Лист внесения изменений

В стандарт дисциплины вносятся следующие изменения:

___________________________________________________________________________________________________

Разработчик________________________________________________________________________________________

должность, подпись, Ф.И.О.

Стандарт дисциплины пересмотрен и одобрен на заседании

кафедры ___________________"___"____________ 200 г.

название кафедры

Заведующий кафедрой______________________________________

подпись, Ф.И.О.

Согласовано:

Зав профилирующей кафедрой _______________________

подпись, Ф.И.О.

"___"____________ 200 г.

ПРИЛОЖЕНИЕ А

МЕТОДИЧЕСКИЕ УКАЗАНИЯ К ЛАБОРАТОРНОМУ ПРАКТИКУМУ

А.1 Лабораторная работа № 1 – 4 ч.

Изучение принципов работы с продукционными экспертными системами

А.1.1 Цель работы – изучение способов и приемов работы с продукционными экспертными системами, графического отражения содержимого базы знаний.

А.1.2 Объект изучения - структуры базы знаний продукционной экспертной системы, способов графического отражения ее содержания, возможностей и принципов работы с экспертной оболочкой «Эксперт». Перед выполнением работы следует изучить понятия база знаний, дерево решений, дерево правил

Теоретические сведения содержатся

А.1.3 Техническими средствами для выполнения работы являются Компьютер и оболочка «Эксперт».

А.1.4 Содержание и последовательность работы:

1 Изучить приемы использования базы знаний с помощью продукционной оболочки «Эксперт» (открыть базу знаний; указать цель; запустить консультацию).

2 Изучить содержание и структуру базы знаний, согласно своему варианту.

2.1 Откройте базу знаний.

2.2 Укажите цель.

2.3 Запустите консультацию. Последовательно отвечайте на вопросы системы: ответы. Получите объяснения системы о ходе вывода.

2.4 Повторите консультацию несколько раз, меняя варианты ответов.

2.5 Откройте файл с базой данных, изучите структуру базы.

2.6 В соответствии со структурой базы постройте дерево решений и дерево правил.

А.1.5 Отчет о лабораторной работе должен содержать:

1 Вариант, краткое описание базы знаний.

2 Дерево решений.

3 Дерево правил.

По результатам работы должен быть оформлен текстовый отчет на листах формата А4 в виде принтерных распечаток или от руки с соблюдением ГОСТ 2.105, ГОСТ 7.32. На титульном листе указать заглавие и номер работы, ф.и.о. студента, группа, дата выполнения.

А.1.6 Контрольные вопросы

1 Что такое правила продукции?

2 Что такое продукционная экспертная система?

3 Какие части выделяют в базе знаний?

4 Основные функции оболочки «Эксперт».

5 Как провести консультацию в системе «Эксперт»?

6 Что такое дерево решений?

7 Что такое дерево правил?

А.1.7 Индивидуальные задания студенты получают из следующего перечня вариантов.

Варианты заданий:

1 База знаний - rules.gal

Цель базы - галстук

Ответы - деловой, серый, уикэнд

2 База знаний - rules.pog

Цель базы - прогулка

Ответы - да, дождь, да, хорошее, да

Порядок выполнения работы:

1 Изучить приемы использования базы знаний с помощью продукционной оболочки «Эксперт»

- открыть базу знаний (Главное меню \ Выбор базы \ указать имя текстового файла базы знаний);

- указать цель (Главное меню \ Консультация \ Выбор цели);

- запустить консультацию (Главное меню \ Консультация \ Консультация);

2 Изучить содержание и структуру базы знаний, согласно своему варианту.

2.1 Открыть базу знаний (Главное меню \ Выбор базы \ база знаний).

2.2 Указать цель (Главное меню \ Консультация \ Выбор цели \ цель базы).

2.3 Запустить консультацию (Главное меню \ Консультация \ Консультация). Последовательно отвечать на вопросы системы: ответы. Получите объяснения системы о ходе вывода.

2.4 Повторите консультацию несколько раз, меняя варианты ответов.

2.5 Откройте файл с базой данных, изучите структуру базы.

2.6 В соответствии со структурой базы постройте дерево решений и дерево правил.

А.1.8 Список литературы

1. Абдикеев Н.М. Проектирование интеллектуальных систем в экономике: Учебник / Под ред. Н.П. Тихомирова.- М.Ж Издательство «Экзамен», 2004. – 1/1.

2. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем.-СПб.: Питер, 2001. – 7/1.

3. Статические и динамические экспертные системы: Учеб. Пособие/ Э.В. Попов, И.Б. Фоминых, Е.Б. Кисель, М.Д. Шапот.- М.: Финансы и статистика, 1996. – 0/1.

