интеллект сист1 x - Высшая школа экономики

Правительство Российской Федерации
Федеральное государственное автономное образовательное учреждение
Высшего профессионального образования
«Национальный исследовательский университет
«Высшая школа экономики»
Факультет «Информационные технологии и вычислительная техника»
Программа дисциплины «Интеллектуальные системы»
для направления 230100 «Информатика и вычислительная техника»
специальности 230100.68 «Системы автоматизированного проектирования»
подготовки магистра
Автор программы:
Правдивая Е.А., kapra64@mail.ru
Одобрена на заседании кафедры ИТАС
Зав.кафедрой Тумковский С.Р.
«_______»________________2010г.
Рекомендована профессиональной коллегией УМС
Председатель _______________________
«_______»________________2010г.
Утверждена УС МИЭМ НИУ ВШЭ
«_______»________________2010г.
Москва,2010
Настоящая программа не может быть использована другими подразделениями
университета и другими вузами без разрешения кафедры разработчика
программы.
1. Цели и задачи дисциплины.
Целью изучения дисциплины студентами является приобретение ими
основных знаний и навыков в области систем искусственного интеллекта
(СИИ) и их использовании в САПР. Студенты знакомятся с основами
построения механизмов вывода, используемыми для интеллектуализации
программирования, изучают логику предикатов 1-го порядка, организацию
обучения интеллектуальных подсистем САПР и т.д. Данная учебная
дисциплина базируется на курсах «Математическая логика и теория автоматов»,
«Информатика», «Программное и лингвистическое обеспечение САПР».
2. Требования к уровню освоения содержания дисциплины (требования к
знаниям, умениям и навыкам, приобретенным в результате изучения
дисциплины).
В результате изучения учебного материала и выполнения практических
работ студент получает представление о системах искусственного интеллекта
(СИИ) в САПР, учится самостоятельно анализировать задачи вывода с точки
зрения целесообразности и возможности применения тех или иных подходов в
зависимости от типа решаемых задач и запросов. Освоив материал данного
курса, студенты знают как принципы логических выводов, выводов в условиях
неопределенности и возможности их применения в различных системах. Знания
и навыки, полученные при изучении курса, необходимы для подготовки
диплома и в практической инженерной работе.
Студент должен:
иметь представление:
 о решении проблем;
 о знаниях и рассуждениях;
 об использовании планирования;
 о неопределенных знаниях и рассуждениях в условиях неопределенности
 о процессах обучения в интеллектуальных системах
 об общении, восприятии и осуществлении действий для СИИ
знать и уметь использовать:
 методы искусственного интеллекта для построения рациональных агентов в
САПР;
иметь опыт:

в реализации этих алгоритмов средствами обычного и визуального
программирования;

