1. Цели и задачи дисциплины
Целями освоения дисциплины «Методы искусственного интеллекта в робототехнике» является формирование у магистрантов знаний в области искусственного интеллекта, изучение структуры и функций систем искусственного интеллекта, базовых понятий и терминологии, теоретических основ и фундаментальных знаний в области интеллектуальных систем управления многокомпонентными технологическими комплексами.
Задачи дисциплины «Методы искусственного интеллекта в робототехнике»:
- освоение базовых знаний в области искусственного интеллекта и проектирования систем, основанных на знаниях;
- формирование у магистрантов знаний о методах формирования баз знаний, фреймов, логических моделей знаний, семантических сетей, распознавания образов и ситуаций, способах представления задач и проблемно-ориентированных языков, алгоритмов планирования действий, экспертных систем,
- получение навыков проектирования систем искусственного интеллекта и работы с инструментальными средствами реализации принципов искусственного интеллекта.
2. Место дисциплины в структуре ООП
Данная учебная дисциплина входит в раздел «Б.1.В.02 Профессиональный цикл. Общая часть» ФГОС по направлению подготовки ВПО 15.04.04 «Автоматизация технологических процессов и производств»».
Данная дисциплина базируется на знаниях и умениях, полученных студентами при изучении дисциплин бакалаврской подготовки:
1) Общих математических и естественнонаучных:
- Высшая математика,
- Физика.
2) Общепрофессиональных:
- Теории автоматического управления.
3) Специальных:
- Информационные системы.
Дисциплина «Методы искусственного интеллекта в робототехнике» изучает структуру и функции интеллектуальных систем управления мехатронных объектов, методы представления знаний о внешнем мире, базы знаний, фреймы, логические модели знаний, семантические сети, распознавание образов и ситуаций, способы представления задач и проблемно-ориентированные языки, алгоритмы планирования действий; нечеткие множества и нечеткая логика, экспертные системы, нейросистемы и генетические алгоритмы; основы систем интеллектуального управления.
3. Компетенции обучающегося, формируемые в результате
освоения дисциплины
Освоение дисциплины направлено на формирование следующих компетенций:
ОК-2 – готовностью действовать в нестандартных ситуациях, нести социальную и этическую ответственность за принятые решения;
- знать основные способы и средства самостоятельного получения информации в данной предметной области;
- уметь самостоятельно получать знания: работать с конспектами, учебной, учебно-методической и справочной литературой, другими информационными источниками, осмысливать информацию, ставить цели, применять полученные знания для решения учебных задач;
- владеть навыками самостоятельного получения информации в данной предметной области, логикой рассуждений, методами анализа, требующих выбора подходящего варианта решения.
ПК-4 - способность разрабатывать эскизные, технические и рабочие проекты автоматизированных и автоматических производств различного технологического и отраслевого назначения, технических средств и систем автоматизации управления, контроля, диагностики и испытаний, систем управления жизненным циклом продукции и ее качеством с использованием современных средств автоматизации проектирования, отечественного и зарубежного опыта разработки конкурентоспособной продукции, проводить технические расчеты по проектам, технико-экономический и функционально-стоимостной анализ эффективности проектов, оценивать их инновационный потенциал и риски;
- знать основные понятия искусственного интеллекта; принципы построения систем искусственного интеллекта в технике; методы поиска решений и соответствующие им реализации механизма; принципы построения и функционирования экспертных систем для решения задач различного типа; способы представления и формализации задач;
- уметь решать типовые задачи, построить структуру системы искусственного интеллекта в соответствии с решаемой задачей; сформировать базу знаний на основе различных типов представления знаний; построить элементарную экспертную систему для определенной предметной области;
- владеть основными понятиями, терминами и методами в области искусственного интеллекта, навыками выбора типовых решений;
4. Структура и содержание дисциплины
Общая трудоемкость дисциплины составляет 6 ЗЕ, 216 ч.
