i. цели и задачи дисциплины

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РФ
Московский государственный институт электроники и математики
(технический университет)
«УТВЕРЖДАЮ»
Проректор по учебной работе
_____________ А.Ф. Каперко
"____"_____________ 2011 г.
РАБОЧАЯ ПРОГРАММА
Наименование дисциплины: ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ
Направление подготовки: 230100 Информатика и вычислительная техника
Магистерская программа: Вычислительные машины, комплексы, системы
и сети
Квалификация выпускника: магистр
Форма обучения: очная
Факультет: Автоматики и вычислительной техники
Кафедра: Вычислительные системы и сети
Москва 2011
I. ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ
Целью данной дисциплины является изучение общих принципов
построения интеллектуального программного обеспечения и получение
навыков практического применения технологий искусственного
интеллекта (ИИ) при создании сложных программных комплексов.
Задачи:
 Изучение общих принципов построения компиляторов.
 Изучение основных методов и алгоритмов лексического и
синтаксического анализа.
 Разработка интерпретатора языка высокого уровня.
Этот курс является составной частью цикла специальных дисциплин,
определяющих подготовку студентов в области информационных
технологий.
2. Место дисциплины в структуре ООП
Б3.ДВ2 – Дисциплина по выбору.
Перед изучением дисциплины студент должен знать основы
информатики и программирования, архитектуры вычислительных систем,
операционных систем и сетей, основы математической логики, теории
автоматов, теории алгоритмов и дискретной математики. Дисциплина
является предшествующей для дисциплин "Информационные системы",
"Организация высокопроизводительных систем" и "Управление
прикладными информационными системами".
3. Требования к результатам освоения дисциплины
Процесс изучения дисциплины направлен на формирование
следующих компетенций студента:
 Осознает сущность и значение информации в развитии современного
общества; владеет основными методами, способами и средствами
получения, хранения, переработки информации (ОК-11).
 Имеет навыки работы с компьютером как средством управления
информацией (ОК-12).
2
 Способен работать с информацией в глобальных компьютерных сетях
(ОК-13).
 Способен разрабатывать модели информационных систем, включая
модели баз данных (ПК-4).
 Способен разрабатывать компоненты программных комплексов и баз
данных, использовать современные инструментальные средства и
технологии программирования (ПК-5).
В результате изучения дисциплины студенты должны:
– знать:
 теоретические основы основных методов ИИ;
 базовые принципы создания интеллектуальных систем.
– уметь:
 применять приемы и методы технологии ИИ в своей
практической деятельности, а также иметь базовые навыки
программирования на языке Пролог.
– владеть:
 методами проектирования сложных систем;
 основами программирования на языке Пролог;
 методами анализа искусственных языков.
– иметь представление:
 об основных тенденциях развития систем ИИ.
 о роли и месте знаний по дисциплине при освоении смежных
дисциплин по выбранной специальности и в сфере
профессиональной деятельности.
3
4. Объем дисциплины и виды учебной работы
Общая трудоемкость дисциплины составляет 3 зачетные единицы.
Вид учебной работы
Всего
часов
36
Семестр
11
36
Лекции
18
18
Практические занятия (ПЗ)
18
18
Самостоятельная работа (всего)
36
36
Реферат
30
30
Контрольные работы
6
6
Аудиторные занятия (всего)
В том числе:
В том числе:
Вид промежуточной аттестации (зачет, экзамен)
Общая трудоемкость:
зачет
часы
72
зачетные единицы
2
4
5. Содержание дисциплины
5.1. Содержание разделов дисциплины
Семестр 11
№
п/п
1
2
3
4
5
Наименование темы и ее содержание
Основные понятия и определения
Цели и задачи курса. Системы искусственного интеллекта, как основа новых
информационных технологий. История вопроса. Понятие искусственного
интеллекта. Определения искусственного интеллекта (ИИ). Пути создания ИИ.
Бионическое, эвристическое и эволюционное направления. Классификация систем
ИИ.
Инженерия знаний
Знания и системы, основанные на знаниях. Понятие знания. Модели представления
знаний. Продукционная и логическая модели. Основные механизмы дедукции
(логического вывода). Модель системы продукций. Модель логического
программирования. Прямой и обратный вывод. Преимущества и недостатки.
Семантические сети и фреймы. Семиотические модели. Условная вероятность.
Приближенные рассуждения.
Экспертные системы
Определение экспертной системы (ЭС). Определения и терминология.
Назначения и особенности ЭС. Структура и режимы работы экспертной системы.
