rpd000000719 (220400 (27.03.04).Б2 Информационные технологии в управлении)
Описание файла
Файл "rpd000000719" внутри архива находится в следующих папках: 220400 (27.03.04).Б2 Информационные технологии в управлении, 220400.Б2. Документ из архива "220400 (27.03.04).Б2 Информационные технологии в управлении", который расположен в категории "". Всё это находится в предмете "вспомогательные материалы для первокурсников" из 1 семестр, которые можно найти в файловом архиве МАИ. Не смотря на прямую связь этого архива с МАИ, его также можно найти и в других разделах. Архив можно найти в разделе "остальное", в предмете "вспомогательные материалы для первокурсников" в общих файлах.
Онлайн просмотр документа "rpd000000719"
Текст из документа "rpd000000719"
Министерство образования и науки Российской Федерации
Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования
Московский авиационный институт
(национальный исследовательский университет)
УТВЕРЖДАЮ
Проректор по учебной работе
______________Куприков М.Ю.
“____“ ___________20__
РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ (000000719)
Элементы искусственного интеллекта
(указывается наименование дисциплины по учебному плану)
Направление подготовки | Управление в технических системах | |||||
Квалификация (степень) выпускника | Бакалавр | |||||
Профиль подготовки | Информационные технологии в управлении | |||||
Форма обучения | очная | |||||
(очная, очно-заочная и др.) | ||||||
Выпускающая кафедра | 301 | |||||
Обеспечивающая кафедра | 301 | |||||
Кафедра-разработчик рабочей программы | 301 | |||||
Семестр | Трудоем-кость, час. | Лек-ций, час. | Практич. занятий, час. | Лаборат. работ, час. | СРС, час. | Экзаменов, час. | Форма промежуточного контроля |
5 | 144 | 18 | 18 | 32 | 49 | 27 | Э |
Итого | 144 | 18 | 18 | 32 | 49 | 27 |
Москва
2011 г.
РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ
Разделы рабочей программы
-
Цели освоения дисциплины
-
Структура и содержание дисциплины
-
Учебно-методическое и информационное обеспечение дисциплины
-
Материально-техническое обеспечение дисциплины
Приложения к рабочей программе дисциплины
Приложение 1. Аннотация рабочей программы
Приложение 2. Cодержание учебных занятий
Приложение 3. Прикрепленные файлы
Программа составлена в соответствии с требованиями ФГОС ВПО по направлению подготовки 220400 Управление в технических системах
Авторы программы :
Мирзоян Л.А. | _________________________ |
Заведующий обеспечивающей кафедрой 301 | _________________________ |
Программа одобрена:
Заведующий выпускающей кафедрой 301 _________________________ | Декан выпускающего факультета 3 _________________________ |
-
ЦЕЛИ ОСВОЕНИЯ ДИСЦИПЛИНЫ
Целью освоения дисциплины Элементы искусственного интеллекта является достижение следующих результатов образования (РО):
N | Шифр | Результат освоения |
1 | У-4 | Уметь использовать стандартные пакеты прикладных программ для решения практических задач |
2 | У-5 | Уметь представлять технические решения с использованием средств компьютерной графики и геометрического моделирования |
3 | У-13 | Уметь решать исследовательские и проектные задачи с использованием компьютеров |
4 | Знать на уровне представлений историю развития и технологии искусственного интеллекта. | |
5 | Уметь теоретически обосновывать выбор технологий искусственного интеллекта для решения задач нелинейной аппроксимации, прогнозирования, классификации, распознавания, принятия решений. | |
6 | Владеть навыками работы с основными современными инструментальными средствами разработки систем искусственного интеллекта. | |
7 | Знать на уровне воспроизведения математическую и алгоритмическую основу нейронных сетей, нечеткой логики, генетических алгоритмов и экспертных систем. | |
8 | Знать на уровне понимания общие принципы построения систем искусственного интеллекта, интеллектуальные технологии и наиболее перспективные прикладные области их применения. | |
9 | Уметь практически разрабатывать системы с искусственным интеллектом. |
Перечисленные РО являются основой для формирования следующих компетенций: (в соответствии с ФГОС ВПО и требованиями к результатам освоения основной образовательной программы (ООП))
N | Шифр | Компетенция |
1 | ПК-5 | Способен владеть основными приемами обработки и представления экспериментальных данных |
2 | ПК-11 | Способен разрабатывать информационное обеспечение систем с использованием стандартных СУБД |
3 | КП2-1 | Способность разрабатывать алгоритмическое обеспечение систем управления с помощью искусственного интеллекта |
4 | КП2-4 | Способность формировать алгоритмы классификации сложных технических объектов и распознавания типовых и нештатных ситуаций |
-
СТРУКТУРА И СОДЕРЖАНИЕ ДИСЦИПЛИНЫ
Общая трудоемкость дисциплины составляет 4 зачетных(ые) единиц(ы), 144 часа(ов).
Модуль | Раздел | Лекции | Практич. занятия | Лаборат. работы | СРС | Всего часов | Всего с экзаменами и курсовыми |
Элементы искусственного интеллекта | Искусственный интеллект | 2 | 0 | 0 | 3 | 5 | 144 |
Нейронные сети | 4 | 4 | 12 | 14 | 34 | ||
Нечёткая логика | 4 | 6 | 8 | 12 | 30 | ||
Генетические алгоритмы | 6 | 6 | 8 | 13 | 33 | ||
Экспертные системы | 2 | 2 | 4 | 7 | 15 | ||
Всего | 18 | 18 | 32 | 49 | 117 | 144 |
-
Содержание (дидактика) дисциплины
В разделе приводится полный перечень дидактических единиц, подлежащих усвоению при изучении данной дисциплины.
