rpd000001592 (1006638), страница 2

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 2)

Прикрепленные файлы:

Перечень вопросов и задач:

1.Искусственный интеллект как направление знаний. Основные направления. «Сильный» и «слабый» ИИ. Критерий интеллектуальности. Тест Тьюринга. Критика теста Тьюринга.

2.Модели памяти и мышления человека. Чанки. Структуры и процессы.

3.Восходящий, нисходящий и эволюционный подходы к ИИ. Понятие о нейронных сетях.

4.Знания и информация. Понятие о представлении знаний. Статические и динамические знания. Модели явного и неявного представления знаний.

5.Процедурное представление знаний. Продукции. Деревья И-ИЛИ.

6.Сетевое представление знаний. Семантические сети. Концептуальные графы. Представление знаний тройками объект-атрибут-значение.

7.Фреймовое представление знаний. Основные операции логического вывода во фреймовом представлении.

8.Представление знаний на основе формальной логики. Пролог как возможный язык логического представления знаний.

9.Представление графов. Задача поиска пути в графе. Решение задач методом поиска в пространстве состояний.

1.2. рубеж 2

Тип: Тестирование

Тематика:

Прикрепленные файлы:

Перечень вопросов и задач:

1.Алгоритм поиска в глубину и его реализация на Прологе.

2.Алгоритм поиска в ширину и его реализация на Прологе.

3.Поиск в нагруженном графе. Алгоритм поиска с весовой функцией и его реализация на Прологе.

4.Понятие об эвристическом поиске. Допустимость, монотонность, информированность. Критерий допустимости A-алгоритма поиска. Примеры.

5.Поиск по принципу первый-лучший (жадный алгоритм поиска) и его реализация на Прологе.

6.Реализация алгоритма A* на Прологе.

7.Поиск с итерационным погружением (ID).

8.Различные способы повышения эффективности алгоритмов поиска: поиск с использованием списка пар пройденных вершин, представление путей деревьями.

9.Экспертные системы. Структура экспертной системы. База знаний. Машина вывода.¶Прямой логический вывод. Иллюстрация прямого вывода на деревьях И-ИЛИ. Конфликтное множество. Связь с поиском в пространстве состояний. Применение различных алгоритмов поиска. ¶

10.Обратный логический вывод. Иллюстрация обратного логического вывода на деревьях И-ИЛИ. Конфликтное множество. Связь с поиском в пространстве состояний. Применение различных алгоритмов поиска.

1.3. рубеж 3

Тип: Тестирование

Тематика:

Прикрепленные файлы:

Перечень вопросов и задач:

1.Принципы построения баз знаний продукционного и фреймового типа на языке Пролог.

2.Инструментарий JULIA для создания экспертных систем. Назначение и архитектура. Основные языковые конструкции языка FMDL. Особенности реализации прямого и обратного вывода. Примеры.

3.Методологии создания экспертных систем. Модели жизненного цикла экспертных систем. Методики извлечения и накопления знаний.

4.Дескриптивные логики, синтаксис, семантика. Концепты, роли, конструкторы. Понятие об интерпретации и интепретационном множестве.

5.Табличные алгоритмы вывода на дескриптивных логиках. Классификация дескриптивных логик.

6.Понятие онтологии и онтологической системы. Таксономия и тезаурус. Примеры проектов использующих онтологии. Трансляционный подход. База знаний СyC, WordNet и др.

7.Языки онтологических описаний RDF, RDFS и OWL, их связь с дескриптивными логиками. SemanticWeb.

8.Распределенный искусственный интеллект. Многоагентные системы. Использование онтологий в многоагентных системах. Примеры. Связь МАС и SemanticWeb.

1. Промежуточная аттестация

1. Экзамен (6 семестр)

Прикрепленные файлы: вопросы.doc

1. УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

а)основная литература:

1. Люгер Дж. Искусственный интеллект: стратегии и методы решения сложных проблем. 4-е издание. - М.: Издательский дом "Вильяме", 2003. - 864 с.

