rpd000000719 (1009527), страница 2
Текст из файла (страница 2)
Прикрепленные файлы:
Вопросы для подготовки к экзамену/зачету:
1.Понятие «искусственный интеллект». Направления исследований.
2.Нейрон и его биологический прототип. Способы реализации нейронных сетей.
3.Функции активации. Классификация нейронных сетей.
4.Обучение нейронных сетей. Правило обучения Хэбба. Алгоритм обратного распространения ошибки.
5.Нейронные сети Хопфилда, Хемминга, радиально-базисные функции. Структура, особенности обучения.
6.Самообучающиеся нейронные сети. Задачи распознавания.
7.Нечеткая логика. Основные понятия.
8.Методы построения функций принадлежности.
9.Параметрические функции принадлежности. Операции над нечеткими множествами.
10.Типовая структура системы нечеткого вывода.
11.Нечеткий вывод Мамдани, Сугено, Цукамото.
12.Построение нечетких правил на основе численных данных.
13.Нечеткая кластеризация. Метод нечетких k-средних.
14.Генетические алгоритмы. Схема работы. Основные понятия.
15.Генетические операторы.
16.Постановка многокритериальной задачи оптимизации.
17.Методы решения многокритериальных задач оптимизации.
18.Концепция доминирования по Парето. Многокритериальные эволюционные алгоритмы.
19.Обучение нейронных сетей с помощью эволюционных алгоритмов. Эволюционная настройка весов связей ИНС.
20.Обучение нейронных сетей с помощью эволюционных алгоритмов. Эволюционная настройка структуры ИНС.
21.Обучение нейронных сетей с помощью эволюционных алгоритмов. Одновременная эволюционная настройка весов связей и структуры ИНС.
22.Экспертные системы. Основные преимущества. Требования к экспертной системе.
23.Экспертные системы. Структура.
24.Методы представления знаний в экспертных системах.
-
УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ
а)основная литература:
1. Астахова И. Ф., Чулюков В.А.и др. Системы искусственного интеллекта. Практический курс: учебное пособие. -М.: БИНОМ. Лаборатория знаний, 2008. – 292с.
б)дополнительная литература:
2. Рассел С., Норвиг П. Искусственный интеллект: современный подход, 2-е изд.. - М.: Изд. дом Вильямс, 2006. – 1408 с.
3. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика. М: Горячая линия - Телеком, 2002.-382 с.
4. Каллан Р. Основные концепции нейронных сетей. – М : Вильямс, 2003.-288с.
5. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. - СПб: БХВ-Петербург, 2005. - 736 с.
6. Джозеф Джарратано, Гари Райли «Экспертные системы: принципы разработки и программирование» : Пер. с англ. — М. : Издательский дом «Вильямс», 2007. — 1152 стр.
в)программное обеспечение, Интернет-ресурсы, электронные библиотечные системы:
специализированное программное обеспечение кафедры 301 для выполнения лабораторных работ.
-
МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ
1. Лекционные занятия:
a. аудитория, оснащенная презентационной техникой (проектор, экран, компьютер)
2. Лабораторные работы:
a. лаборатория «Интеллектуальные системы управления» кафедры 301, оснащенная
персональными компьютерами и презентационной техникой,
b. шаблоны отчетов по лабораторным работам,
c. шаблоны исходных данных,
3. Практические занятия:
a. компьютерный класс,
b. презентационная техника (проектор, экран, компьютер)
c. пакеты ПО общего назначения (текстовые редакторы, графические редакторы),
d. шаблоны исходных данных,
4. Прочее:
a. рабочее место преподавателя, оснащенное компьютером с доступом в Интернет,
b. рабочие места студентов, оснащенные компьютерами с доступом в Интернет,
предназначенные для работы в электронной образовательной среде.
Приложение 1
к рабочей программе дисциплины
«Элементы искусственного интеллекта »
Аннотация рабочей программы
Дисциплина Элементы искусственного интеллекта является частью Профессионального цикла дисциплин подготовки студентов по направлению подготовки Управление в технических системах. Дисциплина реализуется на 3 факультете «Московского авиационного института (национального исследовательского университета)» кафедрой (кафедрами) 301.
