Рbc12944 Учебно-методический комплекс дисциплины Системы искусственного интеллекта (стр. 2 )

Для данного курса используются:

1) Классические образовательные технологии.

2) Компьютерные технологии. Компьютерные обучающие программы, такие как Data Mining - использует библиотеку программ, входящую в технологию Data Mining, которая предназначена для интеллектуального анализа фактов и других категорий знаний.  Программно - интеллектуальные средства и средств разработки интеллектуальных систем.

6. Учебно-методическое обеспечение самостоятельной работы студентов. Оценочные средства для текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины.

6.1. Формы и методы для текущего контроля.

ИДЗ

Решение лабиринтных задач эвристическими методами. Автоматическое доказательство теорем. Решение задач путем индуктивного обобщения частных примеров. Представление и обработка знаний в структурах моделях.

6.2. Контрольные тесты для определения минимального уровня освоения программы дисциплины.

1. Основные метапроцедуры в логических моделях представления знаний. Реализация на примерах.

2. Основные стратегии управления в традуктивных и структурных моделях представления знаний. Реализация на примерах.

6.3. Перечень типовых экзаменационных вопросов.

1. Объекты и методы исследования ИИ.

2. Основные направления исследований в ИИ.

3. Основные модели и метапроцедуры ИИ.

4. Классификация и составные части СИИ.

5. Организация баз знаний.

6. Целенаправленный поиск в лабиринте возможностей.

7. Оценочные функции при поиске решений в пространстве состояний.

8. Критерии сопоставления и оценки эвристических процедур поиска в пространстве состояний.

9. Модельная гипотеза. Классификация моделей представления знаний.

10. Силлогистика Аристотеля.

11. Квазибулева алгебра как инструмент представления и отработки нечетких знаний.

12. Расширения двоичной алгебры.

13. Формальные системы.

14. Формализация человеческих рассуждений.

15. Представление знаний в исчислении высказываний (ИВ).

16. Метапроцедура вывода в ИВ.

17. Модели определения знаний в исчислении предикатов (ИП).

18. Метод резолюций.

19. Продукционные модели (ПМ) представления знаний.

20. Проблемы управления ПМ. Стратегии управления.

21. Составные продукции.

22.  Достоинства и недостатки логических моделей представления знаний.

23. Достоинства и недостатки продукционных моделей.

24. Модели индуктивного обобщения.

25. Обобщение, основанное на частичных прецедентах.

26. Ассоциативное обобщение на коннекторах.

27. Семантические сети. Классификация.

28. Изоморфизм сетевых моделей.

30. Фреймы.

31. Функциональные семантические сети.

32. Сценарии.

33. Онтологии их типы. Онтологические системы.

34. Агентно-ориентированные системы.

35. Интеллектуальные и ментальные характеристики агентов.

36. Агентные технологии.

37. Делиберативные мультиатентные системы.

38. Агентные библиотеки и средства поддержки.

39. PR-системы. Основные модели распознавания и их характеристики.

40. Перцептронная модель.

41. Нейронные модели (НС). Общая характеристики.

42. Классификация НС по парадигме назначения и типологии.

43. Основные этапы разработки СИИ.

44. Программно-инструментальные средства разработки СИИ.

45. Оболочки СИИ.

7. Учебно-методическое и информационное обеспечение дисциплины (модуля)

а) основная литература:

Стюарт Рассел, Питер Норвиг. Искусственный интеллект. Современный подход. «Вильямс», 2005 г югер Искусственный интеллект: Стратегии и методы решения сложных проблем. «Вильямс», 2005 , , Основы искусственного интеллекта, ДЕСС, 2007 Интеллектуальные информационные системы. Учебн. для вузов. – М.: Высш. шк., 2003 Иван Братко. Язык PROLOG: Алгоритм искусственного интеллекта – «Вильямс», 2004 г

б) дополнительная литература:

Шампандар Искусственный интеллект в компьютерных играх. «Вильямс», 2005 г Саймон Хайкин. Нейронныесети: полный курс. Уч. пособия. «Вильямс», 2005 Базы знаний интеллектуальных систем/ , Сиб «Питер», 2000 Представление и обработка знаний в обучающих системах Уч. пособия, Владивосток, 2006

Интернет ресурсы

http://e. /books/element. php? pl1_cid=25&pl1_id=3508 Системы искусственного интеллекта. Практикум для проведения лабораторных работ. Ч. 1: Учебное пособие для вузов. – М.: Издательство Московского государственного горного университета, 2006. -  80 с. http:///tehnologii-ekonomike-informatsionnyie/sistemyi-iskusstvennogo-intellekta17420.html  ,. Информатика и информационные системы в экономике. Учебник. ЧАСТЬ 1, 2005

8. Материально-техническое обеспечение дисциплины (модуля)

Для проведения практических занятий используются свободно распространяемые программные версии, рекомендованные УМО по образованию в области инновационных международных программ, которые позволяют освоить базовые основы и базовые принципы систем искусственного интеллекта.

Для выполнения практических занятий каждому студенту необходимо предоставить рабочее место за ПК базовой конфигурации.

Программа составлена в соответствии с требованиями ФГОС ВПО с учётом рекомендаций и ПрООП ВПО по специальности и профилю подготовки 230102.65  Автоматизированные системы обработки информации и управления.

