Тематика: В соответствии с заданны типовым вариантом и заданными преподавателем конкретными параметрами бортовой интеллектуальной системы, необходимо разработать алгоритм имитационного моделирования системы и реализовать его на одном из языков программирования высокого уровня.

Трудоемкость(СРС): 10

Прикрепленные файлы:

Типовые варианты:

-Разработка алгоритма и модели решения задачи экстраполяции движения ЛА

- Разработка алгоритма и задачи решения оценки координат ЛА

-Разработка алгоритма и модели экспертной системы помощи пилоту

-Разработка алгоритма и модели нечеткой системы помощи пилоту

-Разработка алгоритма и модели нейросетевой системы помощи пилоту

-Разработка алгоритма и модели гибридной системы помощи пилоту

-Разработка алгоритма и модели экспертной системы управления БПЛА

-Разработка алгоритма и модели нечеткой системы управления БПЛА

-Разработка алгоритма и модели нейросетевой системы управления БПЛА

-Разработка алгоритма и модели гибридной системы управления БПЛА

-Разработка алгоритма и модели экспертной системы управления группой БПЛА

-Разработка алгоритма и модели нечеткой системы управления группой БПЛА

-Разработка алгоритма и модели нейросетевой системы управления группой БПЛА

-Разработка алгоритма и модели гибридной системы управления группой БПЛА

1. Рубежный контроль

1. Промежуточная аттестация

1. Зачет

Прикрепленные файлы: Вопросы к зачету по МИСРИЗ.doc

Вопросы для подготовки к экзамену/зачету:

1.

1. УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

а)основная литература:

Жидков В.Н. "Методы и средства реализации интеллектуальных задач". Конспект лекций. каф.704, 2012.

б)дополнительная литература:

1.Тэрано Т., Аслан К., Сугено М. "Прикладные нечеткие системы" перевод с японского -1989. Москва, Мир.

2.Нейрокомпьютерная техника : Теория и практика . Ф . Уоссермен . Перевод на русский язык , Ю . А . Зуев , В . А . Точенов , 1992

3.Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. -М: Горячая линия - Телеком, 2001.

4.Штовба С.Д. Проектирование нечетких систем средствами MATLAB. - М.: Горячая линия - Телеком, 2007. - 228 с.: ил.

5.Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. - СПб,: БХВ-Петербург, 2005. - 736 с.: ил.

6.Ярушкина Н.Г. Основы теории нечетких и гибридных систем: учеб.пособие. - М.: Финансы и статистика, 2009. - 320 с.: ил.

7.Галушкин А.И. Нейронные сети: основы теории. - М.: Горячая линия-Телеком, 2010. - 496 с.: ил.

в)программное обеспечение, Интернет-ресурсы, электронные библиотечные системы:

1. Среда программирования "TURBO-PROLOG"

1. Среда моделирования «MATLAB».

2. Пакет прикладных программ для моделирования искусственных нейронных сетей «NEUROPRO».

1. МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

Факультетский класс персональных компьютеров

Приложение 1
к рабочей программе дисциплины
«Методы и средства реализации интеллектуальных задач »

Аннотация рабочей программы

Дисциплина Методы и средства реализации интеллектуальных задач является частью Профессионального цикла дисциплин подготовки студентов по направлению подготовки Интегрированные системы летательных аппаратов. Дисциплина реализуется на 7 факультете «Московского авиационного института (национального исследовательского университета)» кафедрой (кафедрами) 704.

Дисциплина нацелена на формирование следующих компетенций: ПСК-1.3 ,ПСК-1.4.

Содержание дисциплины охватывает круг вопросов, связанных с: Содержание дисциплины охватывает круг вопросов связанных с основными положениями теории систем искусственного интеллекта и методами синтеза интеллектуальных систем,

разработкой интеллектуальных систем поддержки принятия решений человека-оператора и интеллектуальных систем управления динамическими объектами

на основе классических экспертных систем, нечетких систем , искусственных нейронных сетей, а также гибридных нейро-нечетких алгоритмов.

Преподавание дисциплины предусматривает следующие формы организации учебного процесса: Лекция, мастер-класс, Лабораторная работа.

Программой дисциплины предусмотрены следующие виды контроля: промежуточная аттестация в форме Зачет.

Общая трудоемкость освоения дисциплины составляет 2 зачетных единиц, 72 часов. Программой дисциплины предусмотрены лекционные (20 часов), практические (0 часов), лабораторные (16 часов) занятия и (36 часов) самостоятельной работы студента.

Приложение 2
к рабочей программе дисциплины
«Методы и средства реализации интеллектуальных задач »

Cодержание учебных занятий

1. Лекции

1.1.1. Лекция 1. Применение классических экспертных систем и нечетких систем при решении прицельно-навигационных задач.(АЗ: 2, СРС: 1)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.1.2. Лекция 2. Применение искусственных нейронных сетей и гибридных систем при решении прицельно-навигационных задач(АЗ: 2, СРС: 1)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.2.1. Лекция 3. Применение классических экспертных систем и нечетких систем в системах помощи пилоту. (АЗ: 2, СРС: 1)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.2.2. Лекция 4. Применение искусственных нейронных сетей и гибридных систем в системах помощи пилоту(АЗ: 2, СРС: 1)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.3.1. Лекция 5. Применение классических экспертных систем и нечетких систем при управлении БПЛА.(АЗ: 2, СРС: 1)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.3.2. Лекция 6.Применение искусственных нейронных сетей и гибридных систем прирешении задач управления БПЛА.(АЗ: 2, СРС: 1)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.4.7. Лекция 7. Применение классических экспертных систем и нечетких систем при управлении группой БПЛА(АЗ: 2, СРС: 1)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.4.8. Лекция 8. Применение искусственных нейронных сетей и гибридных систем прирешении задач управления группой БПЛА.(АЗ: 2, СРС: 1)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.5.1. Лекция 9. Применение генетических алгоритмов при решении прицельно-навигационных задач и задач помощи пилоту(АЗ: 2, СРС: 1)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1.5.2. Лекция 10. Применение генетических алгоритмов при управлении БПЛА(АЗ: 2, СРС: 1)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