Приобретение знаний. Классификация ЭС. Особенности пользовательского
интерфейса в ЭС. Механизм объяснения. Взаимодействие инженера по знаниям с
экспертом. Приобретение знаний от эксперта. Фазы разработки или стадии
существования ЭС.
Генерация баз знаний (БЗ). Автоматизированные системы интерактивного
приобретения знаний. Автоматическое приобретение знаний. Генерация БЗ и
индуктивный вывод. Основы теории индуктивных выводов.
Онтологии. Онтологии и ООП. Тезаурусы. Принцип организации онтологии.
Нечеткие знания
Теория нечетких множеств. Операции над нечеткими множествами. Нечеткие
множества n-го рода. Нечеткая логика. Операции нечеткой логики. Нечеткий вывод.
Нечеткие контроллеры. Примеры систем, основанных на нечетком выводе.
Введение в формальные системы
Определение формальной системы. Исчисление высказываний. Исчисление
предикатов первого порядка. Софизмы. Преобразование ППФ в предложения.
Принцип резолюций. Резолюции в Прологе. Алгоритм унификации. Доказательство
теорем. Префиксная форма записи. Вычисление префиксной формы записи.
Эвристики.
5
№
п/п
6
7
8
9
Наименование темы и ее содержание
Правдоподобные рассуждения
Дедукция, индукция и абдукция. Основные понятия теории индуктивного
вывода. Виды индукции. Машина вывода. Индуктивный вывод функций.
Индуктивные выводы в языках. Отрицательные и положительные данные. Системы
индуктивного вывода.
Описание ДСМ-метода. Правдоподобные правила. Квазиаксиоматические
теории. Каузальная зависимость. Понятие примера. Общий алгоритм. Шаги ДСМметода.
Индукция. Аналогия. Абдукция. Проверка условия каузальной полноты.
Завершение работы ДСМ-алгоритма.
Искусственные нейронные сети
Искусственные нейронные сети. Нейроинтеллект. Биологические нейронные сети.
Формальная модель нейрона. Классификация НС. Персептрон Розенблатта.
Принцип работы и организация.. Обучение персептрона. Формальное описание
персептрона. Теорема об обучении персептрона. Многослойные нейронные сети.
Постановка задачи оптимизации при обучении нейронной сети. Обучение методом
обратного распространения ошибок. Решение задачи "Исключающего ИЛИ". Типы
обучения нейросети. Архитектура связей. Задачи для нейронных сетей. Примеры
приложений. Конкурентное обучение. Алгоритм "Победитель забирает все" для
решения задачи классификации. Карта самоорганизации Кохонена. Звезды
Гроссберга. Модель Хопфилда. Сети с обратными связями. Спиновые стекла.
Правило Хебба. Проблема ложных образов. Ортогонализация. Нейродинамика в
модели Хопфилда. Правило обучения Хебба. Обобщения и применения модели
Хопфилда. Модификации правила Хебба. Алгоритмы разобучения (забывания).
Двунаправленная ассоциативная память. Детерминированная и вероятностная
нейродинамика.
Генетические алгоритмы (ГА) и генетическое программирование
Определения и терминология. Операторы ГА. Селекция, скрещивание,
мутации. Выбор родительской пары. Алгоритм работы ГА. ГА в решении задач
многопараметрической оптимизации. Количественные оценки параметров ГА.
Влияние параметров ГА на эффективность поиска. Операторы кроссовера и
мутации. Выбор родительской пары. Механизм отбора. Примеры решения задач
методами ГА. Ограничения ГА.
Тестовые задачи. Методы кодировки хромосом. Код Грея. Недостатки ГА.
Генетическое программирование
Эволюционное моделирование
Методология эволюционного моделирования (ЭМ). Определения и терминология.
Место ЭМ в системах искусственного интеллекта. Предсказание и индуктивный
вывод. Решение задачи индуктивного вывода методом ЭМ. Факторы эволюции. О
размерности решаемых задач. Размножение в ЭМ. Наследование признаков и
мутации. Методологические основы ЭМ. Реализация машин вывода.
Математическая модель машины вывода. Автоматный газ. Эксперименты по
предсказанию последовательностей и решение задачи классификации.
Взаимодействующие автоматы. Геометрия сети взаимодействующих автоматов.
Автоматный газ и нейронные сети. Сходимость и устойчивость эволюционного
процесса. Параметрическая и структурная оптимизация. Использование ЭМ в
решении технических задач.
