Первая страница
Наша команда
Контакты
О нас

    Головна сторінка



Робоча навчальна програма

Скачати 88.15 Kb.

Робоча навчальна програма




Скачати 88.15 Kb.
Дата конвертації03.06.2017
Розмір88.15 Kb.

Міністерство освіти і науки України

Запорізький національний технічний університет

Інститут інформатики та радіоелектроніки

"ЗАТВЕРДЖУЮ"
Директор інституту інформатики та радіоелектроніки, д.т.н., проф.
_____________________/Д.М. Піза/

"_____"_________________ 2005 р.



РОБОЧА НАВЧАЛЬНА ПРОГРАМА

дисципліни



"МАТЕМАТИЧНІ ОСНОВИ ПРЕДСТАВЛЕННЯ ЗНАНЬ"

для студентів за професійним спрямуванням "Комп'ютерні науки"

спеціальності 8.080403 "Програмне забезпечення автоматизованих систем"
Факультет інформатики та обчислювальної техніки

Кафедра "Програмних засобів"




Форма навчання

Курс

Семестр

Усього (год)

Лекції (год)

Лабор. роб. (год)

Практ. (год)

Самост. під керівн.(год)

Самост. (год)

КП, КР, РГЗ

(сем.)


Залік (сем.)

Іспит (сем.)

Денна

II, III

4, 5

162

36

18



36

108



4, 5



Заочна

III, IV

5, 6

162

10

12





140



5, 6


Робоча програма складена старшим викладачем Субботіним С.О.

Старший викладач - в СРСР та деяких пострадянських країнах - викладацька посада у вищих навчальних закладах.
Електро́нна обчи́слювальна маши́на (ЕОМ) - загальна назва для обчислювальних машин, що є електронними (починаючи з перших лампових машин, включаючи напівпровідникові тощо) на відміну від електромеханічних (на електричних реле тощо) та механічних обчислювальних машин.


Схвалена методичною комісією факультету інформатики та обчислювальної техніки. Протокол № 9 від 30.05.2005 р.
Голова методкомісії, декан ФІОТ ___________________М.М. Касьян
Затверджена на засіданні кафедри "Програмних засобів".

Протокол № 11 від 24.05.2005 р.


Зав. кафедрою "Програмних засобів" ___________________А.В. Притула
1 МЕТА І ЗАДАЧІ ДИСЦИПЛІНИ,

ЇЇ МІСЦЕ В НАВЧАЛЬНОМУ ПРОЦЕСІ

1.1 Мета викладання дисципліни

Метою курсу є вивчення математичного апарату представлення знань у системах штучного інтелекту.

1.2 Задачі вивчення дисципліни

В наслідок вивчення дисципліни студенти повинні:



  • розуміти проблеми, які виникають під час побудови та використанні сучасних систем штучного інтелекту;

  • ознайомитися з основними принципами побудови баз знань;

  • знати особливості основних математичних моделей представлення знань.
    Математичний апарат - сукупність математичних знань, понять і методів, що застосовуються в деякій області науки, а тому необхідних для її розуміння й успішної в ній роботи. Наприклад, математичним апаратом класичної механіки є математичний аналіз та теорія диференціальних рівнянь, математичним апаратом квантової механіки є функціональний аналіз, математичним апаратом статистики є теорія ймовірності тощо.
    Математи́чна моде́ль - система математичних співвідношень, які описують досліджуваний процес або явище. Математична модель має важливе значення для таких наук, як: економіка, екологія, соціологія, фізика, хімія, механіка, інформатика, біологія та ін.

У результаті вивчення дисципліни студенти повинні:


знати:

  • принципи побудови баз знань;

  • основні етапи створення баз знань;

  • основні принципи побудови семантичних мереж;
    Семантична мережа - інформаційна модель предметної області, що має вигляд орієнтованого графа, вершини якого відповідають об'єктам предметної області, а ребра задають відносини між ними. Об'єктами можуть бути поняття, події, властивості, процеси.


  • основні принципи побудови фреймових моделей;

  • основні принципи побудови продукційних моделей;

  • основні операції та визначення нечіткої логіки.


вміти:

  • здійснювати вибір програмних засобів для створення баз знань;

  • аналізувати предметну область та будувати її моделі;

  • використовувати методи нечіткої логіки для обробки даних;

  • будувати нейро-нечіткі моделі залежностей.



1.3 Зв'язок з іншими дисциплінами

Вивчення даної дисципліни базується на знаннях, одержаних при вивченні дисциплін "Організація баз даних та знань", "Логічне програмування", "Основи дискретної математики".

Програ́мне забезпе́чення (програ́мні за́соби) (ПЗ; англ. software) - сукупність програм системи обробки інформації і програмних документів, необхідних для експлуатації цих програм.
Обро́бка да́них - систематична цілеспрямована послідовність дій над даними. Обробка даних містить в собі множину різних операцій.
Предме́тна о́бласть (ПрО) - множина всіх предметів, властивості яких і відношення між якими розглядаються в науковій теорії. В логіці - гадана область можливих значень предметних змінних логічної мови.
Дискретна математика Дискре́тна матема́тика - галузь математики, що вивчає властивості будь-яких дискретних структур. Як синонім іноді вживається термін дискре́тний ана́ліз, що вивчає властивості структур скінченного характеру.

