмов;
  

приобрести навыки:

• использования различных инструментальных средств проектирования прикладных интеллектуальных систем и систем принятия решений;
  
• использования различных систем программирования и операционных систем для реализации ИС различного назначения;
  
• постановки и спецификации реальных прикладных задач с целью их решения с использованием вычислительной техники;
  
• аналитического решения прикладных задач, анализа и обобщения полученных решений;
  
• проектирования, практической реализации, анализа и оценки конкретных компьютерных систем;
  
• разработки компонентов программного обеспечения ИС;
  
• взаимодействия с коллегами по работе и экспертами, принимающими участие в разработке прикладной интеллектуальной системы.
  

Программа состоит из ряда разделов, каждый из которых посвящен конкретному классу систем. Поэтому при разработке рабочей программы на ее основе допускается изменение последовательности разделов, а также пересмотр их содержания в соответствии с современным состоянием проблемы.

Программа рассчитана на объем 60 учебных часов. Примерное распределение учебных часов по видам занятий: лекций – 30 часов, лабораторных работ – 30 часов.


СОДЕРЖАНИЕ ДИСЦИПЛИНЫ


Раздел 1. ИНТЕЛЛЕКТУАЛЬНЫЕ РОБОТОТЕХНИЧЕСКИЕ СИСТЕМЫ


Тема 1.1. РОБОТЫ И ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ

Робототехнические системы первого, второго и третьего поколений. Интеллектуальные робототехнические системы. Адаптивные роботы. Дальнейшее развитие интеллектуальных робототехнических систем.


Тема 1.2. ПОСТРОЕНИЕ ПРОМЫШЛЕННЫХ РОБОТОВ

Механическая часть промышленных роботов. Технические характеристики системы. Конфигурация системы.


Тема 1.3. УПРАВЛЕНИЕ РОБОТОМ

Системы дистанционного и интерактивного управления роботами. Оперативное управление в гибких автоматизированных производствах.


Тема 1.4. ПРИМЕНЕНИЕ РОБОТОТЕХНИЧЕСКИХ СИСТЕМ

Применение роботов и гибких автоматизированных производств в промышленности (примеры). Использование интеллектуальных робототехнических систем для решения задач, связанных с риском.


Раздел 2. ИНТЕЛЛЕКТУАЛЬНЫЕ ТРЕНАЖЕРНЫЕ

И ОБУЧАЮЩИЕ СИСТЕМЫ


Тема 2.1. ИСТОРИЯ И СОВРЕМЕННЫЕ ТЕНДЕНЦИИ РАЗВИТИЯ КОМПЬЮТЕРНЫХ СИСТЕМ ОБУЧЕНИЯ (КСО)

Роль интеллектуальных обучающих систем (ИОС) в системе обучения. Актуальность интеллектуального интерфейса в ИОС и в любой компьютерной системе вообще.


Тема 2.2. ОПРЕДЕЛЕНИЕ ИНТЕЛЛЕКТУАЛЬНОЙ ОБУЧАЮЩЕЙ СИСТЕМЫ

Понятие ИОС, ее принципиальные отличия от традиционных КСО. Классификации ИОС. Архитектура ИОС. Индивидуализация обучения. Решение задач в ИОС. Управление обучением и гибкость ИОС. Понятие интеллектуального интерфейса. Стимуляторы процесса познания.


Тема 2.3. ДИАГНОСТИКА СОСТОЯНИЯ И ЗНАНИЙ ОБУЧАЕМОГО

Модель обучаемого. Способы реализации различных моделей обучаемого. Тестирование и диагностика знаний. Тестирование и диагностика психофизического состояния. Интеллектуальные тренажерные системы. Управление обучением в ИОС.


Тема 2.4. ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА ПРОЕКТИРОВАНИЯ ИОС

Ориентация на разработчика-непрофессионала в области компьютерных технологий: модель учителя. Структуризация и систематизация учебного материала. Использование средств мультимедиа. Ориентация на различные категории пользователей ИОС. Модели и методы представления и переработки знаний в ИОС. Технология проектирования ИОС на базе инструментальных средств. Оценка качества ИОС.


Раздел 3. ПРИКЛАДНЫЕ ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ

В ОБЛАСТИ МЕДИЦИНЫ


Тема 3.1. ОБЩАЯ ХАРАКТЕРИСТИКА МЕДИЦИНСКИХ СИСТЕМ

Классификация современных медицинских систем, их функциональное назначение. Структура  и основные компоненты медицинских систем. Интегрированная среда функционирования современных медицинских систем. Типология задач интеллектуализации медицинских систем.


Тема 3.2. ПРЕДСТАВЛЕНИЕ ЗНАНИЙ И ДАННЫХ В МЕДИЦИНСКИХ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ

Характеристика предметной области для медицинских систем. Модели знаний. Структуры данных.


