Интеллект информ технол_для ПИ_Раб_прогр

Министерство образования и науки Российской Федерации
Владивостокский государственный университет
экономики и сервиса
Кафедра информационных систем и прикладной информатики
т
ИНТЕЛЛЕКТУАЛЬНЫЕ
ИНФОРМАЦИОННЫЕ
ТЕХНОЛОГИИ
т
Основная образовательная программа
230700.68 ПРИКЛАДНАЯ ИНФОРМАТИКА
Системы корпоративного управления
М
а
г
и
Рабочая программа учебной дисциплины
с
р
Д.А. НАЗАРОВ
а
у
р
а
Институт информатики, инноваций и бизнес-систем
Владивосток
Издательство ВГУЭС
2012
ББК 32.973
Рабочая программа учебной дисциплины «Интеллектуальные информационные технологии» составлена в соответствии с требованиями
ООП 230700.68 Прикладная информатика на базе ФГОС ВПО.
Автор-составитель: Назаров Д.А., доцент кафедры информационных систем и прикладной информатики
Утверждена на заседании кафедры информационных систем и прикладной информатики от 11.01.2011 г., протокол № 5, редакция 2012 г.
Рекомендована к изданию учебно-методической комиссией Института информатики, инноваций и бизнес-систем.
© Издательство Владивостокского
государственного университета
экономики и сервиса, 2012
ВВЕДЕНИЕ
Интенсивный перевод многих сфер деятельности человека в электронный формат, увеличение объемов информации, необходимость
быстрого принятия решений в условиях неопределенности и неполноты
информации требует не только автоматизации части работ, выполняемых человеком, но и их интеллектуализации. Современные информационные системы, ориентированные на максимально плотное взаимодействие с человеком с целью достижения наивысшей эффективности его
труда, должны уметь предвидеть действия пользователя, давая ему возможность выбора из возможных вариантов, понимать команды на естественном языке, фильтровать информацию по контексту и предыдущим
результатам поиска. Системы поддержки принятия решений должны
быть способны классифицировать и распознавать ситуации среди большого потока неполной и противоречивой информации. Разработка, поддержка и развитие таких систем невозможны без понимания основ теории искусственного интеллекта.
3
1. ОРГАНИЗАЦИОННО-МЕТОДИЧЕСКИЕ УКАЗАНИЯ
1.1. Цели освоения учебной дисциплины
Целями освоения дисциплины «Интеллектуальные информационные технологии» являются формирование у магистрантов компетенций
в области искусственного интеллекта.
Задачами дисциплины являются:
1.Формирование комплексных знаний в области методов интеллектуальной обработки данных и организации баз знаний при управлении
бизнес-процессами;
2.Формирование знаний и навыков в принятии решений в слабо
формализованных задачах.
1.2. Место учебной дисциплины в структуре ООП
(связь с другими дисциплинами)
Дисциплина «Интеллектуальные информационные технологии»
относится к базовой части профессионального цикла. Материал дисциплины требует наличия у слушателя базового образования в области
информационных технологий и базируется на знаниях и компетенциях,
полученных при изучении дисциплин магистратуры «Информационные
технологии математического моделирования», «Математическое моделирование».
ООП
Форма
обучения
Блок
Трудоемкость
(З.Е.)
Форма
промежуточного
контроля
230700.68 ПРИКЛАДНАЯ
ИНФОРМАТИКА. Системы
корпоративного управления
ОФО
М.2/Б.
4
Э
1.3. Компетенции обучающегося,
формируемые в результате освоения
учебной дисциплины
В результате освоения дисциплины у обучающегося должны быть
сформированы компетенции.
4
Вид
компетенций
Компетенции
ПК-3 способен на практике применять новые научные принципы и
методы исследований
ПК-7 способен ставить и решать прикладные задачи в условиях неопределенности и определять методы и средства их эффективного
решения
ПК-8 способен проводить научные эксперименты, оценивать результаты исследований
ПрофесПК-10 способен проводить анализ экономической эффективности
сиональИС, оценивать проектные затраты и риски
ные
ПК-13 способен анализировать и оптимизировать прикладные и
информационные процессы
ПК-18 способен принимать эффективные проектные решения в
условиях неопределенности и риска
ПК-25 способен использовать передовые методы оценки качества,
надежности и информационной безопасности ИС в процессе эксплуатации прикладных ИС
В результате освоения дисциплины у обучающегося должны быть
сформированы знания, умения, владения.
