Рабочая программа по дисциплине   «Интеллектуальные информационные системы» для специальности 080801 «Прикладная информатика в экономике» экономический




Скачать 157.14 Kb.
НазваниеРабочая программа по дисциплине   «Интеллектуальные информационные системы» для специальности 080801 «Прикладная информатика в экономике» экономический
Дата24.04.2013
Размер157.14 Kb.
ТипРабочая программа
Смотрите также:


Министерство образования и науки Российской Федерации

Уральский государственный экономический университет

Кафедра информационных систем в экономике


УТВЕРЖДАЮ:


Проректор по учебной работе

профессор _______ М.С. Марамыгин

« ___ »______________ 2006 г.


РАБОЧАЯ ПРОГРАММА


по дисциплине –  «Интеллектуальные информационные системы»

для специальности – 080801 «Прикладная информатика в экономике»

экономический факультет

кафедра информационных систем в экономике

курс – четвертый

семестр – седьмой

лекции – 34 часа

лабораторные занятия – 34 часа

экзамен – 7 семестр


Екатеринбург

2006

Рабочая программа составлена на основании требований Государственного образовательного стандарта высшего профессионального образования по специальности 080801 «Прикладная информатика в экономике».


Составитель: доцент, Крылов В.Г.


Обсуждено:


на заседании кафедры «Информационные системы в экономике»

« ___ » ___________2006 г., Протокол № ____


курс – четвертый

семестр – седьмой

лекции – 34 часа

лабораторные занятия – 34 часа

экзамен – 7 семестр



  1. ^ ЦЕЛИ И ЗАДАЧИ КУРСА




    1. Цель преподавания


Целью преподавания данного курса является формирование у студентов теоретических и практических знаний по основам создания, внедрения и эксплуатации систем искусственного интеллекта. Создание у студентов теоретической и практической подготовки, обеспечивающей им возможности использования методов искусственного интеллекта в курсах: «Интеллектуальные информационные системы», а также курсовом проектировании.


^ 1.2. Задачи курса


1) Изучение основных понятий, моделей и методов теории искусственного интеллекта (ИИ);

2) Усвоение методов искусственного интеллекта для решения экономических задач.

3) Выработка у студентов навыка проектирования, создания и эксплуатации экспертных систем моделей и решения типовых задач искусственного интеллекта.


^ 1.3. Перечень дисциплин и разделов, усвоение которых необходимо для изучения курса


Для эффективного усвоения материала по курсу студент должен владеть основами знаний теории и методов по следующим дисциплинам: математике, линейной алгебре, дискретной математике, теории вероятностей и математической статистике, экономике, информатике и программированию.

^

II. КАЛЕНДАРНЫЙ ПЛАН КУРСА

«Интеллектуальные информационные системы»




Номер

недели


Номер

лекции

Тема лекции

1

1

Понятие интеллектуальной информационной системы (ИИС), основные свойства, терминология.

2 – 3

2

Экспертные системы.

4 – 7

3

Предметное (фактуальное) и проблемное (операционное) знания.

8

4

Методы рассуждения.

9 – 10

5

Нечеткие логики, нечеткие множества

11

6

Операции со знаниями

12

7

Нейронные сети.

13

8

Интеллектуальные мультиагентные системы.

14

9

Эволюционные аналогии в искусственных интеллектуальных системах.

15 – 17

10

Проектирование экспертной системы.



^
III. СОДЕРЖАНИЕ КУРСА

«Интеллектуальные информационные системы»


Тема

Содержание темы

Часы

1

2

3

3.1. Понятие интеллектуальной информационной системы (ИИС), основные свойства, тер­минология



Искусственный интеллект основа новых информационных технологий. Основные направления исследований в области искусственного интеллекта. Классификация интеллектуальных информационных систем. Системы с интеллектуальным интерфейсом. Экспертные системы. Самообучающиеся системы. Адаптивные информационные системы. Технологии разработки экспертных систем. Классификационные признаки экспертных систем. Характеристика инструментальных средств. Технология проектирования и разработки экспертных систем.

