Интеллектуальные системы

Бакалавриат 2020/2021

Статус: Курс по выбору (Программная инженерия)

Направление: 09.03.04. Программная инженерия

Кто читает: Кафедра информационных технологий в бизнесе (Пермь)

Где читается: Факультет экономики, менеджмента и бизнес-информатики

Когда читается: 4-й курс, 2, 3 модуль

Формат изучения: с онлайн-курсом

Преподаватели: Мухин Олег Игоревич

Язык: русский

Кредиты: 7

Контактные часы: 40

Полная версия программы учебной дисциплины

Аннотация

Курс посвящен изучению современных методов компьютерного синтеза моделей, продуцирующих интеллектуальную деятельность, на основе доступной для наблюдения информации об окружающем мире. Рассматриваются математические вопросы формализации, моделирования интеллектуальной деятельности и автоматического решения задач, сформулированных пользователем. Широко обсуждаются вопросы теории познания в приложении к прикладным способам построения формальных систем. Освоение курса позволяет успешно работать в сфере индустриального производства программного обеспечения с возможностями синтеза интеллектуальных реакций компьютерных систем. Особое место уделено универсальным и комплексным методам искусственного интеллекта.

Цель освоения дисциплины

приобретение знаний о принципах, способах, методах и приемах представления и обработки ин-формации на основе интеллектуальной технологии для принятия решений в сложных ситуациях и управления сложными системами
формирование умений, навыков и компе-тенций по применению методов решения реальных задач и способов построения моделей сложных систем, обладающих интеллектуальными свойствами, в будущей профессио-нальной деятельности

Планируемые результаты обучения

Демонстрирует способность классификации моделей представления знаний
Использует модели представления знаний в практической деятельности

Содержание учебной дисциплины

Раздел 1. Искусственный интеллект как научное направление, представление знаний, рассуждений и задач; эпистемологическая полнота представления знаний и эвристически эффективные стратегии поиска решения задач
Тема 1. Построение систем искусственного интеллекта. Понятие о системе искусственного интеллекта. Модельный подход в имитации интеллектуальной деятельности. Искусственный интеллект как научное направление, представление знаний, рассуждений и задач; эпистемологическая полнота представления знаний и эвристически эффективные стратегии поиска решения задач. Механизмы искусственного интеллекта (система и варианты элементов и структур). Свойства окружающего мира и его отражение в модели. Виды моделей. Иерархии в представлении мира. Моделирование как метод научного познания. Понятие отображения информации. Использование моделирования при исследовании, проектировании и эксплуатации систем обработки информации и управления. Понятие обратной задачи. Понятие о технологии. Модели и знания. Знания и умения. Операции со знаниями. Тема 2. Основные подходы к реализации систем искусственного интеллекта. Моделирование механизмов искусственного интеллекта. Основные подходы к реализации систем искусственного интеллекта, технические реализации, перспективы. Вычислительные среды для реализации систем искусственного интеллекта. Современные платформы. Искусственная среда. Прогноз. Инструментальные средства разработки интеллектуальных систем. Этапы разработки. Проект. Система. Модель. Признаки и свойства, элемент и компоненты, связи и отношения. Поведение и процессы. Состав и структура. Переменные, параметры, состояние. Язык описания. Типы объектов и возможности формализации. Иерархия. Отражение. Информация. Исчисление информации. Формализм. Задача.
Раздел 2. Модели представления знаний: алгоритмические, логические, сетевые и продукционные модели; сценарии; экспертные системы: классификация и структура
Тема 3. Модели представления знаний. Обучение. Модели представления знаний: алгоритмические, логические, сетевые и продукционные модели. Модели обучения. Поведение индивидуума (экспериментальная модель). Автомат (формальная модель). Структуры автоматов. Свойства и поведение автоматов, способность к обучению. Измерение обучаемости. Параметры процесса обучения. Забывание, инерционность. Система автоматов. Поведение автомата в коллективе. Игры автоматов. Типы игр. Имитация индивидуальных черт поведения. Автомат с переменной структурой. Память автомата. Консерватизм и авантюризм, влияние параметра на целесообразность поведения и эффективность поиска решений. Метод оценочной функции в проектировании целесообразного поведения автомата. Тема 4. Модель экспертной системы. Модель классификации. Экспертные системы. Модель экспертной системы. Модель предметной области. Система управления интеллектуальной деятельностью на модели предметной области. Режимы работы экспертной системы – обучение, экспертиза. Процесс обучения. Процесс экспертизы. Пример. Алгоритм работы экспертной системы. Модель интеллектуального интерфейса. Математическая интерпретация процесса обучения. Графическая интерпретация процесса обучения. Сценарии; классификация и структура. Базы данных и базы знаний. Коэффициент сжатия информации, построение абстракций. Основная парадигма искусственного интеллекта. Автоматизация построения моделей, уровень интеллектуальности. Тема 5. Нейроны и нейронные сети. Модели поведения. Роль однородных структур в организации мышления. Два типа архитектур (централизованные и децентрализованные). Достоинства и недостатки архитектур. Нейроны и нейронные сети. Физиология, модели нейрона, структуры. Логика и динамика действия нейрона. Логика и динамика функционирования нейронных сетей. Иерархия сетей. Задачи, решаемые нейронными сетями. Способность нейронной сети имитировать рациональное поведение. Способность нейронной сети имитировать интеллектуальное поведение. Параметры сети и сложность решаемых на сети задач. Задача распознавания на нейронных сетях. Сети с памятью. Моделирование рефлексов. Тема 6. Модели распознавания. Модели распознавания. Математическая постановка проблемы. Алгоритмы настройки и обучения нейронных сетей. Персептрон. Структура. Режимы работы. Математическая модель персептрона. Процедура обучения персептрона. Алгоритм обратной волны. Проблема и задача классификации. Связность. Кластерный анализ. Математическая постановка проблемы. Показатели связности. Метод построения дерева решений. Вывод правил. Исчисление информации, содержащейся в базе данных, дереве решений и правиле. Алгоритм распознавания и классификации ID3. Автоматизированное получение правил из массива данных. Базы данных и базы знаний. Коэффициент сжатия информации, построение абстракций. Тема 7. Модели воспроизводства и эволюции. Модели воспроизводства и эволюции. Воспроизводство: пределы роста. Процесс эволюции. Критерии эволюции. Типы эволюционных процессов. Понятие генома. Генетический алгоритм. Генетическое программирование. Проектирование геометрических задач методами генетического программирования. Вывод законов окружающего мира методами генетического программирования. Автоматизированное получение правил из массива данных. Базы данных и базы знаний. Тема 8. Модели психики. Модели психики. Отражение мира во внутреннем мире интеллекта. Структура понятий психического мира. Иерархия психики. Структура мира в психическом представлении о нем. Динамика психической деятельности. Параметры психики. Модели нейронных сетей А. Амосова. Понятие сознания. Иерархия. Модель человека. Процессы воспитания, развития и обучения. Разум и мораль. Цели поведения, воля. Поведение в коллективе. Типы умственной деятельности. Профессиональная деятельность человека. Тема 9. Представление и формализация знаний. Представление знаний. Модели знаний. Формализация знаний и операций с ними. Базы знаний и базы законов. Когнитивные модели. Нечеткие модели. Операции вывода знаний. Автоматизация моделирования как процесс повышения интеллектуальности систем. Тема 10. Модели языка. Модели языка. Структура языка. Свойства языка. Язык и мышление. Основной закон развития языковых средств. Строение языка. Иерархия. Синтез и анализ языковых фрагментов. Задача распознавания языкового фрагмента. Алгоритм. Проблема представления знаний. Словарь и грамматика. Модели предметной области и базовых знаний в структуре языка. Праязык. Структура мысли и структура языка. Интерпретация. Фоносемантика. Диалог с системой. Понятие о типах интерфейсов компьютерных систем. Имитаторы рассудочной деятельности. Технология построения и внедрения интеллектуальных функций в состав сложных искусственных систем.

