Системы искусственного интеллекта

Вид материала

Программа

Содержание Перечень дисциплин, усвоение которых необходимо для изучения курса Содержание курса Тема 1. Экспертные системы и представление знаний Тема 2. Экспертные системы в условиях неопределенности. Тема 3. Экспертные системы на основе нечетких знаний. Тема 4. Основные концепции нейронных сетей. Тема 5. Автоматическая классификация Тема 6 Ассоциативная память. Тема 7. Генетические алгоритмы

Подобный материал:

• Задачи искусственного интеллекта 6 Тест по теме «История развития искусственного интеллекта», 1504.97kb.
• В. К. Финн к структурной когнитологии: феноменология сознания с точки зрения искусственного, 366.95kb.
• Системы искусственного интеллекта и нейронные сети, 208.41kb.
• Системы искусственного интеллекта, 15.16kb.
• Статья рассматривает вопросы в области информационных технологий в системах: человек-машина,, 261.17kb.
• Программа дисциплины основы искусственного интеллекта (дпп. Ф. 10) для специальностей, 126.28kb.
• «Системы искусственного интеллекта», 17.04kb.
• Программа дисциплины сд. Ф системы искусственного интеллекта для студентов специальности, 295.9kb.
• Д. А. Поспелов из истории искусственного интеллекта: история искусственного интеллекта, 408.51kb.
• Кувалдина Т. А. 1, 205.08kb.

УЧЕБНАЯ ПРОГРАММА ПО ДИСЦИПЛИНЕ

СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Шарапова Л.В.


Для очной формы обучения ВСЕГО 80

лекции 31

семинары 20

Всего аудиторных занятий 51

самостоятельная работа 29


Требования ГОС к обязательному минимуму содержания основной

образовательной программы:

Задачи и методы их решения: поиск в пространстве состояний, редукция, дедуктивный вывод; продукционные системы: компоненты, стратегия решений, организация поиска; метод ключевых состояний и ключевых операторов, метод анализа средств и целей; представление знаний в интеллектуальных системах: понятийное, на правилах, с помощью логик, семантические сети, фреймы, сценарии; базы знаний; планирование в интеллектуальных системах; примеры автоматического построения планов решения задач; экспертные системы: взаимодействие пользователя с системой, принятие решений; системы понимания естественного языка, машинный перевод; зрительное восприятие мира: системы машинного зрения, распознавание образов, зрительные системы интеллектуальных роботов; обучение в интеллектуальных системах.


Целью изучения дисциплины является изучение направлений исследований в области искусственного интеллекта; изучение основных принципов построения экспертных систем; изучения принципов организации и работы нейронных сетей; обзор способов применения генетических алгоритмов.

^ Перечень дисциплин, усвоение которых необходимо для изучения курса: «Информатика», «Математическая логика», «Дискретная математика», «Теория вероятностей и математическая статистика», «Программирование», «Базы данных и СУБД», «Рекурсивно-логическое программирование».

В результате изучения дисциплины каждый студент должен:

• иметь представление о:
  

• методах сбора и обработки данных системами искусственного интеллекта;
  
• достоинствах и недостатках экспертных систем;
  
• сферах применения экспертных систем;
  
• достоинствах и недостатках нейронных сетей;
  
• современных направлениях исследований в области нейронных сетей и генетических алгоритмов.
  

• знать:
  

• основные принципы организации баз знаний и экспертных систем;
  
• классификацию и области применения экспертных систем;
  
• принципы работы байесовских сетей доверия;
  
• принципы нечеткой логики;
  
• способы обработки нечетких данных;
  
• математическую модель нейрона
  
• архитектуры и применение нейронных сетей;
  
• принципы работы генетических алгоритмов;
  

• уметь:
  

• разрабатывать базы знаний на основе четкой и нечеткой логики;
  
• разрабатывать прототип экспертной системы на основе продукционной модели знаний;
  
• выполнять постановку задачи для решения методами нейронных сетей;
  
• проводить обучение нейронной сети в учебной программной среде;
  
• интерпретировать результаты и выполнять анализ данных, полученных в нейронной сети.
  

Основные виды занятий: лекции и практические занятия.

Основные виды текущего контроля занятий: коллоквиумы.

Основной вид рубежного контроля знаний: экзамен.


^ СОДЕРЖАНИЕ КУРСА

Введение

Общие вопросы искусственного интеллекта. Краткая история искусственного интеллекта. Основные направления исследований в области искусственного интеллекта. Примеры систем искусственного интеллекта в различных областях промышленности, медицины, транспорта, телекоммуникаций.

