МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ федеральное государственное бюджетное образовательное учреждение

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ
ФЕДЕРАЦИИ
федеральное государственное бюджетное образовательное учреждение
высшего профессионального образования
«Алтайский государственный университет»
Рубцовский институт (филиал)
УЧЕБНО-МЕТОДИЧЕСКИЙ КОМПЛЕКС ПО ДИСЦИПЛИНЕ
ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ
Специальность
-
080801.65
Прикладная информатика (в
экономике)
Форма обучения – Очная, Заочная, Заочная сокращенная на базе
среднего профессионального образования
Кафедра – Математики и прикладной информатики
Рубцовск - 2011
При разработке учебно-методического комплекса в основу положены:
1) ГОС ВПО по специальности 080801.65 Прикладная информатика (в
экономике), утвержденный Министерством образования РФ «14» марта
2000 г., 52 МЖД/СП
2) Учебный план по специальности 080801.65 Прикладная информатика
(в экономике), утвержденный решением Ученого совета РИ (филиала)
АлтГУ от «23» мая 2011 г., протокол № 12
Учебно-методический
комплекс
одобрен
на
заседании
кафедры
математики и прикладной информатики от «27» июня 2011 г., протокол
№15
СОДЕРЖАНИЕ
1. ПОЯСНИТЕЛЬНАЯ ЗАПИСКА ......................................................................4
2. ТЕМАТИЧЕСКИЙ ПЛАН ................................................................................6
3. СОДЕРЖАНИЕ ДИСЦИПЛИНЫ ....................................................................9
4. МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ ПО ОСВОЕНИЮ УЧЕБНОЙ
ДИСЦИПЛИНЫ ..................................................................................................15
5. МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ ...17
6. СПИСОК ОСНОВНОЙ И ДОПОЛНИТЕЛЬНОЙ ЛИТЕРАТУРЫ,
ДРУГИЕ ИНФОРМАЦИОННЫЕ ИСТОЧНИКИ ............................................18
1. ПОЯСНИТЕЛЬНАЯ ЗАПИСКА
Учебно-методический комплекс учебной дисциплины «Интеллектуальные
информационные системы» предназначен для реализации государственных
требований к минимуму содержания и уровню подготовки выпускников по
специальности: 080801.65 «Прикладная информатика (в экономике)» очной,
заочной, и заочной (сокращенной) на базе СПО форм обучения.
Изучение дисциплины рассчитано на 196 часов, при этом не менее
половины часов отводится на самостоятельные занятия.
Цель изучения дисциплины – изучить основные понятия, методы и
способы построения интеллектуальных информационных систем.
Задачи дисциплины:
–
сформировать у студентов систему знаний по теоретическим
основам построения интеллектуальных информационных систем и упорядочить
сложившуюся терминологию в этой области;
–
научить
студентов
использовать
основные
системы
представления знаний, а также представлять и использовать нечеткие знания;
–
научить
студентов
основным
этапам
проектирования
экспертных систем.
В результате изучения дисциплины студенты должны:
Иметь представление: об основных терминах и понятиях, процессах связанных
с проектированием базы знаний, ее формализованным описанием и
наполнением, реализацией различных стратегий вывода знаний и объяснением
полученных результатов.
Знать: структуру и общую схему функционирования ИИС, методы
представления знаний в ИИС, области применения, этапы, методы и
инструментальные средства проектирования ИИС.
Уметь: выбрать форму представления знаний и инструментальное средство
разработки ИИС для конкретной предметной области, спроектировать базу
знаний, выбрать стратегию вывода знаний, разработать методы поддержания
базы знаний в работоспособном состоянии.
Дисциплина «Интеллектуальные информационные системы» относится
к циклу СД.Ф.02. Цикл специальных дисциплин. Федеральный компонент.
Дисциплина «Интеллектуальные информационные системы» базируется
на знаниях, умениях и навыках, полученных студентами при изучении таких
дисциплин, как «Базы данных», «Высокоуровневые методы информатики и
программирования»,
«Информационные
системы»,
«Проектирование
4
информационных систем», «Дискретная математика», «Теория вероятностей и
математическая статистика», «Теория систем и системный анализ», «Методы
оптимизации».
