Министерство образования и науки Российской Федерации

Муромский институт (филиал)

федерального государственного бюджетного образовательного учреждения высшего образования

 «Владимирский государственный университет

имени Александра Григорьевича и Николая Григорьевича Столетовых»

(МИ ВлГУ)

 

Кафедра  ПИн 

 

 

 

«   31   »       05       2016 г.

 

 

 

 

Рабочая программа ДИСЦИПЛИНЫ

 

     Системы искусственного интеллекта     

 




Направление подготовки

09.03.04 Программная инженерия

Профиль подготовки

Квалификация (степень)выпускника

бакалавр









          

Семестр

Трудоем-кость,

час. / зач. ед.

Лек-ции,

час.

 

Практи-ческие занятия,

час.

Лабора-торные работы,

час.

Консуль-тация,

час.

Конт-роль,

час.

Всего (контак-тная работа),

час.

СРС,

час.

Форма

промежу-точного контр.

(экз., зач., зач. с оц.)

8

108 / 3  

18  

 

20  

3,8  

0,35  

42,15  

30,2  

Экз.(35,65)  

Итого

108 / 3  

18  

 

20  

3,8  

0,35  

42,15  

30,2  

35,65  

 

Муром, 2016 г.


1. Цель освоения дисциплины

Цель дисциплины: получение студентами систематизированных знаний о структуре и принципах работы интеллектуальных вычислительных систем разного назначения, о методах их проектирования и исследования

2. Место дисциплины в структуре ОПОП ВО (Цикл (Б1.В.ДВ.07.02))

Курс базируется на знаниях, полученных студентами в области естественно-научных и общепрофессиональных дисциплин. Дисциплина базируется на материале, изучаемом в дисциплинах: «Информатика и программирование», "Объектно-ориентированное программирование",«Теория цифровых автоматов», «Архитектура вычислительных систем». Углубление и расширение знаний, полученных студентами в данном курсе, будет осуществляться во время изучения дисциплин: проектирование и архитектура программных систем, операционные системы и сети, а также при выполнении курсовых работ, проектов и ВКР.

3. Компетенции обучающегося, формируемые в результате освоения дисциплины

ПК-3 владение навыками использования различных технологий разработки программного обеспечения.

 

В результате освоения дисциплины обучающийся должен демонстрировать следующие результаты образования:

1) Знать:

Принципы управления интеллектуальными системами (ПК-3).

2) Уметь:

Проектировать интеллектуальные системы управления (ПК-3).

3) Владеть:

Навыками использования интеллектуальных систем управления (ПК-3).

 


4. Структура и содержание дисциплины

Общая трудоемкость дисциплины составляет 3 зачетные единицы, 108 часов.

 

4.1. Форма обучения: очная

Уровень базового образования: среднее общее.

Срок обучения 4г.

 

4.1.1. Структура дисциплины


 

Раздел (тема)

дисциплины

 

Виды учебной работы, включая самостоятельную работу студентов и трудоемкость

(в часах)

 

Форма  текущего контроля успеваемости (по неделям семестра), форма промежуточной аттестации

  (по семестрам)

 

п\п

Семестр

Лекции

Семинары

Практические занятия

Лабораторные работы

Контрольные работы

СРС

КП / КР

Консультация

Контроль

1

Общие вопросы искусственного интеллекта

8

4

4

4

Устный опрос, тестирование

2

Технологии искусственного интеллекта

8

4

4

9

Устный опрос, тестирование

3

Извлечение и представление знаний

8

4

4

8,2

Устный опрос, тестирование

4

Перспективы развития интеллектуальных систем и технологий

8

6

8

9

Устный опрос, тестирование

Всего за  семестр

108

18

20

30,2

3,8

0,35

Экз.(35,65)

Итого   

108

18

20

30,2

3,8

0,35

35,65

 

4.1.2. Содержание дисциплины

4.1.2.1. Перечень лекций

Семестр 8

Раздел 1. Общие вопросы искусственного интеллекта

Лекция 1.

Основные понятия искусственного интеллекта. Особенности человеческого мышления. Цели и правила в поведении человека. Обучение человека на опыте. Задачи систем искусственного интеллекта. Языки искусственного интеллекта (2 часа).

Лекция 2.

Информация, данные и знания. - Семантические свойства информации. Представление информации, данных и знаний, их свойства (2 часа).

Раздел 2. Технологии искусственного интеллекта

Лекция 3.

Информационные системы, имитирующие творческие процессы - Машинный интеллект. Интеллектуальные роботы. Структура интеллектуального робота. - Моделирование биологических систем. Нейронные сети и системы. Эвристическое программирование. Эвристическое моделирование (2 часа).

Лекция 4.

Системы интеллектуального интерфейса для информационных систем - Естественные и искусственные языки. Модели общения. Отображение предметной области на структуру знаний. Анализ и синтез высказываний на естественном языке. - Нисходящий грамматический разбор, реализация на Прологе. Формирование запросов к базе данных на естественном языке (2 часа).

Раздел 3. Извлечение и представление знаний

Лекция 5.

Интеллектуальные информационно-поисковые системы - Представление задач в пространстве состояний. Стратегия поиска в глубину: программа поиска без зацикливания. Поиск в ширину: представление множества кандидатов списком; пример работы программы. - Процедуры поиска в и/или графах. Сведение задач к подзадачам. Формулировка игровых задач в терминах и/или графов. Минимаксный принцип нахождения решения задач. - Представление данных и знаний в Интернете. Интеллектуальные Интернет - технологии (2 часа).

Лекция 6.

Экспертные системы - Функции выполняемые экспертной системой. Структура экспертной системы. Представление знаний правилами в экспертных системах. Отличие экспертных систем от традиционных программ. Инструментальные средства экспертных систем. Виды экспертных систем. - Разработка оболочки: процесс рассуждений как поиск в и/или графе, формирование ответов на вопросы "почему" и "как". Реализация оболочки на Прологе: машина вывода. Работа с неопределенностью (2 часа).

Раздел 4. Перспективы развития интеллектуальных систем и технологий

Лекция 7.

Информационные модели знаний. - логические модели, логико-лингвистические и функциональные семантические сети; продукционные и фреймовые модели (2 часа).

Лекция 8.

Инструментальные средства баз знаний. - Языки представления и извлечения знаний в интеллектуальных системах. - Визуальное проектирование баз знаний. Проектирование гипермедиа баз данных и адаптивных обучающихся систем (2 часа).

Лекция 9.

Логико-лингвистические и функциональные семантические сети. - Компьютерная лингвистика. - Программирование с помощью фактов. Программирование с помощью правил. Рекурсивное определение правил. Операция сопоставления. Декларативная и процедурная семантика. Порядок предложений и целей. - Семантическая сеть как графическое представление объектов и отношений между ними (2 часа).

 

4.1.2.2. Перечень практических занятий

Не планируется.

 

4.1.2.3. Перечень лабораторных работ

Семестр 8

Раздел 1. Общие вопросы искусственного интеллекта

Лабораторная 1.

Синтез и обучение нейронной сети в matlab (4 часа).

Раздел 2. Технологии искусственного интеллекта

Лабораторная 2.

Обеспечение заданной точности функционирования нейронных сетей (4 часа).

Раздел 3. Извлечение и представление знаний

Лабораторная 3.

Анализ и синтез допусков на параметры нейронных сетей (4 часа).

Раздел 4. Перспективы развития интеллектуальных систем и технологий

Лабораторная 4.

Диагностика нейронной сети (4 часа).

Лабораторная 5.

интез и исследование искусственных нейроггых сетей основных типов (4 часа).

 

Методические указания к лабораторным работам приведены в ИОП МИ ВлГУ https://www.mivlgu.ru/iop/course/view.php?id=5249

 

4.1.2.4. Перечень учебно-методического обеспечения для самостоятельной работы

Методические указания для самостоятельной работы размещены на информационно-образовательном портале института по ссылке https://www.mivlgu.ru/iop/course/view.php?id=5058.

Для самостоятельной работы также используются издания из списка приведенной ниже основной и дополнительной литературы.

Перечень тем, вынесенных на самостоятельное изучение:

1. Теоретические аспекты извлечения знаний.

2. Теоретические аспекты структурирования знаний.

3. Языки манипулирования данными; инструментальные средства баз данных.

4. Методологии создания и модели жизненного цикла интеллектуальных систем.

5. Сведение задач к подзадачам. Формулировка игровых задач в терминах и/или графов. Минимаксный принцип нахождения решения задач.

6. Технология проектирования и разработки экспертных систем.

7. Системы обучения экспертных систем. Само обучаемые интеллектуальные системы.

8. Интеллектуальные роботы. Структура интеллектуального робота.

9. Эвристическое программирование. Эвристическое моделирование.

10. Анализ и синтез высказываний на естественном языке.

11. Структурирование знаний.

12. Автоматизированное приобретение знаний.

13. Латентные структуры знаний и психосемантика. Управление знаниями. Визуальное проектирование баз знаний. Проектирование гипермедиа баз данных и адаптивных обучающихся систем.

14. Перспективы развития методов представления знаний в информационных системах. Новые технологии создания интеллектуального интерфейса информационных систем.

15. Нисходящий грамматический разбор, реализация на Прологе. Формирование запросов к базе данных на естественном языке.

16. Отличие экспертных систем от традиционных программ. Инструментальные средства экспертных систем. Виды экспертных систем. Разработка оболочки: процесс рассуждений как поиск в и/или графе, формирование ответов на вопросы "почему" и "как". Реализация оболочки на Прологе: машина вывода. Работа с неопределенностью.

17. Создание глобальной интеллектуальной информационной системы. Интеграция биологических систем и компьютерных систем искусственного интеллекта.

18. Генетические алгоритмы развития.

 

4.1.2.5. Перечень тем контрольных работ, рефератов, ТР, РГР, РПР

Не планируется.

 

4.1.2.6. Примерный перечень тем курсовых работ (проектов)

Не планируется.

 


4. 2. Форма обучения: заочная

Уровень базового образования: среднее общее.

Срок обучения 5г.

 

Семестр

Трудоем-кость,

час. / зач. ед.

Лек-ции,

час.

 

Практи-ческие занятия,

час.

Лабора-торные работы, час.

Консуль-тация,

час.

Конт-роль,

час.

Всего (контак-тная работа),

час.

СРС,

час.

Форма

промежуточного контроля

(экз., зач., зач. с оц.)

10

108 / 3  

8  

 

8  

4  

0,6  

20,6  

79  

Экз.(8,4)  

Итого

108 / 3  

8  

 

8  

4  

0,6  

20,6  

79  

8,4  

 

4.2.1. Структура дисциплины


 

Раздел (тема)

дисциплины

 

Виды учебной работы, включая самостоятельную работу студентов и трудоемкость

(в часах)

 

Форма  текущего контроля успеваемости (по неделям семестра), форма промежу-точной аттестации

  (по семестрам)

 

п\п

Семестр

Лекции

Семинары

Практические занятия

Лабораторные работы

Контрольные работы

СРС

КП / КР

Консультация

Контроль

1

Основные структуры НК систем

10

4

4

52

устный опрос,контрольная работа

2

Алгоритмы функционирования НК систем

10

4

4

27

устный опрос,контрольная работа

Всего за  семестр

108

8

8

+

79

4

0,6

Экз.(8,4)

Итого   

108

8

8

79

4

0,6

8,4

 

4.2.2. Содержание дисциплины

4.2.2.1. Перечень лекций

Семестр 10

Раздел 1. Основные структуры НК систем

Лекция 1.

Введение. Искусственные нейронные сети. Нейрокомпьютеры (2 часа).

Лекция 2.

Место нейрокомпьютеров в ряду высокопроизводительных (2 часа).

Раздел 2. Алгоритмы функционирования НК систем

Лекция 3.

Структуры нейронных сетей и нейрокомпьютеров (2 часа).

Лекция 4.

Класс задач, эффективно решаемых (2 часа).

 

4.2.2.2. Перечень практических занятий

Не планируется.

 

4.2.2.3. Перечень лабораторных работ

Семестр 10

Раздел 1. Основные структуры НК систем

Лабораторная 1.

Синтез и обучение нейронной сети в matlab (4 часа).

Раздел 2. Алгоритмы функционирования НК систем

Лабораторная 2.

Обеспечение заданной точности функционирования нейронных сетей (4 часа).

 

4.2.2.4. Перечень учебно-методического обеспечения для самостоятельной работы

Методические указания для самостоятельной работы размещены на информационно-образовательном портале института по ссылке https://www.mivlgu.ru/iop/course/view.php?id=5058.

Для самостоятельной работы также используются издания из списка приведенной ниже основной и дополнительной литературы.

Перечень тем, вынесенных на самостоятельное изучение:

1. Некоторые сведения о мозге человека .