6
№
п/п
10
11
12
13
Наименование темы и ее содержание
Системы речевого общения
Распознавание текста. Теория формальных языков. ОК-Грамматики.
Представление акустического сигнала. Формирование и восприятие речи
человеком. Системы синтеза речи. Клиппированная речь. Системы распознавания
речи. Анализаторы речевых сообщений. Распознавание аллофонов. Формантный
анализатор речевых сообщений.
Программирование диалога. Системы ввода-вывода речевой информации.
Модели поведения
Автоматные модели. Стохастические автоматы в стационарных средах. Автоматы с
линейной тактикой. Автоматы с переменной структурой. Формирование и угасание
условного рефлекса. Сложные рефлексы. Игры автоматов. Коллективное поведение
автоматов. Задача Майхилла (задача о цепи стрелков). Ранг рефлексии. Однородные
структуры. Ролевое поведение.
Машинное творчество
Машинное творчество и ИИ. Общая структура творческого процесса.
Пермутационные методы. Музыка. Живопись и художественная графика.
Литература. Поэзия. Перестановки. Шаблоны форм и подстановки. Семантические
сети и ассоциации в поэзии. Перестановочные методы. Искажение готового текста.
Замены. Проза. Метод S+N. Игра «Философ». Создание связных текстов. Поиск
вариантов в сочинении сказок. Работы Проппа, Гаазе-Раппопорта, Поспелова и
Семеновой. "Волшебные" сказки. Элементы структуры ВС. Генерация
псевдолитературных произведений. Общие и сюжетные словари. Методология
выбора шаблонов. Художественное оформление. Псевдоассоциативная модель
текста. Человеко-машинный диалог. Модели систем ИИ. Технология анализа
естественного языка. Игровые программы. Фатический диалог. Тезис Тьюринга и
программы Дж. Вейценбаума. Метод подбора шаблона.
Интеллектуальное планирование
Задача планирования. Описание мира. Универсальный решатель задач. Метод
STRIPS. Эвристики.
7
5.2 Разделы дисциплины и междисциплинарные связи с
обеспечиваемыми (последующими) дисциплинами
№ Наименование
п/п обеспечиваемых
(последующих)
дисциплин
1.
Информационные системы
2.
Организация
высокопроизводительных
систем
Управление прикладными
информационными
системами
3.
Номера разделов данной дисциплины,
необходимых для изучения обеспечиваемых
(последующих) дисциплин
1
2
+ +
3
5
6
7
8
+ +
+ +
+
4
9
+
+ + + + + +
+
10
+
11
12
13
+
+
+
+
+
+
+
5.3. Разделы дисциплин и виды занятий
№
п/п
Наименование раздела дисциплины
1.
2.
3.
4.
5.
6.
7.
8.
Основные понятия и определения
9.
10.
11.
12.
13.
Эволюционное моделирование
Инженерия знаний
Экспертные системы
Нечеткие знания
Введение в формальные системы
Правдоподобные рассуждения
Искусственные нейронные сети
Генетические алгоритмы (ГА) и генетическое
программирование
Системы речевого общения
Модели поведения
Машинное творчество
Интеллектуальное планирование
Лекции
+
+
+
+
+
+
+
+
+
+
+
+
+
Практ.
занятия
+
+
+
+
+
СРС
+
+
+
+
+
+
6. Лабораторный практикум
Не предусмотрен.
8
Темы контрольных работ:
1. Конечные автоматы. Построение грамматики и детерминированного
конечного автомата по заданному недетерминированному конечному
автомату. Написание моделирующей Пролог-программы.
2. Синтаксические анализаторы. Перевод заданного выражения в
польскую форму записи:

методом синтаксически управляемого перевода,

методом автомата с магазинной памятью,

с помощью операторных грамматик.
3. Создание грамматики языка по заданному фрагменту программы;
формирование матрицы переходов; реализация семантических
процедур; создание эквивалентной исходному фрагменту польской
формы и/или набора тетрад; реализация синтаксического анализатора
на языке Пролог.
7. Примерная тематика курсовых работ
Курсовая работа не предусмотрена.
8. Учебно-методическое и информационное
обеспечение дисциплины:
а) основная литература:
1. Гаазе-Раппопорт М.Г., Поспелов Д.А. От амебы до робота: модели
поведения. – М.: Наука, 1987. – 288 с.
2. Ин Ц., Соломон Д. Использование Турбо-Пролога: Пер. с англ. – М.:
Мир, 1993. – 608 с.
