системы искусственного интеллекта

ПЕНЗЕНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
Факультет вычислительной техники
Кафедра систем автоматизации проектирования
"Утверждаю"
Декан ФВТ
________________ Б.Д.Шашков
"____" _______________ 2005 г.
Рабочая программа дисциплины
СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
специальности 351500 “Математическое обеспечение
и администрирование информационных систем”
Программа разработана в соответствии со следующими документами:
 Государственным образовательным стандартом Минобразования РФ по
специальности 351500;
 Рабочим учебным планом Пенз.ГУ по специальности 351500;
Программу разработал
______________
Программа одобрена на заседании кафедры САПР, протокол № ___ от "___" _______ 2005 г.
Зав.кафедрой САПР
Согласовано:
Председатель НМК ФВТ
д.т.н., профессор
_______________ А.М.Бершадский
_______________ д.т.н., профессор П.П.Макарычев
3
1 .Цели и задачи дисциплины.
Целью дисциплины является изучение и практическое освоение методов и моделей
представления и обработки знаний в интеллектуальных системах, основ нейроинформатики.
2. Требования к уровню освоения содержания дисциплины.
В результате изучения дисциплины у студентов должны быть сформулированы
представления о:
 истории, целях и задачах исследований в области искусственного интеллекта, системах
искусственного интеллекта, принципах их построения и областях применения;
 проблемах построения систем общения с компьютером на естественном языке;
 постановке задачи распознавания образов и путях ее решения;
 проблемах и способах построения нейронных сетей.
В результате изучения дисциплины студенты должны знать:




Основные понятия инженерии знаний;
Основные методы представления и обработки знаний;
Основные модели нейронных сетей, методов и алгоритмов их обучения;
Структуры экспертных систем и их архитектурных особенностей в зависимости от
особенностей решаемой задачи;
 Этапы построения экспертных систем;
 Методы построения систем общения на естественном языке.
В результате изучения дисциплины студенты должны приобрести умения и навыки:
 формализовать знания экспертов с применением различных методов представления знаний,
 ставить задачу построения экспертной системы для решения задачи выбора вариантов в
плохо формализуемой предметной области,
 разрабатывать продукционные базы знаний для решения задач задачи выбора вариантов в
плохо формализуемой предметной области
 применять основные модели нейронных сетей
К началу изучения курса студенты должны овладеть знаниями, полученными при
изучении курсов: дискретная математика, математическая логика, программирование,
функциональное программирование, рекурсивно-логического программирование, теория
вероятностей и математическая статистика, вычислительная математика, теория вычислительных
процессов и структур, базы данных, технология разработки программного обеспечения.
4
3. Объем дисциплины и виды учебной работы
Вид учебной работы
Всего часов
Общая трудоемкость дисциплины
Аудиторные занятия
Лекции
Лабораторные работы (ЛР)
Самостоятельная работа (внеаудиторная)
Вид итогового контроля (экзамен, зачет)
119
68
34
34
51
Зачет, экзамен
4. Содержание дисциплины
4.1. Разделы дисциплины и виды занятий
N
п\п
Раздел дисциплины
Введение
Лекции
1
к-во часов
Л.р.
Сам.р.
Концептуальные основы искусственного интеллекта
1
Подходы к построению систем искусственного интеллекта
2
Экспертные системы (ЭС)
8
2
Общая структура и схема функционирования ЭС
2
3
Этапы построения ЭС
2
4
Технология разработки экспертных систем
2
5
Планирование в интеллектуальных системах
2
Инженерия знаний
4
6
Знания и данные
1
7
Извлечение знаний
2
8
Представление знаний в интеллектуальных системах
4
Обучение в интеллектуальных системах
9
Обучение в интеллектуальных системах
2
Системы понимания естественного языка, машинный
перевод
8
10
Функции и структура систем естественно-языкового общения
2
11
Методы реализации естественно-языкового интерфейса
2
Зрительное восприятие мира: системы машинного зрения,
распознавание образов, зрительные системы
интеллектуальных роботов
6
12
Задача распознавания образов
2
13
Структурные методы распознавания
2
Нейронные сети
8
14
Нейронные сети
2
15
Применение нейронных сетей
2
Заключительная лекция
2
ИТОГО:
34
34
* – Внеаудиторная самостоятельная работа в объеме 51 часа отводится на подготовку
к лабораторным работам, оформление отчетов.
