Введение в специальность

Вид материала

Документы

Содержание Раздел 1. ОСНОВНЫЕ ПОНЯТИЯ Тема 2.1. КЛАССИЧЕСКОЕ ИСЧИСЛЕНИЕ ВЫСКАЗЫВАНИЙ Тема 2.2. ЛОГИЧЕСКИЕ ФОРМУЛЫ Тема 2.3. АЛГЕБРАИЧЕСКИЙ ПОДХОД В ИСЧИСЛЕНИИ ВЫСКАЗЫВАНИЙ Тема 3.2. ТЕОРИИ ПЕРВОГО ПОРЯДКА Тема 4.2. ЭЛЕМЕНТЫ ТЕОРИИ ДОКАЗАТЕЛЬСТВ Тема 5.1. ЛОГИЧЕСКОЕ ПРЕДСТАВЛЕНИЕ Тема 5.2. СЕТЕВОЕ ПРЕДСТАВЛЕНИЕ Тема 5.3. ОБЪЕКТНОЕ ПРЕДСТАВЛЕНИЕ Тема 5.4. ВВЕДЕНИЕ В ЛОГИЧЕСКОЕ ПРОГРАММИРОВАНИЕ Примерный перечень тем практических занятий Статистические основы индуктивного вывода М.Д. Степанова Кафедра информационных технологий управления Разработана на основании Образовательного стандарта РД РБ 02100.5.114-98 Содержание дисциплины Для получения новых знаний Примерный перечень компьютерных программ Неклассические, прикладные логики В.П. Ивашенко ... Полное содержание

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.

Раздел 1. ОСНОВНЫЕ ПОНЯТИЯ

Тема 1.1. ФУНКЦИИ ЛОГИКИ

Место логики в математике. Формальная логика. Математическая логика. Истинность и ложность предложений. Роль логики в разработке прикладных интеллектуальных систем. Логические языки и представление знаний. Решение задач с использованием логических языков.


Раздел 2. ИСЧИСЛЕНИЕ ВЫСКАЗЫВАНИЙ

Тема 2.1. КЛАССИЧЕСКОЕ ИСЧИСЛЕНИЕ ВЫСКАЗЫВАНИЙ

Синтаксис исчисления высказываний. Семантика исчисления высказываний. Пропозициональные связки. Истинностные таблицы.

Тема 2.2. ЛОГИЧЕСКИЕ ФОРМУЛЫ

Понятие формулы. Истинность формул. Выполнимость формул. Общезначимость как истинность во всех возможных интерпретациях. Правило подстановки. Монотонность. Двойственность. Импликация и эквивалентность. Отношение следования. Доказуемость и выводимость. Теорема дедукции. Непротиворечивость и полнота исчисления высказываний.


Тема 2.3. АЛГЕБРАИЧЕСКИЙ ПОДХОД В ИСЧИСЛЕНИИ ВЫСКАЗЫВАНИЙ

Булева алгебра, ассоциированная с классическим исчислением высказываний. Пропозициональные теории и их связь с фильтрами соответствующей булевой алгебры. Классификация пропозициональных теорий. Принцип резолюций в исчислении высказываний. Операторы присоединения следствий. Нормальные формы в логике высказываний.


Раздел 3. ИСЧИСЛЕНИЕ ПРЕДИКАТОВ


Тема 3.1. КЛАССИЧЕСКОЕ ИСЧИСЛЕНИЕ ПРЕДИКАТОВ

Недостаточность логики высказываний для анализа рассуждений. Предикаты. Кванторы. Кванторы всеобщности и существования. Синтаксис исчисления предикатов. Свободные и связанные переменные. Семантические ограничения исчисления предикатов. Теоретико-множественная модель исчисления предикатов.


Тема 3.2. ТЕОРИИ ПЕРВОГО ПОРЯДКА

Аксиомы. Непротиворечивость и независимость аксиом. Свойства теории первого порядка. Теоремы о полноте. Модели теории. Примеры теорий первого порядка. Классификация теорий первого порядка.