Знания, полученные при изучении данной дисциплины, будут
использованы при изучении такой дисциплины, как «Реинжиниринг бизнеспроцессов», а также при дипломном проектировании.
5
Семинары
Лабораторны
е работы
Самостоятельная
работа студентов,
час.
3
4
5
6
7
16
6
16
4
8
4
30
8
14
8
28
6
30
8
16
6
20
4
4
12
Промежуточный контроль
ДЕ 2
(40 баллов)
Количество
аудиторных часов при
очной форме обучения
Лекции
2
Тема 1. Общая
характеристика ИИС
Тема 2. Основные системы
представления знаний
Тема 3. Технология создания
экспертных систем
Тема 4. Теоретические
аспекты и технологии
инженерии знаний
Тема 5. Создание и
использование статических
экспертных систем
Тема 6. Представление и
использование нечетких
знаний
ДЕ 1 (60 баллов)
1
Наименование тем
Максимальная
нагрузка студентов,
час.
Дидактические
единицы (ДЕ)
2. ТЕМАТИЧЕСКИЙ ПЛАН
(распределение часов курса по разделам и видам работ)
Очная форма обучения
10
22
Зачет лабораторных работ
Тема 7. Машинное
обучение на основе связей,
социальных и
эмерджентных принципов
Тема 8. Применение ИИС в
сложных социальноэкономических системах
30
8
26
4
Промежуточный контроль
4
18
22
Защита лабораторных работ
Итоговый контроль
Итого часов
196
6
Зачет – 40 баллов
48
46
102
ДЕ 1
Семинары
Лабораторны
е работы
Самостоятельная работа
студентов, час.
Наименование тем
2
Тема 1. Общая
характеристика ИИС
Тема 2. Основные системы
представления знаний
Тема 3. Технология создания
экспертных систем
Тема 4. Теоретические
аспекты и технологии
инженерии знаний
Тема 5. Создание и
использование статических
экспертных систем
Тема 6. Представление и
использование нечетких
знаний
3
4
5
6
7
16
2
16
2
2
12
30
4
6
20
14
28
30
28
2
2
20
Промежуточный контроль
ДЕ 2
Количество
аудиторных часов при
заочной форме
обучения
Лекции
1
Максимальная нагрузка
студентов, час.
Дидактические единицы
(ДЕ)
Заочная форма обучения
26
20
Зачет лабораторных работ
Тема 7. Машинное
обучение на основе связей,
социальных и
эмерджентных принципов
Тема 8. Применение ИИС в
сложных социальноэкономических системах
30
30
26
26
Промежуточный контроль
Защита лабораторных работ
Итоговый контроль
Итого часов
Зачет
196
7
10
10
176
ДЕ 1
Семинары
Лабораторны
е работы
Самостоятельная работа
студентов, час.
Наименование тем
2
Тема 1. Общая
характеристика ИИС
Тема 2. Основные системы
представления знаний
Тема 3. Технология создания
экспертных систем
Тема 4. Теоретические
аспекты и технологии
инженерии знаний
Тема 5. Создание и
использование статических
экспертных систем
Тема 6. Представление и
использование нечетких
знаний
3
4
5
6
7
16
2
16
2
2
12
30
4
6
20
14
28
30
28
2
2
20
Промежуточный контроль
ДЕ 2
Количество
аудиторных часов при
заочной форме
обучения
Лекции
1
Максимальная нагрузка
студентов, час.
Дидактические единицы
(ДЕ)
Заочная сокращенная форма обучения на базе среднего
профессионального образования
26
20
Зачет лабораторных работ
Тема 7. Машинное
обучение на основе связей,
социальных и
эмерджентных принципов
Тема 8. Применение ИИС в
сложных социальноэкономических системах
30
30
26
26
Промежуточный контроль
Защита лабораторных работ
Итоговый контроль
Итого часов
Зачет
196
8
10
10
176
3. СОДЕРЖАНИЕ ДИСЦИПЛИНЫ
(дидактические единицы)
3.1 Обязательный минимум содержания образовательной
программы (выписка из ГОС).