4.1. Лекционные занятия
Неделя семестра | Раздел дисциплины (темы лекций и их содержание) | Объем в часах/ЗЕ |
1-2 | 1. Введение в искусственный интеллект (ИИ). 1.1. Содержание ИИ как научного направления. Основные понятия ИИ. 1.2. История развития, проблемы ИИ | 2/0,06 |
3-4 | 2. Классификация систем ИИ. Знания. Системы, основанные на знаниях. 2.1. Классификация систем ИИ. Знания. Системы, основанные на знаниях. 2.2. Прикладные информационные технологии. | 2/0,06 |
5-6 | 3. Прикладные методы и системы искусственного интеллекта. 3.1. Нейронные системы и сети. Генетические алгоритмы. 3.2. Экспертные системы. 3.3. Языки программирования в ИИ. | 2/0,05 |
ВСЕГО | 6/0,17 |
4.2. Лабораторные занятия
Неделя семестра | № раздела | Наименование работы | Объем в часах |
1, 2 | 1 | Выполнение и защита лабораторной работы № 1 «Исследование и синтез фильтра Калмана». | 4/0,11 |
3, 4, 5 | 2 | Выполнение и защита лабораторной работы № 2 «Оптимизация многомерных функций средствами генетического алгоритма». | 6/0,17 |
6, 7, 8 | 3 | Выполнение и защита лабораторной работы № 3 «Прямое управление на нечеткой логике». | 6/0,17 |
9, 10, 11 | 4 | Выполнение и защита лабораторной работы № 4 «Работа Fuzzy Logic с блоками Simulink». | 6/0,17 |
12, 13, 14 | 5 | Выполнение и защита лабораторной работы № 5 «Разработка экспертной системы управления мобильным объектом». | 6/0,17 |
ВСЕГО: | 28/0,78 |
4.3. Самостоятельная работа студента
Раздел дисциплины | № недели | Вид СРС | Трудоемкость, ЗЕ |
1 | 1-3 | ДЗ. Изучение работы оболочки ЭС «VP-Expert». | 36/1 |
Подготовка к устному опросу (колоквиуму) | |||
Сам. изучение тем: Данные, знания. - понятия. Базы данных и базы знаний. Свойства, которые отличают знания от данных. Схема преобразования знаний, интеллектуальная база данных. | |||
2, 3 | 4-6 | ДЗ. Изучение работы оболочки «Эксперт 2.0». | 36/1 |
Подготовка к устному опросу (колоквиуму) | |||
Сам. изучение тем: Сведения о типичных моделях представления знаний. Логика предикатов, продукционные, фреймовые и семантические модели. | |||
3, 4 | 7-9 | ДЗ. Проектирование системы нечеткого вывода. | 36/1 |
Подготовка к устному опросу (колоквиуму) | |||
Сам. изучение тем: Сущность фреймового представления знаний, основы теории фреймов. Модели фреймов: фреймы, слоты, присоединенные процедуры. Структура данных фрейма. Выводы в системе фреймов. | |||
4, 5 | 10-14 | ДЗ. Принципы функционирования нейронных сетей. | 38/1,05 |
Подготовка к устному опросу (колоквиуму) | |||
Сам. изучение тем: Нейронные системы и сети. Персептрон Розенблатта. Биологические нейронные сети. Искусственные нейронные сети. Модель технического нейрона. Архитектура нейронных сетей. Сети Хопфилда и сети Хемминга. Обучение. Примеры применения. Генетические алгоритмы. | |||
Итого | 146/4,05 |
5. Образовательные технологии
Учебная работа проводится с использованием как традиционных технологий, так и современных интерактивных. Лекции проводятся в традиционной форме. Лабораторные занятия позволяют преподавателю более индивидуально общаться со студентами и подходят для интерактивных методов обучения. В рамках лабораторных работ применяются следующие интерактивные методы:
– письменный опрос (2 ч);
– собеседование с приглашенным специалистом (2 ч);
– разбор конкретных примеров (3 ч);
– выступление студентов, обсуждение докладов (2 ч);
– мультимедийная презентация (2 ч).