2

3.2. Экспертные системы


Элементы теории экспертных систем. Характеристики экспертной системы. Составные части экспертной системы: база знаний, механизм вывода, механизмы приобретения и объяснения знаний, интеллектуальный интерфейс.

Общий обзор. Определение ЭС. Место экспертных систем в области искусственного интеллекта. Понятие «экспертная система». Генезис теории экспертных систем. Основные функции и структура экспертной системы. Преимущества и недостатки экспертных систем в сравнении с настоящими экспертами. Типы задач, решаемых экспертными системами. Области применения. Уточнение понятия «экспертная система».

Задачи, решаемые ЭС. Технология применения. Классификация ЭС и современные тенденции в их развитии. Примеры практических ЭС.

Организация базы знаний.

Статические и динамические экспертные системы.

4

3.3. Предметное (фактуальное) и проблемное (операционное) знания

Декларативная и процедурная формы представления знаний.

Методы представления знаний. Процесс мышления человека. Отличия знаний от данных. Типичные модели представления знаний. Традиционные способы обработки знаний.

Способы доказательства и вывода в логике. Прямой и обратный вывод в экспертных системах продукционного типа. Обработка знаний в интеллектуальных системах с фреймовым представлением.






















1

2

3




Логическое представление. Логическая модель представления знаний. Общая характеристика логики предикатов. Что такое предикат. Описание языка логики предикатов. Представление рассуждений средствами логики предикатов.

Продукционные системы. О понятии «продукция». Определение продукции. Правила продукций. Структура продукционной системы. Выводы на знаниях, представленных продукциями. Простой пример рассуждений в продукционной системе. Модель доски объявлений – разновидность продукционной системы. Примеры практического применения продукционных систем


Семантические сети. Модель семантической сети. Определение и виды семантических сетей. Логические выводы в семантических сетях. Общие замечания по поводу семантических сетей.

Фреймы. Определения фрейма и фреймовой системы. Объектно-ориентированное представление знаний фреймами. Простой пример фреймовой системы. Выводы на знаниях, представленных фреймовой системой. Три способа управления выводом во фреймовой системе. Примеры практического применения фреймовых систем.

8

3.4. Методы рассуждения

Логический и эвристический метод рассуждений в ИИС.

Рассуждения на основе дедукции, индукции, аналогии.

2

3.5. Нечеткие логики, нечеткие множества

Представление нечетких знаний и способы их обработки. Виды нечеткости знаний, способы их устранения и/или учета в интеллектуальных системах. Нечеткие множества и нечеткие выводы. Пример разработки компьютерной игры позиционного типа. Пример прогнозирования развития предприятия с применением интеллектуальной системы на базе нечеткой логики. Программные средства для работы с нечеткими знаниями.

Нечеткие множества. Основы нечеткой логики. Нечеткий вывод знаний. Немонотонность вывода.

4

3.6 Операции со знаниями

Приобретение знаний. Стратегии получения знаний. Аспекты извлечения знаний. Проблемы структурирования знаний. Семиотический подход к приобретению знаний. Методы извлечения знаний. Выявление «скрытых» структур знаний. Построение баз знаний для экспертных систем диагностики. Обучение интеллектуальных систем. Индуктивные выводы в логике. Методы и средства интеллектуального анализа данных. Средства компьютерной поддержки приобретения знаний. Извлечение знаний из данных. Обучение. Машинное обучение на примерах.

2










1

2

3

3.7 Нейронные сети

Модели нейронных сетей. Модель искусственного нейрона. Модели нейронных сетей.

Построение нейронной сети. Обучение нейронных сетей. Способы реализации нейронных сетей. Практическое применение нейросетевых технологий.

2

3.8. Интеллектуальные муль­ти­агентные системы

Основные понятия теории агентов. Характеристики интеллектуальных агентов. Архитектуры мультиагентных систем. Коллективное поведение агентов. Способы и причины взаимодействия между агентами. Моделирование взаимодействия в мультиагентных системах. Координация поведения агентов в мультиагентной системе. Примеры мультиагентных систем. Координация поведения на основе модели аукциона. Мультиагентная система для поддержки процессов принятия решений на предприятии.