2. Гаврилова Т.А. Хорошевский В.Ф. Базы знаний интеллектуальных систем, СПБ: Питер, 2000.

3. Джексон П. Введение в экспертные системы. - Изд.: Вильяме, 2001.

4. Малпс Дж., Реляционный язык Пролог и его применение: Пер. с англ / под редакцией В.Н. Соболева. - М. Наука 1990.

5. Братко И. Программирование на языке Пролог для искусственного интеллекта/Пер. с англ.-М.: Мир, 1990.

б)дополнительная литература:

1. А-В Шеер. Моделирование бизнес-процессов. Весть-Метатехнология, 1998.

2. Маклаков СВ. Моделирование бизнес-процессов с AllFusion. M.: Диалог-Мифи, 2003.

3. Марка Д., МакГоуен К. Методология структурного анализа и проектирования. МетаТехнология. - М.: 1993.

4. Р.Л. Солсо. Когнитивная психология. - М.: Тривола, 1996. - 600 с.

4. Ким Дж.- О., Мьюллер Ч.У. Факторный анализ: статистические методы и практические вопросы // Факторный, дискриминантный и кластерный анализ. М.: Финансы и статистика, 1989

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

1. IDEF0. - http://www.idef0.ru/idefO/ideffl.html (20.12.2004)

2. Сошников Д. Инструментарий JULIA для построения распределенных интеллектуальных систем на основе продукционно-фреймового представления знаний. Электронный журнал "Труды МАИ" — М.: МАИ, 2002, № 7 (http://www.soshnikov.com/publications/)

3. Дубовик С.Е., Сошников Д.В. "Использование семантических сетей, расширенных деревьями и/или для представления структурно-динамических знаний в интеллектуальных системах" М: Труды МАИ. ( http://www.soshnikov.com/publications/ )

4. Справка к пакету STATISTICA - http://www.statson.ru/home/textbook/default.htm

1. МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ

Ноутбук, проектор для чтения лекций. Класс ПЭВМ для проведения ЛР.

Приложение 1
к рабочей программе дисциплины
«Искусственный интеллект »

Аннотация рабочей программы

Дисциплина Искусственный интеллект является частью Профессионального цикла дисциплин подготовки студентов по направлению подготовки Прикладная математика и информатика. Дисциплина реализуется на 8 факультете «Московского авиационного института (национального исследовательского университета)» кафедрой (кафедрами) 806.

Дисциплина нацелена на формирование следующих компетенций: ПК-2 ,ПК-3 ,ПК-9.

Содержание дисциплины охватывает круг вопросов, связанных с: - общими основами и принципами построения систем искусственного интеллекта,

- основными способами представления знаний (продукции, фреймы, сценарии, семантические сети и др.) и их классификацией,

- основными приемами решения задач искусственного интеллекта с помощью поиска в пространстве состояний (различные методы поиска),

- основными подходами к решинию типовых задач искусственного интеллекта, не основанных на методах поиска (анализ текста на естественном языке, распознавание образов и т.д.),

- основами построения распределенных систем искусственного интеллекта и многоагентных систем.

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

Программой дисциплины предусмотрены следующие виды контроля: рубежный контроль в форме Тестирование и промежуточная аттестация в форме Экзамен (6 семестр).

Общая трудоемкость освоения дисциплины составляет 3 зачетных единиц, 108 часов. Программой дисциплины предусмотрены лекционные (16 часов), практические (18 часов), лабораторные (16 часов) занятия и (31 часов) самостоятельной работы студента.

Приложение 2
к рабочей программе дисциплины
«Искусственный интеллект »

Cодержание учебных занятий

1. Лекции

1.1.1. Искусственный интеллект как направление знаний(АЗ: 4, СРС: 1)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

Описание: Искусственный интеллект как направление знаний. Тест Тьюринга как критерий интеллектуальности. Восходящий и нисходящий подходы в рамках искусственного интеллекта. Некоторые сведения о структуре памяти и мышления человека. Чанки. Знания и информация. Гипотезы Ады Лавлейс и Ньюэлла-Саймона. Симуляционный аргумент Ника Бострома. Цифровая Философия Эда Фредкина.

