Первая страница
Наша команда
Контакты
О нас

    Головна сторінка



"системи штучного інтелекту"

Скачати 112.99 Kb.

"системи штучного інтелекту"




Скачати 112.99 Kb.
Сторінка2/2
Дата конвертації10.06.2017
Розмір112.99 Kb.
1   2

1.3 Зв'язок з іншими дисциплінами
Вивчення даної дисципліни базується на знаннях, одержаних при вивченні дисциплін "Нейроiнформатика та еволюційні алгоритми", "Основи дискретної математики", "Обробка та інтерпретація соціально-економічної інформації", "Об'єктно-орієнтоване програмування".

Отримані знання будуть використовуватися при вивченні дисциплін "Теорія прийняття рішень", "Математичні основи представлення знань", а також у курсовому та дипломному проектуванні.


2 ЗМІСТ ЛЕКЦІЙ

(34 години)

2.1 Загальні відомості про системи штучного інтелекту
Поняття інтелектуальної системи.
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.
Дискре́тна матема́тика - галузь математики, що вивчає властивості будь-яких дискретних структур. Як синонім іноді вживається термін дискре́тний ана́ліз, що вивчає властивості структур скінченного характеру.
Штучний інтелект Шту́чний інтеле́кт (англ. Artificial intelligence, AI) - розділ комп'ютерної лінгвістики та інформатики, що займається формалізацією проблем та завдань, які нагадують завдання, виконувані людиною.
Властивості інтелектуальних систем. Основні напрями досліджень у галузі штучного інтелекту. Історія розвитку штучного інтелекту. Агентний підхід до інтелектуальних систем. Архітектура інтелектуальної системи. Технології інтелектуального аналізу даних.
Лекцій - 4 год.

Самостійна робота - 10 год.

Література [2, 3, 6, 8-16, 22, 23, 33, 35]

2.2 Теорія розпізнавання образів
Задача розпізнавання образів. Основні поняття теорії розпізнавання образів. Задача відбору і критерії оцінювання інформативності ознак на основі евристичного, інформаційного, статистичного та імовірнісного підходів. Комбінована оцінка інформативності ознак. Розбиття вихідної вибірки на навчаючу та тестову. Навчання без учителя. Кластер-аналіз. Навчання з учителем. Методи метричної класифікації. Класифікація з оцінкою значимості ознак.
Лекцій - 12 год.

Лабораторних робіт - 24 год.

Самостійна робота - 6 год.

Література [1-4, 7-9, 14, 15, 22, 26]



2.3 Нейромережеві та нечіткологічні системи
Принципи організації і класифікація нейронних мереж.
Штучна нейронна мережа (ШНМ, англ. artificial neural network, ANN, рос. искусственная нейронная сеть, ИНС) - це математична модель, а також її програмна та апаратна реалізація, побудовані за принципом функціювання біологічних нейронних мереж - мереж нервових клітин живого організму.
Формальний нейрон. Одношаровий персептрон. Багатошаровий персептрон. Навчання нейромоделей. Нейромережі в задачах розпізнавання і прийняття рішень.
Лекцій - 10 год.

Лабораторних робіт - 10 год.

Самостійна робота - 10 год.

Література [7-9, 14, 15, 18-20, 24-31, 36-38]




2.4 Системи, засновані на знаннях
Принципи побудови систем, заснованих на знаннях. Основні моделі подання знань у системах штучного інтелекту: мережні і логічні моделі. Логічне виведення. Пошук у просторі станів.
Лекцій - 4 год.

Самостійна робота - 6 год.

Література [2, 3, 5, 10, 12-17, 21, 29, 32-35]

2.5 Прикладні аспекти інтелектуальних систем
Задачі підтримки прийняття керуючих рішень. Інтелектуальний аналіз даних. Технічна і біомедична діагностика. Експертні системи.