Коды
компетенций
Составляющие компетенции
1
2
Знания
методы интеллектуальной обработки данных и организации баз знаний при управлении бизнес-процессами
Умения
применять на практике перспективные методики исследования прикладных и информационных процессов
Умения
ставить и решать задачи проектирования профессионально-ориентированных информационных систем для предметной области и определять методы и средства их эффективного решения
Владения
методами и средствами эффективного решения прикладных задачи в условиях неопределенности
ПК-3
ПК-7
5
1
2
ПК-8
Умения
классифицировать и распознавать ситуации при проведении научных экспериментов
ПК-10 Владения
навыками управления проектами по информатизации прикладных процессов и систем
ПК-13 Знания
особенности процессного подхода к управлению прикладными ИС
ПК-18 Знания
принимать решения по информатизации предприятий в
условиях неопределенности
Знания
передовые методы оценки качества, надежности и информационной безопасности ИС
Умения
использовать инновационные подходы к проектированию
ИС
ПК-25
1.4. Основные виды занятий
и особенности их проведения
Дисциплина читается магистрантам в объеме 144 учебных часов.
На самостоятельную работу магистрантам выделяется 60 часов. Промежуточная аттестация по дисциплине – экзамен.
1.5. Виды контроля и отчетности по дисциплине
Контроль успеваемости магистрантов осуществляется в соответствии с рейтинговой системой оценки знаний. Текущий контроль предполагает:
– проверку уровня самостоятельной подготовки студента при выполнении индивидуальных заданий;
– рецензирование студентами работ;
– опросы, обсуждения по рассматриваемым темам.
Промежуточный контроль предусматривает выполнение заданий и
контрольных работ, позволяющих оценить знания, умения и уровень
приобретенных компетенций.
6
2. СТРУКТУРА И СОДЕРЖАНИЕ
УЧЕБНОЙ ДИСЦИПЛИНЫ
2.1. Темы лекций
Раздел 1. Введение
Тема 1.Классификация систем с искусственным интеллектом.
Класс систем, основанных на знаниях; класс самоорганизующихся
систем; класс систем эвристического поиска; системы общего назначения; специализированные системы; классификация экспертных систем.
Раздел 2. Методы представления знаний
Тема 1. Продукционная модель представления знаний.
Основы логики предикатов; логические операции; представление
знаний с помощью продукционных правил; представление знаний с помощью языка Prolog.
Тема 2. Основы проектирования экспертных систем.
Этапы разработки экспертных систем; идентификация; концептуализация; признаковый и структурный подходы к построению модели
предметной области; методы построения системы понятий; формальные
и неформальные методы установления взаимосвязей; формализация;
тестирование.
Тема 3. Фреймы и семантические сети.
Понятие фрейма; структура фрейма; типы фреймов; фрейм-понятие; фрейм-меню; иерархические фреймы; присоединенные процедуры;
модель семантической сети Куиллиана; классификация семантических
сетей; виды семантических отношений.
Раздел 3. Распознавание образов
Тема 1. Искусственные нейронные сети.
Модель искусственного нейрона; модель Мак-Каллока – Питтса;
обучение нейрона; правило Хебба; правило Видроу-Хоффа; сигмоидальный нейрон; нейрон типа ADALINE и MADALINE; инстар и
аутстар Гроссберга; однослойная и многослойная нейронная сеть.
Тема 2. Генетические алгоритмы.
Решение оптимизационной задачи с помощью генетических алгоритмов; кодирование параметров задачи в виде хромосом; понятия особи, популяции; метод селекции; методы скрещивания и мутации.
Тема 3. Метод группового учета аргументов.
Схема массовой селекции; показатель регулярности.
2.2. Перечень тем практических/лабораторных занятий
Тема 1. Кластеризация методом К-средних
Понятие кластера; понятие метрики; алгоритм кластеризации методом К-средних.
7
Тема 2. Продукционная модель представления знаний.
Продукционная модель представления знаний; формирование высказываний в виде продукций; логический вывод; основы синтаксиса
языка Prolog.
Тема 3. Нечеткие множества и операции с ними.
Понятие нечеткого множества; виды функции принадлежности;
треугольная и гауссова функции; лингвистическая переменная; объединение и пересечение нечетких множеств; отрицание нечеткого множества; операции концентрирования и растяжения.
Семинар. Моделирование систем нечеткой логики средствами
Fuzzy Logic Toolbox.- 8 часов (Приложение 1).
Тема 4. Семантические сети и модель RDF
Графовая модель семантической сети; модель RDF; пространства
имен; синтаксис XML; описание модели RDF с помощью XML.
Тема 5. Обучение перцептрона.
