Программа дисциплины сд. Ф системы искусственного интеллекта для студентов специальности 230102 Автоматизированные системы обработки информации и управления
| Вид материала | Программа дисциплины |
- Рабочая программа По дисциплине «Системы искусственного интеллекта» для специальности, 86.74kb.
- Программа дисциплины опд. Ф. 10, Дн. Ф операционные системы для студентов специальности, 203.73kb.
- Рабочая программа по дисциплине «Основы разработки Internet-приложений» для специальности, 51.53kb.
- Рабочая программа по дисциплине: Методы и средства защиты компьютерной информации Для, 75.18kb.
- Рабочая программа по дисциплине " Метрология, стандартизация и сертификация " для специальности, 284.04kb.
- Рабочая программа по курсу "Моделирование систем" для специальности 230102 "Автоматизированные, 99.53kb.
- Рабочая программа по дисциплине "Организация ЭВМ и систем" Для специальности: 230102, 148.01kb.
- Рабочая программа по дисциплине «Алгоритмические языки и программирование» Для специальности, 208.45kb.
- Рабочая программа по дисциплине: Теория принятия решений Для специальности: 230102, 84.08kb.
- Рабочая программа по дисциплине Системное программное обеспечение Для специальности, 113.75kb.
Министерство образования и науки Российской Федерации
Федеральное агентство по образованию
ОБНИНСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ АТОМНОЙ ЭНЕРГЕТИКИ (ИАТЭ)
| | УТВЕРЖДАЮ |
| | Проректор по учебной работе ___________________ С.Б. Бурухин |
| | «______»____________ 200__ г. |
^ ПРОГРАММА ДИСЦИПЛИНЫ
СД.Ф.7. СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
для студентов специальности
230102 – Автоматизированные системы обработки информации и управления
направления 230100 – Информатика и вычислительная техника
^ СД. 04. ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ
для студентов специальности
230201 – Информационные системы и технологии
направления 230200 – Информационные системы
Форма обучения: очная, заочная
Объем дисциплины и виды учебной работы в соответствии с учебными планами
| Вид учебной работы | Всего часов 230100/ 230102 (очное) | Семестр | Всего часов 230102 (заочн.) | Курс | Всего часов 230201 (очное) | Семестр | Всего часов 230201 (заочн.) | Курс |
| 7 | 4 | 7 | | 4 | ||||
| Общая трудоемкость дисциплины | 100 | 100 | 100 | 100 | 102 | 102 | 102 | 102 |
| Аудиторные занятия | 54/51 | 54/51 | 10 | 10 | 51 | 51 | 8 | 8 |
| Лекции | 36/34 | 36/34 | 6 | 6 | 34 | 34 | 4 | 4 |
| Практические занятия и семинары | – | – | – | – | – | – | – | – |
| Лабораторные работы | 18/17 | 18/17 | 4 | 4 | 17 | 17 | 4 | 4 |
| Курсовой проект (работа) | – | – | – | – | – | – | – | – |
| Самостоятельная работа | 46/49 | 46/49 | 90 | 90 | 51 | 51 | 94 | 94 |
| Расчетно-графические работы | – | – | – | – | – | – | – | – |
| Вид итогового контроля (зачет, экзамен) | Зач. | Зач. | Зач. | Зач. | Зач. | Зач. | Зач. | Зач. |
Обнинск 2008
Программа составлена с соответствии с Государственными образовательными стандартами высшего профессионального образования по направлению подготовки
- дипломированного специалиста 654600 Информатика и вычислительная техника (№ 224 тех/дс от 27.03.2000),
- дипломированного специалиста 654700 Информационные системы (№ 276 тех/дс от 27.03.2000),
- бакалавров 552800 Информатика и вычислительная техника (№ 35 тех/бак от 13.03.2000).
Программу составила:
___________________Р.В. Тенякова, старший преподаватель кафедры АСУ.
Программа рассмотрена на заседании кафедры АСУ (протокол № 6-у от 25.01.2008 г.)
Заведующий кафедрой АСУ
___________________ А.Н. Анохин
«____»_____________ 200__ г.
СОГЛАСОВАНО
| Начальник учебно-методического управления ___________________ Ю.Д. Соколова | Декан факультета кибернетики ___________________ А.В. Антонов «____»_____________ 200__ г. |
| | Декан факультета заочного отделения ___________________ А.А. Росляков «____»_____________ 200__ г. |
1. Цели и задачи дисциплины
Целями изучения дисциплины являются:
- сформировать системное базовое представление, первичные знания, умения и навыки студентов по основам инженерии знаний;
- дать общие представления о прикладных системах искусственного интеллекта;
- дать представление о роли искусственного интеллекта в развитии информатики в целом, а также, в научно-техническом прогрессе;
- подготовить студентов к применению концепций интеллектуальных систем в научной и практической деятельности.