4. Тельнов Ю.Ф. Интеллектуальные информационные системы в экономике. Учебное пособие. Изд-е 3, расш. и дораб.- М.: СИНТЕГ, 2002. – 0/1.

А.2 Лабораторная работа № 2 – 2 ч.

Изучение принципов создания продукционных баз знаний

А.2.1 Цель работы – изучение принципов и способов создания базы знаний продукционных экспертных систем, освоить методы сокращения баз знаний.

А.2.2 Объект изучения - способы построения баз знаний продукционных экспертных систем, методов расчета мощности базы знаний, способов сокращения мощности базы знаний, позволяющих сохранить целостность и непротиворечивость.

Теоретические сведения содержатся в лекции пункты 2.1.6-2.1.9.

А.2.3 Техническими средствами для выполнения работы являются Компьютер и оболочка «Эксперт».

А.2.4 Содержание и последовательность работы:

1 Выбрать предметную область. Выделить целевую и исходные вершины. Построить дерево целей. Рассчитать мощность базы знаний (она не должна быть меньше 100 правил).

2 Реорганизовать дерево целей введя как минимум одну промежуточную вершину в целях сокращения мощности базы знаний. Рассчитать полученную мощность базы знаний (она должна быть не мене 40 правил).

3 Создать файл базы знаний (база знаний может быть дополнительно уменьшена за счет исключения некоторых ветвей дерева решений). База знаний должна удовлетворять требованиям полноты, целостности и непротиворечивости.

3.1 Создать пустой текстовый файл.

3.2 Запустить оболочку «Эксперт» и указать в ней в качестве базы знаний созданный файл.

3.3 Внести в базу знаний исходные вершины (истоки) с возможными значениями, сформулировав вопросы к пользователю, позволяющие выявить их значения (Главное меню \ Базы знаний \ Добавление вопросов).

3.4 Внесите в базу знаний правила (Главное меню \ Базы знаний \ Добавление правил). Заполните истоки правила с указанием их значений и следствие(я). После внесение первого правила редактирование базы знаний можно продолжить в любом текстовом DOS-редакторе.

4 Выполните тестирование базы знаний.

5 Сформируйте дерево решений и дерево правил.

А.2.5 Отчет о лабораторной работе должен содержать:

1 Описание предметной области, формулировку выбранной задачи, целевую вершину, истоки.

2 Первоначальный вариант дерева целей, расчет мощности.

3 Модифицированное дерево целей с новым расчетом мощности. Расчет должен учитывать исключение ветвей в дереве решений.

4 Дерево решений.

5 Дерево правил.

По результатам работы должен быть оформлен текстовый отчет на листах формата А4 в виде принтерных распечаток или от руки с соблюдением ГОСТ 2.105, ГОСТ 7.32. На титульном листе указать заглавие и номер работы, ф.и.о. студента, группа, дата выполнения.

А.2.6 Контрольные вопросы

1 Что такое дерево целей?

2 Понятие мощности базы знаний.

3 Как влияет введение промежуточных вершин на мощность базы знаний?

4 Раскрыть понятие непротиворечивости.

5 Раскрыть понятие целостности.

6 Раскрыть понятие полноты.

7 Как создать базу знаний с помощью оболочки «Эксперт»?

А.2.7 Индивидуальные задания выдаются студентом преподавателем, ведущим лабораторную работу.

А.2.8 Список литературы

1. Абдикеев Н.М. Проектирование интеллектуальных систем в экономике: Учебник / Под ред. Н.П. Тихомирова.- М.Ж Издательство «Экзамен», 2004. – 1/1.

2. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем.-СПб.: Питер, 2001. – 7/1.

3. Статические и динамические экспертные системы: Учеб. Пособие/ Э.В. Попов, И.Б. Фоминых, Е.Б. Кисель, М.Д. Шапот.- М.: Финансы и статистика, 1996. – 0/1.

4. Тельнов Ю.Ф. Интеллектуальные информационные системы в экономике. Учебное пособие. Изд-е 3, расш. и дораб.- М.: СИНТЕГ, 2002. – 0/1.

А.3 Лабораторная работа № 3 – 4 ч.

Создание база знаний «Достижимость плановых показателей»

А.3.1 Цель работы – закрепление навыков создания базы знаний.

А.3.2 Объект изучения - навыки по проектированию и созданию продукционных баз знаний.

Теоретические сведения содержатся в лекции пункты 2.1.6-2.1.9.

А.3.3 Техническими средствами для выполнения работы являются Компьютер и оболочка «Эксперт».

