· Владеть:
- методами анализа возможности применения технологии нейронных сетей для конкретной проблемной ситуации и выбора наиболее пригодных методов обучения нейронных сетей;
- навыками использования генетических алгоритмов для решения задач с большой размерностью и сравнительным анализом работы генетических алгоритмов с традиционным подходом к решению таких задач;
- Оценками качества работы экспертных систем на основе баз знаний и байесовского подхода и выработкой рекомендаций по работе с экспертной информацией с целью совершенствования экспертных систем.
Таблица 2
Код компетенции по ФГОС ВПО или ООП | Содержание компетенции (или ее части) | В результате изучения дисциплины обучающиеся должны: | ||
знать | уметь | владеть | ||
ОК-6 | Способность самостоятельно приобретать с помощью информационных технологий и использовать в практической деятельности новые знания и умения, в том числе в новых областях знаний, непосредственно не связанных со сферой деятельности | - знать принципы работы генетических алгоритмов и использовать их для различных сложных задач в различных областях деятельности | - разрабатывать программы на основе генетических алгоритмов | - качества работы экспертных систем на основе баз знаний и байесовского подхода |
ПК-6 | Способность к проектной деятельности в профессиональной сфере на основе системного подхода, умение строить и использовать модели для описания и прогнозирования различных явлений, осуществлять их качественный и количественный анализ | - принципы построения нейронных сетей и различных методов обучения | - - использовать нейросетевые модели для задач распознавания образов и анализа временных рядов | методами анализа возможности применения технологии нейронных сетей для конкретной проблемной ситуации и выбора наиболее пригодных методов обучения нейронных сетей; |
2.5 Объем и виды занятий по дисциплине
Объем и виды занятий по дисциплине представлены в Паспорте дисциплины:
Паспорт дисциплины
Кафедра «Прикладная математика»
1.Б.2 «Инженерия знаний и системы искусственного интеллекта»
Статус дисциплины базовая
Направление 231000.68 «Программная инженерия»
Форма обучения очная
Объем дисциплины 180 часов
Общая трудоёмкость дисциплины 5 зачётных единиц
Распределение по видам занятий
Семестр | Учебные занятия (часы) | Наличие курсовых проектов (КП), курсовых работ (КР), расчетных заданий (РЗ) | Форма промежуточной аттестации (зачёт, экзамен) | ||||||
Всего | Аудиторные занятия | СРС | |||||||
всего аудиторных занятий | Лекц. | лаборат. работы | практические занятия (семинары) | в семестре | в период сессии | ||||
1 | 180 | 45 | 15 | 30 | 99 | 36 | рз | Экзамен |
3 Рабочая программа дисциплины
3.1 Содержание дисциплины
3.1.1 Тематический план дисциплины
3.1.1.1 Лекции (15 часов, [1-5])
3.1.1.1.1. Генетические алгоритмы, Литература [ 1-3,5]
Генетические алгоритмы как модель эволюции живых существ. Принципы генетических алгоритмов: генетическая рекомбинация, мутации и естественный отбор. Особенности применения генетических алгоритмов и их преимущества перед традиционным подходом в ряде задач. 3 часа+6 час СРС.
3.1.1.1.2. Модель нейронной сети на основе обратного распространения ошибки. Литература [4,6-7]
Вывод формулы коррекции весовых связей по аналогии с градиентным методом многомерной оптимизации. Свойства нейронных сетей. Примеры решения задач по распознаванию образов. Модификации градиентного метода обучения первого и второго порядка. 4 часа + 8 час СРС.
3.1.1.1.3. Топологические карты Кохонена для построения кластеров в обучении без учителя. Литература [1,4,6-7]
Принцип топологической пространственной организации карты. Вывод основных формул. Примеры использования. Представление многомерных данных в двумерном пространстве. 2 часа + 4 час СРС.
3.1.1.1.4. Методы представления и использования знаний в экспертных системах. Литература [1,4]
Экспертные системы, их свойства и методы построения. Классические примеры экспертных систем, принципы их работы. Байесовский подход и подход на основе правил в экспертных системах. Пример построения экспертной системы для диагностики заболеваний 4 часа + 8 час СРС.
3.1.1.1.5. Алгоритмы моделирования поведения колонии муравьев для решения задач на графах типа задачи коммивояжера. Литература [1,4]
Модель поведения колонии муравьев при поиске пищи. Ферменты, их размещение муравьем при движении и испарение фермента. Сравнение алгоритма движения муравьев с классическим алгоритмом ветвей и границ задачи коммивояжера. 2 часа + 4 час СРС.