1.1.2. Представление знаний(АЗ: 4, СРС: 2)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

Описание: Представление знаний. Классификация представлений знаний. Различные модели представления знаний (продукции, фреймы, сценарии, семантические сети и др.) и их реализация на Прологе.

1.1.3. Методы поиска путей в графах. Решение задач ИИ методом поиска в пространстве состояний(АЗ: 4, СРС: 2)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

Описание: Пример: поиск пути в лабиринте. Графы. Представление графов на Прологе. Поиск в глубину. Нахождение кратчайшего пути. Поиск в ширину. Универсальная форма алгоритма поиска. Кратчайшие пути в нагруженном графе, алгоритм поиска с весовой функцией. Пример решения задачи “обезьяна и банан” методом поиска в пространстве состояний. Поиск с итерационным заглублением. Сравнение алгоритмической сложности алгоритмов поиска.

1.1.4. Методы эвристического поиска(АЗ: 4, СРС: 2)

Тип лекции: Информационная лекция

Форма организации: Лекция, мастер-класс

Описание: Понятие об эвристическом поиске и эвристической функции. Поиск по критерию “первый-лучший”. Алгоритмы A*, IDA*. Допустимость алгоритмов поиска. Информированность. Критерий допустимости алгоритма IDA. Оптимизация алгоритмов поиска: представление путей деревьями, списком пар вершин. Применение алгоритма поиска в программировании игр.

1. Практические занятия

1.1.1. Экспертные системы(АЗ: 4, СРС: 2)

Форма организации: Практическое занятие

Описание: Понятие об экспертных системах. Представление знаний и методы вывода в экспертных системах. Прямой и обратный вывод в экспертных системах. Методы комбинированного вывода. Пример реализации экспертных систем с прямым и обратным выводом на Прологе.

1.1.2. Символьные вычисления(АЗ: 4, СРС: 2)

Форма организации: Практическое занятие

Описание: Применение языков логического программирования в компьютерной алгебре. Операции над арифметическими выражениями в Прологе. Алгоритм дифференциирования алгебраических выражений. Простейшие способы упрощения выражений, представленных в виде двоичного дерева. Упрощение символьного выражения при помощи графа алгоритмов, как содержательный пример использования поиска пути.

1.1.3. Анализ естественного языка(АЗ: 6, СРС: 2)

Форма организации: Практическое занятие

Описание: Лексический и синтаксический анализ. Грамматики. Контестно-свободные грамматики. Поверхностные и глубинные структуры фраз, приведение их к канонической форме. Представление предложения в контестно-свободной грамматике в виде дерева разбора. Разбор предложений в контестно-свободной грамматике. Операция  для сокращенной записи правил грамматики. Использование расширенной сети переходов для представления более богатых грамматик. Разбор предложений на естественном языке. Подход к представлению и интерпретации сообщений на естественном языке. Пример пассивизации/депассивизации английских предложений. Анализ искусственных языков. Реализация простейшего компилятора.

1.1.4. Понятие о распределенном ИИ и многоагентных системах(АЗ: 4, СРС: 2)

Форма организации: Практическое занятие

Описание: Распределенный ИИ, распределенное представление знаний и распределенный логический вывод. Модель распределенной фреймовой иерархии. Многоагентные системы: классификация многоагентных систем, примеры решаемых задач, способы реализации. Проблема многоагентной коммуникации.

1. Лабораторные работы

1.1.1. Решение логической задачи методом поиска в пространстве состояний(АЗ: 4, СРС: 4)

Форма организации: Лабораторная работа

1.1.2. Анализ естественного языка(АЗ: 4, СРС: 4)

Форма организации: Лабораторная работа

1.1.3. Построение модельного компилятора и среды выполнения с промежуточным кодом на основе стековой машины(АЗ: 4, СРС: 4)

Форма организации: Лабораторная работа

Характеристики

Список файлов учебной работы