Дисциплина нацелена на формирование следующих компетенций: ПК-5 ,ПК-11 ,КП2-1 ,КП2-4.
Содержание дисциплины охватывает круг вопросов, связанных с: изучением и применением основных принципов, способов и методов построения систем искусственного интеллекта на базе технологий нейронных сетей, нечеткой логики, генетических алгоритмов и экспертных систем.
Преподавание дисциплины предусматривает следующие формы организации учебного процесса: Лекция, мастер-класс, Практическое занятие, Лабораторная работа.
Программой дисциплины предусмотрены следующие виды контроля: промежуточная аттестация в форме Экзамен.
Общая трудоемкость освоения дисциплины составляет 4 зачетных единиц, 144 часов. Программой дисциплины предусмотрены лекционные (18 часов), практические (18 часов), лабораторные (32 часов) занятия и (49 часов) самостоятельной работы студента. Дисциплина «Элементы искусственного интеллекта» является частью Профессионального цикла дисциплин подготовки бакалавров по направлению подготовки 220400 «Управление в технических системах». Дисциплина реализуется на 3 факультете Московского авиационного института (национального исследовательского университета) кафедрой 301.
Дисциплина нацелена на формирование профессиональных компетенций ПК-5, ПК-11, КП2-1, КП2-4.
Содержание дисциплины охватывает круг вопросов, связанных с изучением и применением основных принципов, способов и методов построения систем искусственного интеллекта на базе технологий нейронных сетей, нечеткой логики, генетических алгоритмов и экспертных систем.
Преподавание дисциплины предусматривает следующие формы организации учебного процесса: лекции, лабораторные работы, практические занятия, самостоятельная работа студента.
Программой дисциплины предусмотрены следующие виды контроля: текущий контроль успеваемости в форме выполнения лабораторных работ, рубежный контроль в форме защиты лабораторных работ и промежуточный контроль в форме экзамена.
Общая трудоемкость освоения дисциплины составляет 4 зачетных единиц, 144 часа. Программой дисциплины предусмотрены лекционные (18 часов), лабораторные работы (32 часа), практические занятия(18 часов) и 49 часов самостоятельной работы студента.
Приложение 2
к рабочей программе дисциплины
«Элементы искусственного интеллекта »
Cодержание учебных занятий
-
Лекции
1.1.1. Искусственный интеллект. История развития, основные понятия, технологии(АЗ: 2, СРС: 3)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
Описание: Понятие "искусственный интеллект". История развития теории искусственного интеллекта.
Технологии искусственного интеллекта.
1.2.1. Нейронные сети. Биологический прототип, искусственный нейрон, функции активации(АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
Описание: Биологический прототип нейронной сети. Понятие искусственного нейрона. Функции активации нейронов.
1.2.2. Классификация нейронных сетей, методы обучения(АЗ: 2, СРС: 1)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
Описание: Классификация нейронных сетей. Методы обучения нейронных сетей.
1.3.1. Нечёткая логика(АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
Описание: Основные понятия нечёткой логики. Структура системы нечёткой логики. Методы построения функций принадлежности. Построение нечётких правил на основе обучающих данных.
1.3.2. Алгоритмы нечёткого логического вывода. Нечёткая кластеризация(АЗ: 2, СРС: 1)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
Описание: Алгоритмы нечёткого логического вывода. Нечёткая кластеризация.
1.4.1. Генетические алгоритмы(АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
Описание: Методы решения задач оптимизации. Основные понятия генетических алгоритмов. Схема работы генетического алгоритма. Генетические операторы
1.4.2. Обучение нейронных сетей с помощью генетических алгоритмов(АЗ: 2, СРС: 1)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
Описание: Обучение нейронных сетей с помощью генетических алгоритмов.
