Интеллектуальные системы - Корпоративный портал ТПУ

реклама
Государственное образовательное учреждение высшего профессионального
образования
«Национальный исследовательский Томский политехнический университет»
УТВЕРЖДАЮ
Директор ИК
______М. А. Сонькин
“____”_______2011 г.
РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ
ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ
НАПРАВЛЕНИЕ ООП: Автоматизация технологических процессов и производств (м).
ПРОФИЛЬ ПОДГОТОВКИ: Автоматизация технологических процессов и
производств в нефтегазовой отрасли
КВАЛИФИКАЦИЯ (СТЕПЕНЬ): магистр
БАЗОВЫЙ УЧЕБНЫЙ ПЛАН ПРИЕМА 2011 г.
КУРС 1; СЕМЕСТР 2
КОЛИЧЕСТВО КРЕДИТОВ: 3
ПРЕРЕКВИЗИТЫ: «Математическое моделирование».
КОРЕКВИЗИТЫ: «Программирование промышленных контроллеров»
ВИДЫ УЧЕБНОЙ ДЕЯТЕЛЬНОСТИ И ВРЕМЕННОЙ РЕСУРС:
Лекции
Практические занятия
Лабораторные занятия
Аудиторные занятия
Самостоятельная (внеаудиторная) работа
Итого
Форма обучения
ВИД ПРОМЕЖУТОЧНОЙ АТТЕСТАЦИИ: экзамен во
16 часов
16 часов
32 часа
64 часа
96 часов
очная
2-ом семестре.
ОБЕСПЕЧИВАЮЩАЯ КАФЕДРА: «Интегрированные компьютерные системы управления» .
ЗАВЕДУЮЩИЙ КАФЕДРОЙ:
д.т.н., профессор А.М. Малышенко
РУКОВОДИТЕЛЬ ООП:
Асс.
Т.Е.Мамонова
ПРЕПОДАВАТЕЛЬ:
к.т.н., доцент Е.И. Громаков
Томск 2011
1. МЕСТО ДИСЦИПЛИНЫ В СТРУКТУРЕ
ОСНОВНОЙ ОБРАЗОВАТЕЛЬНОЙ ПРОГРАММЫ
1.1. Цели преподавания дисциплины
Дисциплина нацелена на подготовку магистрантов к:
- разработке средств, способов и методов науки и техники, направленных
на автоматизацию действующих и создание новых автоматизированных и автоматических технологий и производств (Ц1);
- разработке и исследованию средств и систем автоматизации и управления различного назначения, в том числе жизненным циклом продукции и ее
качеством, применительно к конкретным условиям производства на основе
отечественных и международных нормативных документов (Ц2);
- созданию и применению алгоритмического, аппаратного и программного обеспечения систем автоматизации, управления и контроля технологическими процессами и производствами, обеспечивающих выпуск высококачественной, безопасной, конкурентоспособной продукции освобождающих человека полностью или частично от непосредственного участия в процессах
получения, трансформации, передачи, использования, защиты информации и
управления производством (Ц4);
- исследованию с целью обеспечения высокоэффективного функционирования средств и систем автоматизации, управления, контроля и испытаний
заданным требованиям при соблюдении правил эксплуатации и безопасности
(Ц5).
Дисциплина ставит целью сформировать у студентов знания: об основных определениях технического интеллекта, его мерах и уровнях, фундаментальных свойствах искусственных нейронных сетей, об основах нейроуправления, о базах знаний и управления ими.
2. Место дисциплины в структуре ООП
Дисциплина относится к специальным дисциплинам профессионального
цикла. Она непосредственно связана с дисциплинами: «Математическое моделирование». Кореквизиты: «Программирование промышленных контроллеров»
3. Результаты освоения дисциплины
При изучении дисциплины студенты должны:
Р1. Применять глубокие естественнонаучные и, математические знания
2
для решения научных и инженерных задач в области анализа, синтеза, проектирования, производства и эксплуатации систем автоматизации технологических
процессов и производств
Р2. Воспринимать, обрабатывать, анализировать и обобщать научнотехническую информацию, передовой отечественный и зарубежный опыт в
области теории, проектирования, производства и эксплуатации систем автоматизации технологических процессов и производств, принимать участие в командах
по разработке и эксплуатации таких систем.
Р3. Применять полученные знания для решения инновационных инженерных задач при разработке, производстве и эксплуатации современных систем
автоматизации технологических процессов и производств (в том числе интеллектуальных) с использованием передовых научно-технических знаний и достижений мирового уровня, современных инструментальных и программных
средств, обеспечивающих конкурентные преимущества этих систем в условиях
жестких экономических, социальных и других ограничений.
Р5.
Демонстрировать работодателям свои конкурентные компетенции, связанные с современными методологиями и видами инновационной инженерной деятельности в области автоматизации технологических процессов и
производств, а также готовность следовать их корпоративной культуре.
Соответствие результатов освоения дисциплины формируемым компетенциям ООП представлено в таблице.
Формируемые компе- Результаты освоения дисциплины
тенции в соответствии
с ООП
ОК-8
ПК-7
ПК-38
ПК-39
ПК-40
ПК-41
ПК-50
В результате изучения дисциплины магистрант должен:
знать:
основные понятия систем искусственного интеллекта и нечёткой логики, а также о нечеткой и лингвистической переменных,
структуру и назначения экспертных систем, архитектуру искусственных нейросетей (Р1);
основные решения задач искусственного интеллекта, применение информационных моделей знаний, фреймовых моделей,
моделей прикладных процедур, реализующих правила обработки знаний (Р2);
методы представления знаний в базах данных (Р3);
уметь:
использовать подходы и методы нейроуправления на базе нечёткой логики, экспертные системы, алгоритмы обучения искусственных нейросетей (Р2);
пользоваться навыками работы с онтологическими системами
описания и управления производственными данными и знаниями при решении задач АТПП (Р5);
владеть:
- навыками построения интеллектуальных систем управления
(Р3);
навыками работы в программных приложениях Neural Networks
и Fuzzy Logic Toolbox пакета Matlab 6.5 (Р3);
3
- навыками оформления результатов исследований и принятия
соответствующих решений (Р5).
Расшифровка кодов формируемых компетенций представлена в Основной образовательной программе подготовки магистров по направлению 220700 «Автоматизация технологических процессов и производств».
4.
Структура и содержание дисциплины
4.1. Структура дисциплины по разделам, формам организации и контроля обучения
№
Название раздела/темы
Аудиторная работа (час)
Лекции Практ./
сем-р
1
2
3
4
Базовые понятия
искусственного
интеллекта (ИИ)
Экспертные
системы. Нечёткая
логика.
Нейронные сети
Базы знаний
СРС
Итого
Формы текущего
контроля и аттестации
Лаб.
зан.
2
12
Реферат
Семинар
20
14
Контрольная работа
10
40
Отчет по индиивидуальным
заданиям. Презентация . Семинар
4
Промежуточная
аттестация
Итого
Диф зачет
32
64
96
При сдаче отчетов и письменных работ проводится устное собеседование.
4.2.
Содержание разделов дисциплины
МОДУЛЬ 1 Базовые понятия искусственного интеллекта (ИИ)
Терминология. Уровни и меры интеллекта. Интегральная теория ИИ.
Логика. Нечеткая логика. Экспертные системы. Нейросети. Базы знаний.
Управление БЗ.
МОДУЛЬ 2 Экспертные системы. Нечёткая логика. Нейронные сети
Назначение и определение экспертной системы (ЭС). Место ЭС в общей
системе знаний. Знания. Открытые системы. Интерфейс пользователя. Человеческий аспект. Машинный аспект. Области применения ЭС. Классификация
ЭС. Типы ЭС. Архитектура ЭС. Возможности, состав, организация и особенности функционирования ЭС. Схема построения и функционирования ЭС..
Назначение, структура и этапы построения экспертных систем. Нечеткие
множества. Основные операции над нечеткими множествами. Нечеткая логика. Функция принадлежности. Построение функции принадлежности. Метод
попарных сравнений. Лингвистические переменные. Нечеткие ситуации. Нечеткое включение, равенство и общность ситуаций. Исчисление нечетких величин. Нечеткие меры. Меры возможности и необходимости. Распределение
возможностей. Теорема о связи нечетких мер. Соотношение между нечеткими
мерами. Вероятностная интерпретация нечетких мер. Многоцелевая оценка.
Операции над нечеткими множествами. Нечеткая и лингвистическая переменные. Нейронные сети. Искусственный нейрон. Классификация искусственных
нейросетей. Обучение нейронных сетей. Основные алгоритмы нейроуправления. Применение нейросетей.
МОДУЛЬ 3 Базы знаний
Классификация знаний. Способы представления знаний: графы, системы
продукций, фреймы, предикаты, семантические сети, ситуации. Основные
стадии и способы приобретения знаний. Языки абстрактного и реального экспертов. Уровни иерархии виртуальных машин. Процедурная реализация знаний абстрактного эксперта и декларативная реализация знаний реального эксперта. Компиляция знаний. Обзор существующих языков представления знаний. Проблема автоматизации приобретения знаний. Графические и текстовые
редакторы знаний. Использование нескольких форм представления знаний в
5
одной системе. Пример использования ЭС для объяснения работы графического анализатора.
4.3.
Распределение компетенций по разделам дисциплины
Распределение по разделам дисциплины планируемых результатов обучения по основной образовательной программе, формируемых в рамках данной дисциплины и указанных в пункте 3.
№ Формируемые
компетенции
1.
2.
3.
4.
5.
6.
7.
ОК-8
ПК-7
ПК-38
ПК-39
ПК-40
ПК-41
ПК-50
5.
Разделы дисциплины
(модули)
1
2
3
х
х
х
х
х
х
х
х
х
х
Образовательные технологии
При освоении дисциплины используются следующие сочетания видов
учебной работы с методами и формами активизации познавательной деятельности магистрантов для достижения запланированных результатов обучения и
формирования компетенций.
Методы и формы
активизации деятельности
Дискуссия
IT-методы
Командная работа
Контрольные работы
Защита рефератов
Опережающая
СРС
Индивидуальное
обучение
Подготовка
до6
ЛК
Виды учебной деятельности
ПР
ЛБ
КС
х
х
х
х
х
х
х
СРС
х
х
х
х
х
х
х
х
х
х
х
кладов на конференцию
Для достижения поставленных целей преподавания дисциплины реализуются следующие средства, способы и организационные мероприятия:
 изучение теоретического материала дисциплины на практических занятиях
с использованием компьютерных технологий;
 самостоятельное изучение теоретического материала дисциплины с использованием Internet-ресурсов, информационных баз, методических разработок, специальной учебной и научной литературы;
закрепление теоретического материала при проведении практических
работ с использованием учебных и научных средств кафедры.
6. Организация и учебно-методическое обеспечение самостоятельной работы студентов (CРC)
6.1 Текущая и опережающая СРС, направленная на углубление и
закрепление знаний, а также развитие практических умений заключается в:
 работе магистрантов с руководящими и раздаточными материалами, поиске
и анализе литературы и электронных источников информации по заданной
проблеме и выбранной теме магистерской диссертации,
 выполнении домашних заданий,
 изучении теоретического материала к практическим занятиям и подготовке
ответов на контрольные вопросы,
 подготовке доклада на конференцию,
 переводе материалов из тематических информационных ресурсов с иностранных языков,
 изучении тем, вынесенных на самостоятельную проработку,
 подготовке к зачету.
Перечень лабораторно- практических работ
1. Программный пакет Neural Networks Toolbox Matlab 6.5. Назначение и
обзор. (2 часа).
2. Использование Simulink при построении нейронных сетей (2 часа).
3. Пакет Fuzzy Logic Toolbox. (2 часа).
3.2. Методические указания по выполнению лабораторных работ
Целью лабораторных работ является знакомство с языком C++, а так же
приобретение практических навыков по программированию на языке C++ с
использованием основных операторов и функций (математических, логических).
7
4. КОНТРОЛЬНЫЕ РАБОТЫ. ИНДИВИДУАЛЬНЫЕ ДОМАШНИЕ
ЗАДАНИЯ
4.1. Общие методические указания
При изучении данной дисциплины студенты выполняют контрольную
работу, представленную в виде билетов из 20 вариантов. Каждый билет состоит из трёх вопросов. Варианты контрольных заданий приведены в разделе 4.2.
Студент выбирает номер варианта контрольной работы, который соответствует числу, составленному из двух последних цифр зачетной книжки. Если это
число больше 20, то берется номер варианта, соответствующий остатку от деления нацело на 20. Например, число из двух последних цифр 35, берется вариант равный 15 (35/20 = 15), если число 43, то берется вариант равный 3
(43/20 = 3).
Контрольная работа выполняется на листах формата А4. Ответ на каждый вопрос пишется на отдельном листе. Титульный лист должен содержать
название дисциплины, номер варианта и данные студента (фамилия, номер
группы). Пример решения задания № 3 представлен в разделе 4.3.
4.2. Варианты контрольных заданий и методические указания
Вариант 01
1. Управление на базе нечёткой логики (преимущества применения).
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.9/x1; 0.3/x2; 0.1/x3; 0.2/x4},
B= {0.6/x1; 0.2/x2; 0.1/x3; 0.5/x4},
C= {0.7/x1; 0.3/x2; 0.3/x3; 0.8/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) Ошибка! Объект не может быть создан из кодов полей редактирования. ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 02
8
1. Нейроуправление на основе инверстно-прямой модели.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {1/x1; 0.1/x2; 0.3/x3; 0.4/x4},
B= {0.3/x1; 0.2/x2; 0.7/x3; 0.6/x4},
C= {0.3/x1; 0.2/x2; 0.7/x3; 0.6/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) Ошибка! Объект не может быть создан из кодов полей редактирования. ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 03
1. Нейроуправление на основе инверстно-непрямой модели.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.8/x1; 0.6/x2; 0.4/x3; 0.3/x4},
B= {0.7/x1; 0.5/x2; 0.3/x3; 0.2/x4},
C= {0.9/x1; 0.7/x2; 0.5/x3; 0.4/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
9
2) Ошибка! Объект не может быть создан из кодов полей редактирования. ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 04
1. Нейроуправление с эмулятором и контроллером.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.3/x1; 1/x2; 0.1/x3; 0.7/x4},
B= {1/x1; 0.3/x2; 0.2/x3; 0.1/x4},
C= {1/x1; 1/x2; 0/x3; 0/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) Ошибка! Объект не может быть создан из кодов полей редактирования.;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 05
1. Последовательная схема управления (способы реализации).
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.1/x1; 0.2/x2; 0.3/x3; 0.4/x4},
B= {1/x1; 0.3/x2; 0.5/x3; 0.8/x4},
C= {0.7/x1; 0.4/x2; 0.6/x3; 0.9/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
10
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) Ошибка! Объект не может быть создан из кодов полей редактирования. ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 06
1. Параллельная схема управления. Модификация параллельной схемы
управления с линейной математической моделью нелинейной динамической
системы.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.2/x1; 0.4/x2; 0.7/x3; 0.9/x4},
B= {0/x1; 0.2/x2; 0.6/x3; 1/x4},
C= {1/x1; 0.3/x2; 0.7/x3; 1/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) Ошибка! Объект не может быть создан из кодов полей редактирования. ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 07
1. Экспертные системы. Методы поиска решений в экспертных системах.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.1/x1; 0.2/x2; 0.3/x3; 0.4/x4},
B= {0.5/x1; 0.6/x2; 0.7/x3; 0.8/x4},
11
C= {0.9/x1; 1/x2; 0.8/x3; 0.7/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) Ошибка! Объект не может быть создан из кодов полей редактирования. ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 08
1. Нейроуправление на основе инверстно-прямой модели.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {1/x1; 0.8/x2; 0.6/x3; 0.9/x4},
B= {0/x1; 0.1/x2; 0.3/x3; 1/x4},
C= {0.3/x1; 0.7/x2; 0.5/x3; 1/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) Ошибка! Объект не может быть создан из кодов полей редактирования.;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 09
1. Экспертные системы. Назначение экспертных систем.
2. Сфера применения нейроуправления (примеры).
12
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.7/x1; 0.5/x2; 0.4/x3; 0/x4},
B= {0.5/x1; 0.4/x2; 0.3/x3; 0.1/x4},
C= {0.3/x1; 0.2/x2; 0.1/x3; 0.8/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) Ошибка! Объект не может быть создан из кодов полей редактирования. ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 10
1. Экспертные системы. Представление знаний в экспертных системах.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0/x1; 1/x2; 0/x3; 1/x4},
B= {0.3/x1; 0.4/x2; 0.5/x3; 0/x4},
C= {0/x1; 0.9/x2; 0.2/x3; 0/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) Ошибка! Объект не может быть создан из кодов полей редактирования.;
3) A  B ;
4) B  C ;
13
5) A  С .
Вариант 11
1. Нейроуправление на основе инверстно-прямой модели.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.4/x1; 0.5/x2; 0.6/x3; 0.3/x4},
B= {0.6/x1; 0.8/x2; 1/x3; 0.9/x4},
C= {0.2/x1; 0.4/x2; 0.1/x3; 0.8/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) Ошибка! Объект не может быть создан из кодов полей редактирования.;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 12
1. Управление на базе нечёткой логики (преимущества применения).
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.6/x1; 0.3/x2; 0.5/x3; 0.9/x4},
B= {0.1/x1; 0.2/x2; 0.4/x3; 0.7/x4},
C= {1/x1; 0/x2; 0/x3; 0.3/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
14
1) A  B ;
2) Ошибка! Объект не может быть создан из кодов полей редактирования. ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 13
1. Параллельная схема управления. Модификация параллельной схемы
управления с линейной математической моделью нелинейной динамической
системы.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {1/x1; 1/x2; 1/x3; 0.9/x4},
B= {0.1/x1; 0.8/x2; 0.3/x3; 0.5/x4},
C= {1/x1; 0.8/x2; 0.4/x3; 0.3/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) Ошибка! Объект не может быть создан из кодов полей редактирования.;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 14
1. Последовательная схема управления (способы реализации).
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.3/x1; 0.5/x2; 07/x3; 1/x4},
B= {1/x1; 0.6/x2; 0.6/x3; 0.1/x4},
C= {0.1/x1; 0.5/x2; 0.4/x3; 1/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
15
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) Ошибка! Объект не может быть создан из кодов полей редактирования.;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 15
1. Нейроуправление с эмулятором и контроллером.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.2/x1; 0.6/x2; 0.7/x3; 0.6/x4},
B= {0.1/x1; 1/x2; 0/x3; 0.7/x4},
C= {0/x1; 0.5/x2; 0.5/x3; 0.7/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) Ошибка! Объект не может быть создан из кодов полей редактирования. ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 16
1. Нейроуправление на основе инверстно-непрямой модели.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0/x1; 0.4/x2; 0.2/x3; 0.7/x4},
B= {1/x1; 0.3/x2; 0.1/x3; 0.6/x4},
16
C= {0/x1; 0.4/x2; 1/x3; 0.8/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) Ошибка! Объект не может быть создан из кодов полей редактирования. ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 17
1. Управление на базе нечёткой логики (преимущества применения).
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {1/x1; 0.3/x2; 0.4/x3; 0.8/x4},
B= {0.9/x1; 0.2/x2; 0.6/x3; 1/x4},
C= {0.2/x1; 0.5/x2; 0.7/x3; 0.3/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) Ошибка! Объект не может быть создан из кодов полей редактирования. ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 18
1. Экспертные системы. Назначение экспертных систем.
2. Сфера применения нейроуправления (примеры).
17
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.1/x1; 0.4/x2; 0.7/x3; 0.3/x4},
B= {1/x1; 0.5/x2; 1/x3; 0.5/x4},
C= {0.2/x1; 0.6/x2; 0.8/x3; 1/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) Ошибка! Объект не может быть создан из кодов полей редактирования. ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 19
1. Экспертные системы. Назначение экспертных систем.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.8/x1; 0.5/x2; 0.8/x3; 0.5/x4},
B= {1/x1; 0.7/x2; 0.9/x3; 1/x4},
C= {0.1/x1; 0/x2; 0.2/x3; 0.4/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) Ошибка! Объект не может быть создан из кодов полей редактирования. ;
3) A  B ;
18
4) B  C ;
5) A  С .