^ Тема 1. Экспертные системы и представление знаний

Данные и знания. Модели представления знаний - продукционные модели, семантические сети, фреймы, формальные логические модели. Машина вывода и стратегия управления выводом. Языки для описания знаний. Назначение и структура базы знаний. Определение экспертной системы. Классификация экспертных систем. Структура экспертной системы. Технология разработки экспертной системы. Механизмы быстрого прототипирования.

^ Тема 2. Экспертные системы в условиях неопределенности.

Субъективные вероятности. Байесовское оценивание. Управление неопределенностью. Теорема Байеса. Вывод на основе субъективной вероятности. Распространение вероятностей. Сети доверия. Свойства байесовской сети доверия. Назначение диаграммы влияния, ее основные компоненты. Принцип максимальной ожидаемой полезности. Вероятностные характеристики непрерывных случайных величин. Числовые характеристики непрерывных случайных величин. Логический вывод в байесовских сетях доверия, обрабатывающих дискретные и непрерывные случайные факты

^ Тема 3. Экспертные системы на основе нечетких знаний.

Способы описания нечеткой информации и области применения нечеткой логики. Нечеткая логика: достоинства и недостатки. Базовые понятия нечетких множеств. Операции над нечеткими множествами Графическое отображение операций над нечеткими множествами. Методы построения функций принадлежности. Понятие нечеткого отношения. Операции над нечеткими отношениями. Композиция нечетких отношений. Нечеткие числа. Математика нечетких чисел. Приближенные рассуждения на основе modus ponens. Приближенные рассуждения на основе modus tollens. Логико-лингвистическое описание систем, нечеткие модели. Основные идеи нечеткого управления. Ограничения на применение нечеткой логики. Экспертные системы, построенные на основе нечеткой логики.

^ Тема 4. Основные концепции нейронных сетей.

Биологический нейрон и его свойства. Модель искусственного нейрона. Параметры нейрона. Характеристика функций активации. Архитектуры искусственных нейронных сетей (ИНС). Сбор данных для нейронной сети. Многослойный персептрон (MLP). Способы организации и применение. Способы обучения ИНС. Обобщенно-регрессионная нейронная сеть. Примеры применения нейросетевых технологий в связи, телекоммуникациях, системах управления.

^ Тема 5. Автоматическая классификация

Построение искусственной нейронной сети для задач классификации. Цель классификации. Использование сети с обратным распространением ошибок. Примеры классификаций. Сети с радиальными базисными функциями. Вероятностная нейронная сеть. Нейронная сеть с общей регрессией — решение задач классификации. Кластеризация образцов. Нейронные сети Кохонена — решение задач кластеризации.

^ Тема 6 Ассоциативная память.

Дискретные сети Хопфилда. Применение для построения ассоциативной памяти. Двунаправленная ассоциативная память. Автоассоциативное распространение ошибок. Обучение с обратным распространением ошибки. Другие способы организации сетей.

^ Тема 7. Генетические алгоритмы

Исследования естественных процессов, происходящих в мире живых организмов: эволюции и естественного отбора популяций живых существ. Генетические алгоритмы, назначение и особенности. Обучение нечетких нейронных сетей на основе генетических алгоритмов. Применение генетических алгоритмов в системах искусственного интеллекта, оптимизации, искусственных нейронных сетях и в других отраслях знаний.


Темы семинарских занятий:

• Решение задачи в условии неопределенности.
  
• Построение прототипа системы управления на основе нечеткой логики.
  
• Изучение работы нейронной сети с обратным распространением ошибки.
  
• Решение задачи классификации с применением нейронных сетей
  
• Решение задачи предсказания с применением нейронных сетей
  
• Распознавание образов с применением нейронных сетей
  

ЛИТЕРАТУРА

Основная:

1. Д. Рутковская, М. Пилиньский, Л. Рутковский, Нейронные сети, генетические алгоритмы и нечеткие системы, - Горячая Линия - Телеком, 2007.
   
2. Саймон Хайкин, Нейронные сети. Полный курс, Издательство: Вильямс, 2006.
   
3. Гладков Л. А. Генетические алгоритмы. Гриф УМО ВУЗов России,- Физматлит, 2006.
   

Дополнительная:

1. Стюарт Рассел, Питер Норвиг, Искусственный интеллект. Современный подход, Вильямс, 2007.
   
2. А.А.Усков, А.В. Кузьмин, Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика, Горячая линия-Телеком, 2004.
   
3. В. А. Головко, Нейронные сети: обучение, организация и применение, - ИПРЖР, 2002.
   
4. Электронный учебник компании НейроПроект, ссылка скрыта;
   
5. Электронный учебник компании StatSoft Russia, oft.ru/home/textbook/default.htm;
   
6. Электронный учебник КГУ
   .ru/materials/ii_i_es/book.php.