Понятие интеллектуальной информационной системы (ИИС), основные свойства.
Классификация ИИС. Экспертные системы. Составные части экспертной системы:
база знаний, механизм вывода, механизмы приобретения и объяснения знаний,
интеллектуальный интерфейс.
Организация базы знаний. Предметное (фактуальное) и проблемное (операционное)
знания. Декларативная и процедурная формы представления знаний. Методы
представления знаний.
Логический и эвристический методы рассуждения в ИИС. Рассуждения на основе
дедукции, индукции, аналогии. Нечеткий вывод знаний. Немонотонность вывода.
Статические и динамические экспертные системы. Приобретение знаний.
Извлечение знаний из данных. Машинное обучение на примерах. Нейронные сети.
Этапы проектирования экспертной системы: идентификация, концептуализация,
формализация, реализация, тестирование, опытная эксплуатация. Участники
процесса проектирования: эксперты, инженеры по знаниям, конечные пользователи .
3.2 Содержание разделов учебной дисциплины
ДЕ 1 (140час.)
Тема 1. Общая характеристика интеллектуальных информационных систем
Аудиторное изучение: Понятия данных, информации, знаний. Явное и неявное
знание. Предметное (фактуальное) и проблемное (операционное) знание.
Экстенсиональное и интенсиональное определение знаний. Декларативная и
процедурная формы представления знаний. Эволюция информационных систем.
Понятие интеллектуальной информационной системы (ИИС), основные свойства.
Классификация ИИС.
Экспертные системы. Характерные особенности. Условия применения. Задачи
анализа и синтеза. Статические и динамические экспертные системы.
Многоагентные системы. Проблемные области: интерпретация, диагностика,
прогнозирование, проектирование, конфигурация, планирование, слежение,
управление. Составные части экспертной системы: база знаний, механизм
вывода, механизмы приобретения и объяснения знаний, интеллектуальный
интерфейс. Интеллектуальные редакторы. Использование графических средств
ввода-вывода. Организация помощи, подсказок, объяснений. Интерфейсы с
внешней средой.
Самообучающиеся системы. Приобретение знаний. Извлечение знаний из данных,
Машинное обучение на примерах: обучающие выборки «с учителем», «без учителя».
9
Индуктивный вывод деревьев решения. Нейронные сети, алгоритмы построения
решающих функций. Системы, основанные на прецедентах. Информационные
хранилища.
Самостоятельное изучение: Системы с интеллектуальным интерфейсом.
Интеллектуальные базы и хранилища данных. Понимание естественного языка.
Морфологический, синтаксический, семантический анализ запросов и синтез
выходных сообщений. Интеллектуальный поиск в информационных ресурсах.
Интеллектуальный гипертекст. Когнитивная графика.
Тема 2. Основные системы представления знаний.
Аудиторное изучение: Организация базы знаний. Основные проблемы создания и
функционирования
системы
знаний.
Методы
представления
знаний.
Характеристики систем представления знаний; языки представления знаний.
Логические модели представления знаний. Представление знаний с помощью
систем продукции. Требования к системе продукции; механизм вывода,
представление систем продукции графами. Представление знаний семантическими
сетями. Формализация семантических сетей; механизм вывода. Представление
знаний фреймами. Свойства фреймов, структура данных фрейма, требования к
фрейм-системам при разработке ИИС.
Самостоятельное изучение: Моделирование человеческих рассуждений в
интеллектуальных системах. Неклассический подход к представлению знаний:
критериальный и вероятностные методы.
Тема 3. Технология создания экспертных систем
Аудиторное изучение: Этапы проектирования экспертной системы:
идентификация, концептуализация, формализация, реализация, тестирование,
опытная эксплуатация. Участники процесса проектирования: эксперты,
инженеры по знаниям, конечные пользователи. Разработка прототипов, развитие и
модификация проекта.
