Рабочая программа дисциплины «Системы искусственного интеллекта» по направлению подготовки дипломированного специалиста 654600 «Информатика и вычислительная техника»

Вид материала

Рабочая программа

Содержание 1. Цели и задачи дисциплины Основными задачами изучения дисциплины являются 2. Требования к уровню освоения содержания дисциплины 3. Объем дисциплины и виды учебной работы Вид учебной работы 4. Содержание дисциплины 4.2. Содержание разделов дисциплины. 1.1. История искусственного интеллекта (2 час). 1.2. Знания и данные (1 час). 1.3. Понятия о прикладных системах искусственного интеллекта (2 часа). 2.1. Логика предикатов первого порядка (2 часа). 2.2. Псевдофизические логики (2 часа). 2.3. Правила-продукции (3 часа). 2.4. Семантические сети (2 часа). 2.5. Фреймы и объекты (2 часа). 2.6. Нейронные сети (1 час). 3.1. Архитектура экспертных систем (2 часа). 3.2. Технология построения экспертных систем (3 часа). 3.3. Взаимодействие с компьютером на естественном языке (2 часа). 3.4. Методы приобретения знаний (4 часа). ... Полное содержание

Подобный материал:

• Рабочая программа дисциплины «Компьютерная графика» по направлению подготовки дипломированного, 108.6kb.
• Рабочая программа дисциплины «Теория систем» по направлению подготовки дипломированного, 142.63kb.
• Рабочая программа дисциплины «Методы оптимизации» по направлению подготовки дипломированного, 132.79kb.
• Рабочая программа дисциплины «Теория принятия решений» по направлению подготовки дипломированного, 176.95kb.
• Рабочая программа дисциплины «Инструментальные средства 3D графики» по направлению, 112.55kb.
• Рабочая программа дисциплины «Параллельные вычислительные процессы» по направлению, 108.72kb.
• Рабочая программа дисциплины «Компьютерные системы поддержки принятия решений» по направлению, 133.4kb.
• Рабочая программа дисциплины «Системный анализ и исследование операций» по направлению, 161.5kb.
• Рабочая программа дисциплины «Проектирование интеллектуальных автоматизированных систем», 126.15kb.
• Рабочая программа дисциплины «Современные технологии разработки интеллектуальных автоматизированных, 121.51kb.

Министерство образования Российской Федерации

Московский государственный горный университет

УТВЕРЖДАЮ

Председатель УМК по направлению

«Информатика и вычислительная техника»

проф., д.т.н. Федунец Н.И.

«_____» ____________2002 г.

Рабочая программа

дисциплины «Системы искусственного интеллекта»

по направлению подготовки дипломированного специалиста

654600 - «Информатика и вычислительная техника»

специальности 220200 – «Автоматизированные системы обработки информации и управления»

Москва 2002

^ 1. ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ

Цели изучения дисциплины – формирование системного базового представления, первичных знаний, умений и навыков студентов по основам инженерии знаний и нейроинформатики как двум основным направлениям построения интеллектуальных систем, дать общие представления о прикладных системах искусственного интеллекта, дать представление о роли искусственного интеллекта и нейроинформатики в развитии информатики в целом, а также, в научно-техническом прогрессе, подготовка студентов к применению концепций интеллектуальных систем в обучении в магистратуре и при дипломном проектировании по специальности 220200.

^ Основными задачами изучения дисциплины являются:

• усвоение студентами основных принципов использования теории и методов искусственного интеллекта и нейроинформатики в построении современных компьютерных систем;
  
• получение ими практических навыков в исследовании и построении систем искусственного интеллекта.
  

^ 2. ТРЕБОВАНИЯ К УРОВНЮ ОСВОЕНИЯ СОДЕРЖАНИЯ ДИСЦИПЛИНЫ

В результате изучения дисциплины у студентов должны быть сформулированы представления о:

• истории, целях и задачах исследований в области искусственного интеллекта,
  
• прикладных системах искусственного интеллекта,
  
• двух подходах к построению интеллектуальных систем – логическом и нейрокибернетическом,
  
• нечеткости знаний, ее природе и разновидностях,
  
• проблемах построения систем общения с компьютером на естественном языке,
  
• областях применения интеллектуальных систем,
  
• проблемах и основных методах представления и обработки знаний, проблемах и способах построения нейронных сетей.
  