Автор 

Рецензент (ы) _________________________

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное автономное образовательное учреждение

высшего профессионального образования

«Дальневосточный федеральный университет»

(ДВФУ)

Школа естественных наук ДВФУ

КОНСПЕКТЫ ЛЕКЦИЙ

по дисциплине «Системы искусственного интеллекта»

230102.65 – Автоматизированные системы обработки информации и управления

г. Владивосток

2012

Лекция 1. Цели и задачи дисциплины. 2 ч.

Цели и задачи: определение места дисциплины «Интеллектуальные системы» в учебном процессе. Изучение основных определений. Ознакомление с основными моделями исследований ИИ.

Учебные вопросы: Объекты и методы исследования интеллектуальных систем. Внешняя и внутренняя интеллектуализация ЭВМ. Невычислительные задачи. Лабиринтная и ассоциативная модели. Модельная гипотеза. Метапроцедуры.

Вопросы для самопроверки:

Основной объект исследования в ИИ? Теоретические и практические аспекты изучения ИИ. Характеристика невычислительных задач. Что такое лабиринтная модель? Понятие модельной гипотезы.

Список литературы:

Стюарт Рассел, Питер Норвиг. Искусственный интеллект. Современный подход. «Вильямс», 2005 г. Интеллектуальные системы управления.  «ЛИБРОКОМ», 2009 г. югер Искусственный интеллект: Стратегии и методы решения сложных проблем. «Вильямс», 2005 г. Технологии искусственного интеллекта.  «СПбГУ ИТМО», 2010 г. Автономный искусственный интеллект. Москва: «БИНОМ» –  лаборатория знаний, 2009 г. G. F. Luger  Искусственный интеллект. Структуры и стратегии для комплексного решения задач. «Addison Wesley», 2004 г. , , Основы искусственного интеллекта, ДЕСС, 2007 г.

Интернет ресурсы

http://e. /books/element. php? pl1_cid=25&pl1_id=3508 Системы искусственного интеллекта. Практикум для проведения лабораторных работ. Ч. 1: Учебное пособие для вузов. – М.: Издательство Московского государственного горного университета, 2006. -  80 с. http:///tehnologii-ekonomike-informatsionnyie/sistemyi-iskusstvennogo-intellekta17420.html  ,. Информатика и информационные системы в экономике. Учебник. ЧАСТЬ 1, 2005

Лекция 2. Компоненты интеллектуальных систем. 2 ч.

Цели и задачи: ознакомление со структурой современных интеллектуальных систем.

Учебные вопросы: Составные части СИИ. База знаний. Решатель (интерпретатор, планировщик). Механизмы приобретения знаний, вывода и объяснения. Поддержка прозрачности системы.

Вопросы для самопроверки:

Составные части СИИ. Что такое база знаний? Базовые функции интерпретатора? Приобретение знаний. Вывод и объяснение. Подсистемы объяснения принятия решений.

Список литературы:

, , Идеи и решения фундаментальных проблем науки и техники. Санкт – Петербург: «БХВ – Петербург», 2010 г. Интеллектуальные информационные системы. Учебн. для вузов. – М.: Высш. шк., 2003 г. Проектирование радиоэлектронных средств на основе современных информационных технологий.  «Бином», 2011 г. Иван Братко. Язык PROLOG: Алгоритм искусственного интеллекта – «Вильямс», 2004 г.

Лекция 3. Архитектура систем искусственного интеллекта. 4 ч.

Цели и задачи: Изучение архитектуры интеллектуальных систем.

Учебные вопросы: Организация баз знаний. Декларативные и процедурные компоненты. Предметные (актуальные) и проблемные (операционные) знания. Экстенсиальное и интенсиальное представления знаний. Обобщенная схема решения проблем в системах, основанных на знаниях.

Вопросы для самопроверки:

Онтологическая и гносиологическая составляющие знаний. Экстенсиальное и интенсиальное представления знаний. Организация баз знаний.

Список литературы:

Иван Братко. Язык PROLOG: Алгоритм искусственного интеллекта – «Вильямс», 2004 г. Основы построения интеллектуальных систем.  «ИНФРА-М», 2010 г. , Моделирование микроэкономических процессов и систем. «Кно Рус», 2012 г. Саймон Хайкин. Нейронныесети: полный курс. Уч. пособия. «Вильямс», 2005 г.

Лекция 4. Представление и обработка знаний в пространстве состояний. 2 ч.

Цели и задачи: ознакомление с методами представления и решения лабиринтных задач.

Учебные вопросы: Представление задач в проблемных областях, в которых знания отображены не явно. Пространство состояний. Проблема снижения перебора. Оценочная функции и теоретико-графовый процесс. Критерий целенаправленности в лабиринтных моделях.

Вопросы для самопроверки:

В чем заключается представления задач в пространстве состояний? Целенаправленный поиск в лабиринте возможностей. Выбор и реализация оценочных функций. Критерии целенаправленности поиска и оценки эвристической мощности.

Список литературы:

G. F. Luger  Искусственный интеллект. Структуры и стратегии для комплексного решения задач. «Addison Wesley», 2004 г. , , Основы искусственного интеллекта, ДЕСС, 2007 г. , Интеллектуальные информационные системы. Учебн. для вузов, 2004 г. , , Интеллектуальные Интернет – технологии.: Учебн. для вузов, 2009 г.

Лекция 5. Классификация моделей. 4 ч.