Идентификация проблемной области. Определение назначения и сферы
применения экспертной системы (ЭС), классы решаемых задач и видов
используемых знаний. Подбор экспертов и инженеров по знаниям, выделение
ресурсов. Параметризация решаемых задач: целей, ограничений, гипотез, понятий,
исходных данных.
Концептуализация проблемной области. Структурная модель: классификационные
(род-вид), агрегатные (целое-часть), ассоциативные отношения объектов.
Функциональная модель: отношения объектов "цель-средство", "причинаследствие", "аргумент-функция". Деревья целей. Деревья решений. Поведенческая
модель: пространственно-временные отношения объектов, состояния объектов,
события, посылка сообщений.
Формализация базы знаний. Классификация методов представления знаний по
признакам объектного/операционного характера знаний, детерминированной
обработки/обработки неопределенности, статической/динамической природы
10
используемых знаний. Особенности представления знаний с помощью предикатов
первого порядка, продукций, семантических сетей, фреймов и объектов. Критерии
выбора методов представления знаний.
Реализация экспертной системы. Инструментальные средства разработки: языки
программирования, языки представления знаний, генераторы, оболочки, средства
автоматизации проектирования, проблемно и предметно ориентированные системы.
Критерии выбора инструментальных средств: трудоемкость и стоимость разработки,
степень соответствия концептуальной модели проблемной области, интеграция с
программно-технической средой функционирования информационной системой.
Методы проектирования, настройки и программирования механизмов вывода,
приобретения и объяснения знаний.
Самостоятельное изучение: Тестирование и развитие ЭС. Проверка точности
решения проблем экспертами. Подбор тестовых примеров. Тестирование
потребительских качеств ЭС потенциальными пользователями: времени реакции,
удобства интерфейса, средств помощи и объяснения.
Тема 4. Теоретические аспекты и технологии инженерии знаний.
Аудиторное изучение: Поле знаний. Стратегии получения знаний. Теоретические
аспекты извлечения знаний. Теоретические аспекты структурирования знаний.
Классификация методов практического извлечения знаний. Коммуникативные
методы. Текстологические методы. Простейшие методы структурирования.
Самостоятельное изучение: Состояние и перспективы автоматизированного
приобретения знаний. Примеры методов и систем приобретения знаний.
Тема 5. Создание и использование статических экспертных систем
Аудиторное изучение: Понятие и структура продукционного набора правил
статической экспертной системы. Определение продукционного правила и его
интерпретаций: «посылка – заключение», «ситуация – действие», «причина –
следствие», «аргумент – функция», «средство – цель». Структура набора правил:
предусловия наборов правил и правил, правила «если – то», постусловия наборов
правил и правил. Простые и обобщенные правила. Взаимодействие наборов правил.
Реализация интерфейса с базами данных, электронными таблицами и внешними
программами.
Логический и эвристический методы рассуждения в ИИС. Рассуждения на основе
дедукции, индукции, аналогии. Нечеткий вывод знаний. Немонотонность вывода.
Методы построения прямой и обратной цепочек аргументации и условия их выбора
и применения. Методы объяснения логического вывода на основе команд «Как» и
«Почему».
Стратегии выбора правил. Логический и эвристический методы рассуждения в ЭС.
Понятие конфликтного набора правил и критерии выбора из них правил на основе:
приоритетов, анализа трудоемкости, достоверности получаемых результатов. Порог
известности значения переменных. Использование метаправил и системных
параметров для управления выбором правил из конфликтных наборов.
11
Самостоятельное
изучение:
Проектирование
правил.
Сущность
классификационного подхода (на основе конъюнктивных зависимостей аргументов
посылок логического вывода) и рейтингового подхода (на основе дизъюнктивной
независимости аргументов посылок логического вывода) к построению правил.
