Частная образовательная организация

высшего образования - ассоциация

"ТУЛЬСКИЙ УНИВЕРСИТЕТ (ТИЭИ)"

ЧОО ВО - АССОЦИАЦИЯ "ТУЛЬСКИЙ УНИВЕРСИТЕТ (ТИЭИ)"

Информатики и информационной безопасностиЗакреплена за кафедрой

рабочая программа дисциплины (модуля)

Системы искусственного интеллекта

Учебный план Направление "Прикладная информатика"

Направленность "Прикладная информатика в экономике"

Год начала подготовки 2017-2018

зачеты 3

Виды контроля в семестрах:

самостоятельная работа 36

аудиторные занятия 36

Общая трудоемкость

Часов по учебному плану

2 ЗЕТ

Форма обучения очно-заочная

Квалификация Магистр

72

в том числе:

Распределение часов дисциплины по семестрам

Семестр

(<Курс>.<Семестр

на курсе>)

3 (2.1)Итого

Недель 12

Вид занятий УП РПД УП РПД

Лекции 12 12 12 12

Практические 24 24 24 24

Итого ауд. 36 36 36 36

Контактная работа 36 36 36 36

Сам. работа 36 36 36 36

Итого 72 72 72 72

стр. 2

Системы искусственного интеллекта

Рабочая программа дисциплины

разработана в соответствии с ФГОС:

Федеральный государственный образовательный стандарт высшего образования по направлению подготовки 09.04.03

ПРИКЛАДНАЯ ИНФОРМАТИКА (уровень магистратуры) (приказ Минобрнауки России от 30.10.2014г. №1404)

Направление "Прикладная информатика"

Направленность "Прикладная информатика в экономике"

составлена на основании учебного плана:

утвержденного учёным советом вуза от 29.08.2017 протокол № 1.

стр. 3

1. ЦЕЛИ ОСВОЕНИЯ ДИСЦИПЛИНЫ

1.1 Целью освоения данной дисциплины является изучение основ построения систем искусственного интеллекта,

особенностей их организации, функционирования, жизненного цикла, направлений развития систем

искусственного интеллекта, развитие у студентов компетенций в проектировании и использовании современных

интеллектуальных систем в профессиональной деятельности.

2. МЕСТО ДИСЦИПЛИНЫ В СТРУКТУРЕ ООП

Цикл (раздел) ООП: Б1.В

2.1 Требования к предварительной подготовке обучающегося:

2.1.1 Теоретические разделы курса базируются на знаниях, полученных при изучении дисциплины:

2.1.2 Методология и технология проектирования информационных систем

2.1.3 Линейное и нелинейное программирование

2.1.4 Математическое моделирование

2.2 Дисциплины и практики, для которых освоение данной дисциплины (модуля) необходимо как

предшествующее:

2.2.1 Практика по получению профессиональных умений и опыта профессиональной деятельности

2.2.2 Научно-исследовательская работа

2.2.3 Преддипломная практика

3. КОМПЕТЕНЦИИ ОБУЧАЮЩЕГОСЯ, ФОРМИРУЕМЫЕ В РЕЗУЛЬТАТЕ ОСВОЕНИЯ ДИСЦИПЛИНЫ

(МОДУЛЯ)

ОК-1: способностью к абстрактному мышлению, анализу, синтезу

Знать:

1 основные принципы использования теории и методов искусственного интеллекта в построении

современных компьютерных систем.

2 основные принципы использования нейроинформатики в построении современных компьютерных систем.

3 основы теории нейронных сетей.

Уметь:

1 решать оптимизационные задачи с помощью генетических алгоритмов.

2 строить интеллектуальных систем на основе нейросетевых технологий.

3 создавать математические модели исследуемых процессов.

Владеть:

1 методами решения оптимизационных задач.

2 построением интеллектуальных систем на основе нейросетевых технологий.

3 методами математического моделирования.

ОК-3: готовностью к саморазвитию, самореализации, использованию творческого потенциала

Знать:

1 методы математического моделирования.

2 методы статистического анализа систем.

3 численные методы решения прикладных задач экономики.

Уметь:

1 использовать методы линейного нелинейного программирования.

2 использовать методы стохастического анализа.

3 использовать численные методы.

Владеть:

1 методами линейного нелинейного программирования.

2 методами стохастического анализа.

3 численными методами.

ОПК-3: способностью исследовать современные проблемы и методы прикладной информатики и научно-

технического развития ИКТ

Знать:

1 методы решения стохастических задач в экономике.

2 современные методы математического программирования.

стр. 4

3 методы анализа данных при составлении математических моделей.

