Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
230400 бакалавр (новое).doc
Скачиваний:
39
Добавлен:
12.03.2015
Размер:
2.87 Mб
Скачать

4.3.7. Аннотация учебной программы дисциплины «Интеллектуальные системы и технологии»

1. Цели и задачи дисциплины:

Изучение моделей и методов представления знаний, методов и средств проектирования экспертных систем и систем поддержки принятия решений, как составной части процесса создания информационных систем.

2. Место дисциплины в структуре ООП:

Дисциплина базовой части профессионального цикла.

Изучение дисциплины основано на умениях и компетенциях, полученных студентом при изучении дисциплин «Математика», «Информатика», Теория информационных процессов и систем», Информационные технологии», «Архитектура информационных систем», Технологии программирования», «Технологии обработки информации», «Инфокоммуникационные системы и сети». Является предшествующей для профессиональных дисциплин «Инструментальные средства информационных систем», «Методы и средства проектирования информационных систем и технологий».

3. Требования к результатам освоения дисциплины:

Процесс изучения дисциплины направлен на формирование и развитие основных общекультурных компетенций: владение культурой мышления, способность к обобщению, анализу, восприятию информации, постановке цели и выбору путей её достижения, умение логически верно, аргументировано и ясно строить устную и письменную речь ; способность научно анализировать социально-значимые проблемы и процессы, умение использовать на практике методы гуманитарных, экологических, социальных и экономических наук в различных видах профессиональной и социальной деятельности владение широкой общей подготовкой (базовыми знаниями) для решения практических задач в области информационных систем и технологий.

профессиональных компетенций: способность проводить предпроектное обследование (инжиниринг) объекта проектирования, системный анализ предметной области, их взаимосвязей; способность проводить техническое проектирование (реинжиниринг); способность проводить рабочее проектирование; способность проводить выбор исходных данных для проектирования; способность к проектированию базовых и прикладных информационных технологий; способность разрабатывать средства реализации информационных технологий (методические, информационные, математические, алгоритмические, технические и программные); способность использовать технологии разработки объектов профессиональной деятельности в различных областях; способность организации работы малых коллективов исполнителей; способность проводить сбор, анализ научно-технической информации, отечественного и зарубежного опыта по тематике исследования; способность участвовать в постановке и проведении экспериментальных исследований; способность обосновывать правильность выбранной модели сопоставляя результаты экспериментальных данных и полученных решений; готовность использовать математические методы обработки, анализа и синтеза результатов профессиональных исследований; способность оформлять полученные рабочие результаты в виде презентаций, научно-технических отчетов, статей и докладов на научно-технических конференциях; способность формировать новые конкурентоспособные идеи и реализовывать их в проектах; способность к инсталляции, отладки программных и настройки технических средств для ввода информационных систем в опытную эксплуатацию; готовность проводить сборку информационной системы из готовых компонентов; способность к осуществлять инсталляцию, отладку программных и настройку технических средств для ввода информационных систем в промышленную эксплуатацию; способность поддерживать работоспособность информационных систем и технологий в заданных функциональных характеристиках и соответствии критериям качества; готовность обеспечивать безопасность и целостность данных информационных систем и технологий; готовность адаптировать приложения к изменяющимся условиям функционирования; способность составления инструкций по эксплуатации информационных систем.

В результате изучения дисциплины студент должен:

Знать: теорию технологий искусственного интеллекта (математическое описание экспертной системы, логический вывод, искусственные нейронные сети, расчетно-логические системы, системы с генетическими алгоритмами, мультиагентные системы).

Уметь: уметь решать прикладные вопросы интеллектуальных систем с использованием декларативный язык ПРОЛОГ, статических экспертных систем, экспертных систем реального времени.

Владеть: построением моделей представления знаний, подходами и техникой решения задач искусственного интеллекта, информационных моделей знаний, методами представления знаний, методы инженерии знаний

4. Содержание дисциплины (Изучаемые темы)

Типы задач, основанных на использовании знаний. Архитектура систем, основанных на знаниях. Основные классы интеллектуальных систем. Интеллектуальные ИПС; Естественно-языковый интерфейс пользователя. Проблемы, связанные с пониманием речи. Лингвистический процессор. Процедуры морфологического, синтаксического и семантического разбора.

Сценарии. Назначение сценария, определение сценария. Требования, предъявляемые к сценарию диалогового взаимодействия

Проблемы информационного поиска и их решение с использованием нечеткой логики и нейронных сетей.

Технологии решения задач, основанные на продукционном формализме. Экспертные системы. Области эффективного применения экспертных систем. Модели представления знаний, используемые в экспертных системах. Приобретение знаний. Процедуры обработки экспертных знаний. Компетентность экспертов. Процедуры оценки компетентности.

Технология разработки экспертных систем. Оболочки экспертных систем. Теория оболочек.

Интеллектуальные расчетно-логические системы. Технология решения задач в расчетно-логических системах.

Технологии решения задач, использующие нечеткую логику. Общие сведения об альтернативных подходах к формализации логического вывода в условиях неопределенности: логико-ве56роятностный подход, байесовский подход, графовые вероятностные модели. Модель Шортлиффа – Бучанана; теория Демпстера – Шеффера; теория интервальных средних и квазибайесовский подход. Нечеткая логика и теория возможностей.

Нечеткий логический вывод и его разновидности. Методы приведения к четкости. Алгоритмы генерации нечетких правил. Нисходящие нечеткие выводы. Инструментальные средства поддержки нечеткой логики. Примеры

Технологии решения задач, основанные на байесовских сетях доверия: байесовские сети как инструмент решения задач в экспертных системах, основные понятия и определения; представление знаний в байесовских сетях доверия и условная независимость событий; процесс вывода в байесовских сетях доверия;

Диаграммы влияния: назначение и основные компоненты диаграмм. Диаграммы влияния с несколькими вершинами решений. Инструментальные средства поддержки вывода на байесовских сетях доверия.

Технологии решения задач, использующие нейронные сети; Искусственный нейрон и его структура. Активационная характеристика, ее роль и разновидности. Перцептрон. Архитектура персептрона. Класс задач, решаемых с помощью персептрона.

Алгоритм обучения персептрона. Сходимость алгоритма обучения. Подбор количественных характеристик весовых коэффициентов. Однослойные и многослойные нейронные сети. Многослойные персептроны и возможности их обучения. Архитектура многослойного обобщенного персептрона. Процедура обратного распространения - алгоритм обучения многослойного персептрона с учителем. Сети встречного распространения. Архитектура, функционирование и методы обучения НС встречного распространения Примеры задач, решаемых с помощью нейронных сетей.

Нечеткие нейронные сети. Алгоритмы обучения и использования гибридных нейронных сетей.

Технология решения задач с использованием эволюционных и генетических алгоритмов. Основные понятия и определения. структура и свойства типового генетического алгоритма. базовые генетические операторы (основные модификации скрещивания, мутации и селекции), недостатки базовых операторов

Модифицированные генетические операторы, их разновидности и особенности. Влияние фенотипа на характеристики операторов мутации и скрещивания.

Основные направления применения генетических алгоритмов: генетические алгоритмы в задачах оптимизации, многопопуляционный параллельный генетический алгоритм для параметрической настройки СППР, основанной на иерархической структуре нечеткого логического вывода, продукционных правилах и лингвистических термах.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]