Условия выбора подхода к построению правил: число аргументов посылок вывода,
теснота их связи, возможность неизвестности в процессе логического вывода.
Тема 6. Представление и использование нечетких знаний.
Аудиторное изучение:
Представление и использование нечетких знаний.
Ненадежные знания и выводы. Решение задачи с ненадежными данными, метод
MYCIN, субъективный байесовский метод. Нечеткая логика. Нечеткие множества.
Нечеткие множества и выводы, нечеткие отношения.
Самостоятельное изучение: Методы устранения многозначности. Метод
релаксации. Устранение нечеткости при построении экспертных систем.
Использование статистических методов для устранения нечеткости.
ДЕ 2 (56 час.)
Тема 7. Машинное обучение на основе связей, социальных и эмерджентных
принципов.
Аудиторное изучение:
Нейронные сети. Основы теории связей. Обучение
персептрона. Обучение по методу обратного распространения. Конкурентное
обучение. Синхронное обучение Хебба. Аттракторные сети. Генетические
алгоритмы. Системы классификации и генетическое программирование.
Самостоятельное изучение: Искусственная жизнь и эмерджентное обучение.
Тема 8. Применение ИИС в сложных социально-экономических системах.
Аудиторное изучение: Непредсказуемость поведения социально-экономических
систем. Метод системной динамики. Обратные связи. Ментальные модели.
Динамическая сложность.
Самостоятельное изучение: Концептуальное моделирование социальноэкономической системы регионального уровня. Состав и структура базы знаний
социально-экономической системы. Когнитивные технологии для поддержки
принятия управленческих решений.
12
Содержание лабораторных занятий
Лабораторная работа №1. Основные системы представления знаний.
Представление знаний системами продукций и логики предикатов
Лабораторная работа №2. Проектирование экспертных систем (примерные
темы):
1. Оценка кредитоспособности предприятия
2. Планирование финансовых ресурсов предприятия
3. Формирование портфеля инвестиций
4. Страхование коммерческих рисков
5. Выбор коммерческого банка
6. Выбор стратегии производства
7. Оценка конкурентоспособности продукции
8. Выбор стратегии ценообразования
9. Выбор поставщика продукции
10. Подбор кадров
Лабораторная работа №3. Машинное обучение на основе связей, социальных и
эмерджентных принципов. Прогнозирование общей численности населения г.
Рубцовска с учетом социально-экономических факторов с помощью нейронных
сетей (пакет Brainmaker).
13
Материалы к итоговому контролю
Вопросы к зачету
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
Классификация ИИС.
Особенности и признаки ИИС.
Составные части экспертной системы: база знаний, механизм вывода,
механизмы приобретения и объяснения знаний, интеллектуальный
интерфейс.
Этапы создания ЭС.
Методы представления знаний: логические модели, продукционные модели,
семантические сети, фреймы.
Способы представления задач. Представление задач в пространстве
состояний.
Стратегии поиска в пространстве состояний: поиск на основе данных и от
цели.
Стратегии поиска в пространстве состояний: реализация поиска на графах.
Стратегии поиска в пространстве состояний: поиск в глубину и ширину.
Алгоритмы эвристического поиска. Функции эвристической оценки
состояний.
Управление поиском в продукционных системах.
Нечеткие числа: определение, операции с нечеткими числами.
Основы построения нечетких управляющих систем. Способы суперпозиции
функций принадлежности.
Алгоритм обучения персептрона. Обобщенное дельта-правило.
Нейронные сети с обратным распространением.
Нейронные сети прямого действия.
Самоорганизующиеся сети Кохонена.
Коллективы нейронных сетей.
Генетические алгоритмы.
Системы классификации и генетическое программирование.
Искусственная жизнь и эмерджентное обучение.
Эволюционное программирование.
14
4. МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ ПО ОСВОЕНИЮ УЧЕБНОЙ
ДИСЦИПЛИНЫ
Промежуточная аттестация осуществляется путем оценки отчетов по
результатам лабораторных работ.