Вариант 20
1. Последовательная схема управления (способы реализации).
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E={x1;x2;x3;x4} заданы нечеткие
множества A, B, C:
A= {1/x1; 0.6/x2; 0.7/x3; 0.6/x4},
B= {0.1/x1; 0.5/x2; 0.8/x3; 0.5/x4},
C= {1/x1; 0.5/x2; 0.6/x3; 0.6/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) Ошибка! Объект не может быть создан из кодов полей редактирования. ;
3) A  B ;
4) B  C ;
5) A  С .
4.2. Пример решения задания № 3
Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {1/x1; 0/x2; 0/x3; 0.1/x4},
B= {1/x1; 0/x2; 0.1/x3; 0.2/x4},
C= {1/x1; 0.2/x2; 0.1/x3; 0.8/x4}.
Определим, выполняются ли условия:
1) A  B – включение. Данное условие выполняется, т.е. А содержится в B, так как x  E  A ( x)   B ( x) .
2) B  C – включение. Данное условие выполняется, т.е. А содержится в B, так как x  E  B ( x)   C ( x) .
3) A  C – включение. Данное условие выполняется, т.е. А содержится в B, так как x  E  A ( x)   C ( x) .
19
4) B  C – равенство. Данное условие не выполняется, так как не выполняется условие x  E  A ( x)   C ( x) .
5)
A  B – дополнение. А и B дополняют друг друга, если
x  E  A ( x)  1   B ( x) . Следовательно, данное условие не выполняется.
6) C  B – дополнение. А и B дополняют друг друга, если
x  E  С ( x)  1   B ( x) . Следовательно, данное условие не выполняется.
7)
A  C – дополнение. А и B дополняют друг друга, если
x  E  A ( x)  1   C ( x) . Следовательно, данное условие не выполняется.
Рассчитаем:
1) A  B – пересечение, т.е. наибольшее нечеткое подмножество, содержащее одновременно A и B, функция принадлежности для которого рассчитывается по формуле:
 AB ( x)  min(  A ( x),  B ( x)) .
Тогда получаем A  B ={1/x1; 0/x2; 0/x3; 0.1/x4}.
2) Ошибка! Объект не может быть создан из кодов полей редактирования. - объединение,
т.е. наименьшее нечеткое подмножество, включающее как A, так и В, с функцией принадлежности:
 BC ( x)  max(  B ( x),  C ( x)) .
Тогда получаем Ошибка! Объект не может быть создан из кодов полей редактирования.={1/x1; 0.2/x2; 0.1/x3; 0.8/x4}.
3) A  B  A  B с функцией принадлежности:
 A B ( x)  min(  A ( x), 1   B ( x)) .
Тогда получаем A  B ={0/x1; 0/x2; 0/x3; 0.1/x4}.
4) B  C  B  C с функцией принадлежности:
 B C ( x)  min(  B ( x), 1   C ( x)) .
Тогда получаем B  C ={0/x1; 0/x2; 0.1/x3; 0.2/x4}.
5) A  B  ( A  B)  ( B  A)  ( A  B )  ( A  B) с функцией принадлежности:
 A B ( x)  max(min(  A ( x), 1   B ( x));min(1   A ( x),  B ( x))) .
Тогда получаем A  С ={0/x1; 0/x2; 0.1/x3; 0.1/x4}.
20
5. УЧЕБНО-МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ
5.1. Литература обязательная
1. Терехов В.А., Ефимов Д. В., Тюкин И.Ю. Нейросетевые системы
управления: Учеб. Пособие для вузов. М.: Высш. Школа, 2002. – 262с.
2. Сигеру Омату. Нейроуправление и его приложения. Кн. 2. / Сигеру
Омату, Марзуки Халид, Рубия Юсоф; Пер. с англ. Н. В. Батина; Под ред.
А. И. Галушкина, В. А. Птичкина. — М.: ИПРЖР, 2000. — 272 с.
