Математические модели представления знаний

Аннотация дисциплины
«Математические модели представления знаний»
Общая трудоемкость изучения дисциплины составляет 5 ЗЕ (180 час.).
Цель дисциплины:
Раскрытие основных понятий и концепций теории информационных систем,
основных на математических моделях представления знаний.
Задачи дисциплины:
Изучение теории моделирования информационных процессов с использованием
моделей представления знаний, идеологии построения архитектуры интеллектуальных
информационных систем, математического аппарата их формализации, возможностей и
путей использования математических моделей представления знаний при анализе и
синтезе интеллектуальных информационных систем.
Основные дидактические единицы (разделы):
История развития искусственного интеллекта (ИИ), интеллект человека и
искусственный интеллект, возможность моделирования мышления человека.
Основные понятия инженерии знаний. Общие сведения о знаниях. Классификация
знаний. Характеристики знаний и отличия знаний от данных. Модели представления
знаний и их типы. Декларативные и процедуральные модели представления знаний.
Логическая модель представления знаний.
Основные понятия логики
высказываний и логики предикатов. Представление знаний о предметной области в виде
предикатных формул. Преобразование предикатных формул и их приведение к
нормальной и сколемовской стандартной формам. Клаузальная форма. Исчисление
предикатов первого порядка, основные аксиомы и правила логического вывода
исчисления предикатов. Аксиоматический подход к организации логического вывода.
Метод резолюции и использование резолюционного вывода в исчислении предикатов.
Логическое программирование.
Сетевые модели представления знаний. Семантические сети, их классификация и
принципы построения. Типы объектов и отношений в семантических сетях. Основные
операции над семантическими сетями. Агрегация и обобщение. Управление выводом в
сетевых моделях. Запрос семантической сети. Наследование атрибутов в семантических
сетях. Использование семантических сетей в естественно-языковых системах.
Фреймовая модель представления знаний. Понятие фрейма, его структура,
класификация фреймов. Структура слота, его основные элементы. Типы значений слотов.
Виды присоединенных процедур и принципы их функционирования. Принципы
организации фреймовых систем. Виды отношений между фреймами. Наследование
атрибутов в фреймовых системах. Основные стратегии логического вывода в фреймовых
системах.
Продукционные модели представления знаний. Понятие продукции. Структура
продукции. Продукционные правила, их типы и основные структуры. Антецедент и
консеквент правила. Построение графов продукций, их виды. Продукционные системы,
их структура, основные принципы организации и функционирования.
Стратегии
разрешения конфликтов в продукционных системах. Применение продукционных
моделей при представлении знаний в интеллектуальных информационных системах.
Представление неточных и нечетких знаний. Понятие неточных знаний. Методы
поиска решений в условиях неопределенности. Использование коэффициентов
уверенности, байесовского подхода для формализации неточных знаний. Нечеткие
множества и их связь с теорией построения интеллектуальных систем. Виды нечетких
знаний. Основные понятия теории нечетких множеств. Лингвистические переменные и их
использование для представления нечетких знаний. Обработка нечетких знаний в
интеллектуальных системах.
Методы обработки знаний. Основные стратегии обработки знаний. Прямая и
обратная цепочки рассуждений, способы их реализации. Методы поиска решений в
пространстве состояний. Графовые модели, деревья. Поиск в глубину и в ширину. Поиск с
возвратом. Поиск на основе стоимости дуг. Эвристический поиск.
Технология приобретения знаний. Методы выявления и структурирования знаний
для интеллектуальных систем. Основные функции инженера по знаниям.
Инструментальные средства работы со знаниями. Языки, использующиеся при
представлении и обработке знаний. Общие сведения о языках инженерии знаний. Понятие
о функциональном и логическом программировании. Особенности языков Лисп, Пролог и
Смолток.
Использование объектно-ориентированного подхода к представлению и
обработке знаний.
Системы, основанные на знаниях. Классы прикладных систем, основанных на
знаниях, и задачи, решаемые ими. Экспертные системы: классификация, назначение,
особенности, принципы функционирования и построения. Основные подходы к
организации баз знаний интеллектуальных систем.
Перспективы развития интеллектуальных информационных систем и технологий
на базе математических моделей представления знаний.
В результате изучения дисциплины студент должен:
Знать: базовые модели представления знаний в информационных системах и уметь
их анализировать; способы представления и обработки неточных и нечетких знаний.
Уметь: применять основные технологии приобретения знаний; использовать
методы обработки знаний в прикладных системах, основные алгоритмы и стратегии
логического вывода.
Владеть: языками инженерии знаний и инструментальными средствами
построения систем, основанных на знаниях; навыками разработки баз знаний для
различных моделей.
Виды учебной работы: лекции, лабораторные занятия.
Изучение дисциплины заканчивается зачетом
Аннотация дисциплины
«Модели и методы планирования экспериментов, обработки
экспериментальных данных»
Общая трудоемкость изучения дисциплины составляет 5 ЗЕ (180 час.).
Цель дисциплины:
Освоение методики планирования экспериментов для построения моделей
предметных областей информационных систем и моделей бизнес-процессов.
Задачи дисциплины:
Изучение методов планирования и проведения эксперимента с последующей
математической обработкой полученных результатов при исследовании сложных
технологических процессов и операций с использованием методов математической
статистики и регрессионного анализа.
Основные дидактические единицы (разделы):

