Lectures_1-10 (Конспекты - Методы поддержки принятия решений)
Описание файла
Файл "Lectures_1-10" внутри архива находится в папке "Конспекты - Методы поддержки принятия решений". PDF-файл из архива "Конспекты - Методы поддержки принятия решений", который расположен в категории "". Всё это находится в предмете "методы поддержки принятия решений" из 8 семестр, которые можно найти в файловом архиве МГТУ им. Н.Э.Баумана. Не смотря на прямую связь этого архива с МГТУ им. Н.Э.Баумана, его также можно найти и в других разделах. Архив можно найти в разделе "лекции и семинары", в предмете "методы поддержки принятия решений" в общих файлах.
Просмотр PDF-файла онлайн
Текст из PDF
1.Цели и задачи курса . История развития и основные направления искусственногоинтеллектаЦели и задачи курса . Структура дисциплины. История развития ИИ . ЭтапЭтап2 (60-7G-e rоды).Этап3 (70-80-еrоды). Этаn4 (80-90-еrоды). Этап1 (50--бG-е rоды).5 (1990-2000-е годы).Основные направления развития ИИ.Учебный курс « Интеллектуальные системы» является дисциплиной сnециализации наnравления «Информатика и вычислительная техника •(230100) и сnециальносТ\11 «АвтомаТ\1\зирован(230102). Программа курса оодержит учебные системы обработки информации и уnравления»ныевоnросы,которые соответствует дисциплине « Системыискусственногоинтеллекта »(СД.07), входящий в цикл сnециальных дисциплин государственного образовательного стандарта230102 сАСОИУ » .Программа курса также соответствует требованиям nроекта государственного образовательного стандарта третьего поколения ( ГОС-З)noнаnравлениям « Информационные системы » и« Информатика и вычислительная техн ика •Цели курсаЦель nреподавания дисциплины состоит в содействии формированию знаний теоретическихоснов создания и функционирования интеллектуальных систем, умений формализовать знанияв интеллектуальных системах и анализировать модели представления знаний , навыков проекТ\1\рования и разработки эксnертных систем и систем вычислител ь ного интеллекта.Задачи курсаЗадачами преnодавания дисциплины являются :изучение различных моделей формализации знаний в интеллектуальных системах ;способов построения интеллектуальных систем на основе методов классического и вычислительного интеллекта .Изучение дисциплины п редполагает nредварительное освоение следующих дисциплин учебного плана бакалавра:1.2.3.Дискретная матемаТ\1\ка .Модели данных.Базы данных.Проектируемые (планируемые) результаты освоения содержания дисциплиныПосле освоения дисциплины студент доrокен приобрести следующие знания, умения и навыки ,соответствующие ком петенциям ООП .3.1.Студент должен знатьтеореТ\1\ческие основы создания и функционирования интеллектуальных систем3.2.Студент должен уметьформализовать знания в интеллектуальных системах,анализировать модели представления знаний.3.3.Студент должен иметь навы кипроеКТ\1\рования и разработки экспертных систем ,проеКТ\1\рования систем вычислительного интеллекта .Структура дисциплиныМодульМодуль1.12-Классичеа<ие интеллектуальные системыВычислительный интеллектЦели и задачи курса .
История развития и основные направления ис-кусственного интеллекта2. Интеллектуальные сисrемы , как основа новых информационных технологий3. Формализация знаний в ИС4. Инженерия знаний в интеллектуал ьных сисrемах5. Формальные логические модели6. Сетевые и фреймовые модели представления знаний7. Продукционная модель представления знаний8. Вывод на знаниях9. Экспертные системыМодуль 2. Вычислительный интеллект10.
Принятие решений в условиях неопределенности11 . Принятие решений в условиях неопределенности12. Искусственные нейронные сети . Машинное обучение на основе нейронных сетей13. Искусственные нейронные сети . Персеmроны14. Искусственные нейронные сети . Нейронные сети обратного распро-странения15. Искусственные нейронные сети . Стохастические сети и сети с обрат-ными связями16. Генетические алгоритмы17. Когнитивная комп ьютерная графика18. ГибрИдные интеллектуальные системы19. Нечеткие экспертные системы20. Метод ситуационного анализа и проектирования модели предмет-ной области21 . Онтологии и онтологические системы22.