Элементы контроля

Лабораторная работа № 1
Лабораторная работа № 2
Лабораторная работа № 3
Лабораторная работа № 4
Самостоятельная работа
Задача самостоятельной подготовки студента к практическим занятиям состоит в освоении теоретического материала, полученного на лекции, и закреплении его на практических примерах. Отчет по самостоятельной работе студента по дисциплине «Интеллектуальные системы» предоставляется в виде готового решения на практических занятиях. Для получения оценки за прохождение онлайн-курса по его окончании студент должен предоставить:  Отметку о прохождении курса и его контрольных мероприятий.  Базу данных выбранной Вами предметной области и результат обучения системы – модель (дерево, граф, правила, систему уравнений) или базу знаний.  Визуализацию результата (например, диаграмма классов, пространство состояний нейронной сети, разбиение на классы в пространстве признаков).
Экзамен
Экзамен проводиться в письменной форме дистанционно по билетам. В билете 5 вопросов (теория и практика).
Лабораторная работа № 1
Лабораторная работа № 2
Лабораторная работа № 3
Лабораторная работа № 4
Самостоятельная работа
Задача самостоятельной подготовки студента к практическим занятиям состоит в освоении теоретического материала, полученного на лекции, и закреплении его на практических примерах. Отчет по самостоятельной работе студента по дисциплине «Интеллектуальные системы» предоставляется в виде готового решения на практических занятиях. Для получения оценки за прохождение онлайн-курса по его окончании студент должен предоставить:  Отметку о прохождении курса и его контрольных мероприятий.  Базу данных выбранной Вами предметной области и результат обучения системы – модель (дерево, граф, правила, систему уравнений) или базу знаний.  Визуализацию результата (например, диаграмма классов, пространство состояний нейронной сети, разбиение на классы в пространстве признаков).
Экзамен

Промежуточная аттестация

Промежуточная аттестация (3 модуль)
0.1 * Лабораторная работа № 1 + 0.1 * Лабораторная работа № 2 + 0.1 * Лабораторная работа № 3 + 0.1 * Лабораторная работа № 4 + 0.2 * Самостоятельная работа + 0.4 * Экзамен

Программа дисциплины