1.4.3. Многокритериальная оптимизация, многокритериальные эволюционные алгоритмы(АЗ: 2, СРС: 1)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
Описание: Многокритериальные задачи оптимизации. Концепция доминирования по Парето. Многокритериальные эволюционные алгоритмы
1.5.1. Экспертные системы(АЗ: 2, СРС: 2)
Тип лекции: Информационная лекция
Форма организации: Лекция, мастер-класс
Описание: Структура и элементы экспертных систем. Процесс разработки экспертной системы. Методы представления знаний в экспертных системах.
-
Практические занятия
1.2.1. Нейроны, реализующие логические функции. Проблема линейной неразделимости(АЗ: 2, СРС: 1)
Форма организации: Практическое занятие
Описание: Понятие искусственного нейрона. Функции активации нейронов. Классификация нейронных сетей.
1.2.2. Алгоритм обратного распространения ошибки для обучения нейронных сетей(АЗ: 2, СРС: 1)
Форма организации: Практическое занятие
Описание: Методы обучения нейронных сетей.
1.3.1. Построение нечётких правил на основе обучающих данных(АЗ: 2, СРС: 1)
Форма организации: Практическое занятие
Описание: Построение нечётких правил на основе обучающих данных.
1.3.2. Алгоритм нечёткого логического вывода Мамдани(АЗ: 2, СРС: 1)
Форма организации: Практическое занятие
Описание: Основные понятия нечёткой логики. Алгоритмы нечёткого логического вывода.
1.3.3. Метод нечётких k-средних(АЗ: 2, СРС: 1)
Форма организации: Практическое занятие
Описание: Нечёткая кластеризация.
1.4.1. Решение задачи оптимизации с помощью динамического программирования(АЗ: 2, СРС: 1)
Форма организации: Практическое занятие
Описание: Методы решения задач оптимизации.
1.4.2. Решение задачи оптимизации с помощью генетического алгоритма(АЗ: 2, СРС: 1)
Форма организации: Практическое занятие
Описание: Основные понятия генетических алгоритмов. Схема работы генетического алгоритма.
Генетические операторы.
1.4.3. Многокритериальный эволюционный алгоритм SPEA2(АЗ: 2, СРС: 1)
Форма организации: Практическое занятие
Описание: Многокритериальные задачи оптимизации. Концепция доминирования по Парето. Многокритериальные эволюционные алгоритмы.
1.5.1. Представление знаний в экспертной системе. Семантические сети(АЗ: 2, СРС: 2)
Форма организации: Практическое занятие
Описание: Структура и элементы экспертных систем. Методы представления знаний в экспертных системах.
-
Лабораторные работы
1.2.1. Нейронные сети в системе MATLAB(АЗ: 4, СРС: 3)
Форма организации: Лабораторная работа
Описание: Понятие искусственного нейрона. Функции активации нейронов. Методы обучения нейронных сетей.
1.2.2. Распознавание символов с помощью нейронных сетей(АЗ: 4, СРС: 3)
Форма организации: Лабораторная работа
Описание: Классификация нейронных сетей.
1.2.3. Самоорганизующиеся нейронные сети в задачах классификации(АЗ: 4, СРС: 3)
Форма организации: Лабораторная работа
Описание: Классификация нейронных сетей.
1.3.1. Нечёткая логика в системе MATLAB(АЗ: 4, СРС: 3)
Форма организации: Лабораторная работа
Описание: Основные понятия нечёткой логики. Структура системы нечёткой логики. Алгоритмы нечёткого логического вывода.
1.3.2. Нечёткая кластеризация(АЗ: 4, СРС: 3)
Форма организации: Лабораторная работа
Описание: Нечёткая кластеризация.
1.4.1. Генетические алгоритмы(АЗ: 8, СРС: 6)
Форма организации: Лабораторная работа
Описание: Основные понятия генетических алгоритмов. Схема работы генетического алгоритма. Генетические операторы.
1.5.1. Экспертные системы в среде Visual Prolog(АЗ: 4, СРС: 3)
Форма организации: Лабораторная работа
Описание: Структура и элементы экспертных систем. Процесс разработки экспертной системы.
-
Типовые задания
Приложение 3
к рабочей программе дисциплины
«Элементы искусственного интеллекта »
Прикрепленные файлы
Версия: AAAAAARx9zM Код: 000000719
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