Многоагентные системы23. Системы когнити вного моделирования24. Машинное обучение и интеллектуальный анализ данныхОбщение через сайт: https://sites.google.com/site/oksumorontv/Раздел - Интеллектуальные системы,подразделы: Лекции ИС , Лаб. Работы ИСНАЧАЛЬНЫЙ ЭТАП -ЭВРИСТИЧЕСКИЕ ПРОГРАММЫНачало исследований в области искусственного интеллекта оnюсится к концу 50-х годов исвязывается с работами Ньюэлла, Саймона и Шоу[Newell. 1972), исследовавшихпроцессь1 решения различных задач . Результатами их работ явились такие nрограммы, как Логик-Теоретик,nредназначенная для доказательства теорем в исчислении высказываний, и Общий РешательЗадач.
Эти работы nоложили начало первому этаnу исследований в области искусственногоинтеллекта, связанному с разработкой программ , решающих задачи на основе nрименения разнообразных эвристических методов.Эвристический метод решения задачи nри этом рассматривался как свойственный человеческому мышлению "вообще" , для которого характерно возникновение "догадок" о ПУТ\о1 решения задачи с последующей проверкой их. Ему проти воnоставлялся используемый в ЭВМ алгоритмический метод, который интерnретировался как механическое осуществление заданнойnоследовательности шагов, детерминировано nриводящей к nравильному ответу. Трактовка эвристических методов решения задач как суrубо человеческой деятельности и обусловила nоявление и дальнейшее расnространение термина искусственный интеллект.
Исследователямтого времени казалось , что создание комnьютера , обладающего человеческим разумом , воnрос10-15 лет.В это же время был сф)рмирован бионический nодход к ИИ. Он был nредставлен толькоnростейшими нейронными сетями, поэтому не nолучил своего развития. Другие наnравления(генетические алгоритмы, нечеткая логика и др. ) датируют свое появление тем же nромежуткомвремени, но тогда они были мало поnулярны и также не нашли области применения.Примерно в то время, когда работы Ныоэлла и Саймона стали привлекать к себе внимание,в Массачусетсом технологическом институте , Стэндфордском университете и Стэндфордскомисследовательском институте также сформировались исследовательские группы в области ИИ.В nротивоположность ранним работам Ныоэлла и Саймона эти исследования больше относились к формальным математическим представлениям.
Способы решения задач в этих исследованиях развивались на основе расширения математической и символьной логики . Моделированию же человеческого мышления придавалось второстепенное значение . К исследователям этого направления можно отнести таких известных в области ИИ ученых, как Минский, Маккарти, Слейгл, Рафаэль. Бобров. Бенерджи и др.На дальнейшие исследования в этой области ИИ большое влияние оказало nоявление метода резолюции, предложенного Робинсоном, основанного на доказательстве теорем в логи кеnредикатов и являющегося теоретически исчерnывающим методом доказательства .Методологическое значение работ Робиноона и других аналогичных работ заключалось втом , что основное внимание в исследованиях по ИИ переместилось с разработки методов воспроизведен ия в ЭВМ человеческого мышления на разработку машинно-ориентированных методов решения задач.При этом определение термина ·искусственный интелnект" претерпело существенное изменение.
Целью исследований, проводимых в направлении ИИ , стало не моделирование споообов мышпения чеповека , а разработка программ , способных решать "ч еловеческие задачи· .Так, один из видных исследователей ИИ того времени Р. Бенерджи в1969г. писал : "Областьисследований, обычно называемую искусственным интелnектом, вероятно, можно представить,как совокупность методов и средств анализа, конструирования машин , способных выполнятьзадания, с которыми до недавнего времени мог справиться только человек. При этом по скорости и эффективности машины должны быть сравнимы с человеком" [Бенерджи.1972).Исследовательским полигоном для развития методов ИИ на первом этапе являлись всевозможные игры, головоломки, математические задачи.
Выбор таких задач для исследований обусловливался простотой и ясностью проблемной среды , ее относительно малой размерностью,возможностью достаточно легкого подбора решений. В то же время такие среды подходили дnямоделирования достаточно сложных процессов решения и исследования всевозможных стратегий решения с относительно небольшими затратами как человеческих, так и машинных ресурсов .Основной расцвет такого рода исследований приходится на конец 60-х годов, после чегостали делаться первые попытки применения разработанных методов для задач , решаемых нев искусственных, а в реальных проблемных средах. Однако такие попытки натолкнулись набольшие трудносrи, обусловленные главным образом необходимостью моделирования внешнего мира. Эти трудности были связаны с проблемами описания знаний о внешнем мире , организации их хранения, эффективного поиска, введения в память ЭВМ новых знаний и устраненияустаревших, проверки полноты и непротиворечивости и т.