- •Интеллектуальные информационные системы
- •Введение
- •1. Логика предикатов первого порядка
- •1.1. Основы логики предикатов первого порядка
- •1.2. Основы Пролога
- •Примеры использования дизъюнкции в Прологе
- •1.3. Назначение и основные возможности swi-Prolog
- •Некоторые операции и предикаты swi-Prolog
- •1.4. Лабораторная работа № 1 Представление фактов и правил в Прологе
- •1.5. Лабораторная работа № 2. Рекурсия в Прологе
- •1.6. Лабораторная работа № 3. Обработка списков в Прологе
- •Списки и их составные части
- •2. Онтологии
- •2.1. Онтологии и семантическая паутина
- •2.2. Краткие сведения о спецификациях семантической паутины
- •Стандартные пространства имен
- •Классы rdf/rdfs
- •Свойства rdf/rdfs
- •2.3. Лабораторная работа № 4 Построение онтологической модели в Protégé. Создание классов
- •2.4. Лабораторная работа № 5 Построение онтологической модели в Protégé. Создание экземпляров классов
- •2.5. Лабораторная работа № 6 Выполнение sparql-запросов в Protégé
- •Модификаторы
- •3. Эвристические алгоритмы
- •3.1. Методы поиска решений с использованием графов
- •Сравнительная характеристика методов
- •3.2. Лабораторная работа № 7 Решение оптимизационной задачи с использованием эвристического алгоритма
- •Характеристика дополнительных ограничений скорости и мероприятий по их устранению
- •Варианты заданий на выполнение лабораторной работы
- •4. Нечеткие множества
- •4.1. Основы теории нечетких множеств и нечеткой логики
- •4.2. Лабораторная работа № 8. Решение прикладной задачи с использованием нечетких множеств
- •5. Генетические алгоритмы
- •5.1. Эволюционные вычисления
- •5.2. Лабораторная работа № 9. Решение оптимизационной задачи с использованием генетического алгоритма
- •Исходная популяция
- •Популяция после скрещивания
- •Расчет значений целевой функции
- •Популяция после редукции
- •Варианты заданий
- •6. Искусственные нейронные сети
- •6.1. Распознавание образов
- •6.2. Лабораторная работа № 10. Распознавание образов с использованием искусственной нейронной сети
- •Варианты заданий на выполнение лабораторной работы
- •Заключение
- •Библиографический список
- •Оглавление
- •Интеллектуальные информационные системы
- •6 80021, Г. Хабаровск, ул. Серышева, 47
- •Интеллектуальные информационные системы
Варианты заданий на выполнение лабораторной работы
№ варианта |
Тип образа |
Количество нейронов скрытого слоя |
1 |
Арабские цифры |
4 |
2 |
Римские цифры |
5 |
3 |
Буквы русского алфавита |
6 |
4 |
Буквы латинского алфавита |
7 |
5 |
Арифметические операции (+, -, /, *, , % и т. д.) |
8 |
6 |
Логические операции (, , &, , и т. д.) |
5 |
7 |
Операции сравнения (<, =, , , и т. д.) |
7 |
8 |
Операции с множествами (, , , и т. д.) |
6 |
9 |
Цветочки |
4 |
10 |
Виды транспорта |
5 |
11 |
Машинки |
6 |
12 |
Карточные масти |
7 |
Окончание табл. 16
№ варианта |
Тип образа |
Количество нейронов скрытого слоя |
13 |
Птицы |
8 |
14 |
Рыбы |
4 |
15 |
Фрукты |
5 |
16 |
Смайлики |
6 |
17 |
Геометрические фигуры |
7 |
18 |
Дорожные знаки |
8 |
19 |
Виды заливки |
4 |
20 |
Логотипы компаний |
6 |
21 |
Знаки зодиака |
5 |
22 |
Домино |
4 |
В. Отчет должен содержать:
титульный лист;
описание задания;
вид 4 обучающих образцов и соответствующие им входные и выходные вектора с эталонными значениями;
вид 4 тестовых (искаженных) образцов и соответствующие им входные и выходные вектора с расчетными значениями;
текст программы;
вывод.
Контрольные вопросы
1. Опишите строение биологического нейрона.
2. Опишите математическую модель нейрона.
3. Приведите классификацию искусственных нейронных сетей по типу нейронных связей.
4. Опишите процедуру построения искусственных нейронных сетей.
5. Назовите условия применимости алгоритма с обратным распространением ошибки при обучении искусственных нейронных сетей.
Заключение
Изложенный в пособии теоретический материал, а также лабораторные работы, являются наиболее популярными и перспективными направлениями в области искусственного интеллекта. Предоставление многочисленных сервисов в Интернете (поиск информации, контекстная реклама, перевод текстов, распознавание речевых запросов), игровая индустрия, системы информационной безопасности (выявление уязвимостей, угроз и атак) немыслимы без применения интеллектуальных методов обработки информации.
Разработка теории логики предикатов является дальнейшим развитием логики высказываний. Логика предикатов была принята в Японии за основу при создании компьютеров пятого поколения. Несмотря на фиаско проекта, он имел большой общественный резонанс и подтолкнул правительства других стран и международные корпорации к интенсификации исследований в области искусственного интеллекта. Поддерживаемые и продвигаемые консорциумом W3C онтологические модели представления информации должны вывести Интернет на новый уровень.
В настоящий момент искусственные нейронные сети переживают очередной всплеск интереса. Ежедневно в средствах массовой информации, научных и популярных изданиях сообщается о новых сферах их применения при решении теоретических проблем и практических задач. Нечеткие множества активно применяются в алгоритмах работы бытовой техники (холодильники, стиральные машины, печи). Генетические алгоритмы и эвристические методы стали незаменимым инструментом при решении оптимизационных производственных задач, где традиционные методы (математический анализ, математическое программирование) бессильны.
Обзор интеллектуальных методов, выполненный в пособии, должен сформировать у обучающихся представление о современных тенденциях в области искусственного интеллекта, а лабораторные работы – закрепить навыки их применения на практике.