Основными задачами изучения дисциплины являются:
- усвоение студентами основных принципов использования теории и методов искусственного интеллекта 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 студент должен
знать: историю, цели и задачи исследований в области искусственного интеллекта, понятия инженерии знаний, области применения интеллектуальных систем; проблемы и основные методы представления и обработки знаний, о нечеткости знаний, ее природе и разновидностях; проблемы и основные модели нейронных сетей, методы, способы построения и алгоритмы их обучения; методы эволюционного программирования; структуру экспертных систем и их архитектурные особенности, в зависимости от особенностей решаемой задачи, принципы построения и методы разработки экспертных систем, инструментальные средства и языки для их создания; о прикладных системах искусственного интеллекта;
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; применять основные модели нейронных сетей;
иметь навыки: постановки задачи построения экспертной системы для решения задачи выбора вариантов в плохо формализуемой предметной области, разработки продукционных баз знаний для решения задачи выбора вариантов в плохо формализуемой предметной области.
^ 3. Содержание дисциплины
| Дидактические единицы (темы) для направления 230100 «Информатика и вычислительная техника» | Раздел программы |
| Искусственный интеллект как научное направление | 3.1, тема 1, 2 |
| Представление знаний, рассуждений и задач | 3.1, тема 3 |
| Эпистомологическая полнота представления знаний и эвристически эффективные стратегии поиска решения задач | 3.1, тема 3 |
| Модели представления знаний: алгоритмические, логические, сетевые и продукционные модели, сценарии | 3.1, тема 3, 5, 6 |
| Экспертные системы: классификация и структура | 3.1, тема 4, 7 |
| Инструментальные средства проектирования, разработки и отладки | 3.1, тема 7 |
| Этапы разработки | 3.1, тема 7 |
| Примеры реализации | 3.1, тема 4, 7 |
| ^ Дидактические единицы (темы) для направления 230200 «Информационные системы» | Раздел программы |
| Основные понятия искусственного интеллекта | 3.1, тема 1, 2 |
| Информационные системы, имитирующие творческие процессы | 3.1, тема 2, 3 |
| Информация и данные | 3.1, тема 4 |
| Системы интеллектуального интерфейса для информационных систем, интеллектуальные информационно-поисковые системы, экспертные системы | 3.1, тема 4 |
| Информационные модели знаний | 3.1, тема 3,5 |
| Логико-лингвистические и функциональные семантические сети | 3.1, тема 6 |
| Семантическая сеть как реализация интегрированного представления данных, категорий типов данных, свойств категорий и операций над данными и категориями | 3.1, тема 6 |
| Фреймовые модели | 3.1, тема 6 |
| Модель прикладных процедур, реализующих правила обработки данных | 3.1, тема 6 |
| Методы представления знаний в базах данных информационных систем | 3.1, тема 3-6 |
| Методы инженерии знаний | 3.1, тема 7 |
| Инструментальные средства баз данных | 3.1, тема 7 |
| тенденции развития теории искусственного интеллекта | 3.1, тема 2 |
3.1. Лекции
| Номер темы | Тема | Число часов (очное) | Число часов 230100 (очное) | Число часов 230102 (заочн.) | Число часов 230201 (заочн.) |
| 1 | Введение | 2 | 2 | – | – |
| 2 | Концептуальные основы искусственного интеллекта | 2 | 2 | 0,5 | 0,5 |
| 3 | Знания и данные | 2 | 2 | 0,5 | 0,5 |
| 4 | Понятия о прикладных системах искусственного интеллекта | 2 | 2 | – | – |
| 5 | Продукционные модели | 2 | 2 | 0,5 | 0,5 |
| 6 | Семантические сети и фреймовые модели | 2 | 4 | 0,5 | 0,5 |
| 7 | Экспертные системы | 8 | 8 | 1 | 0,5 |
| 8 | Нейронные сети | 4 | 4 | 1 | 0,5 |
| 9 | Генетические алгоритмы | 4 | 4 | 1 | 0,5 |
| 10 | Системы понимания естественного языка, машинный перевод | 2 | 2 | 0,5 | |
| 11 | Зрительное восприятие мира: системы машинного зрения, распознавание образов, зрительные системы интеллектуальных роботов | 2 | 2 | 0,5 | 0,5 |
| 12 | Заключение | 2 | 2 | – | – |
1. Введение[1]. Предмет, объект, метод, цель и задачи научного направления «Искусственный интеллект». Место и роль дисциплины в учебном плане и в работе выпускника данной специальности. Основная литература по дисциплине и ее краткий анализ.
