УТВЕРЖДАЮ
Директор ИК
________________
«___»_____________2017 г.
РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ
БАЗОВАЯ
ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ И ТЕХНОЛОГИИ | |||
Направление ООП | 09.03.02 Информационные системы и технологии | ||
Номер кластера | |||
Профиль подготовки | Информационные системы в технологии и бизнесе Геоинформационные системы | ||
Квалификация | бакалавр | ||
Базовый учебный план приема (год) | 2017 | ||
Курс | 4 | семестр | 7 |
Трудоемкость в кредитах (зачетных единицах) | 2 | ||
Виды учебной деятельности | Временной ресурс | ||
по очной форме обучения | |||
Лекции, ч | 16 | ||
Практические занятия, ч | - | ||
Лабораторные занятия, ч | 16 | ||
Контактная (аудиторная) работа (ВСЕГО), ч | 32 | ||
Самостоятельная работа, ч | 40 | ||
ИТОГО, ч | 72 | ||
Зачет | Обеспечивающее подразделение | Кафедра ИСТ | |
Заведующий кафедрой ИСТ | |||
Руководитель ООП | |||
Преподаватель |
|
2017 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. Планируемые результаты освоения дисциплины
В соответствии с требованием ООП освоение дисциплины направлено на формирование у студентов следующих компетенций (результатов обучения), в т. ч. в соответствии с ФГОС ВО и профессиональными стандартами (табл.1):
Таблица 1
Составляющие результатов освоения ООП
Резуль-таты освоения ООП | Компетенции по ФГОС, СУОС | Составляющие результатов освоения | |||||
Код | Владение опытом | Код | Умения | Код | Знания | ||
Р1 | УК ОПК-5, ПК-17 | В.1.6 | построения моделей представления знаний; подходами и техникой решения задач искусственного интеллекта, информационных моделей знаний; методами представления знаний (методы инженерии знаний) | У.1.6 | решать прикладные вопросы интеллектуальных систем с использованием декларативного языка ПРОЛОГ, статических экспертных систем, экспертных систем реального времени | З.1.6 | теории технологий искусственного интеллекта (математическое описание экспертной системы, логический вывод, искусственные нейронные сети, расчетно-логические системы, системы с генетическими алгоритмами, мультиагентные системы) |
В результате освоения дисциплины «Интеллектуальные системы и технологии» студентом должны быть достигнуты следующие результаты:
Таблица 2
Планируемые результаты освоения дисциплины
№ 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
Раздел 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 № 1. Разработка экспертной системы на основе продукционных правил. Занятие 1.
Раздел 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.
Раздел 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.
Раздел 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.
Раздел 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.
Раздел 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 самостоятельной работы студентов
Самостоятельная работа студентов при изучении дисциплины (модуля) предусмотрена в видах и формах, приведенных в табл. 3.
Таблица 3
Основные виды и формы самостоятельной работы
Виды самостоятельной работы (оставить необходимое) | Объем времени, ч |
Работа с лекционным материалом, поиск и обзор литературы и электронных источников информации по индивидуально заданной проблеме курса | 10 |
Изучение тем, вынесенных на самостоятельную проработку | 4 |
Поиск, анализ, структурирование и презентация информации | 2 |
Перевод текстов с иностранных языков | 2 |
Выполнение домашних заданий, расчетно-графических работ и домашних контрольных работ | - |
Подготовка к лабораторным работам, к практическим и семинарским занятиям | 10 |
Выполнение курсовой работы или проекта, работа над междисциплинарным проектом | - |
Исследовательская работа и участие в научных студенческих конференциях, семинарах и олимпиадах | - |
Анализ научных публикаций по заранее определенной преподавателем теме | 2 |
Подготовка к контрольной работе и коллоквиуму, к зачету, экзамену | 10 |
6. Оценка качества освоения дисциплины
Оценка качества освоения дисциплины в ходе текущей и промежуточной аттестации обучающихся осуществляется в соответствии с «Положением о промежуточной аттестации студентов Томского политехнического университета».
Максимальное количество баллов по дисциплине (модулю) в семестре – 100 баллов, в т. ч.:
- в рамках текущего контроля – 60 баллов, за промежуточную аттестацию (экзамен/зачет) – 40 баллов.
Максимальное количество баллов за выполнение курсового проекта (работы) в семестре (при наличии) – 100 баллов, в т. ч.:
- в рамках текущего контроля – 40 баллов, за промежуточную аттестацию (защиту) – 60 баллов.
Оценка качества освоения дисциплины производится по результатам оценочных мероприятий.
7. Учебно-методическое и информационное обеспечение дисциплины
7.1 Методическое обеспечение
Основная литература:
| , Цой системы: Учебное пособие. – Томск: Изд-во ТПУ, 2012. – 176 c. http://www. lib. tpu. ru/fulltext2/m/2012/m428.pdf ейронные сети для обработки информации – М.: Горячая линия - Телеком ”, 2016. – 448 c. http://catalog. lib. tpu. ru/catalogue/simple/document/RU%5CTPU%5Cbook%5C346054 , Цой знаний в информационных системах: Учебное пособие. – Томск: Изд-во ТПУ, 2008. – 152 c. http://www. lib. tpu. ru/fulltext2/m/2010/m245.pdf , Цой искусственных нейронных сетей для обработки информации: Методические указания. – Томск: Изд-во ТПУ, 2008. – 31 c. http://www. lib. tpu. ru/fulltext2/m/2010/m246.pdf | ||||||||
Дополнительная литература: . Интеллектуальные информационные системы: Учебник. – Пермь: Изд-во ФГБОУ ВПО Пермская ГСХА, 2013.– 278 c. Джаратано Дж., кспертные системы: принципы разработки и программирование. – М.: ООО “”, 2007. – 1152 с.
7.2 Информационное обеспечение Используемое лицензионное программное обеспечение (в соответствии с Перечнем лицензионного программного обеспечения ТПУ): 1. Программные средства для выполнения лабораторных работ в среде Visual Studio 2010. Internet-ресурсы: Программные средства для выполнения лабораторных работ в среде Visual Studio 2010.
|
9. Материально-техническое обеспечение дисциплины
Основное материально-техническое обеспечение дисциплины (модуля) представлено в табл. 4. Т
Таблица 4
Материально-техническое обеспечение дисциплины (модуля)
№ п/п | Наименование оборудованных учебных кабинетов, | Адрес (местоположение), с указанием корпуса и номера аудитории |
1. | Компьютерный класс – 12 персональных компьютеров с выходом в интернет. | Томск, пр. Ленина 2, 10 корпус ТПУ, ауд. 402 |
Программа составлена на основе Общей характеристики ООП ТПУ по направлению 09.03.02 «Информационные системы и технологии» (приема 2017 г.).
Программа одобрена на заседании кафедры ИСТ
(протокол № 5 от «15» июня 2017 г.).
Автор:
Профессор кафедры ИСТ__________________________/ /
подпись
Рецензент:
Профессор кафедры ИСТ __________________________//
подпись