Учебным планом по данной дисциплине предусмотрено проведение
зачета по итогам семестра.
Методика изучения дисциплины строится из следующих элементов:
- теоретическая часть (лекция);
- лабораторные занятия;
- самостоятельная работа с учебниками, Интернет-ресурсами и
конспектами лекций.
Цель лекции – сообщение новых знаний, систематизация и обобщение
накопленных, развитие познавательных и профессиональных интересов.
Лабораторные занятия – как обязательный элемент образовательного
процесса по данной дисциплине, призван закрепить полученные теоретические
знания и обеспечить формирование основных навыков и умений
проектирования экспертных систем. Они проводятся по мере изучения
теоретического материала и выполняются индивидуально каждым студентом.
Перечень и содержание лабораторных работ приводится в
содержательной части данного учебно-методического комплекса.
Самостоятельная работа с книгой ставит своей целью закрепление,
углубление, расширение и систематизация знаний, полученных в ходе
аудиторных занятий, самостоятельное овладение новым учебным материалом
описательного характера, развитие самостоятельного мышления.
Для закрепления теоретических знаний, ознакомления с литературой и
приобретения навыков самостоятельного мышления в рамках самостоятельной
работы предусматривается выполнение следующих видов заданий:
 работа с лекционным материалом;
 подготовка к лабораторным работам, оформление отчетов по
выполненным лабораторным работам, подготовка к защите;
 изучение рекомендованной литературы (основной и дополнительной),
работа с библиотечным каталогом, самостоятельный подбор
необходимой литературы;
 поиск необходимой информации через Интернет;
 составление обзора публикаций по теме из предложенного
преподавателем списка литературных источников;
 подготовка каждым студентом устного сообщения на лабораторном
занятии;
 подготовка к зачету.
15
Оценочные средства для контроля успеваемости и результатов
освоения учебной дисциплины
Балльно-рейтинговая технология предполагает, что студенту для получения
по данной дисциплине приемлемой оценки необходимо набрать от 61 до 100
баллов.
Максимум 100 баллов студент может набрать в ходе семестра на
аудиторных занятиях и промежуточном контроле. Зачет может дополнительно
принести до 40 баллов.
За первый дидактический модуль студент может получить 12 баллов за
лекции, 21 балл за лабораторные работы и до 15 баллов за самостоятельную
работу. Успешная защита каждой лабораторной работы оценивается в 10
баллов. Итого за модуль можно получить 60 баллов.
За второй дидактический модуль студент может получить 12 баллов за
лекции, 4 балла за лабораторные работы и до 15 баллов за самостоятельную
работу. Успешная защита каждой лабораторной работы оценивается в 10
баллов. Итого за модуль можно получить 40 баллов.
Итоговая оценка за дисциплину выставляется по результатам работы
студента в течении семестра и результата сдачи зачета. Допуск к зачету
осуществляется только после защиты отчетов по лабораторным работам.
«Зачтено» – выставляется студенту, если он твердо знает материал,
грамотно и по существу излагает его, умеет применять полученные знания на
практике или набрал в течение семестра более 61 балла.
«Незачтено» – выставляется студенту, который не знает большей части
основного содержания учебной программы дисциплины, допускает грубые
ошибки в формулировках основных понятий дисциплины и не умеет
использовать полученные знания при решении типовых практических задач.
16
5. МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ
ДИСЦИПЛИНЫ
Рубцовский институт (филиал) АлтГУ располагает материальнотехнической базой, соответствующей санитарно-техническим нормам и
обеспечивающей проведение всех видов лабораторной, практической
подготовки и научно-исследовательской работы студентов, предусмотренных
ГОС.
Аудиторный фонд института, оснащенный СВТ, включает 7
компьютерных классов (4 класса по 15 ПК в каждом, 1 – по 17 ПК, 2 – по 18
ПК), и 4 мобильных класса на ноутбуках. 2 класса по 15 ПК используются в
режиме свободного доступа студентов. Все компьютеры объединены в единую
локальную вычислительную сеть и имеют доступ в Интернет.