Уметь:

1 решать проблемные задачи экономики.

2 применять методы математического программирования.

3 составлять рекомендации по совершенствованию разрабатываемых математических моделей.

Владеть:

1 методами решения проблемных задач экономики.

2 методами линейного и нелинейного программирования.

3 методами статистического анализа.

ОПК-5: способностью на практике применять новые научные принципы и методы исследований

Знать:

1 современные методы системного анализа.

2 методы численного решения прикладных задач экономики.

3 современные методы научного поиска информации.

Уметь:

1 применять современные методы системного анализа.

2 применять методы численного решения прикладных задач экономики.

3 применять современные методы научного поиска информации.

Владеть:

1 методами системного анализа.

2 методами математического моделирования.

3 методами стохастического моделирования.

ПК-1: способностью использовать и развивать методы научных исследований и инструментария в области

проектирования и управления ИС в прикладных областях

Знать:

1 математические методы системного анализа.

2 методы составления математических моделей сложных систем.

3 методы статистической обработки входной информации при составлении математических моделей

Уметь:

1 составлять математические модели проблемных задач экономики.

2 использовать численные методы решения прикладных задач.

3 использовать статистический анализ проблемных задач экономики.

Владеть:

1 методами составления математических моделей экономических задач.

2 методами оптимизации.

3 численными методами.

В результате освоения дисциплины обучающийся должен

3.1 Знать:

3.1.1 основные принципы использования теории и методов искусственного интеллекта и нейроинформатики в

построении современных компьютерных систем.

3.2 Уметь:

3.2.1 решать оптимизационные задачи с помощью генетических алгоритмов, строить интеллектуальных систем на

основе нейросетевых технологий.

3.3 Владеть:

3.3.1 иметь навыки работы в исследовании и построении систем искусственного интеллекта.

Наименование разделов и тем /вид занятия/ Часов Компетен-

ции

Семестр /

Курс

Код

занятия

4. СТРУКТУРА И СОДЕРЖАНИЕ ДИСЦИПЛИНЫ (МОДУЛЯ)

Раздел 1. Содержание дисциплины

стр. 5

1.1 История развития систем искусственного интеллекта /Лек/ 1,5 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.2 История развития систем искусственного интеллекта /Пр/ 3 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.3 История развития систем искусственного интеллекта /Ср/ 4,5 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.4 Решения задач, использующие немонотонные логики, вероятностные

логики /Лек/

1,5 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.5 Решения задач, использующие немонотонные логики, вероятностные

логики /Пр/

3 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.6 Решения задач, использующие немонотонные логики, вероятностные

логики /Ср/

4,5 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.7 Представление знаний в интеллектуальных системах /Лек/ 1,5 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.8 Представление знаний в интеллектуальных системах /Пр/ 3 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.9 Представление знаний в интеллектуальных системах /Ср/ 4,5 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.10 Экспертные системы /Лек/ 1,5 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.11 Экспертные системы /Пр/ 3 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.12 Экспертные системы /Ср/ 4,5 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.13 Нечеткие множества и нечеткая логика /Лек/ 1,5 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.14 Нечеткие множества и нечеткая логика /Пр/ 3 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.15 Нечеткие множества и нечеткая логика /Ср/ 4,5 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.16 Системы понимания естественного языка /Лек/ 1,5 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

стр. 6

1.17 Системы понимания естественного языка /Пр/ 3 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.18 Системы понимания естественного языка /Ср/ 4,5 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.19 Системы машинного зрения /Лек/ 1,5 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.20 Системы машинного зрения /Пр/ 3 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.21 Системы машинного зрения /Ср/ 4,5 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.22 Тенденции развития систем искусственного интеллекта /Лек/ 1,5 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.23 Тенденции развития систем искусственного интеллекта /Пр/ 3 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.24 Тенденции развития систем искусственного интеллекта /Ср/ 4,5 ОК-1 ОК-3

ОПК-3

ОПК-5 ПК-

1

3

1.25 /Зачёт/ 03

5. ОЦЕНОЧНЫЕ СРЕДСТВА

5.1. Вопросы для самоконтроля и текущей аттестации

1. Определение ИИ. Определение слабоформализуемых задач и их примеры. Определение сложных систем.

2. История развития исследований в области ИИ.

3. Основные свойства естественного интеллекта.

4. Основные направления исследований в области ИИ. Две точки зрения на развитие СИИ.

5. Интеллектуальный интерфейс.

6. Методы решения задач.

7. Решение задач методом поиска в пространстве состояний.

8. Решение задач методом редукции.

9. Решение задач дедуктивного выбора.