2

3.9. Эволюционные аналогии в искусственных интеллектуальных системах.

Генетические алгоритмы. Простой генетический алгоритм. Разновидности генетических алгоритмов. Примеры практического применения генетических алгоритмов. Краткий обзор программных средств. Методы эволюционного программирования. Генетическое программирование. Эволюционное программирование. Эволюционные стратегии.

2

3.10. Проектирования экспертной системы

Интеллектуальные методы проектирования сложных систем. Проблемы проектирования и реинжиниринга экономических систем. Системный подход к проектированию сложных систем. Программные средства для поддержки процессов реинжиниринга. Подход к коллективному выбору решений при проектировании экономических систем. Разрешение конфликтов при коллективном выборе решений. Эволюционный синтез систем и объектов. Логический подход к синтезу сценариев развития сложных систем.

Методология разработки экспертных систем. Условия и целесообразность разработки экспертных систем. Стадии существования экспертной системы. Технология разработки экспертных систем.

Этапы проектирования экспертной системы: идентификация, концептуализация, формализация, реализация, тестирование, опытная эксплуатация.

Участники процесса проектирования: эксперты, инженеры по знаниям, конечные пользователи.

Пример разработки экспертной системы. Описание процесса поэтапной разработки системы. Этап идентификации. Этап концептуализации. Этап формализации. Этап реализации.

Оболочки экспертных систем. Определение понятия оболочки экспертной системы. Принципы и порядок построения оболочки экспертной системы.

6



^ IV. ОРГАНИЗАЦИЯ ЛАБОРАТОРНЫХ ЗАНЯТИЙ


4.1. Освоение программных средств


На лабораторных занятиях по данному курсу студенты получают навыки работы со следующими программными средствами:

1) прикладным пакетом IMP- экспертная оболочка;

2) прикладным пакетом - fuzzyTECH;

3) прикладным пакетом - NetSoft;

4) языками программирования Turbo Prolog, Visual Prolog, Common Lisp и соответствующими компиляторами.


^ 4.2. Тематика лабораторных занятий


1. Построение процедурной и декларативной модели представления (формализация и программирование на Прологе и Лиспе) – 2 ч.

Выполнение лабораторной работы № 1.


2. Построение логической модели представления знаний (формализация и программирование на Прологе) – 6 ч.

Выполнение лабораторной работы № 2.


3. Построение продукционной модели представления знаний (формализация алгоритма и программирование на Лиспе) – 6 ч.

Выполнение лабораторной работы № 3.


4. Построение фреймовой модели представления знаний (формализация алгоритма и программирование на Лиспе) – 6 ч.

Выполнение лабораторной работы № 4.


5. Построение нейронной сети (решение задач с помощью пакета NetSoft) – 4 ч.

Выполнение лабораторной работы № 5.


6. Построение нечеткого множества экономических показателей предприятия (решение задач с помощью пакета fuzzyTECH) – 4 ч.

Выполнение лабораторной работы № 6.


7. Создание консультанта по кредитам (решение задач с помощью пакета IMP) – 6 ч.

Выполнение лабораторной работы № 7.


^ 4.3. Темы лабораторных работ


В период проведения лабораторных занятий студенты выполняют 7 лабораторных работы и оформляют их соответствующим образом.


Лабораторные работы выполняются по следующим общим темам.


1. Компьютерное моделирование процедурной и декларативной модели представления знаний (Лабораторная работа № 1 – программирование и реализация);


2. Компьютерное моделирование логической модели представления знаний (Лабораторная работа № 2 – программирование и реализация);


3. Компьютерное моделирование продукционной модели представления знаний (Лабораторная работа № 3 – программирование и реализация);


4. Компьютерное моделирование фреймовой модели представления знаний (Лабораторная работа № 4 – программирование и реализация);


5. Компьютерное моделирование нейронной сети (Лабораторная работа № 5 – модель и реализация);


6. Компьютерное моделирование нечеткого множества экономических показателей (Лабораторная работа № 6 – модель и реализация);


7. Разработка компьютерной модели консультанта по кредитам (Лабораторная работа № 7 – модель и реализация).