В результате изучения дисциплины студент должен знать:

• понятия инженерии знаний и нейрокибернетики,
  
• методы представления и обработки знаний,
  
• основные модели нейронных сетей, методы и алгоритмы их обучения,
  
• структуры экспертных систем и их архитектурные особенности в зависимости от особенностей решаемой задачи,
  
• этапы построения экспертных систем,
  
• методы построения систем общения на естественном языке.
  

Студент должен уметь :

• ориентироваться в различных типах интеллектуальных систем,
  
• ориентироваться в различных методах представления знаний, переходить от одного метода к другому,
  
• формализовать знания экспертов с применением различных методов представления знаний,
  
• ставить задачу построения экспертной системы для решения задачи выбора вариантов в плохо формализуемой предметной области,
  
• разрабатывать продукционные базы знаний для решения задач задачи выбора вариантов в плохо формализуемой предметной области
  
• применять основные модели нейронных сетей
  

^ 3. ОБЪЕМ ДИСЦИПЛИНЫ И ВИДЫ УЧЕБНОЙ РАБОТЫ

Дисциплины, необходимые для предварительного изучения: «Теория принятия решения», «Математическая логика и теория алгоритмов», «Вычислительная математика», «Основы теории управления».

^ Вид учебной работы	Всего часов	Семестр
Общая трудоемкость дисциплины Аудиторные занятия	100 (102) 51	8
Лекции Практические занятия (ПЗ) Лабораторные занятия (ЛЗ)	34 - 17
Самостоятельная работа (СР)	51
Курсовая работа (КР)	-
Расчетно-графические работы (РГР)	-
Вид итогового контроля		зачет

^ 4. СОДЕРЖАНИЕ ДИСЦИПЛИНЫ

4.1. Разделы дисциплины и виды занятий

№ п/п	Раздел дисциплины	Лекции	ПЗ	ЛР
1	2	3	4	5
1	Концептуальные основы искусственного интеллекта.	*
2	Методы представления знаний и решения задач.	*		*
3	Экспертные системы.	*		*
4	Нейронные сети	*

^ 4.2. Содержание разделов дисциплины.


Введение. (1 час).

Предмет, объект, метод, цель и задачи дисциплины "Системы искусственного интеллекта". Место и роль систем искусственного интеллекта в учебном плане и в работе выпускника по направлению "Информатика и вычислительная техника". Основная литература по дисциплине и ее краткий анализ.


Раздел 1. Концептуальные основы искусственного интеллекта.

^ 1.1. История искусственного интеллекта (2 час).

Зарождение исследований в области искусственного интеллекта (ИИ). Два направления: логическое и нейрокибернетическое. Ранние исследования в 50-60-е годы (Н.Винер, Мак-Каллок, Розенблатт, Саймон, Маккартни, Слэйджл, Сэмюэль, Гелернер, Н.Амосов). Появление первого развитого языка программирования LISP для построения систем ИИ. Появление в конце 60-х годов интегральных (интеллектуальных) роботов и первых экспертных систем. Успехи экспертных системи застой в нейрокибернетике в 70-е годы. Новый бум нейрокибернетики в начале 80-х годов (Хопфилд). Появление логического программирования и языка PROLOG. Программа создания ЭВМ 5-го поколения. Стратегическая компьютерная инициатива США. Исследования по ИИ в СССР и России.

^ 1.2. Знания и данные (1 час).

Свойства знаний и отличие знаний от данных. Типы знаний: декларативные и процедурные, экстенсиональные и интенсиональные. Нечеткие знания. Виды и природа нечеткости. Проблема понимания смысла как извлечения знаний из данных и сигналов.

^ 1.3. Понятия о прикладных системах искусственного интеллекта (2 часа).

Прикладные системы ИИ – системы, основанные на знаниях. Понятие инженерии знаний. Экспертные системы. Их области применения и решаемые ими задач. Обобщенная структура экспертных систем. Интеллектуальные роботы. Их обобщенная структура. Системы общения на естественном языке и речевой ввод-вывод. Применение ИИ в системах управления производством. Применение ИИ в делопроизводстве и в сети Internet.


