- •Введение
- •Глава 1 системы, основанные на знаниях
- •1.1. История создания искусственного интеллекта
- •1.2. Процесс мышления
- •1.3. Основные понятия и классификация систем, основанных на знаниях
- •1.4. Экспертные системы как элемент искусственного интеллекта
- •1.5. Теоретические аспекты извлечения знаний
- •1.6. Коммуникативные методы извлечения знаний
- •1.7. Текстологические методы извлечения знаний
- •Глава 2 модели представления знаний
- •2.1. Представление знаний и выводы в экспертных системах
- •2.2. Модель представления знаний средствами логики предикатов первого порядка
- •2.3. Представление знаний продукционными правилами
- •2.4. Модель представления знаний в виде фреймов
- •2.5. Представление знаний в виде семантической сети
- •2.6. Модель доски объявлений
- •2.7. Модель представления знаний в виде сценария
- •Глава 3 архитектура и технология разработки экспертных систем
- •3.1. Основные положения
- •3.2. Технология разработки экспертной системы
- •3.3. Механизм вывода (интерпретатор правил)
- •3.4. Взаимодействие пользователей с экспертной системой
- •3.5. Подсистема анализа и синтеза сообщений
- •3.6. Морфологический анализ входных сообщений
- •3.7. Синтаксический анализ входных сообщений
- •3.8. Семантический анализ входных сообщений
- •3.9. Синтез выходных сообщений
- •3.10. Диалоговая подсистема
- •3.11. Объяснительные способности эс
- •Глава 4 применение нечеткой логики в эксперТнЫх системах
- •4.1. Предпосылки возникновения нечеткой логики
- •4.2. Нечеткая логика
- •4.3. Нечеткие подмножества
- •4.4. Нечеткие правила вывода в экспертных системах
- •4.5. Задания для разработки экспертных систем
- •Глава 5 ГенетическиЙ алгоритм
- •5.1. Предисловие
- •5.2. Генетический алгоритм
- •5.3. Параметры и этапы генетического алгоритма
- •5.3.1. Кодирование информации и формирование популяции
- •5.3.2. Оценивание популяции
- •5.3.3. Селекция
- •5.3.4. Скрещивание и формирование нового поколения
- •7.3.5. Мутация
- •5.4. Настройка параметров генетического алгоритма
- •5.5. Канонический генетический алгоритм
- •5.6. Пример работы и анализа генетического алгоритма
- •5.7. Общие рекомендации к программной реализации генетического алгоритма
- •5.8. Задания для лабораторных работ
- •Глава 6 искусственные нейронные сети
- •6.1. Биологические нейронные сети
- •6.2. Формальный нейрон
- •6.3 Нейронные сети
- •6.4. Обучение инс
- •8.5. Алгоритм обратного распространения ошибки
- •6.6. Работа нейронной сети
- •6.7. Пример работы и обучения нейронной сети
- •6.8. Программная реализация
- •6.9. Задания для лабораторных работ
- •Заключение
- •Приложение 1 Контрольные вопросы
- •Приложение 2 Темы рефератов и индивидуальных заданий Темы рефератов
- •Темы индивидуальных заданий
- •Приложение 3 Ресурсы в сети Интернет
- •Список литератуРы
- •Оглавление
Приложение 2 Темы рефератов и индивидуальных заданий Темы рефератов
-
Эволюционное программирование (evolutionary programming).
-
Генетическое программирование (genetic programming).
-
Эволюционные стратегии (evolution strategies).
-
Меметичные алгоритмы (memetic algorithms).
-
Алгоритм дифференциальной эволюции (differential evolution).
-
Алгоритмы оценки распределений (estimation of distribution algorithms).
-
Алгоритмы ройной оптимизации (particles swarm optimization).
-
Системы обучающихся классификаторов (learning classifiers systems)
-
Адаптация параметров в эволюционных алгоритмах.
-
Интеллектуальная обработка изображений
-
Методы распознавания образов.
-
Обработка изображений на основе применения клеточных автоматов.
-
Применение теории графов для обработки изображений и распознавания образов.
-
Методы масштабирования изображений.
-
Методы распознавания лиц.
-
Методы построения трехмерных изображений объектов по их двумерным изображениям.
-
Методы сегментации изображений.
Темы индивидуальных заданий
-
Реализация алгоритма дифференциальной эволюции (differential evolution).
-
Реализация алгоритма оценки распределений (estimation of distribution algorithms).
-
Реализация алгоритма ройной оптимизации (particles swarm optimization).
-
Реализация алгоритма обработки изображений на основе применения клеточных автоматов.