^ V. Темы для курсовых работ


  1. Интеллектуальные агенты

  2. Обучение: на основе наблюдений; статистические методы

  3. Поиск в условия противодействия

  4. Представление знаний. Операции над знаниями.

  5. Задача планирования с частичным упорядочиванием.

  6. Неопределенные знания.

  7. Рассуждения в условиях неопределенности.

  8. Общение

  9. Восприятие

  10. Машинный перевод

  11. Симуляция группового поведения

  12. Управления автотранспортом в условиях препятствий

  13. Извлечение знаний

  14. Поиск информации в неструктурированных массивах.



Vi. Вопросы к экзамену

по курсу «Интеллектуальные информационные системы»


  1. Интеллектуальные информационные системы, как закономерный и неизбежный этап развития информационных систем.

  2. Определение и критерии идентификации систем искусственного интеллекта. Тест Тьюринга.

  3. Системы с интеллектуальной обратной связью.

  4. Автоматизированные системы распознавания образов.

  5. Системы поддержки принятия решений.

  6. Экспертные системы.

  7. Нейронные сети.

  8. Генетические алгоритмы и моделирование эволюции.

  9. Когнитивное моделирование.

  10. Выявление знаний из опыта (эмпирических фактов) и интеллектуальный анализ данных (data mining).

  11. Области применения систем искусственного интеллекта

  12. Перспективы развития систем искусственного интеллекта, в т.ч. в Internet.

  13. Абсолютная, относительная и аналитическая информация. Данные, информация, знания. Классификация ИИС.

  14. Базы данных для поддержки принятия решений.

  15. Информация, как сырье и как товар: абсолютная, относительная и аналитическая информация. Данные, информация, знания.

  16. Источники экономической эффективности систем искусственного интеллекта и интеллектуальной обработки данных.

  17. Перспективы информационных технологий: интеллектуализация, создание самообучающихся, саморазвивающихся (эволюционирующих) и самовоспроизводящихся систем.

  18. Определение и классификация систем искусственного интеллекта, цели и пути их создания.

  19. Классификация систем искусственного интеллекта.

  20. Особенности технологии создания систем искусственного интеллекта.

  21. Информационная модель деятельности специалиста и место систем искусственного интеллекта в этой деятельности.

  22. Жизненный цикл системы искусственного интеллекта и критерии перехода между этапами этого цикла.

  23. Связь семантической информационной модели с нейронными сетями.

  24. Интеллектуальные интерфейсы.

  25. Проблема распознавания образов.

  26. Классификация методов распознавания образов.

  27. Применение распознавания образов для идентификации и прогнозирования.

  28. Сходство и различие в содержании понятий «идентификация» и «прогнозирование».

  29. Роль и место распознавания образов в автоматизации управления сложными системами.

  30. Управление как задача, обратная идентификации и прогнозированию.

  31. Многообразие задач принятия решений. Принятие решений, как реализация цели.

  32. Связь принятия решений и распознавания образов.

  33. Классификация задач принятия решений.

  34. Языки описания методов принятия решений.

  35. Выбор в условиях неопределенности.

  36. Информационная (статистическая) неопределенность в исходных данных.

  37. Семантическая информационная модель, как нелокальная нейронная сеть.

  38. Основные понятия, принципы и предпосылки генетических алгоритмов.

  39. Применение ИИС в экономических исследованиях.


ЛИТЕРАТУРА


  1. Аверкин А.Н., Гаазе-Рапопорт М.Г., Поспелов Д.А. Толковый словарь по искусственному интеллекту.- М.: Радио и связь, 1992.

  2. Батищев Д. И. Генетические алгоритмы решения экстремальных задач: Учеб. пособие. - Воронеж: Изд-во ВГТУ, 1995.

  3. Загоруйко И.Г.Методы распознавания и их применение.- М.: Сов.радио, 1972.

  4. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений: Пер. с англ. - М.: Мир, 1976.

  5. Искусственный интеллект: В 3 кн. Кн 1. Системы общения и экспертные системы: Справочник / Под ред. Э.В. Попова. - М.: Радио и связь, 1990.