10. Решения задач, использующие немонотонные логики, вероятностные логики.

11. Данные и знания.

16. Особенности знаний.

17. Искусственные нейронные сети. Особенности биологического нейрона. Модель искусственного нейрона.

18. Определение искусственной нейронной сети (ИНС). Однослойный и многослойный персептроны.

19. Классификация ИНС. Задачи, решаемые с помощью нейронных сетей.

20. Основные этапы нейросетевого анализа. Классификация известных нейросетевых структур по типу связей и типу

обучения и их применение.

21. Алгоритм обучения с учителем для многослойного персептрона.

22. Алгоритмы обучения нейронных сетей. Алгоритм обратного распространения ошибки.

23. Проблемы обучения НС.

24. Сети Кохонена. Постановка задачи кластеризации. Алгоритм кластеризации.

25. Преобразование алгоритма кластеризации с целью реализации в нейросетевом базисе. Структура сети Кохонена.

26. Алгоритм обучения без учителя для сетей Кохонена. Обобщенная процедура. Метод выпуклой комбинации.

Графическая интерпретация.

27. Самоорганизующиеся карты Кохонена. Особенности обучения СОК. Построение карт.

28. Проблемы обучения ИНС.

29. Генетические алгоритмы. Определение. Назначение. Сущность естественного отбора в природе.

30. Основные понятия генетических алгоритмов.

31. Достоинства генетических алгоритмов.

стр. 7

32. Гибридные СИИ и их виды.

33. Нечеткая логика. Краткие исторические сведения. Аспекты неполноты информации.

34. Определения четких и нечетких множеств. Определение нечеткого множества. Функция принадлежности. Примеры

нечетких дискретных и непрерывных множеств.

35. Основные свойства нечетких множеств. Нечеткое число и нечеткий интервал.

36. Понятия фаззификации, дефаззификации, лингвистической переменной.

37. Операции с нечеткими множествами (эквивалентность, включение, нечеткая операция «И», «ИЛИ», «НЕ»).

38. Нечеткие отношения. Композиционные правила (max-min) и (max-prod).

39. Нечеткие алгоритмы. Обобщенная схема процедуры нечеткого логического вывода.

40. Нечеткие алгоритмы. Метод максимума-минимума (метод Мамдани) как метод нечеткого логического вывода

(изложение необходимо сопроводить примером).

41. Нечеткие алгоритмы. Метод максимума-произведения (метод Ларсена) как метод нечеткого логического вывода

(изложение необходимо сопроводить примером).

42. Методы дефаззификации.

43. Процедура нечеткого логического вывода. Пример нечеткого логического вывода для выполнения нескольких правил.

Достоинства и недостатки систем, основанных на нечеткой логике.

44. Методология разработки интеллектуальных систем. Виды прототипов экспертных систем.

46. Обобщенная структура основных этапов разработки экспертных систем.

5.2. Темы письменных работ (контрольных и курсовых работ, рефератов)

Не предусмотрены.

5.3. Оценочные средства для промежуточной аттестации

1. Искусственный интеллект как направление знаний. Основные направления. «Сильный» и

«слабый» ИИ. Критерий интеллектуальности. Тест Тьюринга. Критика теста Тьюринга.

2. Философские аспекты ИИ. Теория симуляции реальности Н.Бострома. Цифровая философия

Э.Фредкина. Эволюционная кибернетики В.Ф.Турчина.

3. Понятие сингулярности. Трансгуманистическая философия: основные постулаты.

4. Модели памяти и мышления человека. Чанки. Структуры и процессы.

5. Восходящий, нисходящий, эволюционный и эмерджентный подходы к реализации ИИ. Понятие о

нейронных сетях.

6. Знания и информация. Понятие о представлении знаний. Статические и динамические знания.

Модели явного и неявного представления знаний.

7. Процедурное представление знаний. Продукции. Деревья И-ИЛИ. Деревья вывода.

8. Сетевое представление знаний. Семантические сети. Концептуальные графы. Представление

знаний тройками объект-атрибут-значение. Представление семантической сети на Прологе.

9. Фреймовое представление знаний. Основные операции логического вывода во фреймовом

представлении. Реализация фреймового подхода на языке Пролог.

10. Представление знаний на основе формальной логики. Пролог как возможный язык логического

представления знаний.

11. Представление графов. Задача поиска пути в графе. Решение задач методом поиска в

пространстве состояний.

12. Поиск в нагруженном графе. Алгоритм поиска с весовой функцией и его реализация на Прологе.

13. Понятие об эвристическом поиске. Допустимость, монотонность, информированность. Критерий

допустимости A-алгоритма поиска. Примеры.

