Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.
Предоплата всего
Подписываем
PAGE 4
ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ
МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
ТЕХНОЛОГИЙ И УПРАВЛЕНИЯ
Кафедра «Информационные технологии»
Рабочая учебная программа
по дисциплине
Системы искусственного интеллекта
Специальность: 220102
Москва, 2010г.
Обсуждена и одобрена на заседании кафедры «Информационные технологии» Московского государственного университета технологий и управления (протокол № 4 от 20 ноября 2009г.).
Одобрена и рекомендована к утверждению на заседании ученого совета факультета «Управления и информатизации» Московского государственного университета технологий и управления (протокол №5 от 10 декабря 2009 г.).
Составитель:
Яньков В.Ю. – профессор.
Рецензенты:
Бородин А.В., д.т.н., проф. МГУПБ
Шаховской А.В., к.т.н., доцент МГУТУ
Рабочая учебная программа дисциплины составлена в соответствии с Государственным образовательным стандартом ВПО.
© Московский Государственный университет
технологий и управления, 2010 г.
109004, Москва, Земляной вал, 73
СОДЕРЖАНИЕ
РАБОЧАЯ ПРОГРАММА
и нормативные материалы по дисциплине
Системы искусственного интеллекта
для студентов специальности 230102
ЦЕЛЬ И ЗАДАЧИ ДИСЦИПЛИНЫ
СТАНДАРТ НА СПЕЦИАЛЬНОСТЬ:
Системы искусственного интеллекта: искусственный интеллект как научное направление; представление знаний, рассуждений и задач в искусственном интеллекте; эпистомологическая полнота представления знаний и эвристически эффективные стратегии поиска решения задач; модели представления знаний : алгоритмические ,логические, сетевые и продукционные модели ; сценарии; экспертные системы, классификация и структура ; инструментальные средства проектирования, разработки и отладки; примеры реализации.
Целью преподавания дисциплины является овладение знаниями, представлениями, умениями навыками для эффективного использования методов искусственного интеллекта в профессиональной деятельности. Студенты изучают искусственный интеллект на основе: математических моделей.
Задачи изучения дисциплины. Студент должен:
ИМЕТЬ ПРЕДСТАВЛЕНИЕ: о современных информационных технологиях, принципах и способах хранения информации, спектре программных средств , о назначении и принципах функционирования экспертных систем.
ЗНАТЬ: типы моделей; принципы моделирования и оп тимизации.
УМЕТЬ: составлять математические модели средств ОАИСУ, уметь их оптимизировать, определять их адекватность и точность.
ПРИОБРЕСТИ НАВЫКИ: самостоятельной работы на компьютере по созданию и веде нию моделирования .
|
Специальность, форма обучения, курс. |
Объем в часах по плану очной формы обучения |
Объем раб. Студента, аудиторные занятия |
Самост. раб. |
Распределение по курсам |
|||||||
|
Общ. |
Ауд. |
всего |
Лекц. |
Лаб.р |
Практ. |
Курс.раб. |
Контрраб. |
экз |
Зач. |
||
|
230102,п,ДФО,4 |
100 |
52 |
52 |
20 |
32 |
48 |
1 |
- |
|||
|
230102,с,ДФО,2 |
100 |
52 |
50 |
20 |
30 |
50 |
1 |
||||
|
230102 п,ОЗФО,4 |
100 |
52 |
40 |
16 |
24 |
60 |
1 |
||||
|
230102 с,ОЗФО,4 |
100 |
52 |
34 |
16 |
18 |
68 |
1 |
||||
|
230102п, ЗФО,5 |
100 |
52 |
16 |
4 |
12 |
84 |
1 |
- |
|||
|
230102,с,ЗФО.2 |
100 |
52 |
16 |
4 |
12 |
84 |
1 |
- |
ЧАСЫ ПО УЧЕБНОМУ ГРАФИКУ
|
Самостоятельная работа студентов: |
|
- изучение материала, изложенного в основной и дополнительной литературе, в соответствии с тематическим содержанием дисциплины; - решение практических задач, приведенных в основной литературе; - выполнение контрольных работ; - выполнение курсовых работ; - подготовка к зачетам; - подготовка к экзаменам; - выполнение тестовых заданий модульных учебно-практических пособий и подготовка к тестированию по проверке текущих и остаточных знаний; - подготовка к проверке остаточных знаний. |
ТЕМАТИЧЕСКОЕ СОДЕРЖАНИЕ ПРОГРАММЫ
Тематическое содержание программы по дисциплине формируется на основе таких модулей, как: «Маткад. Лабораторный практикум»(рукопись) «Моделирование рецептурных смесей», основы которых составляют самостоятельные учебно-практические пособия либо отдельные разделы учебных пособий, учебников и монографий (см. список основной и дополнительной литературы).
