Тема: Интегрированный урок по математике и окружающего мира "Космическое путешествие с дробями по Солнечной системе" Тема: Интегрированный урок по математике и окружающего мира "Космическое путешествие с дробями по Солнечной системе" 1. Организационный момент

УТВЕРЖДАЮ

Зам. директора Института кибернетики

по учебной работе

________________

«___»_____________2016 г.

БАЗОВАЯ РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ

Интеллектуальные системы и технологии

Направление ООП 09.03.02 Информационные системы и технологии

Профили подготовки  Геоинформационные системы, Информационные системы и технологии в бизнесе

Квалификация (степень)                                бакалавр

Базовый учебный план приема                        2016 г.

Курс  4  Семестр  7

Количество кредитов                                        3 кредита ECTS

Код дисциплины                                                Б1.ВМ4.17

Виды учебной деятельности	Временной ресурс по очной форме обучения
Лекции, ч	16
Лабораторные занятия, ч	16
Аудиторные занятия, ч	32
Самостоятельная работа, ч	76
ИТОГО, ч	108

Вид промежуточной аттестации                зачет в 7 семестре

Обеспечивающее подразделение                кафедра ВТ

Заведующий кафедрой ВТ                        , профессор

Руководитель ООП                                , доцент

Преподаватель                                        , профессор

2016 г.

1. Цели освоения дисциплины

Цель данной дисциплины – дать систематический обзор современных моделей представления знаний, изучить и освоить принципы построения экспертных систем, рассмотреть перспективные направления развития систем искусственного интеллекта и принятия решений.

Поставленные цели полностью соответствуют целям (Ц1-Ц5) ООП.

2. Место дисциплины в структуре ООП

Дисциплина «Интеллектуальные системы и технологии» (Б1.ВМ4.17) относится к дисциплинам вариативной части междисциплинарного профессионального модуля (Б1.ВМ4) направления «Информационные системы и технологии».

Для её успешного усвоения необходимы знания по дисциплинам: «Математика 2.3» (Б1.БМ2.3), «Теория вероятностей и математическая статистика» (Б1.ВМ4.6), «Математическая логика и теория алгоритмов» (Б1.ВМ4.9), «Программирование» (Б1.ВМ4.7).

К моменту начала обучения по дисциплине студент должен знать элементы математического анализа, теории вероятностей и математической логики, уметь программировать на С++. Указанные знания потребуется для освоения теоретических разделов курса и составления программ при выполнении лабораторных работ.

3. Результаты освоения дисциплины

В соответствии с требованиями ООП освоение дисциплины направлено на формирование у студентов следующих компетенций, в т. ч. в соответствии с ФГОС:

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 (ОПК-5, ПК-17)	З.2.6	теории технологий искусственного интеллекта (математическое описание экспертной системы, логический вывод, искусственные нейронные сети, расчетно-логические системы, системы с генетическими алгоритмами, мультиагентные системы)	У.2.6	решать прикладные вопросы интеллектуальных систем с использованием декларативного языка ПРОЛОГ, статических экспертных систем, экспертных систем реального времени	В.2.6	построения моделей представления знаний; подходами и техникой решения задач искусственного интеллекта, информационных моделей знанийм;методами представления знаний (методы инженерии знаний)

В результате освоения дисциплины студентом должны быть достигнуты следующие результаты:

Таблица 2

№ п/п	Результат
РД1	Знать модели представления знаний. Уметь применять различные модели представления знаний при реализации экспертных систем на ЭВМ. Владеть построением моделей представления знаний, подходами и техникой решения задач искусственного интеллекта, информационных моделей знаний, методами представления знаний (методы инженерии знаний)
РД2	Знать принципы построения экспертных систем. Уметь разрабатывать программные реализации экспертных систем на ЭВМ.
РД3	Знать современные системы искусственного интеллекта и принятия решений.

4. Структура и содержание дисциплины

4.1 Аннотированное содержание разделов дисциплины:

1. Введение

Цель и задачи дисциплины, ее роль и место в общей системе подготовки специалиста. Представление знаний в информационных системах как элемент искусственного интеллекта и новых информационных технологий. Этапы создания искусственного интеллекта.  Процесс мышления. Основные понятия и классификация систем,  основанных на знаниях. Принципы приобретения знаний. Лабораторная работа

Лабораторная работа № 1. Разработка экспертной системы на основе продукционных правил. Занятие 1.

2. Модели представления знаний

Логическая модель представления знаний и правила вывода. Продукционная модель представления знаний и правила их обработки. Выводы, основанные на продукционных правилах. Теория фреймов и фреймовых систем. Объекты с фреймами. Основные атрибуты (слоты) объекта. Процедурные фреймы и слоты. Представление знаний в виде семантической сети. Модель  доски объявлений. Модель представления знаний в виде сценария.

Лабораторная работа № 1. Разработка экспертной системы на основе продукционных правил. Занятие 2.