А.3.4 Содержание и последовательность работы:

1 Проанализировать структуру приведенных показателей:

Факторы	Показатели	Метрики
1 Технический уровень производства	1.1 Износ оборудования	цифра
	1.2 Средняя производительность станочного парка	цифра
	1.3 Прогрессивность тех.процесса	цифра
	1.4 Техническая дисциплина	низкая, средняя, высокая
	1.5 Обеспеченность технологической оснасткой	цифра
	1.6 Соответствие структуры парка оборудования структуре производственной программы	не соответствует, слабо соответствует, достаточно соответствует, соответствует полностью
2 Организационный уровень производства	2.1 Уровень специализации	цифра
	2.2 Уровень организации труда	низкий, средний, высокий
	2.3 Ритмичность производства	цифра
	2.4 Соблюдение сроков ремонта	не соблюдаются, почти соблюдаются, соблюдаются
	2.5 Качество ремонта оборудования	низкое, среднее, высокое
3 Профессиональный и квалификационный состав рабочих	3.1 Средний разряд рабочих	цифра
	3.2 Обеспеченность трудовыми ресурсами	цифра
	3.3 Соответствие среднего разряда рабочих среднему разряду работ	не соответствует, слабо соответствует, достаточно соответствует, полностью соответствует
	3.4 Дисциплина рабочих	низкая, средняя, высокая
4 Материальное обеспечение производства	4.1 Обеспеченность производства материальными ресурсами	цифра
	4.2 Соблюдение сроков поставки материалов, комплектующих изделий	да, нет
	4.3 Соответствие поставляемых материалов ГОСТам, ТУ, стандартам	не соответствует, слабо соответствует, почти соответствует, соответствует полностью
5 Условия труда	5.1 Условия труда	особо тяжелые, тяжелые и вредные, нормальные

Для показателей, метрики которых заданы цифрами, систему измерений нужно разработать самостоятельно.

2 На основе показателей, приведенных в таблице, построить дерево целей.

3 Разработать базу знаний, реализующую вывод по построенному дереву целей. Создать текстовый файл с базой знаний для работы с оболочкой эксперт.

4 Построить дерево решений и дерево целей.

А.3.5 Отчет о лабораторной работе должен содержать:

1 Дерево целей с указанием возможных значений истоков.

2 Дерево решений.

3 Дерево правил.

По результатам работы должен быть оформлен текстовый отчет на листах формата А4 в виде принтерных распечаток или от руки с соблюдением ГОСТ 2.105, ГОСТ 7.32. На титульном листе указать заглавие и номер работы, ф.и.о. студента, группа, дата выполнения.

А.3.6 Контрольные вопросы

1 Что такое промежуточные вершины дерева целей?

2 Как влияет количество значений истоков на мощность базы знаний?

3 Как влияет количество значений промежуточных вершин на мощность базы знаний?

4 Способы разделения дерева правил базы знаний.

5 Раскрыть взаимосвязь между деревом решений и деревом правил.

А.3.7 Индивидуальные задания выдаются студентом преподавателем, ведущим лабораторную работу.

А.3.8 Список литературы

1. Абдикеев Н.М. Проектирование интеллектуальных систем в экономике: Учебник / Под ред. Н.П. Тихомирова.- М.Ж Издательство «Экзамен», 2004. – 1/1.

2. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем.-СПб.: Питер, 2001. – 7/1.

3. Статические и динамические экспертные системы: Учеб. Пособие/ Э.В. Попов, И.Б. Фоминых, Е.Б. Кисель, М.Д. Шапот.- М.: Финансы и статистика, 1996. – 0/1.

4. Тельнов Ю.Ф. Интеллектуальные информационные системы в экономике. Учебное пособие. Изд-е 3, расш. и дораб.- М.: СИНТЕГ, 2002. – 0/1.

А.4 Лабораторная работа № 4 – 2 ч.

Создание базы знаний для решения финансово-экономических задач

А.4.1 Цель работы – приобретение навыков проектирования баз знаний для решения реальных задач.

А.4.2 Объект изучения - навыки по проектированию и созданию продукционных баз знаний.

Теоретические сведения содержатся в лекции пункты 2.1.6-2.1.9.

А.4.3 Техническими средствами для выполнения работы являются Компьютер и оболочка «Эксперт».

А.4.4 Содержание и последовательность работы:

1 Выбрать предметную область и задачу подлежащую решению в рамках выбранной области.

2 Для выбранной задачи построить дерево целей

3 Разработать базу знаний, реализующую вывод по построенному дереву целей. Создать текстовый файл с базой знаний для работы с оболочкой эксперт.

А.4.5 Отчет о лабораторной работе должен содержать:

1 Описание выбранной предметной области и задачи

2 Дерево целей с указанием возможных значений истоков.

