УТВЕРЖДАЮ
Директор ИК
__________
«___» ____________2015 г.
БАЗОВАЯ РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И НЕЙРОСЕТЕВОЕ УПРАВЛЕНИЕ
Направление ООП: 15.03.06 «Мехатроника и робототехника»
Профиль подготовки: «Интеллектуальные робототехнические
и мехатронные системы»
Квалификация (степень): бакалавр
Базовый учебный план приема: 2015 г.
Курс 3 семестр 6
Количество кредитов 3
Код дисциплины Б1.ВМ5.1.3.1
Виды учебной деятельности | Временной ресурс по очной форме обучения |
Лекции, ч | 16 |
Практические занятия, ч | - |
Лабораторные занятия, ч | 16 |
Аудиторные занятия, ч | 32 |
Самостоятельная работа, ч | 76 |
ИТОГО, ч | 108 |
Вид промежуточной аттестации: зачет
Обеспечивающее подразделение: кафедра интегрированных компьютерных
систем управления (ИКСУ)
Заведующий кафедрой ИКСУ __________
(ФИО)
Руководитель ООП ___________
(ФИО)
Преподаватель ___________
(ФИО)
2015 г.
1. Цели освоения дисциплины
Усвоение студентами современных знаний по искусственному интеллекту, как он реализуется и где может быть использован, а также уяснение основных принципов построения систем с нечеткой логикой, экспертных систем и систем нейросетевого управления. Полученная студентами в данном курсе совокупность знаний и умений позволит им более успешно усваивать другие общепрофессиональные и специальные дисциплины последующей вузовской подготовки.
Изучение дисциплины «Искусственный интеллект и нейросетевое управление» направлено на достижение следующих целей ООП 15.03.06 «Мехатроника и робототехника».
Ц2 | Подготовка выпускников к проектно-технологической деятельности в области создания средств и систем мехатроники и робототехники с использованием современных инструментальных средств и информационных технологий. |
Ц3 | Подготовка выпускников к комплексным инженерным исследованиям для решения задач, связанных с разработкой аппаратных и программных средств объектов мехатроники и робототехники. |
Ц5 | Подготовка выпускников к самообучению и непрерывному профессиональному самосовершенствованию. |
2. Место дисциплины в структуре ООП
Дисциплина «Искусственный интеллект и нейросетевое управление» входит в вариативную часть математического и естественнонаучного цикла дисциплин.
ПРЕРЕКВЕЗИТЫ – дисциплины «Информатика», «Программные средства математических расчетов» «Информационные технологии», «Математический анализ 1.3», «Линейная алгебра и аналитическая геометрия 1.3, «Математика 2.3». В процессе изучения «Информатики» и «Информационные технологии» у студента формируется база знаний по основам программирования на языке высокого уровня, умение воспроизводить алгоритм работы программы в виде блок-схемы, применять основные принципы алгоритмизации и программирования, уметь работать в средах MathCAD, MatLab при решении задач. Дисциплины «Математический анализ 1.3», «Линейная алгебра и аналитическая геометрия 1.3» дают студенту базовые знания о выполнении математических расчетов, таких как дифференцирования, интегрирования функций, определения корней уравнений и систем уравнений, работе с матрицами, а также общем виде и классификации графиков функций и поверхностей.
КОРЕКВЕЗИТЫ – дисциплины «Электроника», «Автоматизация управления жизненным циклом продукции».
Дисциплина «Искусственный интеллект и нейросетевое управление» обеспечивает развитие профессионально значимых умений и опыта деятельности, необходимых при изучении дисциплин профессионального цикла, выполнения УИРС, НИРС и ВКР.