^ 2. Концептуальные основы искусственного интеллекта [4]. История искусственного интеллекта (ИИ). ИИ как наука. Зарождение исследований в области ИИ. Основные направления ИИ. 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 систем 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. Области применения ИИ. Структура современных исследований в области ИИ.
^ 3. Знания и данные [1, 9 кн. 2,4]. Определение знаний. Свойства знаний и отличие знаний от данных. Типы знаний: декларативные и процедурные, экстенсиональные и интенсиональные. Методы представления знаний. Нечеткие знания. Виды и природа нечеткости. Проблема понимания смысла как извлечения знаний из данных и сигналов. Манипулирование знаниями. Полнота знаний.
^ 4. Понятия о прикладных системах искусственного интеллекта [4, 9 кн. 3]. 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.
^ 5. Продукционные модели [1, 7, 8]. Правила-продукции. Структура правил-продукций. Типы ядер правил-продукций и варианты их интерпретаций. Граф И/ИЛИ и поиск данных. Архитектура продукционной системы: база правил, база данных, механизм вывода, база метазнаний. 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.
^ 6. Семантические сети и фреймовые модели [1, 9 кн.2]. 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. Модель семантической сети Куиллиана. Диаграммы процедурного представления семантическими сетями и выводы. Понимание речи и семантические сети. Достоинства и недостатки семантических сетей как метода представления знаний. Прикладные системы на основе семантических сетей. Фреймы и объекты. Основные понятия фрейма: слоты, присоединенные процедуры-слуги и процедуры-демоны, наследование свойств. Связь понятия фрейма и объекта в объектно-ориентированном программировании. Сети фреймов. Принципы обработки данных в сети фреймов. Достоинства и недостатки фреймовых моделей как метода представления знаний.
^ 7. Экспертные системы [1, 10]. Архитектура экспертных систем (ЭС). Основные компоненты ЭС: диалоговый компонент, объяснительный компонент, компонент приобретения знаний, решатель, рабочая память, база знаний. Выбор методов представления и обработки знаний, в зависимости от особенностей решаемой задачи. Типы ЭС в зависимости от степени завершенности и особенностей использования: демонстрационные, исследовательские, промышленные, коммерческие. Состав и организация знаний в ЭС. Роли людей в ЭС: эксперт, инженер по знанию, программист. Режимы работы ЭС: режим приобретения знаний и режим консультации. Условия применимости экспертных систем. Этапы построения экспертных систем: идентификация, концептуализация, формализация, реализация, тестирование. Трудности при создании экспертных систем. Классификация ЭС. Инструментальные средства создания ЭС. ЭС реального времени.
^ 8. Нейронные сети [3]. 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). Процедура обратного распространения. Сети встречного распространения. Стохастические методы обучения нейронных сетей. Нейронные сети Хопфилда и Хэмминга. Адаптивная резонансная теория. Программная и аппаратная реализации нейронных сетей. Применение нейронных сетей.
^ 9. Генетические алгоритмы [2]. Основные понятия генетики и основ эволюции. Методы математической оптимизации. Основные понятия и структура генетических алгоритмов: генетические операторы, теоретико-множественные операции над популяциями и хромосомами. Простой генетический алгоритм. Основные гипотезы генетических алгоритмов. Введение в аксиоматическую теорию генетических алгоритмов. Совместные схемы локального и генетического поиска. Генетическое программирование. Генетические алгоритмы разбиения графов.
^ 10. Системы понимания естественного языка, машинный перевод. Трудности распознавания естественного языка (ЕЯ). Синтаксически- и семантически-ориентированные подходы к распознаванию ЕЯ. Семиотика и ее основные понятия. Этапы анализа ЕЯ: морфологический, синтаксический, семантический, прагматический. Модели семантики языка.
^ 11. Зрительное восприятие мира: системы машинного зрения, распознавание образов, зрительные системы интеллектуальных роботов. Постановка задачи распознавания образов. Статистические методы для распознавания образов и классификации. Кластерный анализ. Синтаксический (структурный) подход к анализу образов. Выделение признаков. Распознавание трехмерных объектов
12. Заключение [1]. Перспективы развития искусственного интеллекта.