3 Текст базы знаний.

По результатам работы должен быть оформлен текстовый отчет на листах формата А4 в виде принтерных распечаток или от руки с соблюдением ГОСТ 2.105, ГОСТ 7.32. На титульном листе указать заглавие и номер работы, ф.и.о. студента, группа, дата выполнения.

А.4.6 Контрольные вопросы

1 Что такое промежуточные вершины дерева целей?

2 Как влияет количество значений истоков на мощность базы знаний?

3 Как влияет количество значений промежуточных вершин на мощность базы знаний?

4 Способы разделения дерева правил базы знаний.

5 Раскрыть взаимосвязь между деревом решений и деревом правил.

А.4.7 Индивидуальные задания выбираются студентами самостоятельно и утверждаются у преподавателя

А.4.8 Список литературы

1. Абдикеев Н.М. Проектирование интеллектуальных систем в экономике: Учебник / Под ред. Н.П. Тихомирова.- М.Ж Издательство «Экзамен», 2004. – 1/1.

2. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем.-СПб.: Питер, 2001. – 7/1.

3. Статические и динамические экспертные системы: Учеб. Пособие/ Э.В. Попов, И.Б. Фоминых, Е.Б. Кисель, М.Д. Шапот.- М.: Финансы и статистика, 1996. – 0/1.

4. Тельнов Ю.Ф. Интеллектуальные информационные системы в экономике. Учебное пособие. Изд-е 3, расш. и дораб.- М.: СИНТЕГ, 2002. – 0/1.

А.5 Лабораторная работа № 5 – 4 ч.

Изучение приемов работы с имитатором нейронных сетей «НейроПро 0.25»

А.5.1 Цель работы – изучение способов создания, обучения, тестирования и контрастирования нейронных сетей. Изучить способы формирования выходных показателей обучающих выборок для нейронных сетей.

А.5.2 Объект изучения - навыки по созданию нейронных сетей различной структуры, тестированию полученных сетей, интерпретации результатов, упрощение нейронных сетей различными способами, вербализации структур нейронных сетей с помощью пакета «НейроПро 0.25».

Теоретические сведения содержатся в лекции Терехова – лекция 1- 3, руководство «Производство знаний из таблиц данных …».

А.5.3 Техническими средствами для выполнения работы являются Компьютер и Пакет «НейроПро 0.25».

А.5.4 Содержание и последовательность работы:

Исходные данные:

readme.rar - Руководство «Производство знаний из таблиц данных …».

userguid.rar - Руководство пользователя «НейроПро 0.25»

1. Определить объект оценки. Параметров оценки должно быть не менее 8. Объект оценки выбирается в рамках предметной области используемой в лабораторной работе №4(по экспертным системам)

2. Сформировать выборку из 50 строк, которые описывают через выделенные признаки, какие-либо конкретные объекты.

3. Получить оценку объектов тремя способами:

- Разработать аналитическую формулу оценки (например, взвешенная сумма), с помощью которой сформировать выходной показатель - оценку.

- Разработать простые правила продукции, описывающие процесс выставления оценок, с помощью этих правил выставить оценку.

- Выступая в роли эксперта, выставить оценку самостоятельно.

4. На основании данных части1 сформировать три обучающие и три тестовые выборки. Для трех обучающих выборок сформировать нейронные сети оптимальной структуры.

5. Проверить способность сети к обучению на противоречивых данных.

А.5.5 Отчет о лабораторной работе должен содержать:

1 Описание эксперимента по построению оптимальной сети для трех обучающих выборок:

2 Структура избыточной нейронной сети и ошибка, полученная на тестовой выборке.

3 Процесс получения нейронной сети оптимальной структуры. Сети какой структуры были обучены и какие ошибки получены на тестовой выборке.

4 Обоснование оптимальности полученной сети

5 Выводы по обучению нейронных сетей на выборках с выходным показателем, сформированным разными способами. Указать, для каких данных требуются сети большей емкости, и каковы уровни ошибок.

7 Описание эксперимента по обучению нейронных сетей на противоречивых данных.

8 Выводы о качестве обучения сети на выборках, содержащих противоречивые примеры.

По результатам работы должен быть оформлен текстовый отчет на листах формата А4 в виде принтерных распечаток или от руки с соблюдением ГОСТ 2.105, ГОСТ 7.32. На титульном листе указать заглавие и номер работы, ф.и.о. студента, группа, дата выполнения.

А.5.6 Контрольные вопросы

1 Как создать нейронную сеть?

2 Что такое обучающая выборка?

3 Что такое тестовая выборка?