Модель искусственного нейрона Мак-Каллока – Питтса; сигмоидальная активационная функция; обучающая выборка; градиентный
метод обучения.
Семинар. Моделирование нейронных сетей средствами Newral
Network Toolbox.- 8 часов (Приложение 1).
Тема 6. Основы генетических алгоритмов.
Решение оптимизационной задачи с использованием генетических
алгоритмов; кодирование параметров задачи в виде хромосом; операторы скрещивания и мутации; селекция особей методом «рулетки».
Тема 7. Метод группового учета аргументов.
Построение опорных функций; полином Колмогорова-Габора; метод наименьших квадратов; методы селекции опорных функций.
Тема 8. Метод потенциальных функций.
Потенциальная функция; обучающая выборка; алгоритм подбора
параметров функции.
2.3. Самостоятельная работа студентов
Раздел 1. Введение
Тема 1. История развития теории искусственного интеллекта.
Понятие искусственного интеллекта; исторические этапы развития
теории искусственного интеллекта; философские проблемы создания
искусственного интеллекта; основные подходы к созданию систем с
искусственным интеллектом.
Раздел 2. Методы представления знаний
Тема 1. Проблема представления знаний в информационных системах.
8
Отличие знаний от данных; информация; формулировки понятия
знания; основные концепции инженерии знаний; классификация знаний; модели представления знаний; формальный и эвристический подходы к представлению знаний.
Тема 2. Фреймы и семантические сети
Понятие фрейма; структура фрейма; типы фреймов; фреймпонятие; фрейм-меню; иерархические фреймы; присоединенные процедуры; модель семантической сети Куиллиана; классификация семантических сетей; виды семантических отношений.
Тема 3. Нечеткие множества и нечеткая логика.
Понятие нечеткого множества; функция принадлежности нечеткого
множества; объединение нечетких множеств; пересечение нечетких
множеств; операции отрицания, концентрирования и растяжения; лингвистическая переменная; таблица нечетких правил.
Тема 4. Онтологический подход
Понятие онтологии; понятие таксономии; процесс концептуализации; задачи, решаемые с помощью онтологий; типы и элементы диаграмм в IDEF5.
Раздел 3. Распознавание образов
Тема 1. Основные положения задачи распознавания образов.
Понятие образа; задача обучения распознаванию; пространство
признаков; геометрический и структурный подходы; гипотеза компактности; самообучение; адаптация; классификация систем распознавания
образов.
Тема 2. Метод группового учета аргументов
Метод наименьших квадратов; полином Колмогорова-Габора; примеры нахождения приближающих функций.
Тема 3. Метод обратного распространения ошибки.
Градиентный метод решения оптимизационной задачи; целевая
функция ошибки нейронной сети; обучение нейронной сети методом
обратного распространения ошибки.
Тема 4. Нейронные сети с обратной связью.
Топология нейронных сетей с обратной связью; нейронная сеть
Хопфилда; нейронная сеть Хэмминга; нейронная сеть Кохонена; ассоциативная память; задача восстановления зашумленных образов.
Тема 5. Метод потенциальных функций.
Разделяющая функция; виды потенциальных функций; построение
потенциальных функций; коррекция разделяющей функции; алгоритм
построения потенциальной функции.
Тема 6. Основы кластерного анализа.
Понятие кластера; критерии качества кластеризации; выбор метрики; расстояние между кластерами; обобщенное расстояние; методы кластеризации; иерархическая кластеризация.
9
3. ОБРАЗОВАТЕЛЬНЫЕ ТЕХНОЛОГИИ
Программой дисциплины предусмотрено чтение лекций, проведение семинаров. На занятиях магистранты изучают новый материал, рассматривают конкретные примеры по изучаемой теме, выступают с докладами, освещающими отдельные вопросы рассматриваемой темы,
участвуют в обсуждении.
В качестве самостоятельной работы магистрантам дается подготовка
докладов и сообщений по отдельным вопросам рассматриваемой темы.
4. МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ
ПО ИЗУЧЕНИЮ КУРСА
4.1. Перечень и тематика самостоятельных работ
студентов по дисциплине
1.Классы задач, решаемых с помощью искусственного интеллекта.
2.Классы систем с искусственным интеллектом.
3.Продукционная модель представления знаний.
4.Использование теории нечетких множеств и нечеткий вывод.
5.Представление и организация знаний с помощью семантических
сетей.
6.Онтологический подход к представлению знаний и системы построения онтологий.
7.Классы задач, решаемых с помощью искусственных нейронных
сетей.
