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
231000 Программная инженерия
Профиль подготовки
Разработка программно-информационных систем
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. Дисциплины по выбору» ФГОС-3.
Для изучения дисциплины необходимы компетенции, сформированные у обучающихся в результате изучения курса «Дискретная математика» и «Математические основы искусственного интеллекта».
3 Компетенции обучающегося, формируемые в результате освоения дисциплины
Данная дисциплина способствует формированию следующих компетенций:
- способность создавать программные интерфейсы (ПК-14).
- навыки использования различных технологий разработки программного обеспечения (ПК-16);
- умение применять основные методы и инструменты разработки программного обеспечения (ПК-17);
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 (52 часа 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:2 | 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:2 | Ср:2 | Тест №1 на 3 неделе. | |
4 | Представление знаний. | 8 | 4 | Л:2 | Ср:4 | Тест №2 на 6 неделе. | |
5 | Логика предикатов 1-го порядка. | 8 | 5-6 | Л:4 | Ср:6 | Лаб:4 | Тест №2 на 6 неделе. |
6 | Экспертные системы. | 8 | 7-8 | Л:4 | Ср:8 | Лаб:4 | Контрольная работа №1 на 8 неделе. |
7 | Общение человека с системой ИИ. | 8 | 9 | Л:2 | Ср:4 | Тест №3 на 10 неделе. | |
8 | Модели нейронных сетей. | 8 | 10-11 | Л:4 | Ср:8 | Лаб:6 | Тест №3 на 10 неделе. |
9 | Генетические алгоритмы. | 8 | 12 | Л:2 | Ср:8 | Лаб:6 | Тест№4 на 12 неделе. |
10 | Интеллектуальный анализ данных.
| 8 | 13 | Л:2 | Ср:8 | Лаб:6 | Контрольная работа №2 на 13 неделе. |
Промежуточная аттестация | Экзамен | ||||||
ИТОГО | 26 | 56 | 26 | 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, 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. , Сидоров в интеллектуальные информационные системы - Саратов: Изд-во Сарат. ун-та, 2007.
Программирование искусственного интеллекта в приложениях - М.: ДМК Пресс, 2004.
б) дополнительная литература:
1. Люгер Дж. Ф. Искусственный интеллект. – М.: Издательский дом «Вильямс», 2003.
2. Ярушкина теории нечётких и гибридных систем - М.: Финансы и статистика, 2004.
3. Егоров информационно-экспертные системы - СПб.: Изд-во С.-Петерб. ун-та, 2002.
4. Нейронные сети, генетические алгоритмы и нечёткие системы - М.: Горячая линия - Телеком, 2006.
5. Достоверный и правдоподобный вывод в интеллектуальных системах: учеб. пособие / под ред. , . - М.: ФИЗМАТЛИТ, 2008.
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 с установленной операционной системой Windows 2000 или выше.
Мультимедийная лекционная аудитория (наличие проектора и проекционного экрана).
Программа составлена в соответствии с требованиями ФГОС ВПО с учетом рекомендаций и ПрООП ВПО по направлению и профилю подготовки «Разработка программно-информационных систем»
Автор: .
Программа одобрена на заседании кафедры Математической кибернетики и компьютерных наук от «22» февраля 2011 г., протокол
Зав. кафедрой МКиКН .
Декан факультет .
