Рабочая программа_ИИНСУ - Томский политехнический

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ
Государственное образовательное учреждение высшего профессионального образования
«ТОМСКИЙ ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ»
__________________________________________________________________
УТВЕРЖДАЮ
Директор ИДО
_____________ А.Ф.Федоров
«____»_____________2007г.
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ
И НЕЙРОСЕТЕВОЕ УПРАВЛЕНИЕ
Рабочая программа, методические указания и контрольные задания
для студентов специальности 220301 «Автоматизация технологических
процессов и производств (в нефтегазовой отрасли)»
Института дистанционного образования
Семестр
Лекции, часов
Лабораторные занятия, часов
Контрольная работа
Самостоятельная работа, часов
Формы контроля
Томск 2007
10
2
11
6
6
1
46
зачет
УДК 536.24
Искусственный интеллект и нейросетевое управление: Рабочая программа, метод. указ. и контр. задания для студентов спец. 220301 «Автоматизация технологических процессов и производств (в нефтегазовой отрасли)»
ИДО /Сост. Т.Е. Степанченко.– Томск: Изд. ТПУ, 2007.– 19 с.
Рабочая программа, методические указания и контрольные задания
рассмотрены и рекомендованы к изданию методическим семинаром
кафедры
теоретической
и
промышленной
теплотехники
«___» _____________ 2007 года, протокол № ____.
Зав. кафедрой, профессор, к.т.н. _______________ А.М. Малышенко
Аннотация
Рабочая программа, методические указания и контрольные задания по
дисциплине «Искусственный интеллект и нейросетевое управление» предназначены для студентов специальности 220301 «Автоматизация технологических процессов и производств (в нефтегазовой отрасли)». Данная дисциплина
изучается один семестр.
Приведено содержание основных тем дисциплины, указан перечень лабораторных работ. Приведены варианты заданий контрольной работы. Даны
методические указания по выполнению контрольной работы.
2
1. ЦЕЛИ И ЗАДАЧИ УЧЕБНОЙ ДИСЦИПЛИНЫ
1.1. Цели преподавания дисциплины
Дисциплина ставит целью сформировать у студентов знания: об основных определениях интеллекта, его мерах и уровнях, фундаментальных свойствах искусственных нейронных сетей, об основах нейроуправления.
1.2. Задачи изложения и изучения дисциплины
Успешно изучивший дисциплину "Искусственный интеллект и нейросетевое управление" студент
должен иметь представление:
 об основных понятиях систем искусственного интеллекта и нечёткой
логики, а также о нечеткой и лингвистической переменных, структуре и
назначении экспертных систем, архитектуре искусственных нейросетей;
знать и уметь использовать:
 подходы и методы нейроуправления на базе нечёткой логики; этапы
разработки экспертных систем; алгоритмы обучения искусственных нейросетей;
иметь опыт:
 работы в программных приложениях Neural Networks и Fuzzy Logic
Toolbox пакета Matlab 6.5.
 оперировать над нечеткими множествами.
Вышеуказанные цели преподавания и задачи изучения дисциплины "Искусственный интеллект и нейросетевое управление" достигаются за счет совместной с преподавателями и другими студентами работы в аудиториях, а
также индивидуальной познавательной деятельности студентов. С этой целью
используется набор современных способов и средств обучения: лекции, лабораторные занятия, самостоятельная работа студентов по курсу, персональные
компьютеры, учебные пособия и методические указания к лабораторным работам, обеспечивающие данный курс кафедры ИКСУ.
Практические навыки при изучении дисциплины "Искусственный интеллект и нейросетевое управление" студент приобретает во время выполнения лабораторных работ.
2. СОДЕРЖАНИЕ ТЕОРЕТИЧЕСКОГО РАЗДЕЛА ДИСЦИПЛИНЫ
2.1 Базовые понятия искусственного интеллекта (ИИ)
Терминология. Уровни и меры интеллекта. Интегральная теория ИИ [3,
8, 14].
3
2.2 Экспертные системы
Базовые понятия. Назначение, структура и этапы построения экспертных систем [3, 13, 24].
2.3 Нечёткая логика
Основы нечёткой логики. Теория нечётких множеств. Операции над
нечеткими множествами. Нечеткая и лингвистическая переменные [2, 15-17].