1. Искусственный интеллект
- 1.1. Понятие "искусственный интеллект"
- 1.2. История развития теории искусственного интеллекта
- 1.3. Технологии искусственного интеллекта
2. Нейронные сети
- 2.1. Биологический прототип нейронной сети
- 2.2. Понятие искусственного нейрона
- 2.3. Функции активации нейронов
- 2.4. Классификация нейронных сетей
- 2.5. Методы обучения нейронных сетей
3. Нечёткая логика
- 3.1. Основные понятия нечёткой логики
- 3.2. Структура системы нечёткой логики
- 3.3. Методы построения функций принадлежности
- 3.4. Построение нечётких правил на основе обучающих данных
- 3.5. Алгоритмы нечёткого логического вывода
- 3.6. Нечёткая кластеризация
4. Генетические алгоритмы
- 4.1. Методы решения задач оптимизации
- 4.2. Основные понятия генетических алгоритмов. Схема работы генетического алгоритма
- 4.3. Генетические операторы
- 4.4. Обучение нейронных сетей с помощью генетических алгоритмов
- 4.5. Многокритериальные задачи оптимизации. Концепция доминирования по Парето
- 4.6. Многокритериальные эволюционные алгоритмы
5. Экспертные системы
- 5.1. Структура и элементы экспертных систем
- 5.2. Процесс разработки экспертной системы
- 5.3. Методы представления знаний в экспертных системах
-
Лекции
№ п/п | Раздел дисциплины | Объем, часов | Тема лекции | Дидакт. единицы |
1 | 1.1.Искусственный интеллект | 2 | Искусственный интеллект. История развития, основные понятия, технологии | 1.1, 1.2, 1.3 |
2 | 1.2.Нейронные сети | 2 | Нейронные сети. Биологический прототип, искусственный нейрон, функции активации | 2.1, 2.2, 2.3 |
3 | 1.2.Нейронные сети | 2 | Классификация нейронных сетей, методы обучения | 2.4, 2.5 |
4 | 1.3.Нечёткая логика | 2 | Нечёткая логика | 3.1, 3.2, 3.3, 3.4 |
5 | 1.3.Нечёткая логика | 2 | Алгоритмы нечёткого логического вывода. Нечёткая кластеризация | 3.5, 3.6 |
6 | 1.4.Генетические алгоритмы | 2 | Генетические алгоритмы | 4.1, 4.2, 4.3 |
7 | 1.4.Генетические алгоритмы | 2 | Обучение нейронных сетей с помощью генетических алгоритмов | 4.4 |
8 | 1.4.Генетические алгоритмы | 2 | Многокритериальная оптимизация, многокритериальные эволюционные алгоритмы | 4.5, 4.6 |
9 | 1.5.Экспертные системы | 2 | Экспертные системы | 5.1, 5.2, 5.3 |
Итого: | 18 |
-
Практические занятия
№ п/п | Раздел дисциплины | Объем, часов | Тема практического занятия | Дидакт. единицы |
1 | 1.2.Нейронные сети | 2 | Нейроны, реализующие логические функции. Проблема линейной неразделимости | 2.2, 2.3, 2.4 |
2 | 1.2.Нейронные сети | 2 | Алгоритм обратного распространения ошибки для обучения нейронных сетей | 2.5 |
3 | 1.3.Нечёткая логика | 2 | Построение нечётких правил на основе обучающих данных | 3.4 |
4 | 1.3.Нечёткая логика | 2 | Алгоритм нечёткого логического вывода Мамдани | 3.1, 3.5 |
5 | 1.3.Нечёткая логика | 2 | Метод нечётких k-средних | 3.6 |
6 | 1.4.Генетические алгоритмы | 2 | Решение задачи оптимизации с помощью динамического программирования | 4.1 |
7 | 1.4.Генетические алгоритмы | 2 | Решение задачи оптимизации с помощью генетического алгоритма | 4.2, 4.3 |
8 | 1.4.Генетические алгоритмы | 2 | Многокритериальный эволюционный алгоритм SPEA2 | 4.5, 4.6 |
9 | 1.5.Экспертные системы | 2 | Представление знаний в экспертной системе. Семантические сети | 5.1, 5.3 |
Итого: | 18 |
-
Лабораторные работы
№ п/п | Раздел дисциплины | Наименование лабораторной работы | Наименование лаборатории | Объем, часов | Дидакт. единицы |
1 | 1.2.Нейронные сети | Нейронные сети в системе MATLAB | Интеллектуальные системы управления | 4 | 2.2, 2.3, 2.5 |
2 | 1.2.Нейронные сети | Распознавание символов с помощью нейронных сетей | Интеллектуальные системы управления | 4 | 2.4 |
3 | 1.2.Нейронные сети | Самоорганизующиеся нейронные сети в задачах классификации | Интеллектуальные системы управления | 4 | 2.4 |
4 | 1.3.Нечёткая логика | Нечёткая логика в системе MATLAB | Интеллектуальные системы управления | 4 | 3.1, 3.2, 3.5 |
5 | 1.3.Нечёткая логика | Нечёткая кластеризация | Интеллектуальные системы управления | 4 | 3.6 |
6 | 1.4.Генетические алгоритмы | Генетические алгоритмы | Интеллектуальные системы управления | 8 | 4.2, 4.3 |
7 | 1.5.Экспертные системы | Экспертные системы в среде Visual Prolog | Интеллектуальные системы управления | 4 | 5.1, 5.2 |
Итого: | 32 |
-
Типовые задания
№ п/п | Раздел дисциплины | Объем, часов | Наименование типового задания |
Итого: |
-
Курсовые работы и проекты по дисциплине
-
Рубежный контроль
-
Промежуточная аттестация
1. Экзамен