3. Искусственный интеллект: В 3 кн. Кн. 1. Системы общения и
экспертные системы: Справочник /Под ред. Э.В. Попова. – М.: Радио
и связь, 1990. – 464 с.
4. Лорьер Ж.-Л. Системы искусственного интеллекта: Пер. с франц. –
М.: Мир, 1991. – 568 с.
5. Марселлус Д. Программирование экспертных систем на Турбо
Прологе: Пер. с англ. – М.: Финансы и статистика, 1994. – 256 с.
6. Поспелов Д.А. Фантазия или наука: на пути к искусственному
интеллекту. – М.: Наука, 1982. – 224 с.
7. Приобретение знаний: Пер. с япон. / Под ред. С.Осуги, Ю.Саэки. –
М.: Мир, 1990. – 340 с.
8. Реальность и пpогнозы искусственного интеллекта: Сб. статей; Пеp с
англ. /Под pед. и с пpедисл. В.Л.Стефанюка. – М.: Миp, 1987. – 247 с.
9. Уотермен Д. Руководство по экспертным системам: Пер. с англ. –
М.: Мир, 1989. – 388 с.
9
б) дополнительная литература:
1. Поспелов Г.С. Искусственный интеллект – основа новой
информационной технологии. – М.: Наука, 1988. – 280 с.
2. Малпас Дж. Реляционный язык Пролог и его применение: Пер. с
англ. – М.: Наука. Гл. ред. физ.-мат. лит., 1990. – 464 с.
3. Тейз А., Грибомон П., Луи Ж. и др. Логический подход к
искусственному интеллекту: от классической логики к логическому
программированию: Пер. с франц. – М.: Мир, 1990. – 432с.
4. Асаи К., Ватада Д., Иваи С.и др. Прикладные нечеткие системы: Пер.
с япон.; под ред. Т.Тэрано, К.Асаи, М.Сугэно. – М.: Мир, 1993. –
368 с.
5. Братко И. Программирование на языке Пролог для искусственного
интеллекта: Пер.с англ. – М.: Мир, 1990. – 560с.
6. Варшавский В.И., Поспелов Д.А. Оркестр играет без дирижера:
размышления об эволюции некоторых технических систем и
управлении ими. – М.: Наука. Гл. ред. физико-математической
литературы, 1984. – 208с.
7. Лоскутов А.Ю., Михайлов А.С. Введение в синергетику. – М.:
Наука, 1990. – 272 с.
8. Мичи Д., Джонстон Р. Компьютер-творец: Пер. с англ. /
Предисловие Д.А.Поспелова М.: Мир, 1987. – 235 с.
9. Фогель Л., Оуэнс А., Уолш М. Искусственный интеллект и
эволюционное моделирование. – М.: Мир, 1969. – 230 с.
10.Цетлин М.Л. Исследования по теории автоматов и моделированию
биологических систем. – М.: Наука, 1969. – 316 с.
11.Цыпкин Я.З. Основы теории обучающихся систем. – М.: Наука, 1970.
12.Эндpю А. Искусственный интеллект. – М.: Миp, 1985. – 264 с.
13.Розенблатт Ф. Принципы нейродинамики. Перцептроны и теория
механизмов мозга. Пер.с англ. – М.:Мир, 1965.
14.Соколов Е.Н., Вайткявичус Г.Г. Нейроинтеллект: от нейрона к
нейрокомпьютеру. – М.: Наука, 1989. – 238 с.
в) базы данных, информационно-справочные и поисковые системы:
1. http://raai.org
2. http://rema44.ru
9. Материально-техническое обеспечение дисциплины:
1. Компьютерный класс, оборудованный для проведения практических
и лабораторных работ персональными компьютерами.
2. Установленное лицензионное программное обеспечение.
10
10. Методические рекомендации по организации
изучения дисциплины:
 Вести рабочую тетрадь с проработкой и заметками по изучаемым
вопросам.
 Для лучшего усвоения материала перед каждой лекцией знакомиться
с лекционным материалом, доступном в электронном виде на сайте
http://rema44.ru.
Рабочая программа составлена в соответствии с Государственным
образовательным стандартом высшего профессионального образования по
направлению подготовки (специальности) 230100 – "Вычислительные
машины, комплексы, системы и сети".
Составитель:
к.т.н., доцент каф. ВСиС
___________________ Карпов В.Э.
Рецензент:
____________________
Заведующий кафедрой ВСиС
д.т.н., профессор
___________________ Вишнеков А.В.
Декан факультета АВТ
д.т.н., профессор
___________________ Петросянц К.О.
11