2.4 Нейронные сети
Искусственный нейрон. Классификация искусственных нейросетей.
Обучение нейронных сетей. Основные алгоритмы нейроуправления [1, 18-21].
Применение нейросетей [6, 23].
3. СОДЕРЖАНИЕ ПРАКТИЧЕСКОГО РАЗДЕЛА ДИСЦИПЛИНЫ
3.1. Перечень лабораторных работ
1. Программный пакет Neural Networks Toolbox Matlab 6.5. Назначение и
обзор. (2 часа)
2. Использование Simulink при построении нейронных сетей (2 часа)
3. Пакет Fuzzy Logic Toolbox. (2 часа)
4. КОНТРОЛЬНЫЕ РАБОТЫ
4.1 Общие методические указания
При изучении данной дисциплины студенты выполняют контрольную
работу, представленную в виде билетов из 20 вариантов. Каждый билет состоит из трёх вопросов. Варианты контрольных заданий приведены в разделе 4.2.
Студент выбирает номер варианта контрольной работы, который соответствует числу, составленному из двух последних цифр зачетной книжки. Если это
число больше 20, то берется номер варианта, соответствующий остатку от деления нацело на 20. Например, число из двух последних цифр 35, берется вариант равный 15 (35/20 = 15), если число 43, то берется вариант равный 3
(43/20 = 3).
Контрольная работа выполняется на листах формата А4. Ответ на каждый вопрос пишется на отдельном листе. Титульный лист должен содержать
название дисциплины, номер варианта и данные студента (фамилия, номер
группы). Пример решения задания № 3 представлен в разделе 4.3.
4.2. Варианты контрольных заданий
Вариант 01
1. Управление на базе нечёткой логики (преимущества применения).
4
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.9/x1; 0.3/x2; 0.1/x3; 0.2/x4},
B= {0.6/x1; 0.2/x2; 0.1/x3; 0.5/x4},
C= {0.7/x1; 0.3/x2; 0.3/x3; 0.8/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) B  C ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 02
1. Нейроуправление на основе инверстно-прямой модели.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {1/x1; 0.1/x2; 0.3/x3; 0.4/x4},
B= {0.3/x1; 0.2/x2; 0.7/x3; 0.6/x4},
C= {0.3/x1; 0.2/x2; 0.7/x3; 0.6/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) B  C ;
3) A  B ;
5
4) B  C ;
5) A  С .
Вариант 03
1. Нейроуправление на основе инверстно-непрямой модели.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.8/x1; 0.6/x2; 0.4/x3; 0.3/x4},
B= {0.7/x1; 0.5/x2; 0.3/x3; 0.2/x4},
C= {0.9/x1; 0.7/x2; 0.5/x3; 0.4/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) B  C ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 04
1. Нейроуправление с эмулятором и контроллером.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.3/x1; 1/x2; 0.1/x3; 0.7/x4},
B= {1/x1; 0.3/x2; 0.2/x3; 0.1/x4},
C= {1/x1; 1/x2; 0/x3; 0/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
6
7) A  C .
Рассчитать:
1) A  B ;
2) B  C ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 05
1. Последовательная схема управления (способы реализации).
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.1/x1; 0.2/x2; 0.3/x3; 0.4/x4},
B= {1/x1; 0.3/x2; 0.5/x3; 0.8/x4},
C= {0.7/x1; 0.4/x2; 0.6/x3; 0.9/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) B  C ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 06
1. Параллельная схема управления. Модификация параллельной схемы
управления с линейной математической моделью нелинейной динамической
системы.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.2/x1; 0.4/x2; 0.7/x3; 0.9/x4},
B= {0/x1; 0.2/x2; 0.6/x3; 1/x4},
C= {1/x1; 0.3/x2; 0.7/x3; 1/x4}.
Определить, выполняются ли условия:
7
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) B  C ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 07
1. Экспертные системы. Методы поиска решений в экспертных системах.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.1/x1; 0.2/x2; 0.3/x3; 0.4/x4},
B= {0.5/x1; 0.6/x2; 0.7/x3; 0.8/x4},
C= {0.9/x1; 1/x2; 0.8/x3; 0.7/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) B  C ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 08
1. Нейроуправление на основе инверстно-прямой модели.
