rpd000000719 (1009527)

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

Мирзоян Л.А.

_________________________

Заведующий обеспечивающей кафедрой 301

_________________________

Заведующий выпускающей кафедрой 301

_________________________

Декан выпускающего факультета 3

_________________________

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.

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

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

№ 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

№ 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

№ 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

№ п/п

Раздел дисциплины

Объем, часов

Наименование типового задания

Итого: