ОПИСАНИЕ ДИСЦИПЛИНЫ ДНМ.В.2.2 Искусственный интеллект, экспериментальные системы и базы знаний в машиностроении Преподаватель: Козликин Николай Лаврентьевич 11 семестр 1 год обучения 1) Краткое содержание дисциплины: Методология искусственного интеллекта (ИИ). Математические и философские аспекты ИИ. Проектирование и применение систем ИИ. Технология программирования задач из области ИИ. Инструментальные средства создания систем ИИ: языки программирования LISP, PROLOG, оболочки экспертных систем. Области применения ИИ: принятие решений, планирование, машинное обучение, качественные рассуждения, доказательство теорем, эвристический поиск, решение задач, обработка текстов на естественных языках, ведение игр. Знания и методы их представления. Инженерия знаний. Базы знаний. Методы обработки структур данных. Экспертные системы. Дедуктивный и индуктивный механизмы вывода заключений. Объяснительная компонента экспертных систем. Искусственные нейронные сети. 2) Кредитная стоимость дисциплины: 6 кредита 3) Цель: Знакомство с современной методологией искусственного интеллекта, с его математическими и философскими аспектами. Формализация предметных знаний в машиностроении, представление этих знаний в компьютере, использование знаний для экспертного решения проблем производства изделий. 4) Результаты обучения: Анализ проблем, вычленение основных признаков и параметров в этой проблеме, создание форматов представления этих и их алгоритмической обработки. 5) Содержание: 1. Методология искусственного интеллекта (ИИ). Математические и философские аспекты ИИ. Проектирование и применение систем ИИ. – 1 ч. 2. Технология программирования задач из области ИИ. Инструментальные средства создания систем ИИ: языки программирования LISP, PROLOG, оболочки экспертных систем. – 1 ч. 3. Области применения ИИ: принятие решений, планирование, машинное обучение, качественные рассуждения, доказательство теорем, эвристический поиск, решение задач, обработка текстов на естественных языках, ведение игр. – 1 ч. 4. Знания и методы их представления. Инженерия знаний. Базы знаний. Методы обработки структур данных. – 1 ч. 5. Экспертные системы. Дедуктивный и индуктивный механизмы вывода заключений. Объяснительная компонента экспертных систем. – 10 ч. 6. Искусственные нейронные сети. – 4 ч. 6) Пререквизиты: Для успешного освоения дисциплины студент должен знать фундаментальные основы курсов: “Высшая математика” - Численные методы. Дискретную математику. “Информатика” - навыки объектно-ориентированного и визуального программирования. Умение работать в CAD/CAM. 7) Основной учебник: 1. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика.-М.: Горячая линия-Телеком, 2001. 2. Братко И. Программирование на языке Пролог для искусственного интеллекта: Пер. с англ.— М. : Мир, 1990. — 560 с. : ил 3. Люгер, Джордж Ф. Искусственный интеллект. Стратегии и методы решения сложных проблем : пер. с англ. / Д. Ф. Люгер. — 4-е изд. — М. ; СПб. ; Киев : Вильямс, 2003. — 864 с. : ил. 4. Лорьер Ж.-Л. Системы искусственного интеллекта: Пер. с франц.-М.: Мир, 1990. 5. Норенков И.П. Основы автоматизированного проектирования: Учеб. для ВУЗов, 2-е изд. перераб. И дополн.-М.: Изд-во МГТУ им. Н.Э.Баумана, 2002. 8) Дополнительная литература: 1. Левин Р., Дранг Д., Эделсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике.-М.: Финансы и статистика, 1990.-239 с.: илл. 2. Нейлор К. Как построить свою экспертную систему: Пер. с англ.-М.: Энергоатомиздат, 1991.-286 с.: илл. 3. Сойер Б., Фостер Д.Л. Программирование экспертных систем на Паскале.- М.: Финансы и статистика, 1990. 9) Координатор: Козликин Николай Лаврентьевич, доцент кафедры ФВТМ, к.т.н. 10) Использование компьютера: Навыки объектно-ориентированного, визуального и логического программирования. Дедуктивный механизм вывода заключений. Создание оболочки экспертных систем. Создание продукционных правил. Отладка учебной экспертной системы. 11) Лабораторные работы и проекты: Проект: Создание учебной экспертной системы машиностроительного назначение.- 12 ч.