УЧЕБНАЯ ПРОГРАММА ПО ДИСЦИПЛИНЕ ПРЕДСТАВЛЕНИЕ ЗНАНИЙ В ИНФОРМАЦИОННЫХ СИСТЕМАХ Шарапова Л.В.

УЧЕБНАЯ ПРОГРАММА ПО ДИСЦИПЛИНЕ
ПРЕДСТАВЛЕНИЕ ЗНАНИЙ В ИНФОРМАЦИОННЫХ СИСТЕМАХ
Шарапова Л.В.
Требования к обязательному минимуму содержания основной
образовательной программы:
Логическая модель представления знаний и правила вывода; теоретические основы;
пример спецификации и вычисления; продукционная модель представления знаний и
правила их обработки; реляционные модели представления знаний и соответствующие
способы рассуждений; фреймы, семантические сети; теория и техника приобретения
знаний; принципы приобретения знаний. Существующие подходы и техника решения,
экспертные системы - инструмент автоматизированных обучающих систем; введение в
экспертные системы; роли эксперта, инженера знаний и пользователя; база знаний.
Правила; объекты; определение запроса; редактор; процедурный язык; компилятор правил
и объектов. Средства работы с файлами; структура главного меню; правила и объекты;
антецедент и консеквент правила; первичная цель. Простые объекты; объекты со списком
значений; объекты с фреймами; основные атрибуты (слоты) объекта; создание и
редактирование процедур; вызов процедур из правил; процедурные фреймы и слоты;
операторы процедурного языка; средства управления выполнением приложений;
логическое программирование и экспертные системы; языки искусственного интеллекта;
применение языка Пролог. Архитектура для автоматического рассуждения, основанного
на правилах; механизм вывода на основе модели логического программирования; понятие
о нечетких множествах и их связь с теорией построения экспертных систем; реализация
экспертных систем в среде Windows.
Цели преподавания дисциплины:
Изучение студентами способов описания знаний; изучение механизмов извлечения знаний
из баз знаний; изучение методов представления и формализации знаний; изучение
основных приемов проектирования баз знаний; изучение принципов построения и
функционирования экспертных систем.
Перечень дисциплин, усвоение которых студентам необходимо для усвоения курса
«Информатика», «Математическая логика и теория алгоритмов», «Вероятность и
статистика», «Информационные технологии», «Технология программирования», «Основы
теории управления», «Управление данными»
В результате изучения курса студент должен
знать:

назначение экспертных систем, компонентов экспертных систем;

функции участников разработки;

технологические этапы построения экспертных систем;

теоретические методы построения систем на основе нечеткой логики.
уметь:

выбирать способ организации базы знаний в зависимости от предметной
области;

составлять и анализировать различные модели знаний;

ориентироваться в инструментарии по созданию и управлению знаниями в
экспертных системах;

приобрести навыки работы в оболочке экспертной системы.
иметь представление о:

моделях представления знаний;

механизме логического вывода;

структуре статических и динамических экспертных систем;