Отримані знання будуть використовуватися при вивченні дисциплін "Основи проектування систем штучного інтелекту", "Програмне забезпечення інтелектуальних систем", "Нейроiнформатика та еволюційні алгоритми", "Теорія прийняття рішень", а також у курсовому та дипломному проектуванні.

Еволюційні алгоритми - напрям в штучному інтелекті (розділ еволюційного моделювання), що використовує і моделює біологічну еволюцію. Розрізняють різні алгоритми: генетичні алгоритми, еволюційне програмування, еволюційні стратегії, системи класифікаторів, генетичне програмування тощо.

2 ЗМІСТ ЛЕКЦІЙ

2.1 Визначення та класифікація моделей представлення знань в системах штучного інтелекту

Поняття інтелектуальної системи. Властивості інтелектуальних систем. Характеристика систем, заснованих на знаннях. Архітектура інтелектуальної системи. Поняття знання. Відміна знань від даних. Поняття екстенсіоналу та інтенсіоналу. Загальні відомості про моделі представлення знань. Декларативні та процедуральні моделі. Області застосування.


Лекцій - 4 год.

Самост. роб. під керівн. - 6 год.

Самостійна робота - 18 год.

Література [1-3, 12-14]



2.2 Семантичні мережі

Поняття семантичної мережі. Формалізація семантичної мережі. Поняття інтенсіоналу та екстенсіоналу. Прості та ієрархічні мережі. Основні типи об'єктів та зв'язків між ними. Види семантичних відношень. Модифікація баз знань на семантичних мережах. Операція порівняння із зразком. Розуміння мови та семантичні мережі. Банки знань на базі семантичних мереж.


Лекцій - 4 год.

Лабораторних робіт - 6 год.

Самост. роб. під керівн. - 4 год.

Самостійна робота - 18 год.

Література [3, 8, 9]

2.3 Продукційні моделі

Основні визначення.

Продукці́йна моде́ль, або модель, базована на правилах - одна з моделей представлення знань, вона дозволяє представити знання у вигляді речень виду «Якщо (умова) то (дія)».
База правил. Робоча область. Інтерпретатор правил. Управління виведенням у продукційній системі. Характеристика продукційних моделей.


Лекцій - 6 год.

Лабораторних робіт - 6 год.

Самост. роб. під керівн. - 4 год.

Самостійна робота - 18 год.

Література [2-6, 8, 11]


2.4 Фреймові моделі

Формальний опис фрейма. Класифікація фреймів. Структури даних фрейма.

Фрейм (англ. frame - «каркас», «рамка») - це структура, що описує деякий складний об'єкт або абстрактний образ або модель для представлення деякої концепції (стереотип сприйняття). Модель містить слоти, визначені фасетами.
В програмуванні та комп'ютерних науках структу́ри да́них - це способи організації даних в комп'ютерах. Часто разом зі структурою даних пов'язується і специфічний перелік операцій, що можуть бути виконаними над даними, організованими в таку структуру.
Процедури-демони та процедури-слуги. Фреймові мережі.


Лекцій - 4 год.

Лабораторних робіт - 6 год.

Самост. роб. під керівн. - 4 год.

Самостійна робота - 18 год.

Література [3, 4, 9]

2.5 Моделі на базі теорії нечітких множин

Інженерія знань та нечіткість. Недетермінованість управління виведенням та евристичні знання. Багатозначність та методи її усунення. Ненадійні знання та виводи. Неповні знання та немонотонна логіка. Нечіткі множини та виводи. Нечітка кластеризація як підхід до представлення знань.


Лекцій - 8 год.

Самост. роб. під керівн. - 6 год.

Самостійна робота - 18 год.

Література [5, 7]



2.6 Моделі на базі нейро-нечітких мереж
Структура та елементи нейро-нечітких мереж. Методи побудови нечіткого логічного виводу Мамдані та Сугено.
Нечітка логіка Нечітка логіка (англ. fuzzy logic) - розділ математики, який є узагальненням класичної логіки і теорії множин. Уперше введений Лотфі Заде в 1965 році як розділ, що вивчає об'єкти з функцією належності елемента до множини, яка приймає значення у інтервалі [0, 1], а не тільки 0 або 1.
Застосування нейро-нечітких мереж для видобування знань з даних.

Лекцій - 10 год.

Самост. роб. під керівн. - 6 год.

Самостійна робота - 18 год.



Література [2, 3, 5, 7]
3 ПЕРЕЛІК ТЕМ ЛАБОРАТОРНИХ РОБІТ
3.1 Розробка семантичної мережі (6 годин).
3.2 Побудова продукційної моделі (6 годин).
3.3 Розробка фреймової моделі (6 годин).