3. Архитектура и технология разработки экспертных систем

Введение в экспертные системы. Роли эксперта, инженера знаний и пользователя. Общее описание архитектуры экспертных систем. База знаний,  правила, машина вывода, интерфейс пользователя, средства работы с файлами.  Технология разработки экспертных систем. Логическое программирование и экспертные системы. Языки искусственного интеллекта. Подсистема анализа и синтеза входных и выходных сообщений. Диалоговая подсистема. Объяснительные способности экспертных систем.

Лабораторная работа № 2.  Разработка экспертной системы на основе нечетких правил. Занятие 1.

4. Применение нечеткой логики в экспертных системах

Понятие о нечетких множествах и их связь с теорией построения экспертных систем. Коэффициенты уверенности. Взвешивание свидетельств. Отношение правдоподобия гипотез. Функция принадлежности элемента подмножеству. Операции над нечеткими множествами. Дефазификация нечеткого множества. Нечеткие правила вывода в экспертных системах.

Лабораторная работа № 2.  Разработка экспертной системы на основе нечетких правил. Занятие 2.

5. Генетический алгоритм

Понятие о генетическом алгоритме. Этапы работы генетического алгоритма. Кодирование информации и формирование популяции. Оценивание популяции. Селекция. Скрещивание и формирование  нового поколения. Мутация. Настройка параметров генетического алгоритма. Канонический генетический алгоритм. Пример работы генетического алгоритма. Рекомендации к программной реализации генетического алгоритма. Применение генетического алгоритма для решения задач оптимизации и аппроксимации.

Лабораторная работа № 3. Принятие решений на основе применения генетического алгоритма.

6. Искусственные нейронные сети

Понятие о нейросетевых системах. Биологические нейронные сети. Формальный нейрон. Искусственные нейронные сети. Обучение нейронной сети. Алгоритм обратного распространения ошибки. Пример работы и обучения нейронной сети. Программная реализация. Применение нейронных сетей для решения задач аппроксимации, классификации, автоматического управления, распознавания и прогнозирования. Мультиагентные системы.

Лабораторная работа № 4. Применение искусственных нейронных сетей для обработки информации.

5. Организация и учебно-методическое обеспечение самостоятельной работы студентов

5.1        Самостоятельную работу студентов (СРС) можно разделить на те-кущую и творческую проблемно-ориентированную.

Текущая СРС: Проработка лекций, изучение рекомендованной литературы.

Творческая проблемно-ориентированная самостоятельная работа

(ТСР): Анализ источников по темам индивидуальных занятий, поиск существующих аналогов. Выбор программных средств для реализации разрабатываемых алгоритмов.

5.2.        Содержание самостоятельной работы студентов по дисциплине

Самостоятельная работа организуется в двух формах:

аудиторной (на лабораторных работах при решении поставленных и индивидуальных задач); внеаудиторной (проработка лекций, изучение рекомендованной литературы; подготовка к выполнению лабораторных занятий; оформление отчетов по лабораторным работам).

5.3        Контроль самостоятельной работы

Контроль результатов самостоятельной работы осуществляется при проведении 2 письменных контрольных работ и 2 устных коллоквиумов по проверке уровня усвоения студентом лекционного материала и проверкой уровня теоретических знаний и практических навыков студента при выполнении им лабораторных работ:

6. Средства (ФОС) текущей и итоговой оценки качества освоения дисциплины

Оценка качества освоения дисциплины производится по результатам следующих контролирующих мероприятий:

Контролирующие мероприятия	Результаты обучения по дисциплине
Контрольная работа 1	РД1, РД2
Контрольная работа 2	РД2, РД3
Коллоквиум 1	РД1, РД2
Коллоквиум 2	РД2, РД3
Защита отчетов по лабораторным работам	РД1-РД3
Итоговый контроль	РД1-РД3

Текущий контроль оценки качества усвоения дисциплины заключается в проведении 2 контрольных работ и 2 коллоквиумов. Каждая контрольная работа включает 45 вопросов, при этом каждый студент получает 4 вопроса из этого списка.

Для каждого из двух коллоквиумов подготовлен список из 35  вопросов. Студент должен устно в режиме реального времени ответить на 5 вопросов из указанного списка. Во время выполнения лабораторных работ преподаватель на основе серии контрольных вопросов проверяет теоретические знания студента по теме лабораторной работы. Для  экзамена подготовлены 14 билетов. В каждом билете содержится 4 вопроса.

Пример контрольных вопросов

Опишите процесс мышления, протекающий в человеческом сознании. Охарактеризуйте понятие онтологии предметной области. Какие вы знаете модели представления знаний? Что представляет собой логическая модель представления знаний? Из чего состоит продукционная система? Охарактеризуйте модель представления знаний в виде фреймов. Каким образом осуществляется представление знаний в семантической сети? Опишите модель доски объявлений. Дайте определение модели представления знаний в виде сценария. Опишите архитектуру экспертных систем. Как формируется база знаний? Приведите структурную схему, описывающую этапы технологии создания экспертных систем. Приведите блок-схему, описывающую структуру связей между подсистемами экспертной системы. В чем заключается идея “мозгового штурма” при извлечении знаний? Охарактеризуйте понятия микроконтекста и макроконтекста. Охарактеризуйте понятия смысловой группы, смысловой вехи и

  ключевого слова в процедуре разбивки текста на части.