Лекционные занятия по дисциплине
проводятся в аудиториях,
оснащенных мультимедийными проекторами.
Лабораторные работы выполняются в стационарных или мобильных
компьютерных классах.
Мобильные классы на ноутбуках используются в учебно-образовательной
деятельности, как для учебных занятий, так и для организации доступа к
ресурсам корпоративной сети и Internet на всей территории РИ АлтГУ.
В учебном процессе используется лицензионное программное
обеспечение. На различных ПК установлено системное программное
обеспечение Windows XP Professional Service Pack 3, Windows 7 Enterprise
Service Pack 1, Windows 7 Professional Service Pack 1, Windows 8 Enterprise,
Windows 8 Pro.
Для оформления отчетов по лабораторным работам, подготовки докладов
и презентаций используется пакет прикладных программ: Microsoft PowerPoint
2007, Microsoft PowerPoint 2010, Microsoft Word 2007, Microsoft Word 2010.
Также для самостоятельной работы студенты могут по своему усмотрению
использовать дополнительно свободно-распространяемое ПО или demo-версии.
Для его развертывания на каждом ПК есть специальный раздел Public с
необходимыми правами доступа.
17
6. СПИСОК ОСНОВНОЙ И ДОПОЛНИТЕЛЬНОЙ ЛИТЕРАТУРЫ,
ДРУГИЕ ИНФОРМАЦИОННЫЕ ИСТОЧНИКИ
Основная литература
1.
2.
3.
4.
5.
6.
Гаврилова Т.А. Базы знаний интеллектуальных систем: Учебник / Т.А.
Гаврилова, В.Ф. Хорошевский. - СПб: Питер, 2000 - 384c.
Глухих И.Н Интеллектуальные информационные системы : учеб. пособ. для
высш. проф. образования / И.Н. Глухих. - М.: Издательский центр "Академия",
2010 - 112c.
Девятков В.В. Системы искусственного интеллекта: Уч. пособие для вузов /
В.В. Девятков. - М.: МГТУ, 2001 - 352c
Джексон П. Введение в экспертные системы / П. Джексон. - Киев; М.; СПб.:
Вильямс, 2001 - 624c.
Люгер Д.Ф. Искусственный интеллект: Стратегии и методы решения сложных
проблем / Д.Ф. Люгер. - Киев; М.; СПб.: Вильямс, 2003 - 864c.
Толкачев С.Ф. Нейронное программирование диалоговых систем / С.Ф.
Толкачев. - СПб: КОРОНА-Век, 2010 - 192c.
Дополнительная литература
Дюк В. Data mining : Учебный курс / В. Дюк, А. Самойленко. - СПб: Питер,
2001 - 368c.
2. Филиппов В.А. Интеллектуальный анализ данных: методы и средства / В.А.
Филиппов. - М.: Эдиториал УРСС, 2001 - 52c.
3. Шрайнер П.А. Основы программирования на языке Пролог : Курс
лекций.Учебное пособие / П.А. Шрайнер. - М.: Интернет-Университет
Информационных Технологий, 2005 - 176c.
1.
Базы данных, Интернет-ресурсы,
информационно-справочные и поисковые системы
www.osp.mesi.ru (сайт учебного процесса МЭСИ)
http://www.raai.org Российская ассоциация искусственного интеллекта.
Библиотека РАИИ
3. http://www.sas.com компания SAS Institute
4. http://www.tern.ru компания ТЕРН. Информация: материалы, обзоры и
аналитика, публикации.
5. http://www.gensym.com компания Gensym . G2 Platform.
1.
2.
18
6.
7.
8.
9.
10.
11.
http://www.argussoft.ru компания Argussoft. Статьи, Библиотека.
http://www.tora-centre.ru. компания ТОРА Центр.
http://www.it.ru компания АйТи.
http://www.baan.ru компания БААН Евразия.
http://www.sap-ag.de компания SAP AG.
http://www.sag.de компания Software AG.
1.
.
19