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

  7. Искусственный интеллект: В 3 кн. Кн 3. Программные и аппаратные средства: Справочник / Под ред. В. Н. Захарова, В. Ф. Хорошевского. - М.: Радио и связь, 1990.

  8. Ковальски Р. Логика в решении проблем. - М.: Наука, 1990.

  9. Лорьер Ж.-Д. Системы искусственного интеллекта: Пер. с фр. /Под ред. В. Л. Стефанюка. - М.: Мир, 1991.

  10. Марселлус Д. Программирование экспертных систем на Турбо Прологе. - М.: Финансы и статистика, 1994. - 256 с.

  11. Мински М. Фреймы для представления знаний. - М.: Энергия, 1979.

  12. Минский М., Пейперт С. Перцептроны. - М.: Мир, 1971.

  13. М.Тим Джонс. Программирование искусственного интеллекта в приложениях. – М: ДМК, 2006

  14. Нейлор К. Как построить свою экспертную систему: Пер. с англ.- М.: Энергоатомиздат, 1991.

  15. Нечеткие множества в моделях управления и искусственного интеллекта / Под ред. Д.А. Поспелова. - М.: Физматлит, 1986.

  16. Нильсон Н. Дж. Искусственный интеллект. Методы поиска решений. - М.: Мир, 1973.

  17. Нильсон Н. Принципы искусственного интеллекта: Пер. с англ. - М.: Радио и связь, 1985.

  18. Осипов Г. С. Приобретение знаний интеллектуальными системами. - М.: Наука, 1997.

  19. Осуга С. Обработка знаний: Пер. с яп. - М.: Мир, 1989.

  20. Попов Э.В. Экспертные системы.- М: Наука, 1987. - 288 с.

  21. Построение экспертных систем: Пер. с англ. / Под ред. Ф. Хейес-Рота, Д. Уотермена, Д. Лената. - М.: Мир, 1987.

  22. Представление и использование знаний: Пер. с яп. / Под ред. Х.Уэно, М. Исидзука. - М.: Мир, 1989.

  23. Прикладные нечеткие системы/Асаи К., Ватада Д., Иваи С. и др./Под ред. Т. Тэрано, К. Асаи, М. Сугено.- М.: Мир, 1993. - 368 с.

  24. Приобретение знаний: Пер. с япон. / Под ред. С. Осуга, Ю. Саэки. - М.: Мир, 1990.

  25. Проектирование экономических экспертных систем: Учеб. пособие / Под ред. А. М. Романова - М.: Компьютер: ЮНИТИ, 1996.

  26. Саймон Хайкин. Нейронные сети. – М.: Вильямс, 2006

  27. Стюарт Рассел. Искусственный интеллект. – М: Вильямс, 2006

  28. Тейз А., Грибомон П., Луи Ж. и др. Логический подход к искусственному интеллекту: от классической логики к логическому программированию.- М.:Мир, 1990.

  29. Уинстон П. Искусственный интеллект: Пер. с англ. - М.: Мир, 1980.

  30. Уотермен Д. Руководство по экспертным системам.- М: Мир, 1989.

  31. Фогель Л., Оуэнс А., Уолш М. Искусственный интеллект и эволюционное моделирование. - М.: Мир, 1969.

  32. Хант Э. Искусственный интеллект: Пер. с англ./ Под ред. В. Л. Стефанюка. - М.: Мир, 1978.

  33. Ченъ Ч. Математическая логика и автоматическое доказательство теорем. - М.: Наука, 1983.

  34. Экспертные системы. Принципы работы и примеры: Пер. с англ. /Под ред. Р. Форсайта - М.: Радио и связь, 1987.


Скачать 157.14 Kb.
Поиск по сайту:
Добавить документ в свой блог или на сайт
Разместите кнопку на своём сайте:
Публикация документов


База данных защищена авторским правом ©dogend.ru 2000-2014
При копировании материала укажите ссылку
обратиться к администрации
Уроки, справочники, рефераты
Учебный материал

Рейтинг@Mail.ru