4 ПЕРЕЛІК ТЕМ ДЛЯ САМОСТІЙНОЇ РОБОТИ

ПІД КЕРІВНИЦТВОМ ВИКЛАДАЧА
4.1 Семантичні мережі (4 години).
4.2 Продукційні моделі (4 години).
4.3 Фреймові моделі (4 години).
4.4 Основи роботи із середовищем пакету MATLAB (6 годин).
4.5 Нечіткі множини та операції з ними у пакеті MATLAB (6 годин).
4.6 Моделі на базі теорії нечітких множин (6 годин).
4.7 Побудова нейро-нечітких мереж у пакеті MATLAB (6 годин).

5 ПЕРЕЛІК ТЕМ ДЛЯ САМОСТІЙНОЇ РОБОТИ
5.1 Архітектура інтелектуальної системи.
5.2 Розуміння мови та семантичні мережі.
5.3 Управління виведенням у продукційній системі.
5.4 Фреймові мережі.
5.5 Нечітка кластеризація як підхід до представлення знань.
5.6 Застосування нейро-нечітких мереж для видобування знань з даних.
Контроль самостійної роботи передбачає вибіркове опитування, написання рефератів і включення окремих питань до екзаменаційних білетів.
6 НАВЧАЛЬНО-МЕТОДИЧНІ МАТЕРІАЛИ З ДИСЦИПЛІНИ
6.1 Основна література


  1. Алиев Р.А. и др. Производственные системы с искусственным интеллектом. - М: Радио и связь, 1990. - 264 с.

  2. Базы данных. Интеллектуальная обработка информации / В.В. Корнеев , А.Ф. Гареев, С.В. Васютин , В.В. Райх.-М.: Нолидж, 2000, 352 с.

  3. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем.- С.-Пб.: Питер, 2001.-384 с.

  4. Искусственный интеллект. В 3х кн. Кн.2. Модели и методы. Справочник / Под ред. Д.А. Поспелова. - М.: Радио и связь, 1990.-304 с.

  5. Кофман А. Введение в теорию нечетких множеств. - М.: Радио и связь, 1982. - 432 с.

  6. Кузин Л.Т. Основы кибернетики: В 2-х т. Т. 2. Основы кибернетических моделей. М.: Энергия, 1979. - 584 с.

  7. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. - М.: Наука, 1986. - 312 с.

  8. Попов Э.В. Экспертные системы: решение неформализованных задач в диалоге с ЭВМ. - М.: Наука, 1987. - 288 с.

  9. Представление и использование знаний / Под ред. Х. Уэно, М. Исидзука. - М.: Мир, 1989.- 220 с.

  10. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. - М.: Финансы и статистика, 1990.-320 с.

  11. Элти Дж., Кубмс М. Экспертные системы: концепции и примеры. - М.: Финансы и статистика, 1987. -191 с.


6.2 Додаткова література


  1. Искусственный интеллект - основа новой информационной технологии / Поспелов Г.С. - М.: Наука, 1988. - 288 с.

  2. Перспективы развития вычислительной техники.В 11 кн. Кн. 2. Интеллектуализация ЭВМ / Е.С. Кузин и др. - М.: Высш. шк., 1989. - 159 с.

  3. Робототехника и гибкие автоматизированные производства. В 9-ти кн. Кн. 6. Техническая имитация интеллекта / В.М. Назаретов, Д.П. Ким. -М.: Высш. шк., 1986. - 144 с.


Скачати 88.15 Kb.

  • РОБОЧА НАВЧАЛЬНА ПРОГРАМА
  • 1 МЕТА І ЗАДАЧІ ДИСЦИПЛІНИ, ЇЇ МІСЦЕ В НАВЧАЛЬНОМУ ПРОЦЕСІ 1.1 Мета викладання дисципліни
  • 2 ЗМІСТ ЛЕКЦІЙ 2.1 Визначення та класифікація моделей представлення знань в системах штучного інтелекту
  • 2.3 Продукційні моделі
  • 2.4 Фреймові моделі
  • 2.5 Моделі на базі теорії нечітких множин
  • 2.6 Моделі на базі нейро-нечітких мереж Структура та елементи нейро-нечітких мереж. Методи побудови нечіткого логічного виводу
  • 3 ПЕРЕЛІК ТЕМ ЛАБОРАТОРНИХ РОБІТ
  • 4 ПЕРЕЛІК ТЕМ ДЛЯ САМОСТІЙНОЇ РОБОТИ ПІД КЕРІВНИЦТВОМ ВИКЛАДАЧА
  • 5 ПЕРЕЛІК ТЕМ ДЛЯ САМОСТІЙНОЇ РОБОТИ
  • 6 НАВЧАЛЬНО-МЕТОДИЧНІ МАТЕРІАЛИ З ДИСЦИПЛІНИ 6.1 Основна література
  • 6.2 Додаткова література