3.2. Практические и семинарские занятия - не предусмотрены
^ 3.3. Лабораторный практикум
| Раздел(ы) | Тема лабораторного занятия | Число часов 230100 (очное) | Число часов (очное) | Число часов (заочн.) |
| 3, 7 | Выбор и обследование предметной области и формулирование целей и задач создания ЭС. Формулирование фактов и правил ЭС | 3 | 3 | 1 |
| 7 | Заполнение и тестирование базы знаний в оболочке экспертных систем Эврика | 4 | 4 | 1 |
| 8 | Нейронные сети. Обучение нейронной сети выполнению заданной операции. | 5 | 4 | 1 |
| 9 | Разработка программного обеспечения реализации генетического алгоритма (поиск экстремума функции или решение задачи коммивояжера) | 6 | 6 | 1 |
По каждой лабораторной работе оформляется отчет, содержащий следующие структурные элементы и разделы:
- титульный лист;
- описание задачи;
- теоретические пояснения;
- результат выполнения работы.
^ 3.4. Курсовые проекты (работы) - не предусмотрены
3.5. Формы текущего контроля
Для очной формы обучения
| Раздел(ы) | Форма контроля | Неделя |
| 3, 5,6 | Контрольная работа "Модели представления знаний" | 6 |
| 4,7 | Контрольная работа "Экспертные системы" | 10 |
| 8,9 | Контрольная работа "Нейронные сети. Генетические алгоритмы" | 14 |
Для заочной формы обучения
| Раздел(ы) | Форма контроля | Курс |
| 3, 5,6, 4,7 | Контрольная работа "Модели представления знаний и экспертные системы " | 5 |
| 8,9 | Контрольная работа "Нейронные сети. Генетические алгоритмы" | 5 |
^ 3.6. Самостоятельная работа
Студентами очной формы обучения самостоятельно изучается работа в средах разработки экспертных систем и нейронных сетей, используемых в ходе выполнения лабораторных работ. Для изучения используется электронная литература (в виде help-файлов), по данным программным продуктам. Контроль освоения материала осуществляется в ходе приема лабораторных работ, выполненных с использованием изученных инструментальных средств.
| Содержание самостоятельной работы | Литература | Объем 230100/ 230102, час. | Объем 230201, час. | Форма контроля |
| Изучение выбранной предметной области | Не требуется | 4 | 4 | Собеседование перед сдачей соответствующей лабораторной работы |
| Формулирование фактов и правил ЭС | 10, доп.1, 5 | 8 | 8 | |
| Изучение оболочки Эврика 2.0 | Не требуется | 2 | 3 | |
| Ввод фактов и правил в оболочку и тестирование системы | Не требуется | 2 | 2 | |
| Изучение алгоритма обратного распространения ошибки при обучении нейронных сетей | 3 | 5 | 5 | |
| Изучение сред моделирования нейронных сетей NeuroPro и Sinaps | Не требуется | 4 | 4 | |
| Проведение исследований в NeuroPro и Sinaps согласно варианту задания | Не требуется | 2 | 3 | |
| Изучение простых генетических алгоритмов | 2 | 4 | 4 | |
| Разработка программной реализации генетического алгоритма | Не требуется | 10/16 | 16 | |
| Проведение исследований на разработанной программной реализации | Не требуется | 5/2 | 2 |
Студентами заочной формы обучения самостоятельно изучается тот же материал, что и студентами очной формы, а также теоретические темы Введение в системы искусственного интеллекта, Понятия о прикладных системах искусственного интеллекта, Перспективы развития искусственного интеллекта.