3. Результаты освоения дисциплины
В соответствии с требованиями ООП освоения дисциплины «Искусственный интеллект и нейросетевое управление» направлено на формирование у студентов следующих компетенций, в том числе в соответствии с ФГОС:
Общекультурные компетенции (ОК):
способностью к коммуникации в устной и письменной формах на русском и иностранном языках для решения задач межличностного и межкультурного взаимодействия (ОК-5);
способностью к самоорганизации и самообразованию (ОК-7);
Общепрофессиональные компетенции (ОПК):
способностью представлять адекватную современному уровню знаний научную картину мира на основе знания основных положений, законов и методов естественных наук и математики (ОПК-1);
готовностью собирать, обрабатывать, анализировать и систематизировать научно-техническую информацию по тематике исследования, использовать достижения отечественной и зарубежной науки, техники и технологии в своей профессиональной деятельности (ОПК-4);
Профессиональные компетенции (ПК):
способностью составлять математические модели мехатронных и робототехнических систем, их подсистем и отдельных элементов и модулей, включая информационные, электромеханические, гидравлические, электрогидравлические, электронные устройства и средства вычислительной техники (ПК-1);
способностью разрабатывать программное обеспечение, необходимое для обработки информации и управления в мехатронных и робототехнических системах, а также для их проектирования (ПК-2);
способностью осуществлять анализ научно-технической информации, обобщать отечественный и зарубежный опыт в области средств автоматизации и управления, проводить патентный поиск (ПК-4);
способностью проводить вычислительные эксперименты с использованием стандартных программных пакетов с целью исследования математических моделей мехатронных и робототехнических систем (ПК-6);
способностью производить расчёты и проектирование отдельных устройств и подсистем мехатронных и робототехнических систем с использованием стандартных исполнительных и управляющих устройств, средств автоматики, измерительной и вычислительной техники в соответствии с техническим заданием (ПК-10);
Составляющие результатов обучения, которые будут достигнуты при изучении дисциплины «Искусственный интеллект и нейросетевое управление» представлены в таблице 1.
Таблица 1
Составляющие результатов обучения,
которые будут получены при изучении данной дисциплины
Результаты обучения | Составляющие результатов обучения | |||||
Код | Знания | Код | Умения | Код | Владение опытом | |
Р2 | З.2.1 | – программно-технических средств, используемых для обработки информации робототехнических систем | У.2.1 | – использовать программно-технические средства для построения мехатронных и робототехнических систем | В.2.1 | – применения программно-технических средств для построения мехатронных и робототехнических систем |
Р3 | З.3.3 | – основных понятий искусственного интеллекта, информации-онных моделей знаний | У.3.3 | – применять методы искусственного интеллекта в области робототехники | В.3.3 | – применения методов искусственного интеллекта в области робототехники |
Планируемые результаты освоения дисциплины «Искусственный интеллект и нейросетевое управление» показаны в таблице 2.
Таблица 2
Планируемые результаты освоения дисциплины
№ п. п. | Результаты |
РД1 | Знать об основных понятиях, используемых в научном направлении «Искусственный интеллект», об областях его практического использования и проблемах, связанных с его реализацией; |
РД2 | Знать о принципах построения систем управления с нечеткой логикой, экспертных систем и систем нейросетевого управления, о новых технологиях решения задач управления, связанных с использованием средств и методов искусственного интеллекта; |
РД3 | Уметь использовать основные методы и алгоритмы построения систем искусственного интеллекта, систем управления с нечеткой логикой, экспертных систем и систем нейросетевого управления; |
РД4 | Владеть опытом разработки и эксплуатации систем управления, обладающими элементами искусственного интеллекта; |
4. Структура и содержание дисциплины
Раздел 1. Базовые понятия искусственного интеллекта (ИИ) (2 часа)
Мышление и интеллект. Определение искусственного интеллекта. Терминология. Философские аспекты, проблемы систем искусственного интеллекта (возможность существования, безопасность, полезность). История и перспективы развития систем ИИ, области их практического использования. Архитектура и основные составные части систем ИИ.
Раздел 2. Системы управления с нечеткой логикой (2 часов)
Краткая историческая справка. Основные идеи и практическое применение нечеткой логики. Лингвистические переменные и их описание. Операции над нечёткими множествами. Основная структура и принцип работы системы нечёткой логики. Фаззификация, правила логических выводов и дефаззификация. Пример использования системы с нечёткой логикой.
Раздел 3. Экспертные системы (4 часов)
Базовые понятия. Назначение экспертных систем. Структуры эксперт-ных систем. Предпочтительное использование экспертных систем. Этапы разработки экспертных систем. Методология построения экспертных систем. Представление знаний в экспертных системах. Уровни представления и уровни детальности знаний. Организация знаний в рабочей системе. Методы поиска решений в экспертных системах. Инструментальные средства для экспертных систем. Инструментальные средства G2 создания экспертных систем реального времени. Система CLIPS.
