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
Міністерство освіти і науки України
Херсонський національний технічний університет
КАФЕДРА ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ
Рег №_____________
|
Затверджую ____________проф. Ф.Б. Рогальський “___” ____________________ 200__ р. |
НАВЧАЛЬНА ПРОГРАМА ДИСЦИПЛІНИ
(ТИПОВА)
з дисципліни «Системи штучного інтелекту»
статус дисципліни нормативна
для спеціальності 6.080403 – «Програмне забезпечення автоматизованих систем»
напряму 0804 - Комп’ютерні науки
факультету кібернетики
Укладач (і): к.т.н. доцент, Жарікова М.В., асистент Ляшенко О.М.
Протокол № _______ від „________” __________200_р.
Завідувач кафедри д.т.н., проф. _______________________В.Є. Ходаков
Навчальна програма дисципліни (типова) схвалена методичною комісією спеціальності 6.080403 – «Програмне забезпечення автоматизованих систем»
Протокол № _______ від „_______” ___________200_р.
Голова д.т.н _______________________________________ В.Є. Ходаков
Навчальна програма дисципліни (типова) схвалена на засіданні методичної ради факультету кібернетики
Протокол № _______ від „_______” ___________200_р.
Голова методичної ради факультету кібернетики _________________________Н.А. Кругла
ВСТУП
У цьому документі подано навчальну програму (типову) з нормативної дисципліни «Системи штучного інтелекту» для спеціальності 6.080403 – «Програмне забезпечення автоматизованих систем» напряму 0804 – «Комп’ютерні науки» кафедри Інформаційних технологій факультету кібернетики Херсонського національного технічного університету.
1. МЕТА І ЗАДАЧІ ДИСЦИПЛІНИ
Мета дисципліни “Системне програмування та операційні системи” – це:
Основні завдання курсу:
- Ознайомлення з методами побудови нейронних мереж, генетичних алгоритмів, методом групового врахування алгоритмів та експертних систем;
- Ознайомлення з інструментальним програмним забезпеченням для реалізації нейромережевих та генетичних алгоритмів;
- Ознайомлення з прогресивними технологіями та експертними системами.
1.2. Основні знання, які здобувають студенти при вивченні дисципліни
В результаті вивчення дисципліни студенти повинні знати:
- Основні архітектури нейронних мереж;
- Технологію побудови експертних систем;
- Принципи побудови нових автоматизованих систем на базі нейронних мереж та генетичних алгоритмів .
Студенти повинні вміти:
- На практиці використовувати загальні методи побудови нейронних мереж;
- Експлутуювати системи керування та обробки даних;
- Реалізовувати багатомодульні програми.
2. МІЖДИСЦИПЛІНАРНІ ЗВ’ЯЗКИ
Нижче подано роль дисципліни «Системи штучного інтелекту» для спеціальності 6.080403 – «Програмне забезпечення автоматизованих систем» напряму 0804 – «Комп’ютерні науки».
Дисципліна «Системи штучного інтелекту» є нормативною, викладається у 7 семестрі 4 курсу та спирається на результати вивчення наступних дисциплін:
- “Основи програмування”(1-2 курси, 1-4 семестри);
- “Організація та функціонування ЕОМ та систем”(2 курс, 3 семестр);
- “ЕОМ та мікропроцесорні системи”(2 курс, 1-3 курс).
3. ЗМІСТ ДИСЦИПЛІНИ
Нижче подано назви та типовий зміст тем дисципліни «Системи штучного інтелекту» для спеціальності 6.080403 – «Програмне забезпечення автоматизованих систем» напряму 0804 – «Комп’ютерні науки».
ТЕМА 1: Базові поняття Штучного інтелекту.
Мета викладання дисципліни. Термінологія. Філософські аспекти проблеми систем ШІ (можливість існування, безпека, корисність). Історія розвитку систем ШІ.
ТЕМА 2: Моделі подання завдань штучного інтелекту.
Класифікація подання завдань. Логічні моделі. Мережеві моделі. Продукційні моделі. Сценарії. Інтелектуальний інтерфейс. Класифікація уровнів поняття.
