Рабочая программа дисциплины системы искусственного интеллекта специальности 351500 "Математическое обеспечение и администрирование информационных систем"
| Вид материала | Рабочая программа |
- Рабочая программа по курсу "Системы искусственного интеллекта" Специальность, 271.54kb.
- Программа проведения аттестационных испытаний при поступлении на второй и последующие, 165.72kb.
- Государственный образовательный стандарт высшего профессионального образования специальность, 534.67kb.
- Рабочая программа специальность 351500 математическое обеспечение и администрирование, 410.61kb.
- Рабочая программа специальность 351500 математическое обеспечение и администрирование, 210.26kb.
- Рабочая программа специальность 351500 Математическое обеспечение и администрирование, 401.41kb.
- 1. общая характеристика специальности 010503 (351500) «математическое обеспечение, 526.98kb.
- Рабочая программа по курсу "Рекурсивно-логическое программирование" Специальность, 172.95kb.
- Курс «Философия» читается для студентов 1 курса заочной формы обучения по специальности, 351.41kb.
- Программа дисциплины "Проектирование информационных систем" Индекс дисциплины, 261.62kb.
ПЕНЗЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
Факультет вычислительной техники
Кафедра систем автоматизации проектирования
"Утверждаю"
Декан ФВТ
________________ Б.Д.Шашков
"____" _______________ 2005 г.
Рабочая программа дисциплины
СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
специальности 351500 “Математическое обеспечение
и администрирование информационных систем”
Программа разработана в соответствии со следующими документами:
- Государственным образовательным стандартом Минобразования РФ по специальности 351500;
- Рабочим учебным планом Пенз.ГУ по специальности 351500;
Программу разработал ______________
Программа одобрена на заседании кафедры САПР, протокол № ___ от "___" _______ 2005 г.
Зав.кафедрой САПР д.т.н., профессор
_______________ А.М.Бершадский
Согласовано:
Председатель НМК ФВТ _______________ д.т.н., профессор П.П.Макарычев
^ 1 .Цели и задачи дисциплины.
Целью дисциплины является изучение и практическое освоение методов и моделей представления и обработки знаний в интеллектуальных системах, основ нейроинформатики.
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, системах искусственного интеллекта, принципах их построения и областях применения;
- проблемах построения систем общения с компьютером на естественном языке;
- постановке задачи распознавания образов и путях ее решения;
- проблемах и способах построения нейронных сетей.
В результате изучения дисциплины студенты должны знать:
- Основные понятия инженерии знаний;
- Основные методы представления и обработки знаний;
- Основные модели нейронных сетей, методов и алгоритмов их обучения;
- Структуры экспертных систем и их архитектурных особенностей в зависимости от особенностей решаемой задачи;
- Этапы построения экспертных систем;
- Методы построения систем общения на естественном языке.
В результате изучения дисциплины студенты должны приобрести умения и навыки:
- 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
^ К началу изучения курса студенты должны овладеть знаниями, полученными при изучении курсов: дискретная математика, математическая логика, программирование, функциональное программирование, рекурсивно-логического программирование, теория вероятностей и математическая статистика, вычислительная математика, теория вычислительных процессов и структур, базы данных, технология разработки программного обеспечения.