Раздел 4. ЛОГИЧЕСКИЙ ВЫВОД И ЭЛЕМЕНТЫ ТЕОРИИ ДОКАЗАТЕЛЬСТВ


Тема 4.1. ВЫЧИСЛИМОСТЬ И РАЗРЕШИМОСТЬ

Разрешающие и вычислительные процедуры. Примеры выводимых формул. Термы. Расширенное исчисление предикатов. Рекурсивные термы. Рекурсивные предикаты. Вычислимые функции. Эффективная вычислимость. Нормальные алгоритмы. Решатели задач.

Тема 4.2. ЭЛЕМЕНТЫ ТЕОРИИ ДОКАЗАТЕЛЬСТВ

Постановка вопроса о непротиворечивости и независимости аксиом. Отрицание кванторов и кванторные утверждения о данных. Приведение к системе дизъюнктов. Принцип резолюции в исчислении предикатов. Негативные цели и утверждения. Применение метода резолюций для ответов на вопросы. Подстановка и унификация. Глобальные стратегии поиска решений. Удаление избыточных подцелей. Добавление замещающих подцелей.


Раздел 5. ПРЕДСТАВЛЕНИЕ ЗНАНИЙ И РАССУЖДЕНИЙ

Тема 5.1. ЛОГИЧЕСКОЕ ПРЕДСТАВЛЕНИЕ

Использование логики предикатов для представления знаний. Модальная логика предикатов. Семантика возможных миров. Лямбда-исчисление. Рассуждения, использующие логические формулы. Системы прямой и обратной дедукции.

Тема 5.2. СЕТЕВОЕ ПРЕДСТАВЛЕНИЕ

Концептуальные графы. Семантические сети. Правила конъюнкции и упрощения. Унаследованные свойства. Рассуждения, использующие семантические сети.

Тема 5.3. ОБЪЕКТНОЕ ПРЕДСТАВЛЕНИЕ

Фреймы и слоты. Функциональные фреймы. Рассуждения, использующие объектное представление. Паросочетание. Функциональные атрибуты. Иерархические рассуждения. Рассуждения с умолчаниями.


Тема 5.4. ВВЕДЕНИЕ В ЛОГИЧЕСКОЕ ПРОГРАММИРОВАНИЕ

Формальные грамматики и логика. Иерархия Хомского. Конечные автоматы и диаграммы переходов. Примеры языков логического программирования.


ПРИМЕРНЫЙ ПЕРЕЧЕНЬ ТЕМ ПРАКТИЧЕСКИХ ЗАНЯТИЙ

1. Приоритет операций в исчислении высказываний.
   
2. Построение истинностных таблиц.
   
3. Интерпретации языка классического исчисления высказываний.
   
4. Проверка общезначимости, выполнимости формул. Противоречивые формулы.
   
5. Нормальные формы в логике высказываний.
   
6. Принцип резолюции.
   
7. Классическое исчисление предикатов. Кванторы всеобщности и существования.
   
8. Свободные и связанные переменные.
   
9. Теоретико-множественная модель исчисления предикатов.
   
10. Отрицание кванторов и кванторные утверждения о данных.
    
11. Приведение к системе дизъюнктов.
    
12. Принцип резолюции в исчислении предикатов.
    
13. Применение метода резолюций для ответов на вопросы.
    
14. Подстановка и унификация.
    

ЛИТЕРАТУРА

ОСНОВНАЯ

1. Логический подход к искусственному интеллекту: от классической логики к логическому программированию: Пер. с франц. / А. Тейз, П. Грибомон. и др.- М.: Мир, 1990.
   
2. Математическая логика: Учеб. пособие / Л.А. Латонин, Ю.А. Макаренков, В.В. Николаева, А.А. Столяр; Под общ.ред. А.А. Столяра. - Мн.: Выш. шк., 1991.
   