3. Искусственный интеллект: справочник в 3-х книгах. - М.: Мир, 1990.
4. Пупков К.А. О некоторых этапах развития теории и техники интеллектуальных систем// Мехатроника. Автоматизация. Управление.– 2003.– №2.
5.2. Литература дополнительная
5. Терехов В.А., Ефимов Д.В., Тюкин И.Ю. Нейросетевые системы
управления.– М.: ИПРЖ «Радиотехника», 2002.– 480 с.
6. Многослойные нейронные сети и их применение в системах автоматического управления: Метод. указания к лаб. работам / Сост.: Т.А. Захаренкова, В.А. Терехов, И.Ю. Тюкин.– СПб.: СПбГЭТУ (ЛЭТИ), 1998.– 28с.
7. Ивахненко А. Г. Моделирование сложных систем: информационный
подход. - Киев: Наукова думка, 1987. - 136 с.
8. Тимофеев А.В. Роботы и искусственный интеллект. - М.: Наука,
1978. – 192 с.
9. Терехов В.П., Тюкин И.Ю. Эволюция и проблемы теории адаптивных
систем управления// Мехатроника. Автоматизация. Управление.– 2003.– №7.
10.Елисеев А.В. Нечёткое управление мультиструктурным объектом//
Мехатроника. Автоматизация. Управление.– 2005.– №11.
11.Мордкович И.М., Лохин В.М., Маньков С.В., Романов М.П., Большаков П.А., Мордкович Е. А., Семёнов А.В. Интеллектуальные робототехнические системы: тенденции развития и проблемы разработки/ // Мехатроника.
Автоматизация. Управление.– 2004.– №9.
12.О нечеткой динамической коррекции параметров ПИД-регулятора/
В.Д. Бобко и др. // Автометрия.–1998.– № 1.- С.54-55.
5.3. Web-ресурсы
13.Джозеф Джарратано, Гари Райм «Экспертные системы, принципы
разработки и программирования», пер. с англ. – М.: Издательский дом «Вильямс», 2006г. – Режим доступа: http://www.techno.edu.ru, вход свободный.
14.Может ли машина мыслить? ИИ. – Режим доступа:
http://www.artifintel.org.ru, вход свободный.
15.Нечеткая логика, мягкие вычисления и вычислительный интеллект. –
Режим доступа: http://www.fuzzyset.narod.ru, вход свободный.
21
16.Нечеткая логика – математические основы. – Режим доступа:
http://www.basegroup.ru/librery/analysis/fuzzylogic/math, вход свободный.
17.Нечеткая логика – научная статья по математике. – Режим доступа:
http://www.academinfo.ru, вход свободный.
18.Нейронные сети. – Режим доступа: http://www.orc.ru, вход свободный.
19.Нейронные
сети.
Вводный
курс.
–
Режим
доступа:
http://neuronets.chat.ru, вход свободный.
20.Нейронные сети. Основные положения. – Режим доступа:
http://ai.obrazec.ru, вход свободный.
21.Нейронные сети. Учебное пособие к курсу «Нейронные сети» для
студентов 5 к. кафедры электроники. – Режим доступа: http://nncourse.chat.ru,
вход свободный.
22.Распознавание образов и ИИ. – Режим доступа: http://ocrai.narod.ru,
вход свободный.
23.Самодельный робот. Робот и искусственный интеллект. – Режим доступа: http://robot.paccbet.ru, вход свободный.
24.Экспертные системы реального времени. – Режим доступа:
http://www.osp.ru, вход свободный.
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И
НЕЙРОСЕТЕВОЕ УПРАВЛЕНИЕ
Рабочая программа, методические указания и контрольные задания
Составитель: Татьяна Егоровна Степанченко
Рецензент: В.Н. Шкляр, к.т.н., доцент каф. ИКСУ АВТФ
22
Подписано к печати
Формат 60х84/16. Бумага офсетная.
Плоская печать. Усл.печ.л. 0,47. Уч.-изд.л. 0,42.
Тираж
экз. Заказ
. Цена свободная.
Издательство ТПУ. 634050, Томск, пр. Ленина, 30.
23
Скачать