^ 3. Объем дисциплины и виды учебной работы
| Вид учебной работы | Всего часов |
| Общая трудоемкость дисциплины | 119 |
| Аудиторные занятия | 68 |
| Лекции | 34 |
| Лабораторные работы (ЛР) | 34 |
| Самостоятельная работа (внеаудиторная) | 51 |
| Вид итогового контроля (экзамен, зачет) | Зачет, экзамен |
4. Содержание дисциплины
4.1. Разделы дисциплины и виды занятий
| N п\п | Раздел дисциплины | к-во часов | ||
| Лекции | Л.р. | Сам.р. | ||
| | Введение | 1 | | |
| | ^ Концептуальные основы искусственного интеллекта | | | |
| 1 | Подходы к построению систем искусственного интеллекта | 2 | | |
| | ^ Экспертные системы (ЭС) | | 8 | |
| 2 | Общая структура и схема функционирования ЭС | 2 | | |
| 3 | Этапы построения ЭС | 2 | | |
| 4 | Технология разработки экспертных систем | 2 | | |
| 5 | Планирование в интеллектуальных системах | 2 | | |
| | ^ Инженерия знаний | | 4 | |
| 6 | Знания и данные | 1 | | |
| 7 | Извлечение знаний | 2 | | |
| 8 | Представление знаний в интеллектуальных системах | 4 | | |
| | ^ Обучение в интеллектуальных системах | | | |
| 9 | Обучение в интеллектуальных системах | 2 | | |
| | ^ Системы понимания естественного языка, машинный перевод | | 8 | |
| 10 | Функции и структура систем естественно-языкового общения | 2 | | |
| 11 | Методы реализации естественно-языкового интерфейса | 2 | | |
| | ^ Зрительное восприятие мира: системы машинного зрения, распознавание образов, зрительные системы интеллектуальных роботов | | 6 | |
| 12 | Задача распознавания образов | 2 | | |
| 13 | Структурные методы распознавания | 2 | | |
| | ^ Нейронные сети | | 8 | |
| 14 | Нейронные сети | 2 | | |
| 15 | Применение нейронных сетей | 2 | | |
| | ^ Заключительная лекция | 2 | | |
| | ИТОГО: | 34 | 34 | |
* – Внеаудиторная самостоятельная работа в объеме 51 часа отводится на подготовку к лабораторным работам, оформление отчетов.
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.
^ Концептуальные основы искусственного интеллекта (2 часа).
История искусственного интеллекта. Подходы к построению систем ИИ. Область применения. Инструментальные средства построения экспертных систем. Функциональная структура использования СИИ
^ Экспертные системы (8 часов).
Общая структура и схема функционирования ЭС. Этапы построения ЭС. Объяснительные способности ЭС. Взаимодействие пользователя с ЭС. Основные режимы работы экспертных систем. Технология разработки экспертных систем.
Планирование в интеллектуальных системах; Методы поиска решений в ЭС: поиск в пространстве состояний, редукция, дедуктивный вывод.
^ Инженерия знаний (7 часов).
Знания и данные (1 час)
Свойства знаний и отличие знаний от данных. Типы знаний: декларативные и процедурные, экстенсиональные и интенсиональные. Нечеткие знания.
Извлечение знаний (2 часа)
Источники экспертных знаний, извлечение и структурирование знаний, стадии приобретения знаний, автоматизированное приобретение знаний.
Представление знаний в интеллектуальных системах (4 часа)
Модели представления знаний в системах ИИ.
Правила-продукции. Структура правил-продукций. Типы ядер правил-продукций и варианты их интерпретаций. Методы логического вывода: прямой и обратный. Стратегии выбора правил при логическом выводе.
Семантические сети. Основные понятия семантических сетей. Типы отношений в семантических сетях. Абстрактные и конкретные сети. Принципы обработки информации в семантических сетях.
Фреймы и объекты. 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. Сценарии; ленемы. Базы знаний. Измерение БЗ.
^ Обучение в интеллектуальных системах (2 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.
^ Системы понимания естественного языка, машинный перевод (4 часа).
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.
^ Зрительное восприятие мира: системы машинного зрения, распознавание образов, зрительные системы интеллектуальных роботов (4 часа).
Постановка задачи распознавания образов. Статистические методы для распознавания образов и классификации. Кластерный анализ. Синтаксический (структурный) подход к анализу образов. Выделение признаков. Распознавание трехмерных объектов.
^ Нейронные сети (4 часов).
Нейронные сети (2 часа)
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. Многослойные перцептроны. Оценка состояния нейронной сети. Сведение функционирования нейронной сети к задаче минимизации целевой функции. Алгоритм обучения обратным распространением ошибки.
Применение нейронных сетей (2 часа)
Нейронная сеть как ассоциативная память. Использование нейронных сетей для прогнозирования. Особенности обработки символьной и численной информации в нейронных сетях.
5. Лабораторный практикум
| .№-№ п/п | № раздела дисциплины | Наименование лабораторных работ | К-во часов |
| | 6, 7, 8 | Знакомство с примерами прикладных систем искусственного интеллекта | 4 |
| | 10, 11 | Изучение возможностей естественно-языкового интерфейса (ЕЯИ) и получение практических навыков в реализации систем ЕЯИ | 8 |
| | 2, 3, 4, 5 | Использование инструментального средства CLIPS для разработки экспертных систем | 8 |
| | 14, 15 | Нейронные сети. Обучение нейронной сети выполнению заданной операции. | 8 |
| | 12, 13 | Разработка программы классификации с прямой цепочкой рассуждений | 6 |
6. Материально-техническое обеспечение дисциплины.