2. Сфера применения нейроуправления (примеры).
8
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {1/x1; 0.8/x2; 0.6/x3; 0.9/x4},
B= {0/x1; 0.1/x2; 0.3/x3; 1/x4},
C= {0.3/x1; 0.7/x2; 0.5/x3; 1/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) B  C ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 09
1. Экспертные системы. Назначение экспертных систем.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.7/x1; 0.5/x2; 0.4/x3; 0/x4},
B= {0.5/x1; 0.4/x2; 0.3/x3; 0.1/x4},
C= {0.3/x1; 0.2/x2; 0.1/x3; 0.8/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) B  C ;
3) A  B ;
4) B  C ;
9
5) A  С .
Вариант 10
1. Экспертные системы. Представление знаний в экспертных системах.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0/x1; 1/x2; 0/x3; 1/x4},
B= {0.3/x1; 0.4/x2; 0.5/x3; 0/x4},
C= {0/x1; 0.9/x2; 0.2/x3; 0/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) B  C ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 11
1. Нейроуправление на основе инверстно-прямой модели.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.4/x1; 0.5/x2; 0.6/x3; 0.3/x4},
B= {0.6/x1; 0.8/x2; 1/x3; 0.9/x4},
C= {0.2/x1; 0.4/x2; 0.1/x3; 0.8/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
10
1)
2)
3)
4)
5)
A B ;
B C ;
A B;
BC;
AС .
Вариант 12
1. Управление на базе нечёткой логики (преимущества применения).
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.6/x1; 0.3/x2; 0.5/x3; 0.9/x4},
B= {0.1/x1; 0.2/x2; 0.4/x3; 0.7/x4},
C= {1/x1; 0/x2; 0/x3; 0.3/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) B  C ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 13
1. Параллельная схема управления. Модификация параллельной схемы
управления с линейной математической моделью нелинейной динамической
системы.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {1/x1; 1/x2; 1/x3; 0.9/x4},
B= {0.1/x1; 0.8/x2; 0.3/x3; 0.5/x4},
C= {1/x1; 0.8/x2; 0.4/x3; 0.3/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
11
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) B  C ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 14
1. Последовательная схема управления (способы реализации).
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.3/x1; 0.5/x2; 07/x3; 1/x4},
B= {1/x1; 0.6/x2; 0.6/x3; 0.1/x4},
C= {0.1/x1; 0.5/x2; 0.4/x3; 1/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) B  C ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 15
1. Нейроуправление с эмулятором и контроллером.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.2/x1; 0.6/x2; 0.7/x3; 0.6/x4},
B= {0.1/x1; 1/x2; 0/x3; 0.7/x4},
12
C= {0/x1; 0.5/x2; 0.5/x3; 0.7/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) B  C ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 16
1. Нейроуправление на основе инверстно-непрямой модели.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0/x1; 0.4/x2; 0.2/x3; 0.7/x4},
B= {1/x1; 0.3/x2; 0.1/x3; 0.6/x4},
C= {0/x1; 0.4/x2; 1/x3; 0.8/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) B  C ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 17
1. Управление на базе нечёткой логики (преимущества применения).
13
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {1/x1; 0.3/x2; 0.4/x3; 0.8/x4},
B= {0.9/x1; 0.2/x2; 0.6/x3; 1/x4},
C= {0.2/x1; 0.5/x2; 0.7/x3; 0.3/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) B  C ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 18
1. Экспертные системы. Назначение экспертных систем.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.1/x1; 0.4/x2; 0.7/x3; 0.3/x4},
B= {1/x1; 0.5/x2; 1/x3; 0.5/x4},
C= {0.2/x1; 0.6/x2; 0.8/x3; 1/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) B  C ;
3) A  B ;
14
4) B  C ;
5) A  С .
Вариант 19
1. Экспертные системы. Назначение экспертных систем.
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {0.8/x1; 0.5/x2; 0.8/x3; 0.5/x4},
B= {1/x1; 0.7/x2; 0.9/x3; 1/x4},
C= {0.1/x1; 0/x2; 0.2/x3; 0.4/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
7) A  C .