3. Мендельсон Э. Введение в математическую логику: Пер. с англ.- 3-е изд.-(не отличается от 2-го). - М.: Наука, Гл.ред.физ.-мат.лит., 1984 (2-е изд. - 1976).
   

4. Чень Ч., Ли Р. Математическая логика и автоматическое доказа­тельство теорем: Пер. с англ. - М.: Наука, Гл.ред.физ.-мат. лит., 1983.


ДОПОЛНИТЕЛЬНАЯ

1. Нагел Э., Саппс. П., Тарский А. Математическая логика и её применения: Сб. ст. - М.: Мир, 1965.
   

Дополнительные учебно-методические разработки по лабораторным, практическим занятиям и дополнительным модулям в данной программе не приведены и указываются при составлении рабочих программ.

Утверждена

УМО вузов Республики Беларусь

по образованию в области информатики

и радиоэлектроники

« 03 » июня 2003 г.

Регистрационный № ТД-40-042/тип.


СТАТИСТИЧЕСКИЕ ОСНОВЫ ИНДУКТИВНОГО ВЫВОДА


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:

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

М.Д. Степанова, доцент кафедры интеллектуальных информационных технологий Учреждения образования «Белорусский государственный университет информатики и радиоэлектроники», доцент, кандидат физико-математических наук


Рецензенты:

Е.Е. Жук, доцент кафедры математического моделирования и анализа данных Учреждения образования «Белорусский государственный университет», старший научный сотрудник, доктор физико-математических наук;

Кафедра информационных технологий управления Академии управления при Президенте Республики Беларусь (протокол № 10 от 16.05.2000 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 «Статистические основы индуктивного вывода» разработана в соответствии с Образовательным стандартом РД РБ 02100.5.114-98 по специальности 1-40 03 01 Искусственный интеллект. Она предусматривает формирование представлений об одном из важнейших направлений автоматизации извлечения знаний в интеллектуальных системах (ИС) – применении методов правдоподобных рассуждений и индуктивного вывода – и об используемых для этого формальных и математических моделях. Для получения вывода в условиях априорной неопределенности современные индуктивные логики широко привлекают аппарат теории вероятности и математической статистики. Поэтому целью изучения дисциплины является ознакомление с проблемами и основными понятиями индуктивного вывода как вида правдоподобных рассуждений в ИС, а также статистическими методами индуктивного вывода, необходимыми для переработки и получения новых знаний.

В результате освоения курса «Статистические основы индуктивного вывода» студент должен:

знать:

• индуктивные механизмы вывода на знаниях в интеллектуальных системах, их особенности, преимущества;
  
• основные виды индукции в классической индуктивной логике, отличия правил вывода в формальных дедуктивных и индуктивных системах, основные меры качества вывода в современных индуктивных логиках;
  
• способы автоматического порождения гипотез;
  
• статистические и вероятностные методы, применяемые в индуктивном выводе;
  
• статистические методы переработки знаний и проверки гипотез;
  

уметь анализировать:

• модели индуктивного вывода и методы их применения при проектировании интеллектуальных систем;
  
• методы прикладной статистики для решения задач искусственного интеллекта;
  

уметь характеризовать:

• методы правдоподобных рассуждений;
  
• методы индуктивного вывода на знаниях;
  

приобрести навыки:

• применения методов математической статистики и статистических пакетов программ, систем программирования и инструментальных программных средств для реализации механизмов индуктивного вывода и формирования гипотез в ИС различного назначения.
  

Программа рассчитана на объем 60 учебных часов. Примерное распределение учебных часов по видам занятий: лекций – 40 часов, лабораторных работ – 20 часов.


СОДЕРЖАНИЕ ДИСЦИПЛИНЫ


Раздел 1. ОБЩИЕ СВЕДЕНИЯ ОБ ИНДУКТИВНОМ ВЫВОДЕ


Тема 1.1. ПОНЯТИЕ ИНДУКЦИИ

Основные виды индукции (перечислительная, элиминативная, индукция как обратная дедукция). Индуктивная логика как инструмент получения нового знания.