Раздел 2. Методы представления знаний и решения задач.

^ 2.1. Логика предикатов первого порядка (2 часа).

Логические и эвристические методы представления знаний. Понятие предиката, формулы, кванторов всеобщности и существования. Интерпретация формул в логике предикатов 1-го порядка. Метод резолюции для доказательства теорем в логике 1-го порядка. Логика Хорна как основа языка логического программирования Prolog. Недостатки логики 1-го порядка как метода представления знаний. Пути повышения выразительных возможностей логики 1-го порядка: введение модальностей и повышение значности. Логика возможного-необходимого. Трехзначная семантика Лукасевича. Семантика возможных миров.


^ 2.2. Псевдофизические логики (2 часа).

Теория нечетких множеств – основа псевдофизических логик. Нечеткая логика. Понятие лингвистической переменной. Примеры псевдофизических логик: пространственная и временная логики.

^ 2.3. Правила-продукции (3 часа).

Структура правил-продукций. Типы ядер правил-продукций и варианты их интерпретаций. Граф И/ИЛИ и поиск данных. Управление выводом в продукционной системе. Методы логического вывода: прямой и обратный. Стратегии выбора правил при логическом выводе. Методы представления и обработки нечетких знаний в продукционных системах. Достоинства и недостатки правил-продукций как метода представления знаний. Примеры систем продукций.

^ 2.4. Семантические сети (2 часа).

Основные понятия семантических сетей: представление объектов и отношений между ними в виде ориентированного графа. Типы отношений в семантических сетях. Абстрактные и конкретные сети. Принципы обработки информации в семантических сетях. Связь семантических сетей с логикой 1-го порядка и псевдофизическими логиками. Модель семантической сети Куиллиана. Диаграммы процедурного представления семантическими сетями и выводы. Понимание речи и семантические сети. Прикладные системы на основе семантических сетей.

^ 2.5. Фреймы и объекты (2 часа).

Основные понятия фрейма: слоты, присоединенные процедуры-слуги и процедуры-демоны, наследование свойств. Связь понятия фрейма и объекта в объетно-ориентированном программировании. Сети фреймов. Принципы обработки данных в сети фреймов. Примеры языков инженерии знаний, основанных на фреймах: FRL и KRL.

^ 2.6. Нейронные сети (1 час).

Основные понятия о естественных и искусственных нейронных сетях и нейронах. Формальный нейрон МакКаллока-Питтса. Нейронная сеть как механизм, обучаемый распознаванию образов или адекватной реакции на входные сигналы (входную информацию). Классификация нейронных сетей.


Раздел 3. Экспертные системы.

^ 3.1. Архитектура экспертных систем (2 часа).

Особенности архитектуры нейронных сетей (особенностей методов представления и обработки знаний) от особенностей решаемой задачи.

^ 3.2. Технология построения экспертных систем (3 часа).

Условия применимости экспертных систем. Типы экспертных систем в зависимости от степени завершенности и особенностей использования: демонстрационные, исследовательские, промышленные, коммерческие. Этапы построения экспертных систем: идентификация, концептуализация, формализация, реализация, тестирование. Трудности при создании экспертных систем.

^ 3.3. Взаимодействие с компьютером на естественном языке (2 часа).

Трудности распознавания естественного языка (ЕЯ). Синтаксически- и семантически-ориентированные подходы к распознаванию ЕЯ. Этапы анализа ЕЯ: морфологический, синтаксический, семантический, прагматический. Модели семантики языка.

^ 3.4. Методы приобретения знаний (4 часа).

Основные понятия методов обучения. Классификация методов обучения по способу обучения: эмпирические и аналитические, по глубине обучения – символьные (поверхностные) и на основе знаний (глубинные). Связь этой классификации с понятиями индуктивного вывода, вывода по аналогии, обучения на примерах. Сведение задачи приобретения знаний к задаче обобщению. Индукция Милля. Недостатки этого метода. ДСМ-метод. Определение индуктивного вывода. Понятие аналогии. Абстрагирование. Определение вывода по аналогии.


Раздел 4. Нейронные сети.

^ 4.1. Перцептроны (2 часа).

