010300_b3.b.11_intellektualnye_sistemy

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ
РОССИЙСКОЙ ФЕДЕРАЦИИ
Саратовский государственный университет имени Н.Г. Чернышевского
Факультет компьютерных наук и информационных технологий
УТВЕРЖДАЮ
___________________________
"__" __________________20__ г.
Рабочая программа дисциплины
ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ
Направление подготовки
010300 Фундаментальная информатика и информационные технологии
Профиль подготовки
Информатика и компьютерные науки
Квалификация (степень) выпускника
Бакалавр
Форма обучения
Очная
Саратов,
2011 год
Цели освоения дисциплины
Целью освоения данной дисциплины является изучение основ
построения систем искусственного интеллекта, особенностей их
организации, функционирования, жизненного цикла, направлений развития
систем искусственного интеллекта, развитие у студентов компетенций в
проектировании и использовании современных интеллектуальных систем в
профессиональной деятельности.
2.Место дисциплины в структуре ООП бакалавриата
Данная учебная дисциплина входит в раздел «Профессиональный цикл.
Базовая часть» ФГОС-3.
Для изучения дисциплины необходимы компетенции, сформированные у
обучающихся
в
результате
изучения
курса
«Моделирование
информационных процессов» и «Теория автоматов и формальных языков».
Сформированные в процессе изучения дисциплины «Интеллектуальные
системы» компетенции, необходимы студенту при изучении дисциплин
«Экспертные системы» и «Математические основы искусственного
интеллекта».
3 Компетенции обучающегося, формируемые в результате
освоения дисциплины
Данная дисциплина способствует формированию следующих
компетенций:
 способность понимать и применять в исследовательской и прикладной
деятельности современный математический аппарат, фундаментальные
концепции
и
системные
методологии,
международные
и
профессиональные стандарты в области информационных технологий,
способность
использовать
современные
инструментальные
и
вычислительные средства (в соответствии с профилем подготовки) (ПК-4)
 детальное знание парадигм и методологий программирования,
особенностей языков программирования общего и специального
назначения, наиболее широко используемых средств программирования
(ПК-18)
 уверенное знание теоретических и методических основ, понимание
функциональных возможностей, следующих предметных областей:
Разработка информационных систем; Моделирование и анализ
программного обеспечения; Технологии мультимедиа; Архитектура и
организация
компьютеров;
Конфигурирование
и
использование
операционных систем; Разработка и принципы сетевых технологий;
Человеко-машинное взаимодействие; Приложения и использование баз
данных; Социальные и этические вопросы ИТ; Анализ технических
требований; Графика и визуализация; Интеллектуальные системы;
Теория баз данных; (ПК-25)
 способность решать задачи производственной и технологической
деятельности на высоком профессиональном уровне, включая: разработку
алгоритмических и программных решений в области системного и
прикладного
программирования;
разработку
математических,
информационных и имитационных моделей по тематике выполняемых
опытно-конструкторских работ и проектов; создание информационных
ресурсов глобальных сетей, образовательного контента, прикладных баз
данных; разработку тестов и средств тестирования систем и средств на
соответствие стандартам и исходным требованиям; разработку
эргономичных человеко-машинных интерфейсов в соответствии с
профилизацией (ПК-28);
В результате освоения дисциплины обучающийся должен:
Знать:
 Парадигмы и методологии программирования на языках систем
искусственного интеллекта.
 Теоретические и методические основы интеллектуальных систем.
 Основы исчисления высказываний и исчисления предикатов.
 Способы представления знаний.
 Теоретические основы нейронных сетей и генетических алгоритмов.
Уметь:
 правильно выбирать методы для решения конкретной инженерной
задачи с использованием знаний;
 разрабатывать базы знаний, соответствующие методу и модели
знаний;
 Использовать логику как средство представления знаний и
рассуждений;
 Применять
современные
интеллектуальные
системы
в
профессиональной деятельности.
Владеть
 навыками приобретения, структурирования и формализации знаний;
 навыками использования системами интеллектуального анализа
данных;
 навыками использования нейронных сетей, генетических алгоритмов
и других интеллектуальных методов в профессиональной деятельности.
4. Структура и содержание дисциплины
Общая трудоемкость дисциплины составляет 4 зачетные единицы, 144
часа (65 часа аудиторных).
№ Раздел
п/ дисциплины
п
1
2
3
4
5
6
Тест №1 на 3
неделе.
Программное
обеспечение работ
по ИИ.
Решение задач и
искусственный
интеллект.
Представление
знаний.
Логика предикатов
1-го порядка.
Экспертные
системы.
Общение человека с
системой ИИ.
8 Модели нейронных
сетей.
9 Генетические
алгоритмы.
10 Интеллектуальный
анализ данных.
7
Се Неделя
мес семестр
тр
а
Виды учебной
работы, включая
самостоятельную
работу студентов и
трудоемкость (в
часах)
Формы
текущего
контроля
успеваемост
и (по
неделям
семестра)
Формы
промежуточ
ной
аттестации
(по
семестрам)
7
1
Л:2
Ср:2
7
2
Л:2
Ср:2
Тест №1 на 3
неделе.
7
3
Л:2
Ср:2
Тест №1 на 3
неделе.
7
4
Л:2
Ср:2
7
5-6
Л:4
Ср:2
Лаб:4
7
7
Л:2
Ср:2
Лаб:4
7
8
Л:2
Ср:4
7
9-11
Л:6
Ср:6
Лаб:10
7
12
Л:2
Ср:6
Лаб:9
7
13
Л:2
Ср:6
Лаб:12
26
34
39
Тест №2 на 6
неделе.
