Рbc12944 Учебно-методический комплекс дисциплины Системы искусственного интеллекта (стр. 1 )

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное автономное образовательное учреждение

высшего профессионального образования

«Дальневосточный федеральный университет»

(ДВФУ)

ШКОЛА ЕСТЕСТВЕННЫХ НАУК двфу

УЧЕБНО-МЕТОДИЧЕСКИЙ КОМПЛЕКС ДИСЦИПЛИНЫ

Системы искусственного интеллекта

Специальность 230102.65 - Автоматизированные системы обработки информации и управления

Форма подготовки очная

Школа естественных наук

Кафедра информационных систем управления

Курс 4 ,семестр 8

лекции 36 (час.

лабораторные работы 24 час. 

консультации 

всего часов аудиторной нагрузки 60 час.

самостоятельная работа 40 час.

Экзамен 8 семестр

Учебно-методический комплекс составлен на основании требований государственного образовательного стандарта высшего профессионального образования № 000 тех/дс от 01.01.01 г.

Учебно-методический комплекс  обсужден на заседании кафедры информационных систем управления, протокол № 1 от 01.01.01 г.

Заведующий  кафедрой __________________ 

Составитель :  к. т.н., проф.

Аннотация

Учебно-методический комплекс дисциплины «Системы искусственного интеллекта» разработан для студентов 4 курса по специальности 230102.65 «Автоматизированные системы обработки информации и управления» в соответствии с требованиями государственного образовательного стандарта высшего профессионального образования № 000 тех/дс от 01.01.01 г.

Общая трудоемкость освоения дисциплины составляет  100 часов. Учебным планом предусмотрены лекционные занятия (36 час.),  лабораторная работа студента (24 час.), самостоятельная работа студентов (40 час.). Дисциплина реализуется на 4 курсе в 8 семестре.

Содержание дисциплины охватывает следующий круг вопросов: Состав и основные свойства интеллектуальных информационных систем; Организацию баз знаний; Модели и методы представления знаний; Инструментальные средства разработки СИИ; Основные метапроцедуры и стратегии управления базами знаний; Методы извлечения, приобретения и формирования знаний; Принципы и методы структурирования и формализации знаний; Онтологии; Мультиатентные системы и технологий.

Дисциплина «Системы искусственного интеллекта» логически и содержательно связана с такими курсами, как «Информатика», «Базы данных», «Дискретная математика», «Языки программирования».

Дисциплина направлена на формирование общекультурных, общепрофессиональных и  профессиональных компетенций выпускника.

Учебно-методический комплекс дисциплины включает в себя:

рабочую учебную программу дисциплины; конспекты лекций (краткие опорные конспекты); материалы для самостоятельной работы студентов; контрольно-измерительные материалы; список литературы; глоссарий.

Автор-составитель учебно-методического комплекса профессор кафедры информационной безопасности школы естественных наук ДВФУ .

Зав. кафедрой информационные системы управления                

       _______________

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное автономное образовательное учреждение

высшего профессионального образования

«Дальневосточный федеральный университет»

(ДВФУ)

ШКОЛА ЕСТЕСТВЕННЫХ НАУК двфу

РАБОЧАЯ ПРОГРАММА УЧЕБНОЙ ДИСЦИПЛИНЫ

Системы искусственного интеллекта

230102.65 «Автоматизированные системы обработки информации и управления»

Форма подготовки очная

Школа естественных наук

Кафедра информационных систем управления

курс ___4____ семестр ___8____

лекции __36_ (час.)

лабораторные работы___24____(час.) 

всего часов аудиторной нагрузки____60_(час.)

самостоятельная работа ____40___ (час.)

реферативные работы (0)

контрольные работы (0) 

экзамен____8_____семестр

Рабочая программа составлена на основании требований о государственного образовательного стандарта высшего профессионального образования № 000 тех/дс от 01.01.01 г.

Рабочая программа обсуждена на заседании кафедры Информационные системы управления, протокол № 01 от  10 сентября 2012 г.

Заведующий  кафедрой  __________ 

Составитель (ли): к. т.н., проф.

I. Рабочая программа пересмотрена на заседании кафедры:

Протокол от «_____» _________________ 20  г.  № ______

Заведующий кафедрой _______________________  _ __

  (подпись)  (и. о. фамилия)

II. Рабочая программа пересмотрена на заседании кафедры:

Протокол от «_____»  _________________ 200  г.  № ______

Заведующий кафедрой _______________________  _ __

  (подпись)  (и. о. фамилия)

АННОТАЦИЯ

1. Цели и задачи освоения дисциплины.

Целями освоения дисциплины «Системы искусственного интеллекта» заключаются в следующем:

Ознакомление студентов с проблематикой синергетической методологии в искусственном интеллекте, теоретическими, организационно-методическими и технологическими вопросами функционирования и построения ИС, а также привитие практических навыков разработки и сопровождения систем основанных на знаниях.

Задачами освоения  данной дисциплины являются:

Первая задача определяется необходимостью формирования у студентов соответствующего уровня  знаний, достаточного для успешного использования интеллектуальных информационных технологий в практической деятельности.

Вторая задача – формирование у студентов современной информационной структуры, как совокупности представлений, умений и навыков в области интеллектуальных систем.

Дисциплина «Системы искусственного интеллекта» входит в базовую часть цикла  и естественнонаучных дисциплин для подготовки инженера по специальности «Автоматизированные системы обработки информации и управления». Данная дисциплина обладает неразрывной логической и содержательно-методической взаимосвязью со всеми дисциплинами цикла ООП «Информационные системы управления». Включает в себя следующие разделы:

Введение в дисциплину; Компоненты и архитектура систем искусственного интеллекта; Представление и обработка знаний в системах искусственного интеллекта; Онтологии и мультиагентные системы; Распознающие диагностирующие экспертные и обучающие системы; Разработка систем искусственного интеллекта.

