Департамент образования города Москвы

Государственное образовательное учреждение

высшего профессионального образования города Москвы

«Московский городской педагогический университет»

Институт математики и информатики

Факультет прикладной информатики

Кафедра прикладной информатики в управлении

ПРОГРАММА

учебной дисциплины

«НЕЧЕТКАЯ ЛОГИКА И НЕЙРОННЫЕ СЕТИ»

080500 «Бизнес-информатика»

Квалификация (степень) выпускника «бакалавр бизнес-информатики».

Профиль подготовки «Технологическое предпринимательство».

Форма обучения очная.

Курс 4.

Семестр 7.

Москва

2011

Программа составлена в соответствии с требованиями ФГОС ВПО по направлению подготовки 080500 «Бизнес-информатика».

Автор: доцент кафедры прикладной информатики в управлении факультета прикладной информатики Института математики и информатики к. т.н., доцент

Рецензенты:

д. т.н., профессор

к. т.н., доцент

Программа одобрена на заседании кафедры прикладной информатики в управлении от «___» ______________ 2011 г., протокол № ___.

Заведующий кафедрой

прикладной информатики в управлении 

1. ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ

Цель дисциплины: изучение методов нечеткого и нейросетевого моделирования для решения задач управления в экономических системах  .

Задачи дисциплины:

□ изучить основы теории нечетких множеств и нечетких систем;

□ изучить основы  нейросетевых технологий;

□ получить навыки анализа и синтеза при проектировании прикладных интеллектуальных систем;

.

2. МЕСТО ДИСЦИПЛИНЫ В СТРУКТУРЕ ООП ВПО

НЕ нашли? Не то? Что вы ищете?

Место дисциплины в учебном процессе: 4 курс (7-й семестр) по очной форме обучения. Изучение предусмотрено в базовой части цикла профессиональных дисциплин.

Общая трудоемкость по дисциплине в соответствии с ФГОС: 2 зачетные единицы (72 часа).

Количество аудиторных часов: 38, из них 18 часов – лекционные занятия, 20 часов – лабораторные работы.

Количество часов для самостоятельной работы: 34

Отчетность по дисциплине: в 7 семестре –зачет.

3. ТРЕБОВАНИЯ К РЕЗУЛЬТАТАМ ОСВОЕНИЯ ДИСЦИПЛИНЫ

Для успешного изучения данной дисциплины студенты должны обладать следующими знаниями и компетенциями:

□ знание базовых курсов дисциплин «Информатика и программирование», «Математика», «Дискретная математика», «Теория вероятностей и математическая статистика», «Теория систем и системный анализ», «Информационные технологии и системы», «Методы оптимизации».

Процесс изучения дисциплины направлен на формирование следующих компетенций:  ОК-1, ОК-5,  ПК-2, ПК-4, ПК-5, ПК-8, ПК-9, ПК-17:

Общекультурные компетенции (ОК):

□ способен использовать, обобщать и анализировать информацию, ставить цели и находить пути их достижения в условиях формирования и развития информационного общества (ОК-1);

□ способен самостоятельно приобретать и использовать в практической деятельности новые знания и умения, стремится к саморазвитию (ОК-5);

Профессиональные компетенции (ПК):

    способен при решении профессиональных задач анализировать социально-экономические проблемы и процессы с применением методов системного анализа и математического моделирования (ПК-2); способен ставить и решать прикладные задачи с использованием современных информационно-коммуникационных технологий (ПК-4); способен осуществлять и обосновывать выбор проектных решений по видам обеспечения информационных систем (ПК-5); способен проводить обследование организаций, выявлять информационные потребности пользователей, формировать требования к информационной системе, участвовать в реинжиниринге прикладных и информационных процессов (ПК-8); способен моделировать и проектировать структуры данных и знаний, прикладные и информационные процессы (ПК-9); способен применять методы анализа прикладной области на концептуальном, логическом, математическом и алгоритмическом уровнях (ПК-17);

После изучения данной дисциплины студенты должны знать:


    основы теории нечетких множеств; основы теории нейронных сетей; нечеткие нейронные сети;


       уметь:

    разрабатывать нечеткие системы поддержки принятия решений;

владеть:

    навыками  создания экспертных систем на базе нечеткой логики и нейронных сетей


4. ОБЪЕМ ДИСЦИПЛИНЫ И ВИДЫ УЧЕБНОЙ РАБОТЫ

(в часах и зачетных единицах)



Виды учебной работы

В часах (зач. ед)

Трудоемкость (зачетные единицы), в том числе:

72 (2 з. е.)

самостоятельная работа

34

в аудитории, из них:

38

лекции;

18

практические занятия;

лабораторные работы.

20

индивид. занятия

курсовые экзамены

5. СОДЕРЖАНИЕ ДИСЦИПЛИНЫ И ЕЕ РАЗДЕЛОВ

5.1. ЛЕКЦИОННЫЕ ЗАНЯТИЯ

Тема 1. Основы теории нечетких множеств.