4 Как задать структуру нейронной сети?

5 Как протестировать нейронную сеть?

6 Как выполнить сокращение нейронов?

7 Как выполнить сокращение входных сигналов?

8 Как получить коэффициенты значимости входных сигналов?

9 Структура результатов вербализации нейронной сети.

А.5.7 Индивидуальные задания выбираются студентами самостоятельно и утверждаются у преподавателя.

А.5.8 Список литературы

1. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. - Новосибирск: Наука. Сибирская издательская фирма РАН, 1996. – 0/1.

2. Пятковский О.И. Интеллектуальные компоненты аналитических информационных систем управления организацией: Учебное пособие - г. Барнаул": АлтГТУ.-2002, 216 с. – 10/3.

3. Терехов С.А. Лекции по теории и приложениям нейронных сетей: Учебное пособие.-Снежинск.: МИФИ.-1995. – 0/1.

4. Горбань А.Н. Обучение нейронных сетей.- М.: изд. СССР-США СП "ParaGraph", 1990. – 5/1.

5. Осовкий С. Нейронные сети для обработки инфоромации/ Пер. с польского И.Д. Рудинского.- М. Финансы и статистика, 2002. – 10/1.

6. Уоссермен Ф. Нейрокомпьютерная техника.- М.: Мир, 1992. – 0/1.

7. Руководство пользователя по ИС «НейроПро».

А.6 Лабораторная работа № 6 – 4 ч.

Изучение алгоритмов обучения нейронных сетей

А.6.1 Цель работы – изучить алгоритмы обучения нейронных сетей, параметры, влияющие на обучение нейронных сетей.

А.6.2 Объект изучения - навыки по обучению нейронных сетей с использование различных алгоритмов.

Теоретические сведения содержатся в руководстве «Производство знаний из таблиц данных…»

А.6.3 Техническими средствами для выполнения работы являются Компьютер, программа «Нейро-Аналитик».

А.6.4 Содержание и последовательность работы:

1 На основании 1 пары выборок из лабораторной №5(не использовать формульную оценку) получить сеть оптимальной структуры и обучить ее различными алгоритмами.

2 Применить алгоритмы автоматического конструирования нейронных сетей(два алгоритма).

3 Провести один эксперимент по обучению на выборке с пропусками(не менее 10% от общего количества примеров).

4 Сделать вывод о качестве обучения сети с помощью различных алгоритмов, автоматического конструирования, обучения на выборке с пропусками

А.6.5 Отчет о лабораторной работе должен содержать:

1 Описание процесса обучения сети каждым методом обучения.

2 Описание экспериментов по получению сети алгоритмами автоматического конструирования.

3 Описание эксперимента по обучению сети на данных с пропусками.

По результатам работы должен быть оформлен текстовый отчет на листах формата А4 в виде принтерных распечаток или от руки с соблюдением ГОСТ 2.105, ГОСТ 7.32. На титульном листе указать заглавие и номер работы, ф.и.о. студента, группа, дата выполнения.

А.6.6 Контрольные вопросы

1 Что такое шаг обучения?

2 Чем отличаются алгоритмы с оптимизацией шага и без?

3 Что такое цикл обучения?

4 Что такое пропуски в данных?

5 Как обучить нейронную сеть?

6 Статистика обучения нейронной сети.

А.6.7 Индивидуальные задания выбираются студентами самостоятельно и утверждаются и у преподавателя.

А.6.8 Список литературы

1. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. - Новосибирск: Наука. Сибирская издательская фирма РАН, 1996. – 0/1.

2. Пятковский О.И. Интеллектуальные компоненты аналитических информационных систем управления организацией: Учебное пособие - г. Барнаул": АлтГТУ.-2002, - 216 с. – 10/3.

3. Терехов С.А. Лекции по теории и приложениям нейронных сетей: Учебное пособие.-Снежинск.: МИФИ.-1995. – 0/1.

4. Горбань А.Н. Обучение нейронных сетей.- М.: изд. СССР-США СП "ParaGraph", 1990. – 5/1.

5. Осовкий С. Нейронные сети для обработки инфоромации/ Пер. с польского И.Д. Рудинского.- М. Финансы и статистика, 2002. – 10/1.

6. Уоссермен Ф. Нейрокомпьютерная техника.- М.: Мир, 1992. – 0/1.

7. Руководство пользователя по ИС «НейроПро».

А.7 Лабораторная работа № 7 – 4 ч.

Решение задачи кластеризации данных с помощью нейросетевых карт Кохонена

А.7.1 Цель работы – приобрести навыки кластерного анализа данных с помощью нейронных сетей.