Тест №2 на 6
неделе.
Контрольная
работа №1 на
7 неделе.
Тест №3 на
11 неделе.
Тест №3 на
11 неделе.
Тест№4 на 12
неделе.
Контрольная
работа №2 на
13 неделе.
Экзамен
45
Текущая аттестация
ИТОГО
Раздел «Новые информационные технологии и Искусственный
Интеллект». Традиционные средства программного обеспечения ЭВМ и
системы ИИ. Задачи исследований по ИИ. Интеллектуальная деятельность
человека и ИИ.
Раздел «Программное обеспечение работ по ИИ». Экспериментальный
и эволюционный характер разработок систем ИИ, требования к
программному обеспечению. Языки программирования для задач ИИ. Языки
ЛИСП, ПЛЭНЕР, Пролог.
Раздел «Решение задач и искусственный интеллект». Представление
задач в пространстве состояний. Стратегии поиска решения: слепой и
эвристический; прямой, обратный и двунаправленный; иерархический поиск.
Редукция задач. Программа GPS. Поиск на игровых деревьях: дерево игры,
минимаксная процедура, альфа-бета процедура. Планирование действий:
неиерархическое, иерархическое, с взаимодействующими подцелями. Роботы
и искусственный интеллект.
Раздел «Представление знаний - центральная проблема ИИ».
Основные модели представления знаний. Классификация моделей и форм
знаний. Реляционная модель знаний: предикатная, продукционная и
лингвистическая формы. Объектная модель: семантическая и фреймовая
формы. Ассоциативная модель: логическая, нейронная и гибридная формы.
Раздел «Логика предикатов 1-го порядка как метод представления
знаний». 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.
Раздел «Экспертные системы (ЭС)». Определение Области применения
ЭС. Архитектура ЭС. База знаний, механизмы вывода, подсистемы
объяснения, общения, приобретения знаний ЭС.
Раздел «Общение человека с системой ИИ». Модель общения человека
с системой ИИ. Искусственный интеллект и естественный язык. Понимание
выражений естественного языка. Представление лингвистических знаний.
Методы анализа и синтеза текста. ИИ и прикладная лингвистика.
Раздел «Модели нейронных сетей». Многослойные перцептроны.
Оценка состояния нейронной сети. Сведение функционирования нейронной
сети к задаче минимизации целевой функции. Алгоритм обучения обратным
распространением ошибки. Нейронная сеть как ассоциативная память.
Модель Хопфилда. Модель Кохонена. Модель Гросберга-Карпентера (ART1). Программная и аппаратная реализации нейронных сетей. Использование
нейронных сетей для прогнозирования. Особенности обработки символьной
и численной информации в нейронных сетях.
Раздел «Генетические алгоритмы (ГА)». Основные понятия ГА.
Области применения. Операции.
Раздел «Интеллектуальный анализ данных (ИАД)». Способы
аналитической обработки данных. Стадии интеллектуального анализа
данных. Области применения. Типы закономерностей. Классы систем ИАД.
Деревья решений.
5. Образовательные технологии
При проведении занятий планируется использование таких активных и
интерактивных форм занятий, как промежуточное тестирование, командное
решение задач. Широко используются мультимедийные презентации при
представлении лекционного материала.
6. Учебно-методическое обеспечение самостоятельной работы
студентов. Оценочные средства для текущего контроля успеваемости,
промежуточной аттестации по итогам освоения дисциплины.
7.
Учебно-методическое
и
информационное
обеспечение
дисциплины
а) основная литература:
1. Дудов С. И., Сидоров С.П. Введение в интеллектуальные
информационные системы - Саратов: Изд-во Сарат. ун-та, 2007.
Джонс М. Программирование искусственного интеллекта в приложениях М.: ДМК Пресс, 2004.
1.
2.
3.
4.
5.
б) дополнительная литература:
Люгер Дж.Ф. Искусственный интеллект. – М.: Издательский дом
«Вильямс», 2003.
Ярушкина Н.Г. Основы теории нечётких и гибридных систем - М.:
Финансы и статистика, 2004.
Егоров Н.В. Диагностические информационно-экспертные системы СПб.: Изд-во С.-Петерб. ун-та, 2002.
Пилиньский М., Рутковская Д., Рутковский Л. Нейронные сети,
генетические алгоритмы и нечёткие системы - М.: Горячая линия Телеком, 2006.
Достоверный и правдоподобный вывод в интеллектуальных системах:
учеб. пособие / под ред. В. Н. Вагина, Д. А. Поспелова. - М.:
ФИЗМАТЛИТ, 2008.
в) программное обеспечение и Интернет-ресурсы:
1. Операционная система Windows 2000 (или выше).
2. Бесплатная система Deductor Academic.
8. Материально-техническое обеспечение дисциплины
Компьютерный класс с установленной операционной системой
Windows 2000 или выше.
Программа составлена в соответствии с требованиями ФГОС ВПО с
учетом рекомендаций и ПрООП ВПО по направлению и профилю подготовки
«Информатика и компьютерные науки»
Автор:
А.С. Иванов.
Программа одобрена на заседании кафедры Математической
кибернетики и компьютерных наук от «22» февраля 2011 г., протокол № 13
Зав. кафедрой МКиКН
А.С. Иванов.
Декан факультет
А.Г. Федорова.