ТЕМАТИЧЕСКИЙ ПЛАН ЛЕКЦИЙ
|
№ |
Наименование лекций |
Объем в часах |
|||||
|
ПДФО |
сДФО |
пОЗФО |
сОЗФО |
пЗФО |
сЗФО |
||
|
1 |
Основные понятия искусственного интеллекта
|
1,0 1,0 1,0 |
1,0 1,0 1,0 |
1,0 1,0 |
1,0 1,0 |
1,0 |
1,0 |
|
2 |
Системы представления знаний 2.1 Представление знаний фреймами. 2.2.Использование алгебры логики и предикатов для представления знаний. 2.3. Продукции |
1,0 1,0 1,0 |
1,0 1,0 1,0 |
1,0 1,0 |
1,0 1,0 |
||
|
3 |
Основы нечеткой логики. 3.1. Определения, характеристики нечетких множеств. 3.2. Нечеткие отношения, их свойства и операции над ними. 3.3. Функции принадлежности. Их классификация и методы построения. 3.4.Нечеткие числа и операции над ними. |
1,0 1,0 2,0 1,0 |
1,0 1,0 2,0 1,0 |
1,0 1,0 1,0 |
1,0 1,0 1,0 |
1,0 1,0 |
1,0 1,0 |
|
4 |
Нейронные сети. 4.1.Понятие нейронной сети. Структура однослойной и многослойной сети. Понятие обучения сети. 4.2.Персептроны. Обучение персептронов. 4.3. Обучение нейронных сетей Алгоритмы. Процедура обратного распространения. |
2,0 2,0 1,0 |
2,0 2,0 1,0 |
2,0 2,0 1,0 |
2,0 2,0 1,0 |
1,0 |
1,0 |
|
5 |
Методология построения экспертных систем 5.1. Определение, структура и классификация экспертных систем(ЭС). 5.2. Методология построения ЭС.Пример ЭС – G2. 5.3.Робототехнические системы с элементами ИИ. |
1,0 1,0 2,0 |
1,0 1,0 2,0 |
1,0 1,0 2,0 |
1,0 1,0 2,0 |
||
|
ИТОГО |
20 |
20 |
16 |
16 |
4 |
4 |
ТЕМАТИЧЕСКИЙ ПЛАН ЛАБОРАТОРНЫХ РАБОТ
|
№ |
Наименование лабораторных работ |
пДФО |
сДФО |
пОЗФО |
сОЗФО |
пЗФО |
сЗФО |
|
1 |
1. Поиск в пространстве состояний 1.1.Задача о коте. |
4,0 |
2,0 |
||||
|
2 |
2.1.Нечеткие операции в маткаде. 2.2.Повышение качества молочной колбасы |
4,0 4,0 |
4,0 4,0 |
4,0 4,0 |
4,0 4,0 |
2,0 2,0 |
2,0 2,0 |
|
3 |
3.Идентификация 3.1.Идентификация бензина по нечеткой мере сходства 3.2.Идентификация бензина по минимуму расстояния. |
4,0 4,0 |
4,0 4,0 |
4,0 |
|||
|
4 |
Нейронные сети 4.1.Исследование нейрона с векторным входом 4.2 Обучение персептрона 4.3.Обучение однослойных сетей в маткаде.
|
4,0 4,0 4,0 |
4,0 4,0 4,0 |
4,0 4,0 4,0 |
2,0 4,0 4,0 |
2,0 4,0 2,0 |
2,0 4,0 2,0 |
|
ИТОГО |
32 |
30 |
24 |
18 |
12 |
12 |
ОСНОВНАЯ И ДОПОЛНИТЕЛЬНАЯ ЛИТЕРАТУРА
Основная
1.Яньков В.Ю., Иглицкий А.М. Системы искусственного интеллекта. .У чебно – практическое пособие пособие для студентов специальностей 210.200 и 220.200 всех форм обучения .Москва, 2006
2.. Краснов А.Е., Красуля О.Н., Большаков О.В., Шлёнская Т.В. Информационные технологии пище-
вых производств в условиях неопределённости (системный анализ, управление и прогнозирование с элементами компьютерного моделирования). - М.: ВНИИМП, 2001. - 496 с.
3. Краснов А.Е., Красуля О.Н., Воробьёва А.В., Красников С.А., Кузнецова Ю.Г., Николаева СВ. Ос-
новы математического моделирования рецептурных смесей пищевой биотехнологии. - М.: Пище-промиздат, 2006. - 240 с.
Дополнительная
1.Джордж Ф. Люггер. Искусственный интеллект. Стратегии и методы рещения сложных проблем. Изд.»Вильямс»,2006
2. Стюарт Рассел, Питер Норрис. Искусственный интеллект. Современный подход. Издательство: «Вильямс», 2006 г.
Задания для самостоятельной работы студентов
Теоретические темы
Основные понятия искусственного интеллекта
Определение искусственного интеллекта (И.И.) и системы искусственного интеллекта(С.И.И.)
Краткий исторический обзор работ в области И.И. и С.И.И.
Современное состояние работ в области ИИ и СИИ
Системы представления знаний
Представление знаний фреймами.
.Использование алгебры логики и предикатов для представления знаний.
Продукции
Основы нечеткой логики.
. Определения, характеристики нечетких множеств.
. Нечеткие отношения, их свойства и операции над ними.
. Функции принадлежности. Их классификация и методы построения.
.Нечеткие числа и операции над ними.
Нейронные сети.
.Понятие нейронной сети. Структура однослойной и многослойной сети. Понятие обучения сети.
.Персептроны. Обучение персептронов.
Обучение нейронных сетей. Алгоритмы обучения. Процедура обратного распространения.
Методология построения экспертных систем
. Определение, структура и классификация экспертных систем(ЭС).
. Методология построения ЭС. Пример ЭС – G2.
.Робототехнические системы с элементами ИИ.
Практические темы.
В качестве практических заданий студентам даются задачи из банка данных лабораторных работ, которые аналогичны работам, выполненными студентами на практических занятиях.
Поиск в пространстве состояний
Нечеткая логика
.Нечеткие операции в маткаде
Идентификация
3.Идентификация
3.1.Идентификация бензина по нечеткой мере сходства
3.2.Идентификация бензина по минимуму расстояния. 3.Идентификация
3.1.Идентификация бензина по нечеткой мере сходства
.Идентификация по минимуму расстояния.
Идентификация по одной из мер сходства
Нейронные сети
Создание одиночных нейронов в маткаде
Модель однослойной сети в маткаде.