Тема 1.2. ИНДУКТИВНЫЙ ВЫВОД

Индуктивные рассуждения как вид правдоподобных рассуждений. Модели и задачи индуктивного вывода. Индуктивное описание фактов и правила индуктивного обобщения.


Раздел 2. АВТОМАТИЧЕСКОЕ ПОРОЖДЕНИЕ ГИПОТЕЗ

ДЛЯ ПОЛУЧЕНИЯ НОВЫХ ЗНАНИЙ


Тема 2.1. ФОРМИРОВАНИЕ ГИПОТЕЗ

Процедуры формирования гипотез в традиционной и современной индуктивной логике. Подтверждение и принятие гипотезы. Вероятностные модели подтверждения и принятия гипотез в индуктивном выводе.


Тема 2.2. ИМИТАЦИЯ ИНДУКТИВНЫХ РАССУЖДЕНИЙ

2.2.1. Системы формальной имитации индуктивных рассуждений, связанные с прикладными аспектами обработки данных (ДСМ-метод, GUHA-метод, метод Плоткина). Математические модели, используемые для формализации процедур индуктивного вывода и анализируемых данных.

2.2.2. Развитие методов индуктивного вывода Дж. С. Милля в ДСМ-методе. Виды индуктивных рассуждений в ДСМ-методе и логические средства их формализации.


Тема 2.3. ФОРМАЛИЗАЦИЯ ИНДУКТИВНОГО ВЫВОДА

2.3.1. Методы порождения гипотез в ДСМ-методе и алгоритмы их реализации.

2.3.2. Концепция формализации индуктивного вывода с использованием логических моделей, эмпирических структур и статистических процедур проверки гипотез (GUHA-метод порождения гипотез). Правила индуктивного вывода в GUHA-методе. Процедуры порождения и оценки гипотез относительно эмпирических данных, их программная реализация.


Раздел 3. СТАТИСТИЧЕСКИЕ ОСНОВЫ ИНДУКТИВНОГО ВЫВОДА


Тема 3.1. ВЕРОЯТНОСТЬ И ИНДУКЦИЯ

3.1.1. Вероятностно-статистический способ рассуждения как вид индуктивного рассуждения.

3.1.2. Наиболее распространенные типы вероятностно-статистических моделей, используемых в индуктивном выводе, и алгоритмы их реализации.

3.1.3. Правила действия со случайными событиями и вероятностями их осуществления.


Тема 3.2. СТАТИСТИЧЕСКИЙ ВЫВОД

3.2.1. Статистический вывод о сходстве и различиях как форма индуктивного рассуждения. Формирование высказываний-гипотез как посылок вывода. Принципы статистического вывода, основанные на проверке гипотез (область принятия и отклонения гипотезы, ошибки первого и второго рода, логическая схема проверки гипотезы).

3.2.2. Основные типы статистических гипотез: гипотезы однородности, гипотезы согласия, гипотезы независимости.

3.2.3. Методы и критерии статистической проверки гипотез.


Примерный перечень лабораторных работ

1. Реализация алгоритма индуктивного вывода методами сходства и различия.
   
2. Реализация алгоритма индуктивного вывода методом остатков.
   
3. Реализация модели подтверждения гипотезы на основе субъективных вероятностей.
   
4. Моделирование полной группы случайных событий.
   
5. Моделирование зависимых событий.
   
6. Реализация байесовского правила.
   
7. Построение области отклонения и принятия статистической гипотезы.
   
8. Проверка гипотез однородности.
   
9. Проверка гипотезы согласия.
   
10. Проверка гипотезы независимости.
    

ПРИМЕРНЫЙ ПЕРЕЧЕНЬ КОМПЬЮТЕРНЫХ ПРОГРАММ

(или другой информации, необходимого оборудования и т.п.)

