rpd000007967 (1010091), страница 2
Текст из файла (страница 2)
- 3.7. Языки искусственного интеллекта.
- 3.8. Подсистема анализа и синтеза входных и выходных сообщений.
- 3.9. Диалоговая подсистема.
- 3.10. Объяснительные способности экспертных систем.
4. Применение нечеткой логики в экспертных системах
- 4.1. Понятие о нечетких множествах и их связь с теорией построения экспертных систем.
- 4.2. Коэффициенты уверенности.
- 4.3. Взвешивание свидетельств.
- 4.4. Отношение правдоподобия гипотез.
- 4.5. Функция принадлежности элемента подмножеству.
- 4.6. Операции над нечеткими множествами.
- 4.7. Дефазификация нечеткого множества.
- 4.8. Нечеткие правила вывода в экспертных системах.
5. Генетический алгоритм
- 5.1. Понятие о генетическом алгоритме.
- 5.2. Этапы работы генетического алгоритма.
- 5.3. Кодирование информации и формирование популяции.
- 5.4. Оценивание популяции. Селекция. Скрещивание и формирование нового поколения. Мутация.
- 5.5. Настройка параметров генетического алгоритма.
- 5.6. Канонический генетический алгоритм. Пример работы генетического алгоритма.
- 5.7. Рекомендации к программной реализации генетического алгоритма.
- 5.8. Применение генетического алгоритма для решения задач оптимизации и аппроксимации.
6. Hейронные сети
- 6.1. Понятие о нейросетевых системах.
- 6.2. Биологические нейронные сети.
- 6.3. Формальный нейрон.
- 6.4. Искусственные нейронные сети.
- 6.5. Обучение нейронной сети.
- 6.6. Алгоритм обратного распространения ошибки. Пример работы и обучения нейронной сети.
- 6.7. Программная реализация нейронной сети.
- 6.8. Применение нейронных сетей для решения задач аппроксимации, классификации, автоматического управления, распознавания и прогнозирования.
- 6.9. Мультиагентные системы.
-
Лекции
| № п/п | Раздел дисциплины | Объем, часов | Тема лекции | Дидакт. единицы |
| 1 | 1.1.Введение | 4 | Введение | 1.1, 1.2, 1.3, 1.4, 1.5, 1.6 |
| 2 | 1.2.Модели представления знаний | 6 | Модели представления знаний | 2.1, 2.2, 2.3, 2.4, 2.5, 2.6 |
| 3 | 1.3.Архитектура и технология разработки экспертных систем | 6 | Архитектура и технология разработки экспертных систем | 3.1, 3.2, 3.3, 3.4, 3.5, 3.6, 3.7, 3.8, 3.9, 3.10 |
| 4 | 1.4.Применение нечеткой логики в экспертных системах | 6 | Применение нечеткой логики в экспертных системах | 4.1, 4.2, 4.3, 4.4, 4.5, 4.6, 4.7, 4.8 |
| 5 | 1.5.Генетический алгоритм | 6 | Генетический алгоритм | 5.1, 5.2, 5.3, 5.4, 5.5, 5.6, 5.7, 5.8 |
| 6 | 1.6.Искусственные нейронные сети | 6 | Hейронные сети | 6.1, 6.2, 6.3, 6.4, 6.5, 6.6, 6.7, 6.8, 6.9 |
| Итого: | 34 | |||
-
Практические занятия
| № п/п | Раздел дисциплины | Объем, часов | Тема практического занятия | Дидакт. единицы |
| 1 | 1.2.Модели представления знаний | 2 | Разработка модели представления знаний в виде сценария. | 2.6 |
| 2 | 1.3.Архитектура и технология разработки экспертных систем | 2 | Разработка экспертной системы управления группой БПЛА | 3.5 |
| 3 | 1.4.Применение нечеткой логики в экспертных системах | 2 | Разработка экспертной системы на базе нечетких правил вывода | 4.8 |
| 4 | 1.5.Генетический алгоритм | 4 | Применение генетического алгоритма для сжатия акустической информации | 5.8 |
| 5 | 1.6.Искусственные нейронные сети | 4 | Программная реализация нейронной сети распознавания цифр | 6.7 |
| Итого: | 14 | |||
-
Лабораторные работы
| № п/п | Раздел дисциплины | Наименование лабораторной работы | Наименование лаборатории | Объем, часов | Дидакт. единицы |
| 1 | 1.2.Модели представления знаний | Представление знаний о техническом объекте в виде семантической сети. | 4 | 2.5 | |
| 2 | 1.3.Архитектура и технология разработки экспертных систем | Логическое программирование экспертной системы | 4 | 3.6 | |
| 3 | 1.4.Применение нечеткой логики в экспертных системах | Операции над нечеткими множествами. | 4 | 4.6 | |
| 4 | 1.5.Генетический алгоритм | Генетическое программирование на обучающей выборке | 4 | 5.8 | |
| 5 | 1.6.Искусственные нейронные сети | Программная реализация нейронной сети для распознавания символов | 4 | 6.4, 6.7 | |
| Итого: | 20 | ||||
-
Типовые задания
| № п/п | Раздел дисциплины | Объем, часов | Наименование типового задания |
| 1 | Введение | 5 | Введение |
| 2 | Введение | 6 | Реферат по первому разделу дисциплины "Интеллектуальные системы и технологии" |
| 3 | Применение нечеткой логики в экспертных системах | 8 | Применение нечеткой логики в экспертных системах |
| 4 | Искусственные нейронные сети | 7 | Искусственные нейронные сети |
| Итого: | 26 | ||
-
Курсовые работы и проекты по дисциплине
1.1. Курсовая работа по дисциплине "Интеллектуальные системы и технологии"
Тематика:
Трудоемкость(СРС): 10
Прикрепленные файлы:
Типовые варианты:
-Кибернетические системы.