Рассчитать:
1) A  B ;
2) B  C ;
3) A  B ;
4) B  C ;
5) A  С .
Вариант 20
1. Последовательная схема управления (способы реализации).
2. Сфера применения нейроуправления (примеры).
3. Пусть на универсальном множестве E={x1;x2;x3;x4} заданы нечеткие
множества A, B, C:
A= {1/x1; 0.6/x2; 0.7/x3; 0.6/x4},
B= {0.1/x1; 0.5/x2; 0.8/x3; 0.5/x4},
C= {1/x1; 0.5/x2; 0.6/x3; 0.6/x4}.
Определить, выполняются ли условия:
1) A  B ;
2) B  C ;
3) A  C ;
4) B  C ;
5) A  B ;
6) C  B ;
15
7) A  C .
Рассчитать:
1) A  B ;
2) B  C ;
3) A  B ;
4) B  C ;
5) A  С .
4.2. Пример решения задания № 3
Пусть на универсальном множестве E заданы нечеткие множества A,
B, C:
A= {1/x1; 0/x2; 0/x3; 0.1/x4},
B= {1/x1; 0/x2; 0.1/x3; 0.2/x4},
C= {1/x1; 0.2/x2; 0.1/x3; 0.8/x4}.
Определим, выполняются ли условия:
1) A  B – включение. Данное условие выполняется, т.е. А содержится в B, так как x  E  A ( x)   B ( x) .
2) B  C – включение. Данное условие выполняется, т.е. А содержится в B, так как x  E  B ( x)   C ( x) .
3) A  C – включение. Данное условие выполняется, т.е. А содержится в B, так как x  E  A ( x)   C ( x) .
4) B  C – равенство. Данное условие не выполняется, так как не выполняется условие x  E  A ( x)   C ( x) .
5)
A  B – дополнение. А и B дополняют друг друга, если
x  E  A ( x)  1   B ( x) . Следовательно, данное условие не выполняется.
6) C  B – дополнение. А и B дополняют друг друга, если
x  E  С ( x)  1   B ( x) . Следовательно, данное условие не выполняется.
7)
A  C – дополнение. А и B дополняют друг друга, если
x  E  A ( x)  1   C ( x) . Следовательно, данное условие не выполняется.
Рассчитаем:
1) A  B – пересечение, т.е. наибольшее нечеткое подмножество, содержащее одновременно A и B, функция принадлежности для которого рассчитывается по формуле:
 AB ( x)  min(  A ( x),  B ( x)) .
Тогда получаем A  B ={1/x1; 0/x2; 0/x3; 0.1/x4}.
16
2) B  C - объединение, т.е. наименьшее нечеткое подмножество,
включающее как A, так и В, с функцией принадлежности:
 BC ( x)  max(  B ( x),  C ( x)) .
Тогда получаем B  C ={1/x1; 0.2/x2; 0.1/x3; 0.8/x4}.
3) A  B  A  B с функцией принадлежности:
 A B ( x)  min(  A ( x), 1   B ( x)) .
Тогда получаем A  B ={0/x1; 0/x2; 0/x3; 0.1/x4}.
4) B  C  B  C с функцией принадлежности:
 B C ( x)  min(  B ( x), 1   C ( x)) .
Тогда получаем B  C ={0/x1; 0/x2; 0.1/x3; 0.2/x4}.
5) A  B  ( A  B)  ( B  A)  ( A  B )  ( A  B) с функцией принадлежности:
 A B ( x)  max(min(  A ( x), 1   B ( x));min(1   A ( x),  B ( x))) .
Тогда получаем A  С ={0/x1; 0/x2; 0.1/x3; 0.1/x4}.
5. УЧЕБНО-МЕТОДИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ
5.1. Литература обязательная
1. Терехов В.А., Ефимов Д. В., Тюкин И.Ю. Нейросетевые системы
управления: Учеб. Пособие для вузов. М.: Высш. Школа, 2002. – 262с.
2. Сигеру Омату. Нейроуправление и его приложения. Кн. 2. / Сигеру
Омату, Марзуки Халид, Рубия Юсоф; Пер. с англ. Н. В. Батина; Под ред.