Для обеспечения лабораторно-практических занятий необходим класс ПЭВМ и программное обеспечение: Visual Prolog, Matlab, CLIPS.
7. Рекомендуемая литература.
Основная литература:
Искусственный интеллект. - В 3-х кн. Кн. 2. Модели и методы: Справочник/Под ред. Д. А. Поспелова-М. , Радио и связь, 1990. (20 экз.)
- Уотермен Д. Руководство по экспертным системам. Пер. с англ. -М.:Мир, 1989.- 388с. (2 экз. + 1 ч. з.)
- Гаврилова Т. А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. – СПб.: Питер, 2001. – 384 с. (1 экз.)
- Марселлус Д. Программирование экспертных систем на ТурбоПрологе: пер. с англ.,/ М.: Финансы и статистика, 1994.-256с. (1 экз.)
- Представление и использование знаний: Пер. с япон. /Под ред. Х. Уэно, М. Исидзука М. , Мир, 1989. (10 экз.)
- Попов Э. В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М., 1987. (10 экз.)
Дополнительная литература:
- Построение экспертных систем: Пер. С англ. / Под ред. Ф. Хейеса - Рота, Д. Уотермана, Д. Лената. - М. : Мир, 1987. (1 ч. з.)
- Лорьер Ж. Л. Системы искусственного интеллекта: Пер. с франц. М. , Мир, 1991. 1. (1 ч. з.)
- Малышев Н. Г. , Берштейн Л. С. , Боженюк А. В. Нечеткие модели для экспертных систем в САПР. - М. : Энергоатомиздат, 1991 - 136 с.
- Минский М. Фреймы для представления знаний. М.: Энергия,1979.-152с. (2 экз.)
- Обработка знаний: Пер. с япон. /М. , Мир, 1989.
- Системы искусственного интеллекта. М.: Мир, 1991г.
- Системы управления базами данных и знаний: Справ. Изд./ А.Н.Наумов, А.М.Вендров, В.К. Иванов и др.; Под ред. А.Н.Наумова. – М.: Финансы и статистика, 1991, -352с. (1 экз.)
- Толковый словарь по искусственному интеллекту /Авторы-составители А.Н. Аверкин, М.Г. Гаазе-Рапопорт, Д.А. Поспелов, М: Радио и связь, 1992. - 256 с. (2 экз. + 1 ч. з.)
- Кандрашина Е.Ю. , Литвинцева Л.В. , Поспелов Д.А. Представление знаний о времени и пространстве в интеллектуальных системах / Под ред. Д.А. Поспелова. - М.:Наука. Гл. Ред. физ.-мат. лит. 1989г., 328 с. (1 экз.)
- Бакаев А. А. , Грищенко В. И. , Козлов Д. Н. Методы организации и обработки баз знаний/ АН Украины, Ин-т кибернетики им. В. М. Глушкова. - Киев: Наукова думка, 1993-150 с. (2 ч. з.)
- Левин Р., Дранг Д., Эделсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике // narod.ru/ExpDob/Book_63.htm
- Дюбуа Д., Прад А. Теория возможностей. Приложения к представлению знаний в информатике: Пер. с фр. – М.: Радио и связь, 1990. – 288с. (1 экз).
- Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях: Монография. Тюмень: Издательство Тюменского государственного университета, 2000. 352 с. // .ru/tnm/cont.htm
- Гаврилов А.В., Новицкая Ю.В. Разработка экспертных систем // nstu.ru/site/students/ai1/
9. Переутверждение программы на очередной учебный год.
| Учебный год | Учебные группы | Решение кафедры № протокола, дата, подпись зав. кафедрой | Решение выпускающей кафедры № про-токола, дата, под-пись зав. кафедрой | Лектор разработчик программы | № изменения |
| | | | | | |
| | | | | | |
| | | | | | |
| | | | | | |
| | | | | | |
Примечание: тексты изменений прилагаются.
Разработчик программы: _______________