В результате теоретического изучения дисциплины студент должен

1) Знать: глубоко и прочно основные понятия и теоремы курса; последовательно, грамотно и без логических пробелов излагать программный материал; формулировать и доказывать наиболее важные для овладения курсом системы искусственного интеллекта.

2) Уметь: использовать приобретенные знания для освоения дисциплин, обладающих содержательно-методической взаимосвязью с дисциплинами естественнонаучного цикла.

3) Владеть: методами и средствами представления и обработки знаний;

методами и средствами прототипирования систем, основанных на знаниях, включая распознающие, диагностирующие и обучающие.

4. Структура и содержание учебной дисциплины.

Общая трудоемкость дисциплины составляет  4  зачетных единиц 100 часов.

№	Название темы	Семестр	Неделя семестра	Виды учебной работы, включая самостоятельную работу студентов и трудоемкость (в часах)	Формы текущего контроля успеваемости (по неделям семестра) Форма промежуточной аттестации (по семестрам)
лекции	ПЗ	СР
Раздел 1 «Введение в дисциплину»
1	Цели и задачи дисциплины. Объекты и методы исследования ИИ. Внешняя и внутренняя интеллектуализация ЭВМ. Невычислительные задачи. Лабиринтная и ассоциативная модели. Модельная гипотеза. Метапроцедуры.	8	1	2	ИДЗ «Решение лабиринтных задач эвристическими методами»
Раздел 2 «Компоненты и архитектура СИИ»
2	Составные части СИИ. База знаний. Решатель (интерпретатор, планировщик). Механизмы приобретения знаний, вывода и объяснения. Поддержка прозрачности системы.	8	2	2	2
3	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.	8	3	2	2	4	ИДЗ «Автоматическое доказательство теорем»
Раздел 3«Представление и обработка знаний»
4	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.	8	4	2	2	4	ИДЗ «Решение задач путем индуктивного обобщения частных примеров»
5	Явное представление знаний. Классификация моделей представления знаний. Дедуктивные модели. Силлогистика Аристотеля. Алгебры логики. Квазибулева алгебра. Логико-арифметическая алгебра. Управляемая алгебра выбора.	8	5	2	2	4	Контрольная работа «Модели и методы представления и обработки знаний»
6	Формальные системы. Модели исчисления высказываний. Метапроцедура Ван-Хао. Модели исчисления предикатов. Метапроцедура резолюций Робинсона. Немонотонность вывода в логических моделях представления знаний.	8	6	2	2	2
7	Традуктивные модели. Продукции. Стратегии управления продукциями. Продукционная система – как программная среда. Динамическое описание продукционной системы. Нечеткий вывод на продукциях с недетерминированным ядром. Составные продукции.	8	7	2	2	2
8	Индуктивные модели. Индуктивное обобщение по аналогии. Прецеденты. Частичные прецеденты. Обучение. Ассоциативное обобщение на коннекторах. ДСМ-метод. Теория Демпстера-Шеффера.	8	8	2	1	2
9	Структурные модели. Семантические сети. Классификация сетей. Базовые отношения и операции на сетях. Проблема изоморфизма сетевых моделей. Фреймы. Функциональные семантические сети. Фреймоподобные структуры. Сценарии.	8	9	2	2	4
Раздел 4 «Онтологии. Мультиатентные системы и технологии»
10	Эксплицитная спецификация концептуализации. Формальная модель онтологии. Простые словари. Пассивные и активные словари. Таксономии. Машина вывода в онтологической системе. Методология и жизненный цикл онтологий.	8	10	2	1	2
11	Распределенный искусственный интеллект (DAI), распределенное решение задач (DPS) и параллельный искусственный интеллект(PAI). Программные агентыи фоновый (background) режим выполнения. Основная идея агентно-ориентированных систем и их классификация. Интенциональные и ментальные характеристики агентов.	8	11	2	2	2
12	Агентные технологии. Технологии агентов и их моделей. Архитектуры мультиатентных систем. Агентные библиотеки и средства поддержки. Делиберативные агенты и мультиатентные системы. Реактивные агенты с реакциями, генерируемыми конечными автоматами.	8	12	2	2	2
Раздел 5 «Распознающие, диагностирующие, экспертные и обучающие системы»
13	Распознавание образов (Patter Recoguition). Основные модели и соответствующие им системы. Перцептронная модель и нейронная сеть. Классификация нейронных сетей в рамках выбранной парадигмы распознавания. Нейросетевой компьютинг.	8	13	2	2	2	Контрольная работа «Разработка интеллектуальных систем»
14	Обучение, распознавание и диагностика на основе прецедентов. Тестовые методы распознавания. Обучающие системы как экспертные системы. Принципы разработки мультиатентных обучающих систем.	8	14	2	2
Раздел 6 «Разработка СИИ»
15	Основные этапы разработки СИИ. Идентификация проблемы. Концептуализация и формализация. Программная реализация. Концептуализация и формализация. Тестирование. Опытная эксплуатация.	8	15	4	1	4	ИДЗ «Представление и обработка знаний в структурах моделях»
16	Программно-инструментальные средства разработки СИИ. Традиционные языки программирования. Языки представления знаний. Функциональное (LISP), логическое (PROLOG), объектно-ориентированное (SMALLTALK) программирование. Особенности программирования в средах: CLIPS, OPS-5, FRL, KEE. Оболочки. Инструментальные средства разработки мобильных агентов DCOM, Java RMI, COBRA.	8	16	4	1	4
Всего за семестр	8	16	36	24	40	экзамен

5. Образовательные технологии