Многослойные перцептроны. Оценка состояния нейронной сети. Сведение функционирования нейронной сети к задаче минимизации целевой функции. Алгоритм обучения обратным распространением ошибки.

^ 4.2. Другие модели нейронных сетей (2 часа).

Модель Хопфилда. Модель Кохонена. Модель Гросберга-Карпентера. Программная и аппаратная реализации нейронных сетей.

^ 4.3. Применение нейронных сетей (1 час).

Нейронная сеть как ассоциативная память. Использование нейронных сетей для прогнозирования. Особенности обработки символьной и численной информации в нейронных сетях.


Заключение (1 час).

Перспективы развития искусственного интеллекта.


5. ЛАБОРАТОРНЫЙ ПРАКТИКУМ
^

Темы лабораторных занятий

1. Представление знаний в различных формах. Экспертная оболочка VP-Expert.
   
2. Разработка продукционной экспертной системы с помощью VP-Expert.
   
3. Разработка фреймовой экспертной системы с помощью экспертной оболочки Leonardo.
   
4. Основы Turbo-Prolog. Разработка предикатной экспертной системы.
   
5. Разработка лингвистического интерфейса средствами Turbo-Prolog.
   

^

Темы самостоятельных работ

1. Обзор проекта машин пятого поколения. Достигнутые результаты.
   
2. Влияние экспертных систем на общество.
   
3. Оценка экспертной системы.
   
4. Системы нечеткого рассуждения.
   
5. Использование коэффициентов уверенности.
   
6. Взвешивание свидетельств.
   
7. Байесовский подход.
   
8. Техника использования знаний на языке ПРОЛОГ.
   
9. Использование языка ПРОЛОГ в качестве системы продукций.
   
10. REVEAL-вычислительная среда для создания экспертных систем.
    
11. Система REVEAL как средство поддержки процесса принятия решения.
    
12. Нечеткие множества в системе REVEAL.
    
13. Обучение машин. Стратегии обучения машин.
    
14. Система ID3.
    
15. Система INDUCE.
    
16. Генетический алгоритм Холланда.
    
17. Система BEAGLE.
    
18. Система EURISCO.
    
19. Адаптивные обучающиеся системы.
    
20. Генетические адаптивные алгоритмы.
    
21. Система PERCEPTRON.
    
22. ESWin v. 1.0 - программная оболочка для работы с продукционно-фреймовыми экспертными системами с возможностью использования лингвистических переменных.
    

^ 6. УЧЕБНО-МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ

6.1. Рекомендуемая литература

а) основная литература

1. Ж.-Л. Лорьер. Системы искусственного интеллекта. - М: Мир, 1991.
   
2. Д.Марселлус. Программирование экспертных систем на Турбо-Прологе. - М.: Финансы и статистика, 1994.
   
3. Н.Нильсон. Принципы искусственного интеллекта. - М.: Радио и связь, 1985.
   
4. Э.В.Попов. Экспертные системы. - М:, Наука, 1987.
   
5. Э.В.Попов. Общение с ЭВМ на естественном языке. - М:, Наука, 1986.
   
6. Д.А.Поспелов. Моделирование рассуждений. - М.: Радио и связь, 1989.
   
7. Построение экспертных систем. Под ред. Ф.Хейес-Рота, Д.Уотермена, Д.Лената. - М.: Мир, 1987.
   
8. Реальность и прогнозы искусственного интеллекта. -М.: Мир, 1987.
   
9. В.Ш.Рубашкин. Представление и анализ смысла в интеллектуальных информационных системах. - М.: Наука, 1989.
   
10. Системы управления базами данных и знаний. Справочное издание под ред. А.Н.Наумова. - М.: Финансы и статистика, 1991.
    
11. Б.Сойер, Д.Л.Фостер. Программирование экспертных систем на Паскале. - М.: Финансы и статистика, 1990.
    
12. К.Таунсенд, Д.Фохт. Проектирование и программная реализация экспертных систем на персональных ЭВМ. - М.: Финансы и статистика, 1990.
    
13. П.Уинстон. Искусственный интеллект. М.: Мир, 1980.
    
14. Уоссермен Ф. Нейрокомпьютерная техника : Теория и практика.М.: Мир. 1992.
    