процессе построения экспертных системах;
Основными видами занятий являются лекции и практические занятия.
Основными видами промежуточного контроля знаний являются:
Основным видом рубежного контроля знаний является экзамен
Часы, отведенные на изучение дисциплины, согласно учебному плану (68ч):
Форма обучения
Всего ауд. занятий
Самостоятельная работа
очная
34ч
34ч
очно-заочная(вечерняя)
18ч
50ч
заочная
12ч
56ч
СОДЕРЖАНИЕ КУРСА
Тема 1. Ведение. Смысл экспертного анализа. Базовые функции экспертных систем.
Представление знаний. Приобретение знаний. Управление процессом поиска решения.
Разъяснение принятого решения.
Тема 2. Представление знаний предметной области.
Знания и данные. Описание знаний. Интенсионал и экстенсионал понятий. Модели
представления знаний в экспертных системах: Логические модели. Примеры. Сетевые
модели – семантические сети. Примеры. Продукционные модели – системы продукций.
Примеры. Фреймовые модели. Примеры. Графы, деревья и сети. Ассоциативные сети.
Разделение видов узлов и когнитивная экономия. Анализ адекватности ассоциативных
сетей. Представление типовых объектов и ситуаций. Теория и техника приобретения
знаний.
Тема 3. Экспертные системы.
Назначение экспертных систем (ЭС), определения. Типы задач, решаемые с применением
ЭС. Формализованные, неформализованные задачи. Типы экспертных систем. Участники
разработки экспертных систем. Жизненный цикл разработки экспертных систем. Этапы
разработки экспертных систем.
Тема
4. Демонстрация примеров учебных экспертных систем по различной
тематике.
Стили проведения экспертиз. Модели рассуждений для решения задачи. Анализ
результативности работы экспертной системы. Режимы работы экспертных систем:
накопление, приобретение знаний и решение, проведение консультаций.
Тема 5. Создание баздля экспертных систем.
Процедура создания баз знаний с использованием оболочки экспертной системы. Цикл
действий по созданию экспертной системы. Ввод в базу знаний правил, фактов в виде
значений переменных. Правила ввода знаний. Создание экспертной системы.
Определение целей. Проверка решений, выполнение экспертной системы. Сохранение
базы знаний.
Тема 6. Логическое программирование и экспертные системы.
Представление знаний с помощью декларативных языков. Средства языка Пролог для
создания баз знаний. Домены, предиката и предложения Пролога. Механизмы
логического вывода: унификация и бэктрекинг.
Простые и составные правила.
Реализация целей. Управление выводом из базы знаний на языке Пролог.
Тема 7. Нечеткие множества
Способы описания нечеткой информации. Нечеткая логика: достоинства и недостатки.
Базовые понятия нечетких множеств. Определение нечеткого множества. Свойства
нечетких отношений. Композиция нечетких отношений. Декомпозиция нечетких
отношений. Классификация нечетких отношений. Нечеткие числа. Математика нечетких
чисел. Арифметические операции над нечеткими числами (L-R)-типа. Лингвистические
переменные и способы их описания.
Тема 8. Построение экспертных систем на основе нечетких знаний.
Элементы теории приближенных рассуждений. Композиционное правило вывода. Логиколингвистическое описание систем, нечеткие модели. Экспертные системы, построенные
на нечеткой логике. Построение нечеткого регулятора.
Тема 9. Развитие экспертных систем.
Роль экспертных систем в развитии теории и практики искусственного интеллекта.
Анализ готовых систем в промышленности, медицине, транспорте и других областях.
ЛИТЕРАТУРА
Основная:
1. А. Пегат Нечеткое моделирование и управление, Бином. Лаборатория знаний, 2009.
2. Джарратано Д. Райли Г. Экспертные системы (Expert Systems: Principles and
Programming), Вильямс, 2007.
3. Д. Рутковская, М. Пилиньский, Л. Рутковский, Нейронные сети, генетические
алгоритмы и нечеткие системы, Горячая Линия - Телеком, 2007.
4. Рассел С., Норвиг П, Искусственный интеллект: современный подход, ed2k stats,-2006.
5. Джордж Ф. Люгер, Искусственный интеллект. Стратегии и методы решения сложных
проблем, Вильямс, 2005.
Дополнительная:
1. Башмаков А.И., Башмаков И.А., Интеллектуальные информационные технологии, М.:
Изд-во МГТУ им. Н.Э. Баумана, 2005.
2. Муромцев Д.И. Введение в технологию экспертных систем. СПб: СПб ГУ ИТМО, 2005.
3. В. Л. Афонин, В.А. Макушкин. Интеллектуальные робототехнические системы.
ИНТУИТ.РУ, 2005
4. Ярушкина Н. Г Основы теории нечетких и гибридных систем Учебное пособие, М.:
Финансы и статистика, 2004.
5. Люгер Д. Искусственный интеллект М.: Мир, 2003.