8.Нейросетевой подкод к решению задач управления.
9.Генетические алгоритмы в задачах оптимизации и управления.
10.Системы распознавания образов.
4.2. Контрольные вопросы
для самостоятельной оценки качества освоения
учебной дисциплины
1.С выполнением каких функций обычно связывают интеллект?
2.Что понимается под термином «искусственный интеллект»?
3.Какая задача является интеллектуальной?
4.Чем отличаются знания от данных? В каком соотношении находятся эти понятия?
5.В чем состоят основные проблемы разработки систем с ИИ?
10
6.Какие пути моделирования ИИ сложились исторически?
7.В каких прикладных областях находят применение нейронные сети?
8.Какие основные типы ИИС можно выделить на основе методологических подходов?
9.Какие основные недостатки и преимущества у нейронных сетей?
10.В чем состоит эвристический подход в создании СИИ?
11.Какое утверждение является методологической основой эвристического поиска?
12.Какие свойства отличают знания от данных?
13.В чем состоит способ представления знаний «тройкой»?
14.В чем состоит продукционная модель представления знаний?
15.Что из себя представляет фреймовая модель представления
знаний?
16.Что из себя представляет семантическая сеть?
17.Для каких задач используется теория нечетких множеств и нечеткая логика?
18.В чем отличие нечеткого множества от «классического» множества?
19.Какие существуют виды функций принадлежности нечеткого
множества?
20.В чем состоит онтологический подход к представлению знаний?
21.Что собой представляет модель онтологии?
22.Какой существует стандарт, регламентирующий процесс разработки онтологий?
1.Какие естественные процессы моделируются с помощью ИНС?
2.Каковы основные функциональные элементы нейрона, используемые в модели?
3.Какие существуют основные виды ИНС?
4.Каковы основные преимущества ИНС?
5.Каковы основные недостатки ИНС?
6.В чем состоит наиболее распространенный метод обучения ИНС?
7.Какие процессы моделируются с помощью ГА и в чем состоит
суть подхода?
8.Как происходит селекция хромосом в ГА и в чем состоит «метод
рулетки»?
4.3. Методические рекомендации по организации СРС
В качестве самостоятельной работы магистрантам предлагается подготовка докладов на заданные темы и проработка смежных вопросов.
11
5. УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ
ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ
5.1. Основная литература
1.Захарова И.Г. Информационные технологии в образовании: учебное пособие для студентов вузов / И.Г. Захарова. – 7-е изд., перераб. и
доп. – М.: Академия, 2011. – 192 с.
2.Федотова Е.Л. Информационные технологии в науке и образовании: учебное пособие для студентов вузов / Е.Л. Федотова, А.А. Федотов. – М.: ФОРУМ: ИНФРА-М, 2011. – 336 с.: ил.
3.Онокой, Л.С. Компьютерные технологии в науке и образовании:
учебное пособие для студентов вузов / Л.С. Онокой, В.М. Титов. – М.:
ФОРУМ: ИНФРА-М, 2011. – 224 с.
4.Новые педагогические и информационные технологии в системе
образования: [учеб. пособие для студ. вузов] / [авт.: Е.С. Полат, М.Ю. Бухаркина, М.В. Моисеева, А.Е. Петров]; под ред. Е.С. Полат. – 3-е изд.,
испр. и доп. – М.: Академия, 2008. – 272 с.
5.2. Дополнительная литература
1.Инновации в образовательном процессе вуза: монография / [авт.:
С.Л. Бедрина, О.Б. Богданова, Н.И. Винтонива и др.]; Владивосток. гос.
ун-т экономики и сервиса. – Владивосток: Изд-во ВГУЭС, 2009. – 176 с.
5.3. Интернет-ресурсы
1. www.aiportal.ru – портал искусственного интеллекта
2. www.mari-el.ru/mmlab/home/prolog/study_l.html – логическое программирование с использованием языка Prolog.
3. www.w3.org/RDF/ – стандарт семантической паутины на основе
модели RDF
4. www.intuit.ru/department/ds/neuronnets/ – теория искусственных
нейронных сетей
12
6. МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ
ДИСЦИПЛИНЫ
а) программное обеспечение: интерпретатор языка Prolog – gProlog,
система для математических расчетов GNU Octave
б) техническое и лабораторное обеспечение: аудитория с мультимедийным оборудованием
7. СЛОВАРЬ ОСНОВНЫХ ТЕРМИНОВ
Интеллектуальная задача – это такая задача, алгоритм решения
которой неизвестен. Решение интеллектуальной задачи связано с отысканием его алгоритма.