Тема 3.3. МАТЕМАТИЧЕСКИЕ МЕТОДЫ ОБРАБОТКИ ИНФОРМАЦИИ, ИСПОЛЬЗУЕМЫЕ В МЕДИЦИНСКИХ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ

Методы анализа данных. Методы теории принятия решений. Методы диагностики.


Тема 3.4. ТЕХНОЛОГИЯ РАЗРАБОТКИ МЕДИЦИНСКИХ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ

Основные этапы создания системы, их содержание. Инструментальные средства разработки медицинских интеллектуальных систем. Использование современных информационных технологий в процессе создания и функционирования медицинских интеллектуальных систем.


Раздел 4. ИНТЕЛЛЕКТУАЛЬНЫЕ ГЕОИНФОРМАЦИОННЫЕ СИСТЕМЫ


Тема 4.1. ОПРЕДЕЛЕНИЕ ГЕОИНФОРМАЦИОННОЙ СИСТЕМЫ (ГИС)

Определение ГИС на основе четырех подсистем: сбора, хранения и редактирования, анализа, вывода данных. Сравнение методов традиционной картографии и современных ГИС.


Тема 4.2. ПРОСТРАНСТВЕННЫЕ ЭЛЕМЕНТЫ, ТИПЫ И МО­ДЕЛИ ДАННЫХ

Сферические и плоские координаты. Шкалы измерения данных. Общие характеристики и классификация картографических проекций. Организация данных внутри ГИС и использование стандартных СУБД. Растровые, векторные и векторно-топологические модели данных. Способы компактного хранения больших объемов пространственной информации. Интегрированная и гибридная модели организации данных ГИС.


Тема 4.3. СБОР И ВВОД ИНФОРМАЦИИ

Традиционные ручные и современные автоматизированные и автоматические методы сбора данных, включая получение и ввод изображений со спутников. Оборудование для ввода карт и его параметры. Организация процесса ввода.


Тема 4.4. КАРТОГРАФИЧЕСКОЕ МОДЕЛИРОВАНИЕ

Вывод карт и результатов анализа. Особенности вывода на дисплеи и бумагу. Использование символов. Дизайн карт. Нетрадиционные виды картографического вывода.


Тема 4.5. ПРОЕКТИРОВАНИЕ ИНТЕЛЛЕКТУАЛЬНЫХ ГИС

Модели жизненного цикла проекта, основных этапов, приоритетов. Общие параметры систем и оценка трудоемкости. Взаимодействие ГИС с внутренними и внешними участниками информационного процесса. Концеп­туальное и техническое проектирование. Человеческий фактор. Оценка затрат/отдачи. Создание прототипов. Пространственно-информационные продукты.


Раздел 5. ДРУГИЕ ТИПЫ ПРИКЛАДНЫХ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ И СИСТЕМЫ ПРИНЯТИЯ РЕШЕНИЙ


Тема 5.1. СИСТЕМНЫЙ ПОДХОД К АНАЛИЗУ И РАЗРАБОТКЕ СИСТЕМ ПРИНЯТИЯ РЕШЕНИЙ

Понятие состояния системы принятия решений: анализ текущего состояниЯ, способы изменения состояния, целевое состояние и средства его достижения. Окружение системы принятия решений. Системные ресурсы. Структурируемость задачи.


Тема 5.2. РОЛЬ И ФУНКЦИИ СИСТЕМ ПРИНЯТИЯ РЕШЕНИЙ

5.2.1. Компоненты системы принятия решений. Управление диалогом. Управление данными. Управление моделями. Архитектура и ресурсы систем принятия решений. Проектирование систем принятия решений. Примеры систем принятия решений.

5.2.2. Тенденции развития и использования систем принятия решений в различных областях.

5.2.3. Примеры других типов прикладных интеллектуальных систем.


ПРИМЕРНЫЙ ПЕРЕЧЕНЬ ЛАБОРАТОРНЫХ РАБОТ

1. Ознакомление с прототипами и фрагментами различных типов прикладных интеллектуальных систем.
   
2. Проектирование прикладной ИС или системы принятия решений в некоторой области.
   
3. Разработка компонентов прикладной ИС или системы принятия решений в некоторой области.
   
4. Разработка средств интерфейса прикладной ИС или системы принятия решений в некоторой области.
   

ПРИМЕРНЫЙ ПЕРЕЧЕНЬ КОМПЬЮТЕРНЫХ ПРОГРАММ,

НЕОБХОДИМОГО ОБОРУДОВАНИЯ

1. Компьютер класса Pentium, 32 Мб оперативной памяти.
   
2. Операционная система Windows98/NT.
   
3. Среда разработки Vicrosoft Visual C v. 5.0 и выше, Delphi v. 3.0 и выше и т.п.
   
4. Текстовой процессор Word97 и т.п.
   
5. Инструментальные средства проектирования ИС.
   
6. Пакет программ STATISTICA.
   
7. ГИС ArcView для PC.
   
8. Spatial Analyst для ГИС ArcView .
   
9. Картографическая база данных Digital Chart of the World.
   

ЛИТЕРАТУРА