-Генетические алгоритмы.
-Система GPS.
-Системы представления знаний в ИИС.
-Методы представления знаний в ИИС.
-Принципы работы ИИС.
-Нечёткие множества в ИИС.
-Автоматизированные системы распознавания образов.
-Системы коллективного интеллекта.
-Экспертные системы.
-Математические методы и автоматизированные системы поддержки принятия решений.
-Нейронные сети.
-Когнитивное моделирование.
-Генетические алгоритмы и моделирование биологической эволюции.
-Системы с интеллектуальной обратной связью и интеллектуальными интерфейсами.
-Разработка экспертной системы для диагностики неисправности компьютера.
-Разработка экспертной системы для диагностики эмоционального состояния тестируемого.
-Разработка экспертной системы для тестирования знаний по дисциплине "Интеллектуальные информационные системы".
-
Рубежный контроль
-
Промежуточная аттестация
1. Экзамен (6 семестр)
Прикрепленные файлы:
Вопросы для подготовки к экзамену/зачету:
1.Определение искусственного интеллекта.
2.Тест Тьюринга.
3.Обзор прикладных областей искусственного интеллекта. Основные сферы применения искусственного интеллекта.
4.Интеллектуальные информационные системы: определение и области применения.
5.Инженерия знаний. Типы решаемых задач.
6.Представление данных и знаний. Что такое данные. Что такое знания?
7.Информационно-поисковые системы: процесс поиска текстовой информации.
8.Экспертные системы. Краткая характеристика. Общие задачи.Выбор задачи экспертной системы. Исследовательский цикл разработки.
9.Концептуальная модель экспертной системы.
10.Поиск на основе данных и цели. Графы.
11.Экспертные системы, основанные на правилах.
12.Экспертные системы . Рассуждения на основе правил (достоинства и недостатки).
13.Экспертные системы. Рассуждения на основе опыта (достоинства и недостатки).
14.Экспертные системы. Рассуждения на основе моделей (достоинства и недостатки).
15.Гибридные экспертные системы.
16.Семантические сети. Сценарии. Фреймы.
17.Понятие фрейма. Основные свойства фреймов. Структура данных фрейма.
18.Машинное обучение на основе связей: введение, основы нейронных сетей.Концептуальные графы: введение, типы, экземпляры, имена.
19.Концептуальные графы: введение, типы, экземпляры, имена.
20.Нейрон Мак-Каллока-Питтса.
21.Персептрон Ф. Розенблата.
22.Карты Кохонена. Структура. Начальная инициализация карты.
23.Социальные и эмерджентные модели обучения. Эволюционное алгоритмы.
24.Системы классификации и эволюционное программирование.
25.Деревья решений. Построение дерева решений.
26.Деревья решений - математический аппарат (алгоритм С 4.5).
27.Деревья решений - математический аппарат (алгоритм CART).
28.Ассоциативные правила. Алгоритм ограниченного перебора.
29.Какие формы коллективного творчества существуют в настоящее время?
30.На какие этапы разделяется метод «мозгового штурма»? Какая последовательность действий предусмотрена при проведении «мозгового штурма»?
31.Какие правила должны выполняться при проведении «мозгового штурма» на этапе генерации идей?
32.Какова роль ведущего при проведении «мозгового штурма» и какими качествами он должен обладать? Назовите особенности разновидности метода «мозгового штурма» I-G-I (индивид – группа – индивид) ?
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