Раздел 4. Нейронные сети (6 часов)
Нейрон и его модели. Простейший персептрон. Системы типа Адалайн. Адалайн с сигмоидой на выходе. Классификация искусственных нейронных сетей. Статические линейные однослойные нейронные сети. Статические многослойные нейронные сети. Алгоритмы обучения статических много-слойных нейронных сетей. Динамические алгоритмы обучения многослой-ных нейронных сетей. Алгоритм обратного распространения ошибки.
Перечень лабораторных работ (16 часов)
1. Пакет Fuzzy Logic Toolbox. Построение нечеткой аппроксимирующей системы (4 часа).
2. Построение экспертной системы (4 часа).
3. Работа Fuzzy Logic с блоками Simulink (4 часа).
4. Программный пакет Neural Networks Toolbox Matlab 6.5 и использова-ние Simulink при построении нейронных сетей (4 часа).
6. Организация и учебно-методическое обеспечение
самостоятельной работы студентов
6.1. Виды и формы самостоятельной работы
Самостоятельная работа студентов включает текущую и творческую проблемно-ориентированную самостоятельную работу (ТСР).
Текущая СРС направлена на углубление и закрепление знаний студента, развитие практических умений и включает:
– работа с лекционным материалом,
– подготовка к лабораторным работам с использованием сетевого образовательного ресурса;
– опережающая самостоятельная работа;
– изучение тем, вынесенных на самостоятельную проработку;
– подготовка к контрольной работе, экзамену.
Творческая самостоятельная работа включает:
– поиск, анализ, структурирование и презентация информации;
– исследовательская работа и участие в научных студенческих конференциях, семинарах;
– анализ научных публикаций по заранее определенной преподавателем теме.
Самостоятельная работа студентов по дисциплине "Искусственный интеллект" планируется в объеме 76 часов и включает в себя:
- регулярное закрепление лекционного материала (10 часов);
- подготовку к выполнению лабораторных работ (26 часа);
- подготовку отчетов по лабораторным работам (10 часов);
- ознакомление с содержанием отечественных и зарубежных периоди-ческих изданий по искусственному интеллекту и написание реферата на заданную тему (18 часов);
- подготовку к зачету (6 часов).
6.3. Контроль самостоятельной работы
Оценка результатов самостоятельной работы организуется следующим образом:
– сдача двух контрольных работ по текущему материалу;
– защита лабораторных работ;
– результаты выступления на конференции;
– результаты участия студентов в олимпиадах.
– результаты выполнения реферата.
При выполнении самостоятельной работы рекомендуется использовать:
– материалы, размещенные на персональном сайте преподавателя:
http://portal. tpu. ru/SHARED/s/STEPTE
7. Средства текущей и промежуточной оценки качества
освоения дисциплины
Оценка качества освоения дисциплины производится по результатам контролирующих мероприятий, представленных в таблице 3.
Таблица 3
Контролирующие мероприятия дисциплины
Контролирующие мероприятия | Результаты обучения по дисциплине |
выполнение и защита лабораторных работ | РД1, РД2, РД3, РД4 |
выполнение контрольных работ | РД1, РД2, РД3 |
выполнение реферата | РД1, РД2, РД3 |
зачет | РД1, РД2, РД3, РД4 |
Для оценки качества освоения дисциплины при проведении контролирующих мероприятий предусмотрены следующие средства (фонд оценочных средств).
Вопросы к зачёту
1. Определение интеллекта (базовое, полное);
2. Перечислите и опишите меры интеллекта;
3. Перечислите уровни интеллекта и охарактеризуйте их;
4. Чем интегральная теория создания искусственного интеллекта (ИИ) отличается от большинства других;
5. Опишите порядки объекта, выделяемые интегральной теорией создания ИИ, приведите примеры;
6. Расскажите о назначении экспертных систем (ЭС);
7. Опишите структуру статической ЭС;
8. Опишите структуру динамической ЭС;
9. При каких условиях следует использовать ЭС;
10. Опишите технологию разработки ЭС;
11. Расскажите определение нечеткого множества (НМ), приведите примеры записи НМ;
12. Опишите логические операции с НМ;
13. Опишите алгебраические операции с НМ;
14. Опишите нечёткую и лингвистическую переменную;
15. Представьте схему искусственного нейрона, опишите его состав;
16. Представьте структуры наиболее распространённых искусственных нейронных сетей (ИНС);
17. Опишите и проиллюстрируйте процесс обучения НС;
18. Опишите δ-правило обучения ИН;
19. Опишите правило Хебба обучения ИН;
20. Перечислите алгоритмы обучения нейронных сетей;
21. Приведите пошаговое описание алгоритма обратного распространения обучения ИНС;
22. В каких задачах применяются ИНС, представьте этапы нейросетевого проекта;
8. Рейтинг качества освоения дисциплины
Оценка качества освоения дисциплины «Искусственный интеллект и нейросетевое управление» в ходе текущей и промежуточной аттестации обучающихся осуществляется в соответствии с «Руководящими материалами по текущему контролю успеваемости, промежуточной и итоговой аттестации студентов Томского политехнического университета», утвержденными приказом ректора № 77/од от 01.01.2001 г.