3.1.1.2 Лабораторные занятия (30 час.) Литература [1-5]
3.1.1.2.1. Построение генетического алгоритма для приближенного решения одной из NP полных задач большой размерности. (4 часа)
3.1.1.2.2. Анализ решения, полученного генетическим алгоритмом при различных параметрах и структурных изменениях (2 час)
3.1.1.2.3. Реализация алгоритма обратного распространения ошибки обучения нейронных сетей для задачи распознавания образов (4 часа)
3.1.1.2.4. Реализация модификаций метода обратного распространения ошибки первого порядка (4 часа)
3.1.1.2.5. Построение карты Кохонена на прямоугольной решетке для битовых образов (2 часа)
3.1.1.2.6. Визуализация многомерного набора данных отображением на двумерную область. Метод Сэммона (2 часа)
3.1.1.2.7. Разработка простейшей экспертной системы на одном из языков программирования на основе фактов и правил по оценке проолжительности жизни (4 часа)
3.1.1.2.8. Разработка экспертной системы на основе байесовского подхода для диагностики заболеваний (4 часа)
3.1.1.2.9. Реализация одного из типов муравьиного алгоритма для задач поиска пути на графе (4 часа)
Методические указания к лабораторным работам и варианты заданий приведены в Приложении А
3.1.1.3. Расчетное задание (15 час)
Расчетное задание является промежуточным этапом в изучении студентами учебной дисциплины в общем объеме. Задачей расчетного задания является формирование практических навыков построения и анализа одного из дополнительных методов обучения нейронных сетей. При выполнении расчетного задания требуется знания, полученные в результате изучения всего курса. В силу большого объема количества часов, выделяемых для выполнения курсового проекта, предусмотрено, что студент самостоятельно изучает некоторые темы. Темы расчетного задания приведены в приложении Б.
Расчетное задание включает в себя развернутую постановку задачи, разработку пользовательского интерфейса, написание программы, оформление отчета о проделанной работе.
Основными разделами курсового проекта являются:
1. Описание предметной области. (1 часа СРС )
2. Первичное проектирование интерфейса. Используется материал темы №№ 2, 4 (2 часов СРС)
3. Разработка ПО с реализацией метода обучения нейронных сетей как дополнение к стандартным методам, разрабатываемым в лабораторных работах. (7 часов СРС)
4. Подготовка обучающей выборки и тестирование реализованного метода (4 часов СРС).
5. Оформление отчета (1 час СРС)
По проделанной работе должны быть представлены:
1) отчет, написанный в соответствии с правилами оформления отчета.
2) работоспособный программный продукт.
[Литеpатуpа см. п. 3.1.2.]
Методические указания к выполнению расчетного задания и варианты заданий приведены в Приложении Б
3.1.1.4 Самостоятельная работа студентов (99 часов в семестре + 36 часов в период сессии)
Самостоятельная работа заключается в подготовке к лабораторным работам, изучении теоретического материала, выполнении расчетного задания. Примерное распределение времени на самостоятельную работу (135 часов):
· изучение теоретического материала 30 часов;
· подготовка к лабораторным работам и их защите 54 часов,
· выполнение расчетного задания 15 час
· подготовка в период сессии 36 часов.
Вся необходимая информация для самостоятельной работы содержится в книгах [1-3], а также в списке дополнительной литературы. Для углубленного изучения материала служат книги [4-7]. Методические указания к лабораторным работам и варианты заданий приведены в
3.1.2 Учебно-методическое и информационное обеспечение дисциплины
А) основная литература:
1. Н. Искусственный интеллект. Учебное пособие. Издательство: "Бином. Лаборатория знаний" ISBN: 978-5-9963-1481-2 Год: 2012 стр. 197. http://e. /view/book/8775/ Б) дополнительная литература 2. Т. Программирование искусственного интеллекта в приложениях. Издательство: "ДМКПресс" ISBN: 978-5-94074-746-8 Год: 2011 стр. 312. http://e. /view/book/1244/ 3. Н. М. Искусственный интеллект. Методическое пособие Издательство: "Бином. Лаборатория знаний" ISBN: 978-5-9963-1482-9 Год: 2012 стр. 212. http://e. /view/book/8776/ 4. И. Нейронные сети: основы теории. Издательство: "Горячая линия-Телеком" ISBN: 978-5-9912-0082-0 Год: 2010 стр. 496. http://e. /view/book/5144/ 5. Искусственный интеллект. Стратегии и методы решения сложных проблем. Четвертое издание. М., Вильямс. 2003 [10 экз]. 6. Нейронные сети для обработки информации. М., Финансы и статистика. 2002 [4 экз]. 7. Основные концепции нейронных сетей. М., Вильямс. 2001 [5 экз]. |
3.1.3 Формы и содержание текущей и промежуточной аттестации по дисциплине
|
Из за большого объема этот материал размещен на нескольких страницах:
1 2 3 4 5 |
Основные порталы (построено редакторами)