Искусственный интеллект (ИИ) – свойство автоматизированных
систем выполнять функции интеллекта человека.
Экспертная система (ЭС) – компьютерная программа, способная
заменить эксперта в определенной области деятельности человека. Ядром большинства экспертных систем является база знаний – хранилище
определенным образом организованных и взаимосвязанных знаний о
предметной области.
Искусственная нейронная сеть (ИНС) – математическая или кибернетическая модель сети взаимодействующих друг с другом биологических нейронов.
Онтология – концептуальная схема предметной области, выраженная формальными средствами.
Семантическая сеть – модель предметной области, представленная в виде ориентированного графа, вершины которого представляют
понятия, а ребра – отношения между ними.
Генетический алгоритм – эвристический поисковый алгоритм
решения оптимизационной задачи путем комбинирования и отбора ее
параметров с использованием механизмов, аналогичных принципам
эволюции биологических видов.
13
ПРИЛОЖЕНИЕ 1
Семинар. Моделирование систем нечеткой логики средствами
Fuzzy Logic Toolbox. – 4 часа.
Описание: Участники готовят презентацию об основных возможностях Fuzzy Logic Toolbox. В презентации отражается функциональность тулбокса, особенности работы с ним и область применения. Работа с тулбоксом демонстрируется на конкретных данных, самостоятельно
выбираемых участником.
Семинар. Моделирование нейронных сетей средствами Newral
Network Toolbox. – 4 часа.
Описание: Участники готовят презентацию об основных возможностях Newral Network Toolbox. В презентации отражается функциональность тулбокса, особенности работы с ним и область применения.
Работа с тулбоксом демонстрируется на конкретных данных, самостоятельно выбираемых участником.
14
СОДЕРЖАНИЕ
ВВЕДЕНИЕ ................................................................................................... 3
1. ОРГАНИЗАЦИОННО-МЕТОДИЧЕСКИЕ УКАЗАНИЯ ...................... 4
1.1. Цели освоения учебной дисциплины ............................................... 4
1.2. Место учебной дисциплины в структуре ООП
(связь с другими дисциплинами) ...................................................... 4
1.3. Компетенции обучающегося, формируемые в результате
освоения учебной дисциплины ......................................................... 4
1.4. Основные виды занятий и особенности их проведения ................. 6
1.5. Виды контроля и отчетности по дисциплине .................................. 6
2. СТРУКТУРА И СОДЕРЖАНИЕ УЧЕБНОЙ ДИСЦИПЛИНЫ............ 7
2.1. Темы лекций ....................................................................................... 7
2.2. Перечень тем практических/лабораторных занятий ....................... 7
2.3. Самостоятельная работа студентов .................................................. 8
3. ОБРАЗОВАТЕЛЬНЫЕ ТЕХНОЛОГИИ ............................................... 10
4. МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ ПО ИЗУЧЕНИЮ КУРСА ... 10
4.1. Перечень и тематика самостоятельных работ студентов
по дисциплине .................................................................................. 10
4.2. Контрольные вопросы для самостоятельной оценки качества
освоения учебной дисциплины ....................................................... 10
4.3. Методические рекомендации по организации СРС ...................... 11
5. УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ
ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ ........................................................ 12
5.1. Основная литература ....................................................................... 12
5.2. Дополнительная литература ............................................................ 12
5.3. Интернет-ресурсы ............................................................................ 12
6. МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ
ДИСЦИПЛИНЫ ...................................................................................... 13
7. СЛОВАРЬ ОСНОВНЫХ ТЕРМИНОВ ................................................. 13
ПРИЛОЖЕНИЕ 1 ........................................................................................ 14
Учебное издание
Назаров Дмитрий Анатольевич
ИНТЕЛЛЕКТУАЛЬНЫЕ
ИНФОРМАЦИОННЫЕ
ТЕХНОЛОГИИ
Рабочая программа учебной дисциплины
Основная образовательная программа
230700.68 ПРИКЛАДНАЯ ИНФОРМАТИКА
Системы корпоративного управления
Компьютерная верстка С.Ю. Заворотной
Подписано в печать 21.06.2012. Формат 6084/16.
Бумага писчая. Печать офсетная. Усл. печ. л. 0,93.
Уч.-изд. л. 0,8. Тираж 100 экз. Заказ
______________________________________________________________
Издательство Владивостокского государственного университета
экономики и сервиса
690600, Владивосток, ул. Гоголя, 41
Отпечатано во множительном участке ВГУЭС
690600, Владивосток, ул. Гоголя, 41