МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Саратовский государственный университет имени
Факультет компьютерных наук и информационных технологий
УТВЕРЖДАЮ
_______________________
"_____"__________________20___ г.
Рабочая программа дисциплины
Системы искусственного интеллекта
Направление подготовки
010500 Математическое обеспечение и администрирование
информационных систем
Профиль подготовки
Параллельное программирование
Квалификация (степень) выпускника
Бакалавр
Форма обучения
Очная
Саратов,
2011 год
1. 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. Дисциплины по выбору» ФГОС-3.
Для изучения дисциплины необходимы компетенции, сформированные у обучающихся в результате изучения курса «Дискретная математика», «Рекурсивно-логическое программирование» и «Математическая логика».
Сформированные в процессе изучения дисциплины «Системы искусственного интеллекта» компетенции, необходимы студенту при подготовке квалификационной работы.
3 Компетенции обучающегося, формируемые в результате освоения дисциплины
Данная дисциплина способствует формированию следующих компетенций:
- исследовательские навыки (ОК 6);
- способность учиться (ОК 7);
- фундаментальную подготовку по основам профессиональных знаний (ОК 10);
- базовые знания в различных областях (ОК 13);
- определение общих форм, закономерностей, инструментальных средств для данной дисциплины (ПК 1);
- умение понять поставленную задачу (ПК 2);
- умение формулировать результат (ПК 3);
- умение грамотно пользоваться языком предметной области (ПК 7);
- умение ориентироваться в постановках задач (ПК 8).
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:
· понять поставленную задачу;
· правильно выбирать методы для решения конкретной инженерной задачи с использованием знаний;
· правильно оформлять полученные результаты;
· 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 проведения исследования различных предметных областей;
· 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 (75 часов аудиторных).
№ п/п | Раздел дисциплины | Семестр | Неделя семестра | Виды учебной работы, включая самостоятельную работу студентов и трудоемкость (в часах) | Формы текущего контроля успеваемости (по неделям семестра) Формы промежуточной аттестации (по семестрам) | ||
1 | Новые информационные технологии и искусственный интеллект (ИИ). | 8 | 1 | Л:4 | Ср:2 | Тест №1 на 3 неделе. | |
2 | Программное обеспечение работ по ИИ. | 8 | 2 | Л:2 | Ср:2 | Тест №1 на 3 неделе. | |
3 | Решение задач и искусственный интеллект. | 8 | 3 | Л:4 | Ср:2 | Тест №1 на 3 неделе. | |
4 | Представление знаний. | 8 | 4-5 | Л:4 | Ср:4 | Тест №2 на 9 неделе. | |
5 | Логика предикатов 1-го порядка. | 8 | 5-6 | Л:4 | Ср:6 | Пр:4 | Тест №2 на 9 неделе. |
6 | Экспертные системы. | 8 | 7-9 | Л:8 | Ср:4 | Пр:4 | Тест №2 на 9 неделе. Контрольная работа №1 на 9 неделе. |
7 | Общение человека с системой ИИ. | 8 | 9-10 | Л:4 | Ср:2 | Тест №3 на 12 неделе. | |
8 | Модели нейронных сетей. | 8 | 11-12 | Л:6 | Ср:4 | Пр:8 | Тест №3 на 12 неделе. |
9 | Генетические алгоритмы. | 8 | 13 | Л:4 | Ср:4 | Пр:6 | Тест№4 на 15 неделе. |
10 | Интеллектуальный анализ данных.
| 8 | 14-15 | Л:5 | Ср:3 | Пр:8 | Тест№4 на 15 неделе. Контрольная работа №2 на 15 неделе. |
Промежуточная аттестация | Экзамен | ||||||
ИТОГО | 45 | 33 | 30 | 36 |
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 (ART-1). 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, перекрестный опрос, командное решение задач, мультимедийные презентации.
7. Учебно-методическое и информационное обеспечение дисциплины
а) основная литература:
1. Сидоров, Сергей Петрович. Введение в интеллектуальные информационные системы: учеб. пособие для студентов мех.-мат. фак., обучающихся по специальности "Прикладная информатика (по областям)" / , ; Сарат. гос. ун-т им. . - 2-е изд., перераб., доп. - Саратов : Изд-во Сарат. ун-та, 20с
Джонс, М. Тим. Программирование искусственного интеллекта в приложениях = Al Application Programming : [учеб. пособие] / ; пер. с англ. ; гл. ред. . - М. : ДМК Пресс, 20с.
б) дополнительная литература:
1. Люгер Дж. Ф. Искусственный интеллект. / Дж. Ф. Люгер, пер. с англ. , –М. Издательский дом «Вильямс», 20с.
2. Ярушкина теории нечётких и гибридных систем [Текст] : учеб. пособие / . - М. : Финансы и статистика, 20, [2] с. : ил.
3. Егоров информационно-экспертные системы [Текст] / , ; С.-Петерб. гос. ун-т. - СПб. : Изд-во С.-Петерб. ун-та, 20, [2] с. : рис.
4. Попов и динамические экспертные системы [Текст] : учеб. пособие / , , . - М. : Финансы и статистика, 19, [2] с. : ил.
5. Нейронные сети, генетические алгоритмы и нечёткие системы [Текст] = Sieci neuronowe, algorytmy genetyczne i systemy rozmyte / Д. Рутковская, М. Пилиньский, Л. Рутковский ; пер. с пол. . - М. : Горячая линия - Телеком, 20, [1] с.
6. Достоверный и правдоподобный вывод в интеллектуальных системах [Текст] : учеб. пособие / [и др.] ; под ред. , . - 2-е изд., испр. и доп. - М. : ФИЗМАТЛИТ, 20, [2] с.
в) программное обеспечение и Интернет-ресурсы:
1. Операционная система Windows 2000 (или XP).
2. Бесплатная система Deductor Academic.
8. Материально-техническое обеспечение дисциплины
Компьютерный класс. Мультимедийная лекционная аудитория.
Программа составлена в соответствии с требованиями ФГОС ВПО с учетом рекомендаций и ПрООП ВПО по направлению и профилю подготовки «Параллельное программирование»
Автор: .
Программа одобрена на заседании кафедры Математической кибернетики и компьютерных наук от «22» февраля 2011 г., протокол
Зав. кафедрой МКиКН .
Декан факультет .
