Аннотация дисциплины «Математические модели представления знаний» Общая трудоемкость изучения дисциплины составляет 5 ЗЕ (180 час.). Цель дисциплины: Раскрытие основных понятий и концепций теории информационных систем, основных на математических моделях представления знаний. Задачи дисциплины: Изучение теории моделирования информационных процессов с использованием моделей представления знаний, идеологии построения архитектуры интеллектуальных информационных систем, математического аппарата их формализации, возможностей и путей использования математических моделей представления знаний при анализе и синтезе интеллектуальных информационных систем. Основные дидактические единицы (разделы): История развития искусственного интеллекта (ИИ), интеллект человека и искусственный интеллект, возможность моделирования мышления человека. Основные понятия инженерии знаний. Общие сведения о знаниях. Классификация знаний. Характеристики знаний и отличия знаний от данных. Модели представления знаний и их типы. Декларативные и процедуральные модели представления знаний. Логическая модель представления знаний. Основные понятия логики высказываний и логики предикатов. Представление знаний о предметной области в виде предикатных формул. Преобразование предикатных формул и их приведение к нормальной и сколемовской стандартной формам. Клаузальная форма. Исчисление предикатов первого порядка, основные аксиомы и правила логического вывода исчисления предикатов. Аксиоматический подход к организации логического вывода. Метод резолюции и использование резолюционного вывода в исчислении предикатов. Логическое программирование. Сетевые модели представления знаний. Семантические сети, их классификация и принципы построения. Типы объектов и отношений в семантических сетях. Основные операции над семантическими сетями. Агрегация и обобщение. Управление выводом в сетевых моделях. Запрос семантической сети. Наследование атрибутов в семантических сетях. Использование семантических сетей в естественно-языковых системах. Фреймовая модель представления знаний. Понятие фрейма, его структура, класификация фреймов. Структура слота, его основные элементы. Типы значений слотов. Виды присоединенных процедур и принципы их функционирования. Принципы организации фреймовых систем. Виды отношений между фреймами. Наследование атрибутов в фреймовых системах. Основные стратегии логического вывода в фреймовых системах. Продукционные модели представления знаний. Понятие продукции. Структура продукции. Продукционные правила, их типы и основные структуры. Антецедент и консеквент правила. Построение графов продукций, их виды. Продукционные системы, их структура, основные принципы организации и функционирования. Стратегии разрешения конфликтов в продукционных системах. Применение продукционных моделей при представлении знаний в интеллектуальных информационных системах. Представление неточных и нечетких знаний. Понятие неточных знаний. Методы поиска решений в условиях неопределенности. Использование коэффициентов уверенности, байесовского подхода для формализации неточных знаний. Нечеткие множества и их связь с теорией построения интеллектуальных систем. Виды нечетких знаний. Основные понятия теории нечетких множеств. Лингвистические переменные и их использование для представления нечетких знаний. Обработка нечетких знаний в интеллектуальных системах. Методы обработки знаний. Основные стратегии обработки знаний. Прямая и обратная цепочки рассуждений, способы их реализации. Методы поиска решений в пространстве состояний. Графовые модели, деревья. Поиск в глубину и в ширину. Поиск с возвратом. Поиск на основе стоимости дуг. Эвристический поиск. Технология приобретения знаний. Методы выявления и структурирования знаний для интеллектуальных систем. Основные функции инженера по знаниям. Инструментальные средства работы со знаниями. Языки, использующиеся при представлении и обработке знаний. Общие сведения о языках инженерии знаний. Понятие о функциональном и логическом программировании. Особенности языков Лисп, Пролог и Смолток. Использование объектно-ориентированного подхода к представлению и обработке знаний. Системы, основанные на знаниях. Классы прикладных систем, основанных на знаниях, и задачи, решаемые ими. Экспертные системы: классификация, назначение, особенности, принципы функционирования и построения. Основные подходы к организации баз знаний интеллектуальных систем. Перспективы развития интеллектуальных информационных систем и технологий на базе математических моделей представления знаний. В результате изучения дисциплины студент должен: Знать: базовые модели представления знаний в информационных системах и уметь их анализировать; способы представления и обработки неточных и нечетких знаний. Уметь: применять основные технологии приобретения знаний; использовать методы обработки знаний в прикладных системах, основные алгоритмы и стратегии логического вывода. Владеть: языками инженерии знаний и инструментальными средствами построения систем, основанных на знаниях; навыками разработки баз знаний для различных моделей. Виды учебной работы: лекции, лабораторные занятия. Изучение дисциплины заканчивается зачетом Аннотация дисциплины «Модели и методы планирования экспериментов, обработки экспериментальных данных» Общая трудоемкость изучения дисциплины составляет 5 ЗЕ (180 час.). Цель дисциплины: Освоение методики планирования экспериментов для построения моделей предметных областей информационных систем и моделей бизнес-процессов. Задачи дисциплины: Изучение методов планирования и проведения эксперимента с последующей математической обработкой полученных результатов при исследовании сложных технологических процессов и операций с использованием методов математической статистики и регрессионного анализа. Основные дидактические единицы (разделы): Элементы математической статистики; Корреляционный анализ; Дисперсионный анализ; Регрессионный анализ; Планирование активного эксперимента; Планирование пассивного эксперимента Построение и анализ нелинейных эмпирических моделей; Компонентный анализ. Построение моделей с использованием главных компонент; Факторный анализ. Построение моделей с использованием факторных переменных; Робастные методы оценивания параметров моделей; Динамические (временные) факторные модели. В результате изучения дисциплины студент должен: Знать: модели предметных областей информационных систем и методы планирования экспериментов. Уметь: разрабатывать планы экспериментов и синтезировать модели предметных областей, оценивать эффективность экспериментов и качество моделей. Владеть: методами разработки математических моделей информационных систем; навыками работы с пакетами прикладных программ Математической статистики, Matlab, Matcad и офисными программами EXCEL. Виды учебной работы: лекции, лабораторные занятия. Изучение дисциплины заканчивается экзаменом. Аннотация дисциплины «Методы, организация и проведение научных исследований» Общая трудоемкость изучения дисциплины составляет 4 ЗЕ (144 час.). Цель дисциплины: Формирование у студентов умения на практике организовать исследовательские и проектные работы, управлять коллективом. Задачи дисциплины: Изучение методов и приемов сбора, анализа научно-технической информации, применения отечественного и зарубежного опыта по тематике исследования. Изучение дисциплины направлено на формирование и развитие следующих общекультурных и профессиональных компетенций: способен совершенствовать и развивать свой интеллектуальный и общекультурный уровень, самостоятельно обучаться новым методам исследования (ОК-1); способен приобретать и использовать на практике знания, умения и навыки в организации исследовательских и проектных работ, в управлении коллективом (ОК-3); способен на практике применять новые научные принципы и методы исследований (ПК-3); способен исследовать применение различных научных подходов к автоматизации информационных процессов и информатизации предприятий и организаций (ПК-9); В результате изучения дисциплины студент должен: Знать: методы и приемы организации исследовательских проектных работ. и Уметь: управлять коллективом; осуществлять сбор, анализ научнотехнической информации, отечественного и зарубежного опыта по тематике исследования; проводить анализ результатов экспериментов, осуществлять выбор оптимальных решений, подготавливать и составлять обзоры, отчеты и научные публикации. Владеть: навыками профессиональной эксплуатации современного оборудования. Виды учебной работы: лекции, практические занятия. Изучение дисциплины заканчивается зачетом.