Отримання да́них (англ. Data Mining) - виявлення прихованих закономірностей або взаємозв'язків між змінними у великих масивах необроблених даних. Зазвичай поділяють на задачі класифікації, моделювання та прогнозування.
Логічна модель представлення знань - модель у представленні знань.
Експе́ртна систе́ма - це методологія адаптації алгоритму успішних рішень однієї сфери науково-практичної діяльності в іншу. З поширенням комп'ютерних технологій це тотожна (подібна, заснована на оптимізуючому алгоритмі чи евристиках) інтелектуальна комп'ютерна програма, що містить знання та аналітичні здібності одного або кількох експертів щодо деякої галузі застосування, і здатна робити логічні висновки на основі цих знань, тим самим забезпечуючи вирішення специфічних завдань (консультування, навчання, діагностування, тестування, проектування тощо) без участі експерта (фахівця в конкретній проблемній галузі). Також визначається як система, яка використовує базу знань для вирішення завдань (видачі рекомендацій) у деякій предметній галузі. Цей клас програмного забезпечення спочатку розроблявся дослідниками штучного інтелекту в 1960-ті та 1970-ті і здобув комерційне застосування, починаючи з 1980-х. Часто термін система, заснована на знаннях використовується як синонім експертної системи, однак можливості експертних систем ширші за можливості систем, заснованих на детермінованих (обмежених, реалізованих на поточний час) знаннях.
Інтелектуальний пошук та аналіз інформації в комп'ютерних банках даних. Програмні засоби з елементами штучного інтелекту.
Лекцій - 4 год.

Самостійна робота - 8 год.

Література [6-8, 10]
3 ПЕРЕЛІК ТЕМ ЛАБОРАТОРНИХ РОБІТ

3.1 Розпізнавання образів на основі метричної класифікації (8 годин).


3.2 Кластер-аналіз в задачах діагностики (8 годин).
3.3 Методи відбору ознак для побудови розпізнаючих моделей (8 годин).
3.4 Розпізнавання на основі нейронних мереж (10 годин).
4 ПЕРЕЛІК ТЕМ ДЛЯ САМОСТІЙНОЇ РОБОТИ

5.1 Архітектура інтелектуальної системи (2 год.).

5.2 Історія розвитку штучного інтелекту (4 год.).

5.3 Технології інтелектуального аналізу даних (4 год.).

5.4 Методи кластер-аналізу (4 год.).

5.5 Самоорганізація та навчання без учителя (2 год.).

5.6 Методи оптимізації в задачах навчання нейромереж (4 год.).

Оптиміза́ція (англ. optimization, optimisation) - процес надання будь-чому найвигідніших характеристик, співвідношень (наприклад, оптимізація виробничих процесів і виробництва). Задача оптимізації сформульована, якщо задані: критерій оптимальності (економічний - тощо; технологічні вимоги - вихід продукту, вміст домішок в ньому та ін.)

5.7 Моделі нейромереж (4 год.).

5.8 Застосування нейромереж для видобування знань з даних (2 год.).

5.9 Моделі подання знань (2 год.).

5.10 Пошук у просторі станів (4 год.).

5.11 Інтелектуальний пошук та аналіз інформації в комп'ютерних банках даних (2 год.).

5.12 Програмні засоби з елементами штучного інтелекту (2 год.).

5.13 Програмні засоби для побудови інтелектуальних систем (4 годин).


Контроль самостійної роботи передбачає вибіркове опитування та написання рефератів або контрольних робіт.
6 НАВЧАЛЬНО-МЕТОДИЧНІ МАТЕРІАЛИ З ДИСЦИПЛІНИ
6.1 Основна література


  1. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. - М.: Финансы и статистика 1989. - 607 с.

  2. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы: Учебник.- М.: Финансы и статистика, 2004.- 424 с.

  3. Бондарев В.Н., Аде Ф.Г. Искусственный интеллект.- Севастополь: СевНТУ, 2002 .- 615 с.

  4. Васильев В.И. Распознающие системы: справочник. - К.: Наукова думка, 1983. - 423 с.

  5. Герасимов Б.М., Дивизинюк М.М., Субач И.Ю. Системы поддержки принятия решений: проектирование, применение, оценка эффективности.- Севастополь: НИЦ ВСУ "Государственный океанариум", 2004.- 320 с.

  6. Джонс М.Т. Программирование искусственного интеллекта в приложениях / Пер. с англ. Осипов А.И.-М.: ДМК Пресс, 2004.- 312 с.

  7. Дубровiн В.I., Субботiн С.О. Методи оптимiзацiї та їх застосування в задачах навчання нейронних мереж: Навчальний посiбник.-Запорiжжя: ЗНТУ, 2003.-136 с.

  8. Дубровин В.И., Субботин С.А., Богуслаев А.В., Яценко В.К. Интеллектуальные средства диагностики и прогнозирования надежности авиадвигателей: Монография.-Запорожье: ОАО "Мотор-Сич", 2003.- 279 с.