1. Практические занятия

1. Лабораторные работы

1.1.1. Лабораторная работа 1. Разработка модели решения прицельно-навигационных задачи с помощью гибридной сети ANFIS на MATLABe(АЗ: 4, СРС: 4)

Форма организации: Лабораторная работа

1.2.2. Лабораторная работа 2. Разработка модели системы помощи пилоту(АЗ: 4, СРС: 4)

Форма организации: Лабораторная работа

1.3.3. Лабораторная работа 3. Разработка модели интеллектуальной системы управления БПЛА(АЗ: 4, СРС: 4)

Форма организации: Лабораторная работа

1.4.4. Лабораторная работа 4. Разработка модели интеллектуальной системы управления гру(АЗ: 4, СРС: 4)

Форма организации: Лабораторная работа

1. Типовые задания

Приложение 3
к рабочей программе дисциплины
«Методы и средства реализации интеллектуальных задач »

Прикрепленные файлы

Вопросы к зачету по МИСРИЗ.doc

ВОПРОСЫ

к зачету по курсу

"МЕТОДЫ И СРЕДСТВА РЕАЛИЗАЦИИ ИНТЕЛЛЕКТУАЛЬНЫХ ЗАДАЧ"

1.Принципы построения обучаемых и самообучающихся систем управления на основе классических экспертных систем.

2.Принципы построения обучаемых и самообучающихся систем управления на основе нечетких систем.

3.Принципы построения обучаемых и самообучающихся систем управления на основе искусственных нейронных сетей.

4.Принципы построения обучаемых и самообучающихся систем управления на основе гибридных нейро-нечетких сетей.

5.Применение классических экспертных систем для решения прицельно-навигационных задач.

6. Использование алгоритмов индуктивного приобретения знаний при решении прицельно-навигационных задач.

7.Применение нечетких систем при решении прицельно-навигационных задач

8.Использование многослойных искусственных нейронных сетей при решении прицельно-навигационных задач.

9.Применение искусственной нейронной сети Кохонена при решении прицельно-навигационных задач.

10.Использование многослойных искусственных нейронных сетей встречного распространения при решении прицельно-навигационных задач.

11.Применение искусственных нейронных адаптивного резонанса при решении прицельно-навигационных задач.

12.Использование искусственной нейронной сетей Хопфилда для решении прицельно-навигационных задач.

13.Применение гибридных нейро-нечетких систем при решении прицельно-навигационных задач.

14. Использование классических экспертных систем для решения задач помощи пилоту

15. Применение алгоритмов индуктивного приобретения знаний при решении задач помощи пилоту.

16.Использование нечетких систем при решении задач помощи пилоту

17.Применение многослойных искусственных нейронных сетей при решении задач помощи пилоту.

18.Использование искусственной нейронной сети Кохонена при решении задач помощи пилоту.

19.Применение многослойных искусственных нейронных сетей встречного распространения при решении задач помощи пилоту

20.Использование искусственных нейронных адаптивного резонанса при задач помощи пилоту.

21.Применение искусственной нейронной сетей Хопфилда для решении задач помощи пилоту.

22.Применение гибридных нейро-нечетких систем при решении задач помощи пилоту.

23. Применение классических экспертных систем для решения задач управления БПЛА.

24. Применение алгоритмов индуктивного приобретения знаний при решении задач управления БПЛА.

25.Использованиенечетких систем при решении задач управления БПЛА.

26.Применение многослойных искусственных нейронных сетей при решении управления БПЛА.

27.Применение искусственной нейронной сети Кохонена при решении задач управления БПЛА.

28.Использование многослойных искусственных нейронных сетей встречного распространения при решении задач управления БПЛА.

29.Применение искусственных нейронных адаптивного резонанса при задач управления БПЛА.

30.Использование искусственной нейронной сетей Хопфилда для решении задач управления БПЛА.

31.Применение гибридных нейро-нечетких систем при решении задач управления БПЛА

32. Использование классических экспертных систем для решения задач управления группой БПЛА.

33. Применение алгоритмов индуктивного приобретения знаний при решении задач управления группой БПЛА.

34.Использование нечетких систем при решении задач управления группой БПЛА

35.Применение многослойных искусственных нейронных сетей при решении управления группой БПЛА.

36.Использование искусственной нейронной сети Кохонена при решении задач управления группой БПЛА.

37.Применение многослойных искусственных нейронных сетей встречного распространения при решении задач управления группой БПЛА.

38.Использование искусственных нейронных адаптивного резонанса при задач управления группой БПЛА.

39.Применение искусственной нейронной сетей Хопфилда для решении задач управления группой БПЛА.

40.Использование гибридных нейро-нечетких систем при решении задач управления группой БПЛА.

41.Применение генетических алгоритмов при решении задач помощи пилоту.

42.Применение генетических алгоритмов при решении задач помощи пилоту.

43.Применение генетических алгоритмов при управлении БПЛА.

44.Применение генетических алгоритмов при управлении группой БПЛА.

Версия: AAAAAARxgvM Код: 000003251