- •2 Часы по учебному графику
- •Т 3 ематическое содержание программы
- •4 Тематический план лекций
- •5 Тематический план лабораторных работ
- •Практические темы.
- •3.Идентификация
- •3.1.Идентификация бензина по нечеткой мере сходства
- •3.2.Идентификация бензина по минимуму расстояния. 3.Идентификация
- •3.1.Идентификация бензина по нечеткой мере сходства
ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ
МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
ТЕХНОЛОГИЙ И УПРАВЛЕНИЯ
Кафедра «Информационные технологии»
Рабочая учебная программа
по дисциплине
Системы искусственного интеллекта
Специальность: 220102
Москва, 2010г.
Обсуждена и одобрена на заседании кафедры «Информационные технологии» Московского государственного университета технологий и управления (протокол № 4 от 20 ноября 2009г.).
Одобрена и рекомендована к утверждению на заседании ученого совета факультета «Управления и информатизации» Московского государственного университета технологий и управления (протокол №5 от 10 декабря 2009 г.).
Составитель:
Яньков В.Ю. – профессор.
Рецензенты:
Бородин А.В., д.т.н., проф. МГУПБ
Шаховской А.В., к.т.н., доцент МГУТУ
Рабочая учебная программа дисциплины составлена в соответствии с Государственным образовательным стандартом ВПО.
© Московский Государственный университет
технологий и управления, 2010 г.
109004, Москва, Земляной вал, 73
СОДЕРЖАНИЕ
Организационно-методический раздел
Цель и задачи изучения дисциплины
Содержание дисциплины
Объем часов по видам учебной нагрузки
Тематические планы изучения дисциплины
Учебно-методическое обеспечение дисциплины
Методические указания по выполнению контрольной работы с тематикой контрольных работ
Задания для самостоятельной работы студентов
Основная литература
Дополнительная литература
РАБОЧАЯ ПРОГРАММА
и нормативные материалы по дисциплине
Системы искусственного интеллекта
для студентов специальности 230102
1
ЦЕЛЬ И ЗАДАЧИ ДИСЦИПЛИНЫ
СТАНДАРТ НА СПЕЦИАЛЬНОСТЬ:
Системы искусственного интеллекта: искусственный интеллект как научное направление; представление знаний, рассуждений и задач в искусственном интеллекте; эпистомологическая полнота представления знаний и эвристически эффективные стратегии поиска решения задач; модели представления знаний : алгоритмические ,логические, сетевые и продукционные модели ; сценарии; экспертные системы, классификация и структура ; инструментальные средства проектирования, разработки и отладки; примеры реализации.
Целью преподавания дисциплины является овладение знаниями, представлениями, умениями навыками для эффективного использования методов искусственного интеллекта в профессиональной деятельности. Студенты изучают искусственный интеллект на основе: математических моделей.
Задачи изучения дисциплины. Студент должен:
ИМЕТЬ ПРЕДСТАВЛЕНИЕ: о современных информационных технологиях, принципах и способах хранения информации, спектре программных средств , о назначении и принципах функционирования экспертных систем.
ЗНАТЬ: типы моделей; принципы моделирования и оптимизации.
УМЕТЬ: составлять математические модели средств ОАИСУ, уметь их оптимизировать, определять их адекватность и точность.
ПРИОБРЕСТИ НАВЫКИ: самостоятельной работы на компьютере по созданию и ведению моделирования .
Специальность, форма обучения, курс. |
Объем в часах по плану очной формы обучения |
Объем раб. Студента, аудиторные занятия |
Самост. раб. |
Распределение по курсам |
||||||||
Общ. |
Ауд. |
всего |
Лекц. |
Лаб.р |
Практ. |
Курс.раб. |
Контрраб. |
экз |
Зач. |
|||
230102,п,ДФО,4 |
100 |
52 |
52 |
20 |
32 |
|
48 |
|
|
1 |
- |
|
230102,с,ДФО,2 |
100 |
52 |
50 |
20 |
30 |
|
50 |
|
|
1 |
|
|
230102 п,ОЗФО,4 |
100 |
52 |
40 |
16 |
24 |
|
60 |
|
|
1 |
|
|
230102 с,ОЗФО,4 |
100 |
52 |
34 |
16 |
18 |
|
68 |
|
|
1 |
|
|
230102п, ЗФО,5 |
100 |
52 |
16 |
4 |
12 |
|
84 |
|
|
1 |
- |
|
230102,с,ЗФО.2 |
100 |
52 |
16 |
4 |
12 |
|
84 |
|
|
1 |
- |
2 Часы по учебному графику
Самостоятельная работа студентов: |
- изучение материала, изложенного в основной и дополнительной литературе, в соответствии с тематическим содержанием дисциплины; - решение практических задач, приведенных в основной литературе; - выполнение контрольных работ; - выполнение курсовых работ; - подготовка к зачетам; - подготовка к экзаменам; - выполнение тестовых заданий модульных учебно-практических пособий и подготовка к тестированию по проверке текущих и остаточных знаний; - подготовка к проверке остаточных знаний. |
Т 3 ематическое содержание программы
Тематическое содержание программы по дисциплине формируется на основе таких модулей, как: «Маткад. Лабораторный практикум»(рукопись) «Моделирование рецептурных смесей», основы которых составляют самостоятельные учебно-практические пособия либо отдельные разделы учебных пособий, учебников и монографий (см. список основной и дополнительной литературы).
4 Тематический план лекций
№ |
Наименование лекций |
Объем в часах |
|||||
|
|
ПДФО |
сДФО |
пОЗФО |
сОЗФО |
пЗФО |
сЗФО |
1
|
Основные понятия искусственного интеллекта
|
1,0
1,0 1,0
|
1,0
1,0 1,0
|
1,0
1,0 |
1,0
1,0 |
1,0 |
1,0 |
2
|
Системы представления знаний 2.1 Представление знаний фреймами. 2.2.Использование алгебры логики и предикатов для представления знаний. 2.3. Продукции |
1,0
1,0 1,0 |
1,0
1,0 1,0 |
1,0
1,0 |
1,0
1,0 |
|
|
3
|
Основы нечеткой логики. 3.1. Определения, характеристики нечетких множеств. 3.2. Нечеткие отношения, их свойства и операции над ними. 3.3. Функции принадлежности. Их классификация и методы построения. 3.4.Нечеткие числа и операции над ними. |
1,0
1,0
2,0 1,0 |
1,0
1,0
2,0 1,0
|
1,0
1,0
1,0 |
1,0
1,0
1,0 |
1,0
1,0 |
1,0
1,0 |
4
|
Нейронные сети. 4.1.Понятие нейронной сети. Структура однослойной и многослойной сети. Понятие обучения сети. 4.2.Персептроны. Обучение персептронов. 4.3. Обучение нейронных сетей Алгоритмы. Процедура обратного распространения. |
2,0
2,0 1,0
|
2,0
2,0 1,0 |
2,0
2,0
1,0 |
2,0
2,0
1,0
|
1,0 |
1,0 |
5 |
Методология построения экспертных систем 5.1. Определение, структура и классификация экспертных систем(ЭС). 5.2. Методология построения ЭС.Пример ЭС – G2. 5.3.Робототехнические системы с элементами ИИ. |
1,0
1,0 2,0 |
1,0
1,0 2,0 |
1,0
1,0 2,0 |
1,0
1,0 2,0 |
|
|
|
ИТОГО |
20 |
20 |
16 |
16 |
4 |
4 |