Элементы математической статистики;

Корреляционный анализ;

Дисперсионный анализ;

Регрессионный анализ;

Планирование активного эксперимента;

Планирование пассивного эксперимента

Построение и анализ нелинейных эмпирических моделей;

Компонентный анализ. Построение моделей с использованием главных
компонент;

Факторный анализ. Построение моделей с использованием факторных
переменных;

Робастные методы оценивания параметров моделей;

Динамические (временные) факторные модели.
В результате изучения дисциплины студент должен:
Знать: модели предметных областей информационных систем и методы
планирования экспериментов.
Уметь: разрабатывать планы экспериментов и синтезировать модели предметных
областей, оценивать эффективность экспериментов и качество моделей.
Владеть: методами разработки математических моделей информационных систем;
навыками работы с пакетами прикладных программ Математической статистики, Matlab,
Matcad и офисными программами EXCEL.
Виды учебной работы: лекции, лабораторные занятия.
Изучение дисциплины заканчивается экзаменом.
Аннотация дисциплины
«Методы, организация и проведение научных исследований»
Общая трудоемкость изучения дисциплины составляет 4 ЗЕ (144
час.).
Цель дисциплины:
Формирование у студентов умения на
практике
организовать
исследовательские и проектные работы, управлять коллективом.
Задачи дисциплины:
Изучение методов и приемов сбора, анализа научно-технической
информации, применения отечественного и зарубежного опыта по тематике
исследования.
Изучение дисциплины направлено на формирование и развитие
следующих общекультурных и профессиональных компетенций:
 способен совершенствовать и развивать свой интеллектуальный и
общекультурный уровень, самостоятельно обучаться новым
методам исследования (ОК-1);
 способен приобретать и использовать на практике знания, умения и
навыки в организации исследовательских и проектных работ, в
управлении коллективом (ОК-3);
 способен на практике применять новые научные принципы и методы
исследований (ПК-3);
 способен исследовать применение различных научных подходов к
автоматизации информационных процессов и информатизации
предприятий и организаций (ПК-9);
В результате изучения дисциплины студент должен:
Знать: методы и приемы организации исследовательских
проектных работ.
и
Уметь: управлять коллективом; осуществлять сбор, анализ научнотехнической информации, отечественного и зарубежного опыта по тематике
исследования; проводить анализ результатов экспериментов, осуществлять
выбор оптимальных решений, подготавливать и составлять обзоры,
отчеты и научные публикации.
Владеть: навыками профессиональной эксплуатации современного
оборудования.
Виды учебной работы: лекции, практические занятия.
Изучение дисциплины заканчивается зачетом.