5
4.2. Содержание разделов дисциплины
Введение (1 час).
Предмет, объект, метод, цель и задачи дисциплины "Системы искусственного
интеллекта". Место и роль систем искусственного интеллекта в учебном плане и в работе
выпускника.
Концептуальные основы искусственного интеллекта (2 часа).
История искусственного интеллекта. Подходы к построению систем ИИ. Область
применения. Инструментальные средства построения экспертных систем. Функциональная
структура использования СИИ
Экспертные системы (8 часов).
Общая структура и схема функционирования ЭС. Этапы построения ЭС.
Объяснительные способности ЭС. Взаимодействие пользователя с ЭС. Основные режимы
работы экспертных систем. Технология разработки экспертных систем.
Планирование в интеллектуальных системах; Методы поиска решений в ЭС: поиск в
пространстве состояний, редукция, дедуктивный вывод.
Инженерия знаний (7 часов).
Знания и данные (1 час)
Свойства знаний и отличие знаний от данных. Типы знаний: декларативные и процедурные,
экстенсиональные и интенсиональные. Нечеткие знания.
Извлечение знаний (2 часа)
Источники экспертных знаний, извлечение и структурирование знаний, стадии
приобретения знаний, автоматизированное приобретение знаний.
Представление знаний в интеллектуальных системах (4 часа)
Модели представления знаний в системах ИИ.
Правила-продукции. Структура правил-продукций. Типы ядер правил-продукций и
варианты их интерпретаций. Методы логического вывода: прямой и обратный. Стратегии
выбора правил при логическом выводе.
Семантические сети. Основные понятия семантических сетей. Типы отношений в
семантических сетях. Абстрактные и конкретные сети. Принципы обработки информации в
семантических сетях.
Фреймы и объекты. Основные понятия фрейма: слоты, присоединенные процедурыслуги и процедуры-демоны, наследование свойств. Связь понятия фрейма и объекта в
объетно-ориентированном программировании. Сети фреймов. Принципы обработки
данных в сети фреймов. Сценарии; ленемы. Базы знаний. Измерение БЗ.
Обучение в интеллектуальных системах (2 часа).
Основные понятия методов обучения. Классификация методов обучения по способу
обучения: эмпирические и аналитические, по глубине обучения - символьные
(поверхностные) и на основе знаний (глубинные). Связь этой классификации с понятиями
индуктивного вывода, вывода по аналогии, обучения на примерах.
Системы понимания естественного языка, машинный перевод (4 часа).
Трудности распознавания естественного языка (ЕЯ). Синтаксически- и семантическиориентированные подходы к распознаванию ЕЯ. Семиотика и ее основные понятия. Этапы
анализа ЕЯ: морфологический, синтаксический, семантический, прагматический. Модели
семантики языка.
Зрительное восприятие мира: системы машинного зрения, распознавание образов,
зрительные системы интеллектуальных роботов (4 часа).
Постановка задачи распознавания образов. Статистические методы для распознавания
образов и классификации. Кластерный анализ. Синтаксический (структурный) подход к
анализу образов. Выделение признаков. Распознавание трехмерных объектов.
Нейронные сети (4 часов).
Нейронные сети (2 часа)
Основные понятия о естественных и искусственных нейронных сетях и нейронах.
Формальный нейрон МакКаллока-Питтса. Нейронная сеть как механизм, обучаемый
распознаванию образов или адекватной реакции на входные сигналы (входную
6
информацию). Классификация нейронных сетей. Многослойные перцептроны. Оценка
состояния нейронной сети. Сведение функционирования нейронной сети к задаче
минимизации целевой функции. Алгоритм обучения обратным распространением ошибки.
Применение нейронных сетей (2 часа)
Нейронная сеть как ассоциативная память. Использование нейронных сетей для
прогнозирования. Особенности обработки символьной и численной информации в
нейронных сетях.
5. Лабораторный практикум
.№-№
п/п
№ раздела
дисциплины
1.
6, 7, 8
2.
Наименование лабораторных работ
К-во
часов
4
10, 11
Знакомство с примерами прикладных систем
искусственного интеллекта
Изучение возможностей естественно-языкового
интерфейса (ЕЯИ) и получение практических навыков в
реализации систем ЕЯИ
3.
2, 3, 4, 5
Использование инструментального средства CLIPS для
разработки экспертных систем
8
4.