15. Д.Уотерман. Руководство по экспертным системам. - М.: Мир, 1989.
    
16. Экспертные системы. Принципы работы и примеры. Под ред. Р.Форсайта.- М.: Радио и связь, 1987.
    
17. Дж. Элти, М. Кумбс. Экспертные системы. Концепции и примеры. – М.: Финансы и статистика, 1987.
    
18. С. Осуга «Обработка знаний», перевод с японского к.т.н. В.И. Этова, Москва, «Мир», 1989г.
    
19. «Представление и использование знаний», под редакцией Х. Уэно, М. Исидзука, перевод с японского к.т.н. И.А. Иванова, под редакцией д-ра. физ.-мат. Наук Н.Г. Волкова, Москва, «Мир», 1989г.
    
20. «Приобретение знаний», под редакцией С. Осуги, Ю. Саэки, перевод с японского к.т.н. Ю.Н. Чернышова, под редакцией д-ра физ.-мат. наук Н.Г. Волкова, Москва, «Мир», 1990г.
    

б) дополнительная литература

1. А.Н. Горбань, Д.А. Россиев. Нейронные сети на персональном компьютере. -Новосибирск, Наука, 1996.
   
2. Л.Заде. Понятие о лингвистической переменной и его применение к принятию решений. - М.: Мир, 1976.
   
3. Искусственный интеллект. Справочник в 3-х томах. - М.: Радио и связь, 1990.
   
4. Е.Ю.Кандрашина, А.В.Литвинцева, Д.А.Поспелов. Представление знаний о времени и пространстве в интеллектуальных системах. - М.: Наука, 1989.
   
5. Р.Ковальски. Логика в решении проблем. - М.: Наука, 1990.
   
6. Куссуль Э.М. Ассоциативные нейроподобные структуры. - Киев, Наукова думка, 1990.
   
7. Р.Левин, Д.Дранг, Б.Эдельсон. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике. - М.: Финансы и статистика, 1990.
   
8. Логический подход к искусственному интеллекту. - М.: Мир, 1990.
   
9. Гаврилова Т.С., Червинская Н.М. Структурирование и извлечение знаний, Москва,1990.
   
10. Попов Э.В. «Экспертные системы», Москва, «Радио и связь», 1993.
    

6.2. Средства обеспечения освоения дисциплины

Не предусмотрены.

7. ^ МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ
   

Компьютерные классы сетевых технологий, ЛВС, серверы Internet.

7. МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ ПО ОРГАНИЗАЦИИ ИЗУЧЕНИЯ ДИСЦИПЛИНЫ
   

^ 8.1. Методические рекомендации преподавателю

При изучении материала по дисциплине показывать студентам необходимость использования системного подхода;

Следует использовать методы письменного тестирования процесса усвоения студентами лекционного материала;

Инициировать у студентов потребность во внеаудиторном изучении материалов по дисциплине путем выдачи им заданий на рефераты по отдельным темам курса лекций;

Привлекать студентов к созданию или модификации лабораторных работ по дисциплине;

Стимулировать у студентов опережающее и более глубокое познание материалов по дисциплине путем привлечения их для чтения самостоятельных докладов по курсу с поощрением в виде «автоматической сдачи экзамена» на соответствующую оценку.


^ 8.2. Методические рекомендации студентам

Использовать лабораторный практикум по дисциплине при подготовке к предстоящей лабораторной работе;

Использовать дополнительную литературу и материалы из Internet при регулярной самостоятельной работе по изучению материалов по дисциплине;

Готовить рефераты по дисциплине (темы должны быть согласованы с лектором);

Рекомендуется выступать с докладами на лекциях по дисциплине;

Отчеты по лабораторным работам должны оформляться в соответствии с требованиями, указанными в лабораторном практикуме по дисциплине.


Программа составлена в соответствии с Государственным образовательным стандартом высшего профессионального образования по направлению 654600 – «Информатика и вычислительная техника» и специальности 220200 – «Автоматизированные системы обработки информации и управления».

Программу составила:

доц., к.т.н. Фомичева О.Е.

Рецензент

Программа одобрена на заседании кафедры АСУ

«___» ___________2002 г. протокол №


Зав. кафедрой АСУ

проф., д.т.н. Федунец Н.И.