А. И. Галушкина, В. А. Птичкина. — М.: ИПРЖР, 2000. — 272 с.
3. Искусственный интеллект: справочник в 3-х книгах. - М.: Мир, 1990.
4. Пупков К.А. О некоторых этапах развития теории и техники интеллектуальных систем// Мехатроника. Автоматизация. Управление.– 2003.– №2.
5.2. Литература дополнительная
5. Терехов В.А., Ефимов Д.В., Тюкин И.Ю. Нейросетевые системы
управления.– М.: ИПРЖ «Радиотехника», 2002.– 480 с.
6. Многослойные нейронные сети и их применение в системах автоматического управления: Метод. указания к лаб. работам / Сост.: Т.А. Захаренкова, В.А. Терехов, И.Ю. Тюкин.– СПб.: СПбГЭТУ (ЛЭТИ), 1998.– 28с.
17
7. Ивахненко А. Г. Моделирование сложных систем: информационный
подход. - Киев: Наукова думка, 1987. - 136 с.
8. Тимофеев А.В. Роботы и искусственный интеллект. - М.: Наука,
1978. – 192 с.
9. Терехов В.П., Тюкин И.Ю. Эволюция и проблемы теории адаптивных
систем управления// Мехатроника. Автоматизация. Управление.– 2003.– №7.
10.Елисеев А.В. Нечёткое управление мультиструктурным объектом//
Мехатроника. Автоматизация. Управление.– 2005.– №11.
11.Мордкович И.М., Лохин В.М., Маньков С.В., Романов М.П., Большаков П.А., Мордкович Е. А., Семёнов А.В. Интеллектуальные робототехнические системы: тенденции развития и проблемы разработки/ // Мехатроника.
Автоматизация. Управление.– 2004.– №9.
12.О нечеткой динамической коррекции параметров ПИД-регулятора/
В.Д. Бобко и др. // Автометрия.–1998.– № 1.- С.54-55.
5.3. Web-ресурсы
13.Джозеф Джарратано, Гари Райм «Экспертные системы, принципы
разработки и программирования», пер. с англ. – М.: Издательский дом «Вильямс», 2006г. – Режим доступа: http://www.techno.edu.ru, вход свободный.
14.Может ли машина мыслить? ИИ. – Режим доступа:
http://www.artifintel.org.ru, вход свободный.
15.Нечеткая логика, мягкие вычисления и вычислительный интеллект. –
Режим доступа: http://www.fuzzyset.narod.ru, вход свободный.
16.Нечеткая логика – математические основы. – Режим доступа:
http://www.basegroup.ru/librery/analysis/fuzzylogic/math, вход свободный.
17.Нечеткая логика – научная статья по математике. – Режим доступа:
http://www.academinfo.ru, вход свободный.
18.Нейронные сети. – Режим доступа: http://www.orc.ru, вход свободный.
19.Нейронные
сети.
Вводный
курс.
–
Режим
доступа:
http://neuronets.chat.ru, вход свободный.
20.Нейронные сети. Основные положения. – Режим доступа:
http://ai.obrazec.ru, вход свободный.
21.Нейронные сети. Учебное пособие к курсу «Нейронные сети» для
студентов 5 к. кафедры электроники. – Режим доступа: http://nncourse.chat.ru,
вход свободный.
22.Распознавание образов и ИИ. – Режим доступа: http://ocrai.narod.ru,
вход свободный.
23.Самодельный робот. Робот и искусственный интеллект. – Режим доступа: http://robot.paccbet.ru, вход свободный.
24.Экспертные системы реального времени. – Режим доступа:
http://www.osp.ru, вход свободный.
18
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И
НЕЙРОСЕТЕВОЕ УПРАВЛЕНИЕ
Рабочая программа, методические указания и контрольные задания
Составитель: Татьяна Егоровна Степанченко
Рецензент: В.Н. Шкляр, к.т.н., доцент каф. ИКСУ АВТФ
Подписано к печати
Формат 60х84/16. Бумага офсетная.
Плоская печать. Усл.печ.л. 0,47. Уч.-изд.л. 0,42.
Тираж
экз. Заказ
. Цена свободная.
Издательство ТПУ. 634050, Томск, пр. Ленина, 30.
19