В целом интерактивные формы занимают 11 ч, т. е. 34,4 % от общего числа аудиторных занятий, что соответствует требованиям ФГОС.
6. Оценочные средства для текущего контроля успеваемости,
промежуточной аттестации по итогам освоения дисциплины
и учебно-методическое обеспечение самостоятельной работы студентов
Текущий контроль успеваемости и промежуточной аттестации проводятся с использованием фонда оценочных средств, включающих: перечень вопросов к коллоквиуму и зачету, которые приводятся в методических указаниях к самостоятельной работе.
7. Учебно-методическое и информационное обеспечение дисциплины
7.1. Основная литература
1. Основы теории нейронных сетей. – М.: ИНТУИТ, 2016. – 200 с.
http://biblioclub. ru/index. php? page=book_red&id=429110&sr=1
2. Дьяконов, В. П. MATLAB : Полный самоучитель / . – Москва : ДМК Пресс, 2012. – 768 c.
3. Лукинов, мехатронных и робототехнических устройств : учебное пособие [для подготовки бакалавров и магистров по направлению "Мехатроника и робототехника"] / . – Санкт-Петербург : Лань, 2012. – 608 c. – Доступна электронная версия: http://e. /books/element. php? pl1_cid=25&pl1_id=2765
4. Полетаев, компьютерно-интегрированных производственных систем : учебное пособие для направления подготовки магистров 15.04.04 «Автоматизация технологических процессов и производств» / ; ФГБОУ ВО «Кузбас. гос. техн. ун-т им. », Каф. информ. и автоматизир. произв. систем. – Кемерово : , 2015. – 200 c. – Доступна электронная версия: http://library. kuzstu. ru/meto. php? n=91337&type=utchposob:common
7.2. Дополнительная литература
5. Теория вероятностей и математическая статистика: учебное пособие. – Москва : Московский финансово-промышленный университет «Синергия», 2013. – 336 c. – Режим доступа: http://biblioclub. ru/index. php? page=book_red&id=252964. – Загл. с экрана. (06.06.2016)
6. Горлач, вероятностей и математическая статистика. – Санкт-Перербург : Лань, 2013. – 320 c. – Режим доступа: http://e. /books/element. php? pl1_id=4864. – Загл. с экрана. (02.03.2016)
7. Барский, нейронные сети : учебное пособие / . – Москва : Интернет-Университет Информационных Технологий, 2010. – 352 c.
8. Стальский, логика и ее применение в автоматическом регулировании : учебное пособие [для вузов] / , ; С.-Петерб. гос. горн. ин-т им. (техн. ун-т). – Санкт-Петербург : , 1998. – 94 c.
9. Дьяконов, В. П. Simulink : Самоучитель / . – Москва : ДМК Пресс, 2013. – 784 c.
10. Борисов, модели и сети / , , . – Москва : Горячая линия-Телеком, 2007. – 284 c.
11. Прошкин, для решения физических задач : учебное пособие для студентов вузов, обучающихся по техническим и технологическим направлениям: "Электроэнергетика и электротехника", "Ядерная энергетика и теплофизика", "Холодильная, криогенная техника и системы жизнеобеспечения", "Технологические машины и оборудование", "Приборостроение", "Оптотехника", "Лазерная техника и лазерные технологии", "Фотоника и оптоинформатика", "Мехатроника и робототехника", "Техническая физика", "Биотехнология", "Продукты питания из растительного сырья", "Продукты питания животного происхождения"] / . – Санкт-Петербург : Лань, 2014. – 384 c. – Доступна электронная версия: http://e. /books/element. php? pl1_id=53688
12. Сосинская, знаний в информационной системе. Методы искусственного интеллекта и представление знаний : учебное пособие для студентов вузов, обучающихся по направлениям "Конструкторско-технологическое обеспечение машиностроительных производств", "Автоматизация технологических процессов и производств" / . – Старый Оскол : ТНТ, 2014. – 216 c.