Охарактеризуйте понятие  функции принадлежности для нечеткого множества.  Охарактеризуйте понятие  кардинального числа для нечеткого множества.  Опишите операции логической суммы и логического произведения над нечеткими множествами. Опишите операции отрицания множества и нормализации множества для нечетких множеств. Опишите операции концентрации и растяжения для нечетких множеств. Дайте определение лингвистической переменной. Опишите операцию алгебраического произведения для нечетких множеств. Опишите меру Егера, характеризующую степень нечеткости множества. Опишите метрику Евклида, характеризующую степень нечеткости множества. Опишите энтропийную меру нечеткости множества Коско. Опишите систему нечеткого вывода Мамдани-Заде. Охарактеризуйте фаззификатор. Опишите обобщенную гауссовскую функцию принадлежности. Опишите треугольную функцию принадлежности. Опишите понятие дефаззификации нечеткого множества. Опишите дефаззификацию относительно среднего центра. Опишите дефаззификацию относительно центра области. Охарактеризуйте нечеткие правила вывода в ЭС.

Пример экзаменационного билета

НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ТОМСКИЙ ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ		Экзамен по дисциплине «Интеллектуальные системы и технологии» Направление  230400 Информационные системы и технологии
УТВЕРЖДАЮ: Зав. кафедрой ВТ _________________ «____» _____________ 2014 г. ЭКЗАМЕНАЦИОННЫЙ БИЛЕТ № 2 Опишите архитектуру экспертных систем?   (10 баллов) Охарактеризуйте понятие  кардинального числа для нечеткого множества.   (10 баллов) Опишите блок-схему работы генетического алгоритма.   (10 баллов) Опишите математические модели механизма модификации синаптической связи: гипотезу Хебба и гипотезу ковариации.   (10 баллов) Составил: Профессор кафедры ВТ

7.        Рейтинг качества освоения дисциплины (модуля)

Оценка качества освоения дисциплины в ходе текущей и промежуточ-ной аттестации обучающихся осуществляется  в соответствии с «Руководя-щими материалами по текущему контролю успеваемости, промежуточной и итоговой аттестации студентов Томского политехнического университета», утвержденными приказом ректора № 77/од от  29.11.2011 г.

В соответствии с «Календарным планом изучения дисциплины» проводится:

- Текущая аттестация (оценка качества усвоения теоретического материала (ответы на вопросы и др.) и результаты практической деятельности (решение задач, выполнение заданий, решение проблем и др.) производится в течение семестра (оценивается в баллах (максимально 60 баллов), к моменту завершения семестра студент должен набрать не менее 33 баллов);

- Промежуточная аттестация (экзамен, зачет) производится в конце семестра (оценивается в баллах (максимально 40 баллов), на экзамене (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.

8. Учебно-методическое и информационное обеспечение дисциплины

Основная литература:

Козлов информационные системы: Учебник. – Пермь: Изд-во ФГБОУ ВПО Пермская ГСХА, 2013.– 278 с. , Цой системы: Учебное пособие. – Томск: Изд-во ТПУ, 2012. – 176 c. , Цой знаний в информационных системах: Учебное пособие. – Томск: Изд-во ТПУ, 2008. – 152 c. , Цой искусственных нейронных сетей для обработки  информации: Методические указания. – Томск: Изд-во ТПУ, 2008. – 31 c. , Цой искусственных нейронных сетей для обработки  информации: Методические указания. – Томск: Изд-во ТПУ, 2008. – 31 c.

Дополнительная литература: ейронные сети для обработки информации – М.: Финансы и статистика ”, 2007. – 345 c. Джаратано Дж., кспертные системы: принципы разработки и программирование. – М.: ООО “”, 2007. – 1152 с.

Программное обеспечение и Internet-ресурсы:

Программные средства для выполнения лабораторных работ в среде Visual Studio 2010.

1.	http://raai.org/ – Российская ассоциация искусственного интеллекта.
2.	http://www.niisi.ru/iont/ni – Российская ассоциация нейроинформатики.
3.	http://ransmv.narod.ru/ – Российская ассоциация нечетких систем и мягких вычислений.
4.	http://www.makhfi.com/KCM_intro.htm – Введение в моделирование знаний.

9. Материально-техническое обеспечение дисциплины

Компьютерный класс – 12 персональных компьютеров с выходом в интернет.

Программа составлена на основе Стандарта ООП ТПУ в соответствии с требованиями ФГОС по направлению 09.03.02 «Информационные системы и технологии» и профилям подготовки «Геоинформационные системы», «Информационные системы и технологии в бизнесе».

Программа одобрена на заседании кафедры ВТ

(протокол №  61  от «09» 06 2016 г.).

Автор        – профессор, д. т.н.

Рецензент – профессор, д. т.н.