14. Поиск по принципу первый-лучший (жадный алгоритм поиска) и его реализация на Прологе.

15. Реализация алгоритма A* на Прологе.

16. Поиск с итерационным погружением (ID).

17. Различные способы повышения эффективности алгоритмов поиска: поиск с использованием

списка пар пройденных вершин, представление путей деревьями.

18. Экспертные системы. Продукционные экспертные системы. Структура экспертной системы. База

знаний. Машина вывода.

19. Основные подходы к построению экспертных систем. Оболочки экспертных систем. Роль

инженера по знаниям. Основные методы, испольуемые инженером по знаниям. Жизненный цикл

экспертной системы.

20. Прямой логический вывод. Иллюстрация прямого вывода на деревьях И-ИЛИ. Конфликтное

множество. Связь с поиском в пространстве состояний. Применение различных алгоритмов

поиска.

21. Обратный логический вывод. Иллюстрация обратного логического вывода на деревьях И-ИЛИ.

Конфликтное множество. Связь с поиском в пространстве состояний. Применение различных

алгоритмов поиска.

22. Принципы построения баз знаний c продукционным представлением и прямым логическим

выводом на языке Пролог.

23. Принципы построения баз знаний c продукционным представлением и обратным логическим

выводом на языке Пролог.

24. Понятие онтологии. Примеры онтологий. Таксономия и тезаурус. Языки представления

онтологий и инструментарии для создания онтологий (Protege, Ontolingua)

25. Распределенный искусственный интеллект. Многоагентные системы. Коммуникации в

многоагентных системах. Использование онтологий для семантического согласования агентов.

стр. 8

26. Использование многоагентных систем для моделирования коллективного поведения. Среда

агентного моделирования NetLogo. Примеры.

27. Онтологии в глобальном масштабе. База знаний СyC. Семантическая паутина Symantic Web.

Языки RDF, RDF-S, OWL. Способы записи RDF Graph, RDF-triplets, RDF-XML.

28. Дескриптивные логики. Синтаксис и семантика дескриптивных логик. Дескриптивные логики как

основа построения семантической паутины.

6. УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ (МОДУЛЯ)

6.1. Рекомендуемая литература

6.1.1. Основная литература

Авторы, составители Заглавие Издательство, год, эл. адрес

Л1.1 Павлов С. И. Системы искусственного интеллекта: учебное пособие, Ч. 1:

Учебники и учебные пособия для ВУЗов

Томск: Томский

государственный

университет систем

управления и

радиоэлектроники, 2011

https://biblioclub.ru/index.php?

page=book_red&id=208933&s

r=1

6.1.2. Дополнительная литература

Авторы, составители Заглавие Издательство, год, эл. адрес

Л2.1 Павлов С.И. СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА. ч. 2:

Учебники и учебные пособия для ВУЗов

Томск: Томский

государственный

университет систем

управления и

радиоэлектроники, 2011

https://biblioclub.ru/index.php?

page=book_red&id=208939&s

r=1

6.2.1 Перечень программного обеспечения

6.2.1.1 Microsoft Windows, OpenOffice.

6.2.2 Перечень информационных справочных систем и ресурсов сети Интернет

6.2.2.1 Справочная правовая система «КонсультантПлюс».

6.2.2.2 moodle.tiei.ru - Электронная обучающая система

6.2.2.3 ЭБС «Университетская библиотека online»: HTTP://BIBLIOCLUB.RU/

6.2.2.4 https://biblioclub.ru/index.php?page=book_red&id=208933&sr=1

6.2.2.5 https://biblioclub.ru/index.php?page=book_red&id=208939&sr=1

7. МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ (МОДУЛЯ)

7.1 Специальные помещения для организации обучения представляют собой учебные аудитории для проведения

занятий лекционного типа, занятий семинарского типа, курсового проектирования (выполнения курсовых работ),

групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации, а также

помещения для самостоятельной работы и помещения для хранения и профилактического обслуживания учебного

оборудования.

7.2 Специальные помещения укомплектованы специализированной мебелью и техническими средствами обучения,

служащими для представления учебной информации большой аудитории. Помещения для самостоятельной

работы обучающихся оснащены компьютерной техникой с возможностью подключения к сети «Интернет» и

обеспечением доступа в электронную информационно - образовательную среду Университета.

7.3 Электронно-библиотечные системы (электронная библиотека) и электронная информационно-образовательная

среда обеспечивают одновременный доступ не менее 25 процентов обучающихся по программе магистратуры.