А.7.2 Объект изучения - навыки кластеризации, анализа результатов нейросетевой классификации, подбора достаточного числа кластеров, анализа внутригрупповых связей между объектами кластеризации.

Теоретические сведения содержатся в лекции Терехова – лекция 7

А.7.3 Техническими средствами для выполнения работы являются Компьютер, Пакет «Vida Expert» и Пакет Microsoft Exel.

А.7.4 Содержание и последовательность работы:

1 Изучить возможности программы Vida Expert, используя имеющуюся тренировочную выборку по цветкам ириса.

2 Выбрать объект для группировки с количеством признаков не менее 5.

3 Подготовить выборку, в которой пять полей являются признаками объекта, а шестой определяет его принадлежность к какому-либо классу (классов не более 5).

4 Провести анализ исходных данных с помощью программы VidaExpert.

5 Построить 4 карты с разным числом ядер, в одной из которых число ядер соответствует количеству заданных вами классов. При построении карт использовать хотя бы два вида нормализации данных.

А.7.5 Отчет о лабораторной работе должен содержать:

1 Описание объектов и признаков группировки, групп (какие объекты попадают в ту или иную группу и почему).

2 Результаты анализа исходных данных, в том числе:

2.1 Статистические параметры рядов.

2.2 Коэффициенты корреляции между признаками

2.3 Гистограммы распределения признаков.

3 Карты полученные в процессе работы (если нет возможности распечатки карт на цветном принтере, можно привести в отчете таблицы объектов с указанием групп).

4 Анализ полученных группировок, выводы о способности нейросети к кластеризации.

По результатам работы должен быть оформлен текстовый отчет на листах формата А4 в виде принтерных распечаток или от руки с соблюдением ГОСТ 2.105, ГОСТ 7.32. На титульном листе указать заглавие и номер работы, ф.и.о. студента, группа, дата выполнения.

А.7.6 Контрольные вопросы

1 Понятие кластеризации.

2 Принцип работы метода динамических ядер.

3 Как влияют линейные параметры выборки на качество кластеризации?

4 Как с помощью пакета Vida Expert провести кластеризацию данных?

5 Анализ результатов кластеризации.

А.7.7 Индивидуальные задания выбираются студентами самостоятельно и утверждаются и у преподавателя.

А.7.8 Список литературы

1. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. - Новосибирск: Наука. Сибирская издательская фирма РАН, 1996. – 0/1.

2. Пятковский О.И. Интеллектуальные компоненты аналитических информационных систем управления организацией: Учебное пособие - г.Барнаул": АлтГТУ.-2002, - 216 с. – 10/3.

3. Терехов С.А. Лекции по теории и приложениям нейронных сетей: Учебное пособие. - Снежинск: МИФИ, 1995. – 0/1.

4. Горбань А.Н. Обучение нейронных сетей.- М.: изд. СССР-США СП "ParaGraph", 1990. – 0/1.

5. Осовкий С. Нейронные сети для обработки инфоромации/ Пер. с польского И.Д. Рудинского.- М. Финансы и статистика, 2002. – 10/1.

6. Уоссермен Ф. Нейрокомпьютерная техника.- М.: Мир, 1992. – 0/1.

7. Руководство пользователя по ИС «Vida-Expert».

А.8 Лабораторная работа № 8 – 4 ч.

Решение задачи прогнозирования временных рядов с помощью нейронных сетей

А.8.1 Цель работы – научиться прогнозировать временные ряды с использованием нейронных сетей.

А.8.2 Объект изучения - навыки по составлению прогнозов временных рядов с использованием обучающих выборок различной структуры.

Теоретические сведения содержатся в руководстве «Производство знаний из таблиц данных…»

А.8.3 Техническими средствами для выполнения работы являются Компьютер, программа «Нейро-Аналитик».

А.8.4 Содержание и последовательность работы:

1 Создать обучающую выборку на основе реального временного ряда. Во временном ряду должно быть не менее 50 значений. На основе 90% первых значений ряда(первые 45 из 50) создать обучающую выборку. 10% последних значений использовать для тестирования

2 Для каждой пары выборок построить нейронные сети оптимальной структуры решающие задачу прогнозирования по Вашему варианту. Провести ряд экспериментов по обучению использую различные настройки «Нейро-Аналитики» для задач прогнозирования. Для каждой настройки использовать не менее 2-3 вариантов. Всего должно быть проведено не менее 15 экспериментов.

3 Провести 1 эксперимент прогнозирования с дообучением.

А.8.5 Отчет о лабораторной работе должен содержать:

1 Описание данных по ряду:

1.1 Статистические параметры временного ряда (вариация, СКО, дисперсия).

1.2 Графическое представление временного ряда.