-
Разработка программы улучшения качества изображений, полученных в условиях плохой видимости, на основе применения средств пакета MATLAB.
-
Разработка программы улучшения качества изображений, содержащих шумовую компоненту, на основе применения средств пакета MATLAB.
-
Разработка программы сегментации изображений на основе применения средств пакета MATLAB.
Приложение 3 Ресурсы в сети Интернет
-
http://raai.org/ – Российская ассоциация искусственного интеллекта.
-
http://www.niisi.ru/iont/ni – Российская ассоциация нейроинформатики.
-
http://ransmv.narod.ru/ – Российская ассоциация нечетких систем и мягких вычислений.
-
http://lis.epfl.ch/ – Laboratory of Intelligent Systems.
-
http://nn.cs.utexas.edu/ – Neural networks research group (University of Texas).
-
http://datadiver.nw.ru/ – Data mining и технология "Deep Data Diver".
-
http://genetic-programming.org/ – Генетическое программирование.
-
http://www.gotai.net/ – Искусственный интеллект.
-
http://www.sigevolution.org – Sigevolution – электронный журнал-дайджест по эволюционным вычислениям.
-
http://www.makhfi.com/KCM_intro.htm – Введение в моделирование знаний.
-
http://groups.csail.mit.edu/medg/ftp/psz/k-rep.html – Представление знаний.
-
http://www.blackwellpublishing.com/journal.asp?ref=0266-4720&site=1 – Экспертные системы. Expert Systems. The Journal of Knowledge Engineering.
Список литератуРы
-
Гаврилова Т.А. , Хорошевский В.Ф. Базы знаний интеллектуальных систем. – Санкт-Петербург: Питер, 2000. – 382 с.
-
Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. – М.: Нолидж, 2000. – 352 с.
-
Змитрович А.И. Интеллектуальные информационные системы. – Минск: Тетра Системс, 1997. – 367 с.
-
Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ / пер. с англ. – М.: Финансы и статистика, 1990. – 320 с.
-
Искусственный интеллект: Кн. 1. Системы общения и экспертные системы. Справочник / под ред. Э.В. Попова. – М.: Радио и связь, 1990. – 464 с.
-
Джарратано Д., Райли Г. Экспертные системы: принципы разработки и программирования / пер. с англ. – М.: Издательский дом “Вильямс”, 2007. – 1152 c.
-
Gruber T.R. A translation approach to portable ontology specification // Knowledge Acquisition. – 1993. – No. 5. – P. 199-220.
-
Дюк В., Самойленко А. Data Mining. – Санкт-Петербург: Питер, 2001. – 368 с.
-
Люгер Д.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. – М.: Издательский дом “Вильямс”, 2003. – 864 c.
-
Марселлус Д. Программирование экспертных систем на Турбо Прологе / пер. с англ. – М.: Финансы и статистика, 1994. – 256 c.
-
Осуга С. Обработка знаний / пер. с японск. – М.: Мир, 1989. – 293 с.
-
Попов Э.В. Экспертные системы. – М.: Наука, 1987. – 288 с.
-
Спицын В.Г. Базы знаний и экспертные системы. – Томск: Изд. ТПУ, 2001. – 88 c.
-
Экспертные системы. Принцип работы и примеры / под ред. Р. Форсайда; пер.с англ. – M.: Радио и связь, 1987. – 221 c.
-
Джексон П. Введение в экспертные системы / пер. с англ. – М.: Издательский дом “Вильямс”, 2001. – 624 c.
-
Гаврилов А.В. Гибридные интеллектуальные системы. – Новосибирск: Изд-во НГТУ, 2003. – 164 с.
-
Цой Ю.Р., Спицын В.Г. Применение искусственных нейронных сетей для решения задач классификации и аппроксимации функций. – Томск: Изд. ТПУ, 2003. – 21 c.
-
McCulloh W.S., Pitts W.H. A logical calculus of ideas immanent in nervous activity // Bull. Math. Biophysics. – 1943. – Vol.5. – P. 115–119.
-
Куффлер С.В., Николс Дж.Г. От нейрона к мозгу. – М: Мир. 1978. – 439 c.
-
Каллан Р. Основные концепции нейронных сетей: пер. с англ. – М.: Издательский дом «Вильямс», 2001. – 288 с.
-
Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002. – 344 с.
-
Спицын В.Г., Цой Ю.Р. Применение генетического алгоритма для аппроксимации функций. – Томск: Изд. ТПУ, 2002. – 23 c.
-
Редько В.Г. Эволюционная кибернетика. М. – Наука, 2003. – 156 с.