13. Афонин, робототехнические системы : курс лекций: учеб. пособие для студентов вузов, обучающихся по специальностям в обл. информ. технологий / , ; Интернет-Ун-т Информ. Технологий. – Москва : Интернет-Университет Информационных Технологий, 2009. – 208 c.
7.3. Методическая литература
Лабораторный практикум по курсу Методы искусственного интеллекта в робототехнике: метод. указания и задания к выполнению лабораторных работ по курсу для студентов направления подготовки 15.04.04, профиль Роботы и робототехнические системы / сост. , ; КузГТУ. – Кемерово, 2016. Садовец, В. Ю., Методы искусственного интеллекта в робототехнике [Электронный ресурс] : методические указания к самостоятельной работе для студентов направления подготовки 15.04.04, профиль Роботы и робототехнические системы / , ; КузГТУ. – Кемерово, 2016.
7.4. Программное обеспечение и интернет-ресурсы:
КузГТУ обеспечен необходимым комплектом лицензионного программного обеспечения.
При обучении используются следующие интернет ресурсы:
- www. gpss. ru – сайт, посвященный имитационному моделированию систем.
- www. simulation. - имитационное моделирование систем – НТУУ «КПИ».
- www. - официальный сайт Minuteman Software Co.
- www. - официальный сайт Wolverine Software Corp.
- www. elina-computer. ru – Официальный сайт -Компьютер».
- www. wintersim. org – Официальный сайт ежегодной международной зимней конференции по дискретно-событийному и комбинированному имитационному моделированию (Winter Simulation Conference).
- www. еxponenta. ru - Образовательный математический сайт.
- www. eurosim. info - Официальный сайт Европейской федерации обществ имитационного моделирования EUROSIM (Federation of European Simulation Societies).
- www. scs. org – Официальный сайт Международного общества имитационного моделирования (The Society for Modeling and Simulation International, SCS).
8. Материально-техническое обеспечение дисциплины:
Лабораторный практикум проводится в аудиториях, оснащенных персональными компьютерами с соответствующим программным обеспечением (Microsoft Windows версий XP или Vista или 7), Microsoft Office не позднее 2003, проекторы компьютеры, экраны (3106, 3301, 3304, 3315).
9. Методические указания для студентов
Основной учебной работой студента является самостоятельная работа в течение всего срока обучения. Начинать изучение дисциплины необходимо с ознакомления с целями и задачами дисциплины и знаниями, и умениями, приобретаемыми в процессе изучения. Далее следует проработать конспекты лекций, рассмотрев отдельные вопросы по предложенным источникам литературы. Все неясные вопросы по дисциплине студент может разрешить на консультациях, проводимых по расписанию. При подготовке к лабораторным занятиям студент в обязательном порядке изучает теоретический материал, записанный в темах самостоятельных работ.
10. Аннотация рабочей программы
Изучение данной дисциплины предполагает формирование у студентов целостного представления об искусственном интеллекте и универсальном искусственном интеллекте, процессах, обусловливающих перспективную научную и практическую динамику развития человеческой мысли, исторических этапах развития ИИ; формирование основ представления знаний в виде различных моделей, необходимых для разработки и проектирования экспертных систем различного практического назначения; формирование базового понятийного аппарата разработки и проектирования экспертных систем средствами логического и функционального программирования с целью анализа их практического применения; формирование навыков верного восприятия нейрона, нейронной сети, нейромикропроцессоров, умения программировать ЭС. Для изучения дисциплины необходимы знания исследований и конкретных реализаций как современной зарубежной, так и отечественной научной и практической мысли.