14, 15
Нейронные сети. Обучение нейронной сети выполнению
заданной операции.
8
5.
12, 13
Разработка программы классификации с прямой цепочкой
рассуждений
6
8
6. Материально-техническое обеспечение дисциплины.
Для обеспечения лабораторно-практических занятий необходим класс ПЭВМ и программное
обеспечение: Visual Prolog, Matlab, CLIPS.
7. Рекомендуемая литература.
Основная литература:
1.
2.
3.
4.
5.
6.
Искусственный интеллект. - В 3-х кн. Кн. 2. Модели и методы: Справочник/Под ред. Д. А.
Поспелова-М. , Радио и связь, 1990. (20 экз.)
Уотермен Д. Руководство по экспертным системам. Пер. с англ. -М.:Мир, 1989.- 388с.
(2 экз. + 1 ч. з.)
Гаврилова Т. А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. – СПб.: Питер,
2001. – 384 с. (1 экз.)
Марселлус Д. Программирование экспертных систем на ТурбоПрологе: пер. с англ.,/ М.:
Финансы и статистика, 1994.-256с. (1 экз.)
Представление и использование знаний: Пер. с япон. /Под ред. Х. Уэно, М. Исидзука М. ,
Мир, 1989. (10 экз.)
Попов Э. В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.,
1987. (10 экз.)
7
Дополнительная литература:
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
Построение экспертных систем: Пер. С англ. / Под ред. Ф. Хейеса - Рота, Д. Уотермана, Д.
Лената. - М. : Мир, 1987. (1 ч. з.)
Лорьер Ж. Л. Системы искусственного интеллекта: Пер. с франц. М. , Мир, 1991. 1. (1 ч. з.)
Малышев Н. Г. , Берштейн Л. С. , Боженюк А. В. Нечеткие модели для экспертных систем в
САПР. - М. : Энергоатомиздат, 1991 - 136 с.
Минский М. Фреймы для представления знаний. М.: Энергия,1979.-152с. (2 экз.)
Обработка знаний: Пер. с япон. /М. , Мир, 1989.
Системы искусственного интеллекта. М.: Мир, 1991г.
Системы управления базами данных и знаний: Справ. Изд./ А.Н.Наумов, А.М.Вендров, В.К.
Иванов и др.; Под ред. А.Н.Наумова. – М.: Финансы и статистика, 1991, -352с. (1 экз.)
Толковый словарь по искусственному интеллекту /Авторы-составители А.Н. Аверкин, М.Г.
Гаазе-Рапопорт, Д.А. Поспелов, М: Радио и связь, 1992. - 256 с. (2 экз. + 1 ч. з.)
Кандрашина Е.Ю. , Литвинцева Л.В. , Поспелов Д.А. Представление знаний о времени и
пространстве в интеллектуальных системах / Под ред. Д.А. Поспелова. - М.:Наука. Гл. Ред.
физ.-мат. лит. 1989г., 328 с. (1 экз.)
Бакаев А. А. , Грищенко В. И. , Козлов Д. Н. Методы организации и обработки баз знаний/
АН Украины, Ин-т кибернетики им. В. М. Глушкова. - Киев: Наукова думка, 1993-150 с.
(2 ч. з.)
Левин Р., Дранг Д., Эделсон Б. Практическое введение в технологию искусственного
интеллекта
и
экспертных
систем
с
иллюстрациями
на
Бейсике
//
http://virtuald.narod.ru/ExpDob/Book_63.htm
Дюбуа Д., Прад А. Теория возможностей. Приложения к представлению знаний в
информатике: Пер. с фр. – М.: Радио и связь, 1990. – 288с. (1 экз).
Алтунин А.Е., Семухин М.В. Модели и алгоритмы принятия решений в нечетких условиях:
Монография. Тюмень: Издательство Тюменского государственного университета, 2000.
352 с. // http://www.plink.ru/tnm/cont.htm
Гаврилов
А.В.,
Новицкая
Ю.В.
Разработка
экспертных
систем
//
http://ermak.cs.nstu.ru/site/students/ai1/
9. Переутверждение программы на очередной учебный год.
Учебный
год
Учебные Решение кафедры №
группы
протокола, дата,
подпись зав.
кафедрой
Решение
выпускающей
кафедры № протокола, дата, подпись зав. кафедрой
Лектор
разработчик
программы
Примечание: тексты изменений прилагаются.
Разработчик программы:
_______________
№
изменения