ТЕМА 3: Методи рішення завдань штучного інтелекту.
Вирішення задач методом пошуку у просторі станів. Вирішення задач методом редукції. Вирішення задач дедуктивного вибору. Вирішення задач, що використовують немонотонні логіки, віроятносні логіки.
ТЕМА 4: Системи машинного навчання. Персептрони.
Поняття образа. Проблема навчання розпізнавання образів. Геометричний і структурний підходи. Гіпотеза компактності. Навчання й самонавчання. Адаптація й навчання. Персептрони.
ТЕМА 5: Нейронні мережі. Метод зворотного поширення помилки.
Історія досліджень в області нейронних мереж. Модель нейронної мережі зі зворотним поширенням помилки (back propagation).
ТЕМА 6: Нейронні мережі: навчання без вчителя.
Алгоритм навчання Хебба. Карти Кохонена.
ТЕМА 7: Нейронні мережі Хопфилда й Хэмминга.
Структурна схема мережі Хопфилда, структурна схема мережі Хэмминга, алгоритми навчання мереж Хопфилда й Хэмминга.
ТЕМА 8: Метод потенційних функцій.
Поняття потенційної функції, алгоритм навчання по методу потенційних функцій.
ТЕМА 9: Метод групового обліку аргументів МГОА.
Метод найменших квадратів, метод групового обліку аргументів МГОА.
ТЕМА 10: Метод граничних спрощень. Колективи вирішальних правил. Кластерний аналіз.
Поняття поділяючої функції в методі граничних спрощень, алгоритм навчання по методу граничних допущень, поняття рішення на основі колективу вирішальних правил, навчання на основі колективного рішення, поняття кластерного аналізу.
ТЕМА 11: Генетичні алгоритми.
Поняття генетичного навчання, генетичні оператори (схрещування, мутація, інверсія), опис генетичних алгоритмів, генетичне програмування.
ТЕМА 12: Подання знань в інтелектуальних системах. Неформальні й формальні моделі.
Дані й знання. Основні визначення, особливості знань. Перехід від Бази Даних до Бази Знань, моделі подання знань. Неформальні (семантичні) моделі, формальні моделі подання знань.
ТЕМА 13: Подання знань в інтелектуальних системах. Продукційні системи, логічний підхід.
Продуційні системи. Компоненти продукційних систем. Стратегії організації пошуку. Логічний підхід. Подання простих фактів у логічних системах. Приклади використання логіки для подання знань.
ТЕМА 14: Планування завдань.
Основні визначення. Комплексна схема нечіткого планування. Особливості планування ціле направлених дій. Оцінка важкості задачі планування.
ТЕМА 15: Експертні системи. Загальні поняття.
Визначення експертних систем. Структура експертних систем. Етапи розробки експертних систем. Інтерфейс з кінцевим користувачем. Подання знань у ЕС. Уровні подання та уровні детальності. Організація знань у системі. Організація знань у базі даних.
ТЕМА 16: Експертні системи. Методи пошуку рішень.
Методи пошуку рішень в експертних системах. Інструментальний комплекс для створення статичних експертних систем (на прикладі інтегрованого комплексу ЕКО). Інструментальний комплекс для створення систем реального часу (на прикладі інтегрованої середи g2- gensym corp., США).
ТЕМА 17: Методи роботи зі знаннями.
Методи пошуку рішень. Підготовчий етап. Основний етап. Системи збору знань від експертів. Формалізація знань. Приклад формалізації знань.
ТЕМА 18: Тенденції розвитку систем штучного інтелекту.
Тенденції розвитку штучного інтелекту. Успіхи систем штучного інтелекту та їх прочини. Експертні системи реального часу – основне направлення штучного інтелекту. Основні виробники. Архітектура експертної системи реального часу. Життєвий цикл додатку. Розробка прототипу додатка. Розширення прототипу до додатка. Тестування додатка на наявність помилок. Тестування логіки додатку. Основні компоненти. База знань. Машина виводу, підсистема моделювання та планувальник.
СПИСОК РЕКОМЕНДОВАНОЇ ЛІТЕРАТУРИ