8. МЕТОДИЧЕСКИЕ УКАЗАНИЯ ДЛЯ ОБУЧАЮЩИХСЯ ПО ОСВОЕНИЮ ДИСЦИПЛИНЫ (МОДУЛЯ)

Обучающимся необходимо помнить, что качество полученного образования в немалой степени зависит от активной роли

самого обучающегося в учебном процессе. Обучающийся должен быть нацелен на максимальное усвоение подаваемого

лектором материала, после лекции и во время специально организуемых индивидуальных встреч он может задать лектору

интересующие его вопросы.

Лекционные занятия составляют основу теоретического обучения и должны давать систематизированные основы знаний

по дисциплине, раскрывать состояние и перспективы развития соответствующей области науки, концентрировать

стр. 9

внимание-обучающихся на наиболее сложных и узловых вопросах, стимулировать их активную познавательную

деятельность и способствовать формированию творческого мышления.

Главная задача лекционного курса - сформировать у обучающихся системное представление об изучаемом предмете,

обеспечить усвоение будущими специалистами основополагающего учебного материала, принципов и закономерностей

развития соответствующей научно-практической области, а также методов применения полученных знаний, умений и

навыков.

Основные функции лекций: 1. Познавательно-обучающая; 2. Развивающая; 3. Ориентирующе-направляющая; 4.

Активизирующая; 5. Воспитательная; 6. Организующая; 7. информационная.

Выполнение практических заданий служит важным связующим звеном между теоретическим освоением данной

дисциплины и применением ее положений на практике. Они способствуют развитию самостоятельности обучающихся,

более активному освоению учебного материала, являются важной предпосылкой формирования профессиональных

качеств будущих специалистов.

Проведение практических занятий не сводится только к органическому дополнению лекционных курсов и

самостоятельной работы обучающихся. Их вместе с тем следует рассматривать как важное средство проверки усвоения

обучающимися тех или иных положений, даваемых на лекции, а также рекомендуемой для изучения литературы; как

форма текущего контроля за отношением обучающихся к учебе, за уровнем их знаний, а следовательно, и как один из

важных каналов для своевременного подтягивания отстающих обучающихся.

При подготовке важны не только серьезная теоретическая подготовка, но и умение ориентироваться в разнообразных

практических ситуациях, ежедневно возникающих в его деятельности. Этому способствует форма обучения в виде

практических занятий. Задачи практических занятий: закрепление и углубление знаний, полученных на лекциях и

приобретенных в процессе самостоятельной работы с учебной литературой, формирование у обучающихся умений и

навыков работы с исходными данными, научной литературой и специальными документами. Практическому занятию

должно предшествовать ознакомление с лекцией на соответствующую тему и литературой, указанной в плане этих

занятий.

При проведении учебных занятий обеспечиваются развитие у обучающихся навыков командной работы, межличностной

коммуникации, принятия решений, лидерских качеств (включая при необходимости проведение интерактивных лекций,

групповых дискуссий, ролевых игр, тренингов, анализ ситуаций и имитационных моделей, преподавание дисциплин

(модулей) в форме курсов, составленных на основе результатов научных исследований, проводимых организацией, в том

числе с учетом региональных особенностей профессиональной деятельности выпускников и потребностей работодателей).

Самостоятельная работа может быть успешной при определенных условиях, которые необходимо организовать. Ее

правильная организация, включающая технологии отбора целей, содержания, конструирования заданий и организацию

контроля, систематичность самостоятельных учебных занятий, целесообразное планирование рабочего времени позволяет

привить студентам умения и навыки в овладении, изучении, усвоении и систематизации приобретаемых знаний в процессе

обучения, привить навыки повышения профессионального уровня в течение всей трудовой деятельности.

Для контроля знаний студентов по данной дисциплине необходимо проводить оперативный, рубежный и итоговый

контроль.

Оперативный контроль осуществляется путем проведения опросов студентов на семинарских занятиях, проверки

выполнения практических заданий, а также учета вовлеченности (активности) студентов при обсуждении мини-докладов,

организации ролевых игр и т.п.

Контроль за самостоятельной работой студентов по курсу осуществляется в двух формах: текущий контроль и итоговый.

Рубежный контроль (аттестация) подразумевает проведение тестирования по пройденным разделам курса. В тестирование

могут быть включены темы, предложенные студентам для самостоятельной подготовки, а также практические задания.

Система оценок выполнения контрольного тестирования:

– «отлично» – количество правильных оценок от 81 до 100 баллов;

– «хорошо» – от 61 до 80 баллов;

– «удовлетворительно» – от 40 до 60 баллов;

- «зачтено» – от 40 до 100 баллов.