| Содержание самостоятельной работы | Литература | Объем 230102, час. | Объем 230201, час. | Форма контроля |
| Изучение выбранной предметной области | Не требуется | 4 | 4 | Собеседование перед сдачей соответствующей лабораторной работы |
| Формулирование фактов и правил ЭС | 10, доп.1, 5 | 8 | 8 | |
| Изучение оболочки Эврика 2.0 | Не требуется | 2 | 3 | |
| Ввод фактов и правил в оболочку и тестирование системы | Не требуется | 2 | 2 | |
| Изучение алгоритма обратного распространения ошибки при обучении нейронных сетей | 3 | 5 | 5 | |
| Изучение сред моделирования нейронных сетей NeuroPro и Sinaps | Не требуется | 4 | 4 | |
| Проведение исследований в NeuroPro и Sinaps согласно варианту задания | Не требуется | 2 | 3 | |
| Изучение простых генетических алгоритмов | 2 | 4 | 4 | |
| Разработка программной реализации генетического алгоритма | Не требуется | 16 | 16 | |
| Проведение исследований на разработанной программной реализации | Не требуется | 2 | 2 | |
| Введение в системы искусственного интеллекта | 1 | 2 | 2 | Контролируется при сдаче экзамена |
| Понятия о прикладных системах искусственного интеллекта | 4, 9 кн. 3 | 2 | 2 | |
| Концептуальные основы искусственного интеллекта | 4 | 2 | 2 | |
| Знания и данные | 1, 9 кн. 2,4 | 2 | 2 | |
| Системы понимания естественного языка, машинный перевод | | 3 | 3 | |
| Зрительное восприятие мира: системы машинного зрения, распознавание образов, зрительные системы интеллектуальных роботов | | 3 | 3 | |
| Перспективы развития искусственного интеллекта | 1 | 2 | 2 | |
| Продукционные модели | 1, 7, 8 | 3 | 3 | Контрольная работа |
| Семантические сети и фреймовые модели | 1, 9 кн.2 | 5 | 5 | |
| Экспертные системы | 1,10 | 5 | 7 | |
| Нейронные сети | 3 | 6 | 6 | |
| Генетические алгоритмы | 2 | 6 | 6 |
^ 4.1. Рекомендуемая литература
4.1.1. Основная литература
- Смолин Д.В. Введение в искусственный интеллект: Конспект лекций – М.: Физматлит, 2004.- 208 с. (15 экз.)
- Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы. - М.: Физматлит, 2006. - 320 с. (15 экз.)
- Яхъяева Г.Э. Нечеткие множества и нейронные сети. - М.: Интернет-университет информационных технологий. БИНОМ. Лаборатория знаний, 2006. - 316 с. (15 экз.)
- От моделей поведения к искусственному интеллекту / Под ред. В.Г. Редько М.: КомКнига, 2006 – 456 с. (2 экз.)
- Стефанюк В. Локальная организация интеллектуальных систем. М.: Физматлит, 2004. - 328 с. (1 экз.)
- Логический подход к искусственному интеллекту: От модальной логики к логике баз данных : Пер. с фр. / А. Тейз, П. Грибомон, Г. Юлен; Ред. Г.П. Гаврилов. -М.: Мир, 1998. - 494 с.
- Уинстон П. Искусственный интеллект: Пер. с англ. – М.: Мир, 1980. – 518 с. (20 экз.)
- Нильсон Н. Принципы искусственного интеллекта: Пер. с англ.. – М.: Радио и связь, 1985. – 376 с. (20 экз.)
- Искусственный интеллект. Справочник в 3-х томах. – М.: Радио и связь, 1990. – 464 с., 304 с., 368 с. (7 экз.)
- Уотермен Д. Руководство по экспертным системам. - М.: Мир, 1989 – 388 с. (20 экз.).
^ 4.1.2. Дополнительная литература
- Статические и динамические экспертные системы: Учеб. пособие / Э.В. Попов, И.Б. Фоминых, Е.Б. Кисель, М.Д. Шапот. – М.: Финансы и статистика, 1996. – 320 с.
- Анохин А.Н., Острейковский В.А., Сальников Н.Л. Системы поддержки оператора АЭС. Учебное пособие по курсу «Основы построения АСУ». – Обнинск: ИАТЭ, 1988. – 91 с.
- Журнал «Новости искусственного интеллекта».
- Марселлус Д. Программирование экспертных систем на Турбо-Прологе. – М.: Финансы и статистика, 1994. – 256 с. (5 экз.)
- Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. – М.: Гл. ред. физ.-мат. лит., 1987. – 288 с.
- Кандрашина Е.Ю., Литвинцева А.В., Поспелов Д.А.. Представление знаний о времени и пространстве в интеллектуальных системах. – М.: Наука, 1989. – 328 с. (4 экз.)
4.2. Средства обеспечения освоения дисциплины
Программные комплексы Microsoft Windows (95,98,NT,2000,XP), оболочка экспертных систем Эврика (разработка сотрудников кафедры АСУ Обнинского государственного технического университета атомной энергетики), эмуляторы нейронной сети NeuroPro и Sinaps.
5. Материально-техническое обеспечение дисциплины
Класс персональных ЭВМ.