1. Компьютер класса Pentium, не менее 32 Мб оперативной памяти.
   
2. Операционная система Windows98/NT и выше.
   
3. Среда разработки и выше Microsoft Visual C v. 5.0 и выше, Delphi v. 3.0 и выше.
   
4. Текстовый процессор Word97 и выше.
   

ЛИТЕРАТУРА

ОСНОВНАЯ

1. Боровиков В. П., Боровиков В. П. STATISTICA®  – Статистический анализ и обработка данных в среде Windows®. - М.: Информ.-изд. дом "Филинъ", 1997.
   
2. Жевняк Р. М., Карпук А. А. Высшая математика. Ч. 5. - Мн.: Выш. шк., 1988.
   
3. Кайберг Г. Вероятность и индуктивная логика. - М.: Прогресс, 1978.
   
4. Мюллер П., Нойман П., Шторм Р. Таблицы по математической статистике. -М.: Финансы и статистика, 1982.
   
5. Прикладная статистика: Основы моделирования и первичная обработка данных / С. А. Айвазян, И. С. Енюков, Л. Д. Мешалкин. - М.: Финансы и статистика, 1983.
   
6. Финн В. К. Правдоподобные рассуждения в интеллектуальных системах типа ДСМ // Итоги науки и техники. Информатика. Т. 15. 1991.
   

ДОПОЛНИТЕЛЬНАЯ

1. Гаек П., Гавранек Т. Автоматическое образование гипотез. - М.: Наука, 1984.
   
2. Минто В. Дедуктивная и индуктивная логика. - М.: Комета, 1995.
   

Утверждена

УМО вузов Республики Беларусь

по образованию в области информатики

и радиоэлектроники

« 03 » июня 2003 г.

Регистрационный № ТД-40-043/тип.


НЕКЛАССИЧЕСКИЕ, ПРИКЛАДНЫЕ ЛОГИКИ

И ПРАВДОПОДОБНЫЕ РАССУЖДЕНИЯ


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;

В.П. Ивашенко, ассистент кафедры интеллектуальных информационных технологий Учреждения образования «Белорусский государственный университет информатики и радиоэлектроники»


Рецензенты:

В.Д. Цветков, заведующий кафедрой САПР Учреждения образования «Белорусская государственная политехническая академия», профессор, доктор технических наук;

Кафедра математического моделирования и анализа данных Учреждения образования «Белорусский государственный университет» (протокол № 3 от 10.10.2000 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 «Неклассические, прикладные логики и правдоподобные рассуждения» разработана в соответствии с Образовательным стандартом РД РБ 02100.5.114-98 по специальности 1-40 03 01 Искусственный интеллект. Целью дисциплины является изучение основных видов неклассических логик в качестве формальной основы для разработки инструментальных средств проектирования прикладных интеллектуальных систем, изучение теоретических основ разработки баз знаний и создания прикладных интеллектуальных систем для трудно формализуемых предметных областей.

В результате освоения курса «Неклассические, прикладные логики и правдоподобные рассуждения» студент должен:

знать:

• основные виды неклассических и прикладных логик;
  
• основы нечетких множеств и нечеткой логики;
  
• временные и пространственные логики;
  
• основы правдоподобных рассуждений;
  

уметь характеризовать:

• особенности рассуждений в рамках неклассических логик;
  

уметь анализировать:

• основные понятия неклассических и прикладных логик;
  
• методы представления знаний с использованием неклассических и прикладных логик;
  

приобрести навыки:

• использования неклассических и прикладных логик в интеллектуальных системах;
  
• использования моделей правдоподобных рассуждений для решения задач искусственного интеллекта.
  

Программа рассчитана на объем 70 учебных часов. Примерное распределение учебных часов по видам занятий: лекций – 40 часов, лабораторных работ – 15 часов, практических занятий – 15 часов.


СОДЕРЖАНИЕ ДИСЦИПЛИНЫ