-
Бурцев М.С. Эволюция кооперации в многоагентной системе // Научная сессия МИФИ–2005. VII Всероссийская научно-практическая конференция "Нейроинформатика-2005": Сборник научных трудов. В 2-х частях. Ч. 1. М.: МИФИ, 2005 – с. 217–224.
-
Beyer H.-G., Schwefel H.-P., Wegener I. How to analyse Evolutionary Algorithms. Technical Report No.CI-139/02. – University of Dortmund, Germany, 2002.
-
Holland J.H. Adaptation in Natural and Artificial Systems. The University of Michigan Press, 1975.
-
Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моделирования. – М.: ФИЗМАТЛИТ, 2003. – 432 c.
-
Фогель Л., Оуэнс А., Уолш М. Искусственный интеллект и эволюционное моделирование. М.: Мир, 1969. – 230 с.
-
Rechenberg I. Evolutionsstrategie: Optimierung Technischer Systeme nach Prinzipien der Biologischen Evolution. Werkstatt Bionik und Evolutionstechnik, Stuttgart: Frommann-Holzboog, 1973.
-
Schwefel H.-P. Numerische Optimierung von Computer-Modellen mittels der Evolutionsstrategie // Interdisciplinary Systems Research: – 1977. – Vol. 26.
-
Koza J. Genetic programming: a paradigm for genetically breeding computer population of computer programs to solve problems. MIT Press, Cambridge, MA, 1992.
-
Whitley D.L. Genetic Algorithms and Evolutionary Computing. Van Nostrand's Scientific Encyclopedia 2002.
-
Heitkotter J., Beasly D. The Hitch-Hiker’s Guide to Evolutionary Computation: A List of Frequently Asked Questions (FAQ). ftp://rtfm.mit.edu:/pub/usenet/news.answers/ai-faq/genetшс/.
-
De Jong K. An analysis of the behavior of a class of genetic adaptive systems. Doctoral dissertation. – University of Michigan, Ann Arbor. – University Microfilms No. 76-9381. – 1975.
-
Gamma E., Helm R., Johnson R., Vlissides J. Design Patterns: Elements of Reusable Object-Oriented Software, Massachusetts: Addison-Wesley, 1995.
-
Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы / Под ред. В.М. Курейчика. – 2-е изд., испр. и доп. – М.: Физматлит, 2006. – 320 с.
-
Turing A. M. Computing machinery and intelligence // Mind, 1950, vol. 236, no. 59.
-
Хайкин С. Нейронные сети: полный курс, 2-е издание. М.: Издательский дом «Вильямс», 2006.
-
Горбань А.Н. Обобщенная аппроксимационная теорема и вычислительные возможности нейронных сетей // Сибирский журнал вычислительной математики.– 1998. – Т. 1, № 1. – С. 12-24.
-
Цой Ю.Р., Спицын В.Г. Эволюционный подход к настройке и обучению искусственных нейронных сетей // Нейроинформатика. – 2006. – Т. 1. – № 1 – C. 34–61. (http://www.ni.iont.ru/Journal/).
-
Цой Ю.Р., Спицын В.Г. Нейроэволюционный подход // Нейрокомпьютеры: разработка и применение. – 2005. – № 6. – C. 15–25.
-
Tsoy Yu.R., Spitsyn V.G. Using genetic algorithm with adaptive mutation mechanism for neural networks design and training // Optical memory and neural networks, (Information Optics). – 2004. – Т. 13. – No. 4. – P. 225–232.
-
Цой Ю.Р., Спицын В.Г., Чернявский А.В. Нейроэволюционное улучшение качества изображений // Сборник научных трудов VIII Всероссийской научно-технической конференции “НЕЙРОИНФОР-МАТИКА–2006”. – М.: Изд. МИФИ, 2006. – Т. 1. – С. 181–189.
-
Цой Ю.Р., Спицын В.Г. Исследование генетического алгоритма с динамически изменяемым размером популяции // Труды Международной научно-технической конференции “Интеллектуальные системы (IEEE AIS’05)”. Научное издание. М.: Изд. физико-математической литературы, 2005. – С. 241–246.
-
Цой Ю.Р., Спицын В.Г. Применение генетического алгоритма для решения задачи адаптивного нейроуправления // Сборник научных трудов VII Всероссийской научно-технической конференции “НЕЙРОИНФОРМАТИКА–2005”. – М.: Изд. МИФИ, 2005. – Т. 1. – C. 35–43.
-
Цой Ю.Р., Спицын В.Г. К выбору размера популяции // Труды Международной научно-технической конференции “Интеллектуальные системы (IEEE AIS’04)”. Научное издание. М.: Изд-во физико-математической литературы. 2004. – Т. 1. – С. 90–96.