2 Описание эксперимента по построению оптимальной сети.

2.1 Структура избыточной нейронной сети и ошибка, полученная на тестовой выборке.

2.2 Процесс получения нейронной сети оптимальной структуры. Сети, какой структуры были обучены и какие ошибки получены на тестовой выборке.

2.3 Обоснование оптимальности полученной сети.

2.4 Обучение нейронной сети с различными вариантами обработки временного ряда.

2.5 Графическое отражение полученных прогнозов в сравнении с реальными данными.

2.6 Выводы по обучению нейронных сетей решению задачи прогнозирования. Влияние на качество обучения периодичности ряда, наличия выбросов, алгоритма преобразования ряда, алгоритма фильтрация, шага(глубины) погружения.

3 Описание эксперимента по прогнозированию с дообучением и выводы по нему.

По результатам работы должен быть оформлен текстовый отчет на листах формата А4 в виде принтерных распечаток или от руки с соблюдением ГОСТ 2.105, ГОСТ 7.32. На титульном листе указать заглавие и номер работы, ф.и.о. студента, группа, дата выполнения.

А.8.6 Контрольные вопросы

1 Что такое шаг прогнозирования?

2 Как влияет размер шага на качество прогноза?.

3 Как влияют выбросы и пропуски в данных на качество прогноза?

4 Приводит ли дообучение к повышению качества прогноза?

5 Процесс получения оптимальной сети для решения задачи прогнозирования.

6 Как влияют статистические параметры ряда на качество прогноза и обучаемость нейронных сетей?

А.8.7 Индивидуальные задания выбираются студентами самостоятельно и утверждаются у преподавателя.

А.8.8 Список литературы

1. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. - Новосибирск: Наука. Сибирская издательская фирма РАН, 1996. – 0/1.

2. Пятковский О.И. Интеллектуальные компоненты аналитических информационных систем управления организацией: Учебное пособие - г.Барнаул": АлтГТУ.-2002, - 216 с. – 10/3.

3. Терехов С.А. Лекции по теории и приложениям нейронных сетей: Учебное пособие.-Снежинск.: МИФИ, 1995. – 0/1.

4. Горбань А.Н. Обучение нейронных сетей.- М.: изд. СССР-США СП "ParaGraph", 1990. – 0/1.

5. Осовкий С. Нейронные сети для обработки инфоромации/ Пер. с польского И.Д. Рудинского.- М. Финансы и статистика, 2002. – 10/1.

6. Уоссермен Ф. Нейрокомпьютерная техника.- М.: Мир, 1992. – 0/1.

7. Руководство пользователя по ИС «Нейро-Аналитик».

А.9 Лабораторная работа № 9 – 4 ч.

Использование нейроимитатора в реальных задачах

А.9.1 Цель работы – Научиться использовать нейроимитатор в реальных задачах.

А.9.2 Объект изучения - навыки по применению нейронных сетей в реальных задачах.

Теоретические сведения содержатся в руководстве «Производство знаний из таблиц данных…»

А.9.3 Техническими средствами для выполнения работы является Компьютер.

А.9.4 Содержание и последовательность работы:

1 Выбрать решаемую задачу

2 Написать графический интерфейс для работы с данными по выбранной задаче

3 Встроить в интерфейс нейроимитатор

4 Обучить нейронные сети на созданных обучающих выборках

5 Провести тестирование обученных нейронных сетей

6 Сделать выводы об эффективности использования нейронных сетей для решений данной задачи

А.9.5 Отчет о лабораторной работе должен содержать:

1 Описание предметной области и решаемой задачи

2 Описание процесса подготовки обучающих выборок для обучения нейронных сетей

3 Блок схема алгоритма обучения нейронной сети

4 Описание эксперимента по решению выбранной задачи с помощью обученных нейронных сетей

5 Выводы об эффективности использования нейронных сетей для решения данной задачи

По результатам работы должен быть оформлен текстовый отчет на листах формата А4 в виде принтерных распечаток или от руки с соблюдением ГОСТ 2.105, ГОСТ 7.32. На титульном листе указать заглавие и номер работы, ф.и.о. студента, группа, дата выполнения.

А.9.6 Контрольные вопросы

А.9.7 Индивидуальные задания выбираются студентами самостоятельно и утверждаются у преподавателя.

А.9.8 Список литературы

1. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. - Новосибирск: Наука. Сибирская издательская фирма РАН, 1996. – 0/1.

2. Пятковский О.И. Интеллектуальные компоненты аналитических информационных систем управления организацией: Учебное пособие - г.Барнаул": АлтГТУ.-2002, 216 с. – 10/3.