  9. Зайченко Ю.П. Основи проектування інтелектуальних систем. Навчальний посібник.- К.
    Навчальний посібник - видання, яке частково доповнює або замінює підручник у викладі навчального матеріалу з певного предмета, курсу, дисципліни або окремого його розділу, офіційно затверджений як такий.
    : Слово, 2004.- 352 с.

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

  11. Кричевский М.Л. Интеллектуальные методы в менеджменте.-СПб.: Питер, 2005.- 304 с.

  12. Лорьер Ж.-Л. Системы искусственного интеллекта: Пер. с франц.-М.: Мир, 1991.- 568 с.

  13. Люгер Дж.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем / Пер. с англ.- М.: Вильямс, 2005.- 864 с.

  14. Рассел С., Норвиг П. Искусственный интеллект: современный подход, 2-е изд.: Пер с англ.-М.: Вильямс, 2006.- 1408 с.

  15. Рідкокаша А.А., Голдер К.К. Основи систем штучного інтелекту. Навчальний посібник.- Черкаси, "ВІДЛУННЯ-ПЛЮС", 2002.-240 с.


6.2 Додаткова література


  1. Алиев Р.А., Абдикеев Н.М., Шахназаров М.М. 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. Борисов А.Н., Алексеев А.В., Меркурьева Г.В. и др. Обработка нечеткой информации в системах принятия решений.- М: Радио и связь. 1989. - 304 с.

  4. Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей. Примеры использования.- Рига:Зинатне, 1990.- 184 с.

  5. Вороновский Г.К., Махотило К.В., Петрашев С.Н., Сергеев С.А. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности Х.: Основа, 1997.- 112 с.

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

  7. Дюк В., Самойленко А. Data mining: учебный курс.-СПб.: Питер, 2001.- 368 с.

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

  9. Каллан Р. Основные концепции нейронных сетей.- М.: Издательский дом "Вильямс", 2001.- 287 с.

  10. Круглов В.В., Борисов В.В. Искуственные нейронные сети. Теория и практика. - М.: Горячая линия - Телеком, 2001. - 382с.

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

  12. Леоненков А.В. Нечеткое моделирование в среде MATLAB. - СПб.: БХВ-Петербург, 2003. - 736 с.

  13. Медведев В.С., Потемкин В.Г. Нейронные сети. MATLAB 6 / Под ред. В.Г. Потемкина.- М.: Диалог-МИФИ, 2002.- 496 с.

  14. Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой.- М.: Наука, 1990.- 272 с.

  15. Митюшкин Ю.И., Мокин Б.И., Ротштейн А.П. Soft Computing: идентификация закономерностей нечеткими базами знаний.- Винница: УНИВЕРСУМ-Винница, 2002.- 145 с.

  16. Осовский С. Нейронные сети для обработки информации.-М.: Финансы и статистика, 2004.- 344 с.

  17. Осуга С. Обработка знаний. - М.: Мир, 1989. - 293 с.

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

  19. Приобретение знаний / Под ред. С. Осуги, Ю. Саэки. - М.: Мир, 1990. - 304 с.

  20. 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.

  21. Руденко О.Г., Бодянский Е.В. Основы теории искусственных нейронных сетей Харьков Телетех 2002 317

  22. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер с польск.-М.: Горячая линия - Телеком, 2004.- 452 с.

  23. Хайкин С. Нейронные сети: полный курс, 2-е изд.: Пер. с англ.- М.: Вильямс, 2006.- 1104 с.
1   2


Скачати 112.99 Kb.

  • 2 ЗМІСТ ЛЕКЦІЙ (34 години) 2.1 Загальні відомості про системи штучного інтелекту
  • 2.2 Теорія розпізнавання образів
  • 2.3 Нейромережеві та нечіткологічні системи Принципи організації і класифікація нейронних мереж
  • 2.4 Системи, засновані на знаннях Принципи побудови систем, заснованих на знаннях. Основні моделі подання знань у системах штучного інтелекту: мережні і логічні моделі
  • 2.5 Прикладні аспекти інтелектуальних систем Задачі підтримки прийняття керуючих рішень. Інтелектуальний аналіз даних
  • 3 ПЕРЕЛІК ТЕМ ЛАБОРАТОРНИХ РОБІТ
  • 4 ПЕРЕЛІК ТЕМ ДЛЯ САМОСТІЙНОЇ РОБОТИ
  • 6 НАВЧАЛЬНО-МЕТОДИЧНІ МАТЕРІАЛИ З ДИСЦИПЛІНИ 6.1 Основна література
  • 6.2 Додаткова література