Характеристические параметры нечеткого множества. Лингвистические модификаторы нечетких множеств.  Типы функций принадлежности нечетких множеств. Нечеткая арифметика. Основные операции над нечеткими множествами.

Тема 2. Нечеткие модели.

Структура, основные элементы и операции в нечетких моделях. Фаззификация. Дефаззификация результирующей функции принадлежности. Важные свойства правил, баз правил и нечетких моделей. Рекомендации по построению базы правил. Масштабирование входов и выходов нечеткой модели. Модели Мамдани, Таки-Сугено, реляционные модели, нейронечеткие модели.

Тема 3. Основы теории нейронных сетей.

Моделирование нейронных структур мозга. Модель нейрона. Примеры искусственных нейронных сетей. Различные типы нейронов. Задачи нейронных сетей. Обучение однослойных нейронных сетей. Многослойные нелинейные нейронные сети. Алгоритм обратного распространения ошибки. Эффективность нейросетей. Обзор современных нейропакетов и их возможностей.

Тема 4. Методы нечеткого моделирования.

Нечеткое моделирование на основе экспертных знаний о системе. Построение самонастраивающихся нечетких моделей на основе измеренных данных о входах и выходах системы. Применение нейронечетких сетей для настройки параметров нечеткой модели. Структуризация и обучение нейронных сетей. Преобразование нечеткой модели Мамдани в нейронечеткую сеть. Преобразование в нейронечеткую сеть нечеткой модели Такаги-Сугено.

6. УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ

ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ



, Андрейчикова информационные системы.  М. Издательство "Финансы и статистика"  , 2004. - 424 c.   Основы теории нечетких и гибридных систем. -  М.: Финансы и статистика, 2004.- 320 с. ечеткое моделирование и управление.- М.:БИНОМ. Лаборатория знаний, 2009.- 798 с. ейронные сети: полный курс. - Издательский дом «Вильямс», 2006. – 1104 с. ейронные сети для обработки информации. – М.: Финансы и статистика, 2004. – 344 с. , , Алейникова и методы искусственного интеллекта. Применение в экономике. – М.: Финансы и статистика, ИНФРА-М, 2008.- 448 с.  Тельнов информационные системы в экономике. М.: СИНТЕГ, 2002. - 316 с.

б) дополнительная литература:


  Искусственный интеллект: современный подход, Издательский дом «Вильямс», 2007. -1408с. кспертные системы. Принципы разработки и программирование. – Издательский дом «Вильямс», 2007. – 1152с. Леоненков моделирование в среде MATLAB и fuzzyTECH/- СПб.: БХВ - Петербург, 2003. – 736с. Искусственный интеллект. Книга 1. Системы общения и экспертные системы / Под ред. проф. . - М.: Радио и связь, 1990 - 461 с. Искусственный интеллект. Книга 2. Модели и методы / Под ред. проф. . - М.: Радио и связь, 1990 - 304 с. Искусственный интеллект. Книга 3. Программные и аппаратные средства / Под ред. Хорошевского. - М., Радио и Связь , , Шамов и динамические экспертные системы. М.: Финансы и статистика, 1996 - 320 с. Змитрович информационные системы. Минск: Тетра Системс, 1997. - 365 с. рактическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бэйсике / Пер. с англ.- М.: Финансы и статистика, 1991. - 239 с. ак построить свою экспертную систему / Пер. с англ - М: Энергоатомиздат, 1991. - 286 с. Попов системы: Решение неформализованной задачи в диалоге с ЭВМ. - М.: Наука, 1987. - 283 с. Поспелов рассуждений. Опыт анализа мыслительных фактов. - М.: Радио и связь, 1989. - 184 с. роектирование и программная реализация экспертных систем на персональной ЭВМ / Пер. с англ. - М.: Финансы и статистика, 1990. - 320с. Элти Дж., кспертные системы: концепции и примеры / Пер. с англ. - М.: Финансы и статистика, 1987. - 191 с. http://window. edu. ru/window_catalog/files/r26171/577.pdf  - , Ярушкина на языке Турбо-Пролог 2.0 http://www. basegroup. ru/library/analysis/fuzzylogic/fuzzy_rule/  Математические основы нечеткой логики. http://www. matlab. ru/fuzzylogic/book1/index. asp - Штовба в теорию нечетких множеств и нечеткую логику

в) программное обеспечение современных информационных - коммуникационных технологий:

26. BrainMaker, NeuroSolutions, Matlab, 

7. МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

Для проведения лекционных занятий требуется аудитория на курс, оборудованная меловой или интерактивной доской, мультимедийным проектором с экраном.

Для проведения лабораторных работ требуется специализированный компьютерный класс с установленными на ПЭВМ инструментальным средством программирования BrainMaker, NeuroSolutions, Matlab.