в формализации задач в терминах искусственного интеллекта
3. Объем дисциплины и вид учебной работы.
Вид учебной работы
Общая трудоемкость дисциплины
Аудиторные занятия
Лекции (Л)
Практические занятия (ПЗ)
Семинары (С)
Лабораторные работы (ЛР)
И (или) другие виды аудиторных
Всего
часов
75
63
36
27
Семестр
1
1
1
1
2
занятий
Самостоятельная работа
Курсовой проект (работа)
Расчетно – графические работы
Реферат
И (или) другие виды
самостоятельной работы
Вид итогового контроля (зачет, экзамен)
4.
Зачет
Содержание дисциплины
4.1. Разделы дисциплины и виды занятий (допускается название п. 4.1. «Тематический
план»)
№п/п
1
2
3
4
5
6
7
Раздел дисциплины
Введение
Решение проблем
Знания и рассуждения
Представление знаний
Неопределенные знания
Обучение и накопление знаний
Интеллектуальные подсистемы САПР
лекции
*
*
*
*
*
Аудиторные занятия
С
*
*
*
*
*
ЛР
4.2. Содержание разделов дисциплины (указывается название каждого раздела, количество
часов, отводимое на изучение, и его содержание).
№п/п
1.
Раздел дисциплины
Введение
2.
Решение проблем
3.
Представление знаний
4.
Неопределенные знания
5.
Обучение и накопление знаний
6.
Интеллектуальные подсистемы
САПР.
Содержание раздела
Предмет исследования искусственного
интеллекта. Трудно формализуемые задачи
проектирования. Классификация моделей
представления знаний.
Формальные системы. Графовые и
гиперграфовые модели. И-ИЛИ деревья. Методы
поиска в пространствах состояний.
Информированный поиск и исследование
пространства состояний. Задачи удовлетворения
ограничений. Поиск в условиях
противодействия.
Логика предикатов как метаязык. Исчисление
предикатов первого порядка. Автоматическое
доказательство теорем. Метод резолюции.
Вероятностные рассуждения. Нечеткие
множества.
Подсистемы накопления знаний, общения,
объяснения. Обучение на основе наблюдений.
Применение знаний в обучение. Статистические
методы обучения. Обучение с подкреплением
Экспертные системы. Их разновидности и
методы построения. Примеры интеллектуальных
подсистема САПР и способов их реализации
Л
4
6
6
6
7
7
4.3. Понедельный план проведения занятий - лекционных и практических.
№п/п
Тема лекции
Содержание
1.
Введение
Предмет исследования искусственного интеллекта. Трудно
формализуемые задачи проектирования.
2.
Виды моделей
Классификация моделей представления знаний: продукции,
представления знаний
предикаты, фреймы, семантические сети, их особенности.
3
С
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
Решение проблем
Графовые модели
Поиск в пространстве
состояний
Поиск решения на
ограничениях
Искусственный интеллект в
теории игр
Представление знаний с
использованием продукций
Представление знаний с
использованием предикатов
Метод резолюций
Семантические сети
Фреймы
Неопределенные знания
14.
15.
Нечеткие множества
Вероятностные
рассуждения.
16.
Обучение и накопление
знаний
Обучение на основе
наблюдений
Применение методов
обучения
Статистические методы
обучения
Обучение с подкреплением
Интеллектуальные
подсистемы САПР, часть 1
Интеллектуальные
подсистемы САПР, часть 2
Интеллектуальные
подсистемы САПР, часть 3
Интеллектуальные
подсистемы САПР, часть 4
Интеллектуальные
подсистемы САПР, часть 5
17.
18.
19.
20.
21.
22.
23.
24.
25.
Формальные системы. Графовые и гиперграфовые модели.
И-ИЛИ деревья. Методы поиска в пространствах состояний.
Информированный поиск и исследование пространства состояний.
Задачи удовлетворения ограничений.
Элементы теории игр. Поиск в условиях противодействия или
взаимодействия.
Представление знаний с использованием продукций. Логический
вывод с использованием продукций.
Логика предикатов как метаязык. Исчисление предикатов первого
порядка.
Автоматическое доказательство теорем. Метод резолюции.
Представление знаний в семантических сетях
Использование фреймов. Логический вывод на фреймах.
Определение нечетких множеств. Способы задания нечетких
переменных. Лингвистические переменные.
Нечеткие множества. Логический вывод на нечетких множествах.
Источники вероятностных данных. Вероятностные рассуждения.
Степень уверенности в знаниях. Операции над нечеткими
множествами.
Подсистемы накопления знаний, общения, объяснения.
Обучение на основе наблюдений. Выбор подмножества входных
данных, влияющих на принятие решений. Методы регрессии.
Применение знаний в обучение. Выбор обучающего множества.
Статистические методы обучения. Предварительная фильтрация
массивов данных.
Обучение с подкреплением.
Экспертные системы в САПР. Их разновидности и методы
построения.
Примеры интеллектуальных подсистем САПР
Способы реализации интеллектуальных подсистем САПР
Агентные системы. Методы построения агентов
Практические вопросы применения интеллектуальных подсистем в
САПР
5. Лабораторный практикум и практические занятия.
Лабораторный практикум не предусмотрен
Практические занятия
№п/п
1.
2.
3.
4.
5.
6.
7.
8.
Темы занятий
Графовые модели, часть 1
Графовые модели, часть 2
Представление знаний с
использованием продукций
Метод резолюций
Семантические сети
Нечеткие множества
Методы обучения
Интеллектуальные
подсистемы САПР
Содержание
Построение И-ИЛИ дерева по исходным данным.
Принятие решений на основе И-ИЛИ дерева.
Представление знаний с использованием продукций. Логический
вывод с использованием продукций.
Анализ метода резолюции на практических примерах.
Построение системы знаний и использованием семантических сетей
Логический вывод на нечетких множествах.
Выбор обучающего множества. Обучение системы.
Проектирование элементов с применением методов логического
вывода
4
6. Учебно – методическое обеспечение дисциплины.
6.1. Рекомендуемая литература.
а) Основная литература:
1. Солодовников И.В., Клышинский Э.С. Методические указания по
проведению самостоятельной работы. – М.: МИЭМ, 2003
2.Дюк В., Самойленко А. Data Mining: Учебный курс – СПб: Питер, 2001
б) Дополнительная литература:
1.Ж.-Л. Лорьер. Системы искусственного интеллектаю – М:Мир, 1991
2. Э. Хант. Искусственный интеллект. М.:: Мир, 1978
3. С.Новалис. Access 2000. Руководство по VBA. М.: Издательство
«Лори», 2001
(указываются издания, в том числе и периодические, не позднее 1996
года).
6.2. Средства обеспечения дисциплины (указывается перечень обучающих,
контролирующих и расчетных компьютерных программ, диафильмов,
кино- и видеофильмов и т.п.).
Access 2000.
7. Материально – техническое обеспечение дисциплины (указываются
специализированные лаборатории и классы, основные приборы, установки,
стенды, испытательные машины и технологическое оборудование и т.п.).
Необходимое оборудование установлено в компьютерных классах №1 и № 2
каф. ИТАС.
Рабочая программа составлена в соответствии с Государственным
образовательным стандартом высшего профессионального образования по
специальности 230104.
Настоящая рабочая программа рассмотрена на заседании (методическом
семинаре) кафедры “20” октября 2010г. протокол №10 и рекомендована к
применению в учебном процессе.
Зав. кафедрой
«Информационные технологии и
автоматизированные системы», д.т.н.
“_____”______________2010 г.
/С.Р. Тумковский/
Срок действия программы продлен на
200__/200__ уч. год _____________________________________
(подпись зав. кафедрой)
Срок действия программы продлен на
200__/200__ уч. год _____________________________________
(подпись зав. кафедрой)
Срок действия программы продлен на
200__/200__ уч. год _____________________________________
(подпись зав. кафедрой)
Срок действия программы продлен на
5
200__/200__ уч. год _____________________________________
(подпись зав. кафедрой)
6