В соответствии с «Календарным планом изучения дисциплины»:
- текущая аттестация (оценка качества усвоения теоретического материала (ответы на контрольные вопросы) и результаты практической деятельности (решение задач лабораторных работ) производится в течение семестра (оценивается в баллах (максимально 60 баллов), к моменту завершения семестра студент должен набрать не менее 33 баллов);
- промежуточная аттестация (зачет) производится в конце семестра (оценивается в баллах (максимально 40 баллов), на зачете студент должен набрать не менее 22 баллов).
Итоговый рейтинг по дисциплине определяется суммированием баллов, полученных в ходе текущей и промежуточной аттестаций. Максимальный итоговый рейтинг соответствует 100 баллам.
9. Учебно-методическое и информационное обеспечение дисциплины
Основная литература
1. Жданов, Александр Аркадьевич. Автономный искусственный интеллект / . – 2-е изд. – Москва: БИНОМ. Лаборатория знаний, 2013. – 359 с.
2. Советов, Борис Яковлевич. Интеллектуальные системы и технологии: учебник / , , . – Москва: Академия, 2013. – 320 с.
3. Рутковсая, Данута. Нейронные сети, генетические алгоритмы и нечеткие системы: пер. с пол. / Д. Рутковская, М. Пилиньский, Л. Рутковский. – 2-е изд., стер. – Москва: Горячая линия-Телеком, 2013. – 384 с.
4. Дорогов, Александр Юрьевич. Теория и проектирование быстрых перестраиваемых преобразований и слабосвязанных нейронных сетей / . – Санкт-Петербург: Политехника, 2014. – 325 с.
Дополнительная литература
1. Ездаков, Андрей Леонидович. Экспертные системы САПР: учебное пособие / . – Москва: Форум, 2014. – 159 с.
2. Спицын, Владимир Григорьевич. Интеллектуальные системы [Электронный ресурс]: учебное пособие / , ; Национальный исследовательский Томский политехнический университет (ТПУ), Институт кибернетики (ИК), Кафедра вычислительной техники (ВТ). – 1 компьютерный файл (pdf; 1.6 MB). – Томск: Изд-во ТПУ, 2012. – Заглавие с титульного экрана. – Доступ из корпоративной сети ТПУ. – Системные требования: Adobe Reader. URL: http://www. lib. tpu. ru/fulltext2/m/2012/m428.pdf
10. Материально-техническое обеспечение дисциплины
Материально-техническое обеспечение дисциплины «Искусственный интеллект и нейросетевое управление» (табл. 4).
Таблица 4
Материально-техническое обеспечение дисциплины
№ п/п | Наименование (компьютерные классы, учебные лаборатории, оборудование) | Корпус, ауд., количество установок |
1 | Компьютерный класс | к. 10, 115 ауд., 9 |
2 | Компьютерный класс | к. 10, 106 ауд., 9 |
3 | Компьютерный класс с мультимедиа | к. 10, 415 ауд., 1 |
4 | Компьютерный класс с мультимедиа | к. 10, 418 ауд., 1 |
Программа составлена на основе Стандарта ООП ТПУ в соответствии с требованиями ФГОС ВО по направлению 15.03.06 «Мехатроника и робототехника» и профилю подготовки «Интеллектуальные робототехнические и мехатронные системы».
Программа одобрена на заседании кафедры ИКСУ
(протокол № 40 от «21» мая 2015 г.).
Автор: доцент, к. т.н.
Рецензент: доцент, к. т.н.