3. Терехов С.А. Лекции по теории и приложениям нейронных сетей: Учебное пособие.-Снежинск.: МИФИ. - 1995. – 0/1.

4. Горбань А.Н. Обучение нейронных сетей.- М.: изд. СССР-США СП "ParaGraph", 1990. – 0/1.

5. Осовкий С. Нейронные сети для обработки инфоромации/ Пер. с польского И.Д. Рудинского.- М. Финансы и статистика, 2002. – 10/1.

6. Уоссермен Ф. Нейрокомпьютерная техника.- М.: Мир, 1992. – 0/1.

7. Руководство пользователя по ИС «НейроПро»

А.10 Лабораторная работа № 10 – 4 ч.

Разработка гибридной экспертной системы

А.10.1 Цель работы – Научиться проектировать гибридную экспертную систему.

А.10.2 Объект изучения – гибридные экспертные системы и их использование для решения неформализованных задач.

Теоретические сведения содержатся в лекции пункт 5.1.2.1.16.

А.10.3 Техническими средствами для выполнения работы является Компьютер.

А.10.4 Содержание и последовательность работы:

1 Выбрать проблему (4-я лабораторная работа).

2 Разработать прототип экспертной системы:

Этап	Результат
1.1. Идентификация проблемы 1.2. Получение знаний 1.3. Структурирование 1.4. Формализация (выбор и определение методов представления знаний). 1.5. Реализация прототипа (настройка системы). 1.6. Тестирование.	Проблема Знания Поле знаний База знаний на языке представления знаний. Программа - прототип ЭС Программа, прошедшая тестирование

3. Описать предполагаемые дальнейшие этапы развития экспертной системы:

3.1. Доработка до промышленной ЭС.

3.2. Оценка ЭС.

3.3. Стыковка ЭС.

3.4. Поддержка ЭС).

4. Сделать выводы об эффективности использования гибридной экспертной системы для решений данной задачи

А.10.5 Отчет о лабораторной работе должен содержать:

1 Описание предметной области и решаемой задачи

2. Структуру базы знаний.

3. Описание процесса выбора методов решения задачи в узлах дерева связей задач.

4. Описание баз знаний в узлах дерева связей задач по методикам предыдущих лабораторных работ.

5. Описание процесса настройки нейросетевых решателей в узлах дерева связей задач по методикам предыдущих лабораторных работ.

6. Описание экспериментов на разработанной гибридной экспертной системе по решению заданной задачи.

7. Выводы об эффективности использования гибридных экспертных систем для решения данной задачи

По результатам работы должен быть оформлен текстовый отчет на листах формата А4 в виде принтерных распечаток или от руки с соблюдением ГОСТ 2.105, ГОСТ 7.32. На титульном листе указать заглавие и номер работы, ф.и.о. студента, группа, дата выполнения.

А.10.6 Контрольные вопросы

1. Дайте определение гибридной экспертной системы.

2. Для решения каких задач используются гибридные экспертные системы?

3. Этапы проектирования гибридных экспертных систем.

4. Критерии выбора методов решения задач в узлах связей задач гибридных экспертных систем.

5. Методы настройки решателей неформализованных задач в гибридной экспертной системе.

А.10.7 Индивидуальные задания определяются в лабораторной работе № 4.

А.10.8 Список литературы

1. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. - Новосибирск: Наука. Сибирская издательская фирма РАН, 1996. – 0/1.

2. Пятковский О.И. Интеллектуальные компоненты аналитических информационных систем управления организацией: Учебное пособие - г.Барнаул": АлтГТУ.-2002, 216 с. – 10/3.

3. Терехов С.А. Лекции по теории и приложениям нейронных сетей: Учебное пособие.-Снежинск.: МИФИ. - 1995. – 0/1.

4. Горбань А.Н. Обучение нейронных сетей.- М.: изд. СССР-США СП "ParaGraph", 1990. – 0/1.

5. Осовкий С. Нейронные сети для обработки инфоромации/ Пер. с польского И.Д. Рудинского.- М. Финансы и статистика, 2002. – 10/1.

6. Уоссермен Ф. Нейрокомпьютерная техника.- М.: Мир, 1992. – 0/1.

7. Руководство пользователя по ИС «НейроПро»

8. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы.: Финансы и статистика, 2004, 424 с. – 1/1.

9. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. -СПб.: Питер, 2001. – 7/1/Э.

ПРИЛОЖЕНИЕ Б

КОНТРОЛИРУЮЩИЕ МАТЕРИАЛЫ ПО ДИСЦИПЛИНЕ

Б.1 Тесты текущего контроля

по дисциплине «Интеллектуальные информационные системы»