2. Биологические представления о нейроне .

3. Понятие нейрокомпьютера .

4. Классификация нейронных сетей .

5. Задача распознавания и линейная машина .

6. Искусственный нейрон .

7. Проблема линейной разделимости .

8. Парадигмы обучения .

9. Предварительная обработка информации и оценка качества работы нейросети .

10. . Персептрон .

11. Линейная нейронная сеть .

12. Рекуррентный метод наименьших квадратов .

13. . Линейная сеть с линией задержки.

14. Топология и свойства .

15. Алгоритм обратного распространения ошибки .

16. . Реализация логических функций .

17. Аппроксимация функций .

18. . Распознавание символов .

19. Моделирование статических зависимостей .

20. Масштабирование и восстановление данных .

 

4.2.2.5. Перечень тем контрольных работ, рефератов, ТР, РГР, РПР

1. Перечень тем контрольных работ:.

2. 1.Структуры нейронных сетей и нейрокомпьютеров.

3. 2.Класс задач, эффективно решаемых нейрокомпьютерами.

4. 3.Классификация нейрокомпьютеров и их перспективы.

5. 4.Методы проектирования искусственных нейронных сетей и нейрокомпьютеров.

6. 5.Элементная база нейрокомпьютеров.

7. 6.Нейроматематика. Методы и алгоритмы решения задач на нейрокомпьютерах.

 

4.2.2.6. Примерный перечень тем курсовых работ (проектов)

Не планируется.

 

5. Образовательные технологии

В процессе изучения дисциплины применяется контактная технология преподавания (за исключением самостоятельной работы студентов). При проведении лабораторных работ применяется имитационный подход с совместным с преподавателем разбором проблемных ситуаций на конкретных примерах, типовые примеры решения задач демонстрируются при помощи мультимедийной техники. Затем студенты самостоятельно решают аналогичные задания.

 

6. Оценочные средства для текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины и учебно-методическое обеспечение самостоятельной работы студентов.

Фонды оценочных средств приведены в приложении.

 

7. Учебно-методическое и информационное обеспечение дисциплины Системы искусственного интеллекта

7.1. Основная учебно-методическая литература по дисциплине

1. Системы искусственного интеллекта : учебное пособие / И.Г. Сидоркина. — Москва : КноРус, 2016. — 245 с. — ISBN 978-5-406-04876-4. - https://www.book.ru/book/918766

2. Бураков, М.В. Нейронные сети и нейроконтроллеры: учебное пособие / М. В. Бураков. - СПб.: ГУАП, 2013. - 284 с. - http://window.edu.ru/resource/206/80206

3. Потапов А.С., Щербаков О.В., Жданов И.Н. Технологии искусственного интеллекта: Учебно-методическое пособие по лабораторному практикуму. – СПб: НИУ ИТМО, 2013. – 35 с. - http://books.ifmo.ru/book/1181/tehnologii_iskusstvennogointellekta:uchebno-metodicheskoe_posobie_polaboratornomu_praktikumu.htm

 

7.2. Дополнительная учебно-методическая литература по дисциплине

1. Федотов В.Х. Нейронные сети в MS Excel: Методические указания к практическим занятиям и лабораторным работам. - Чебоксары: Изд-во ЧувГУ, 2004. - 72 с. - http://window.edu.ru/resource/926/23926

2. Каширина И.Л. Искусственные нейронные сети: Учебное пособие. - Воронеж: Изд-во ВГУ, 2005. - 51 с. - http://window.edu.ru/resource/939/26939

 

7.3. Перечень информационных технологий, используемых при осуществлении образовательного процесса по дисциплине, включая перечень программного обеспечения и информационных справочных систем

В образовательном процессе используются информационные технологии, реализованные на основе информационно-образовательного портала института (www.mivlgu.ru/iop), и инфокоммуникационной сети института:

- предоставление учебно-методических материалов в электроном виде;

- взаимодействие участников образовательного процесса через локальную сеть института и Интернет;

- предоставление сведений о результатах учебной деятельности в электронном личном кабинете обучающегося.

Информационные справочные системы:

Электронная библиотечная система "BOOK.ru" (http://book.ru/);

Электронная библиотечная системы "IPRBooks" (http://www.iprbookshop.ru/);

Электронная библиотечная система "iBooks.ru" (http://www.ibooks.ru/);

Единое окно доступа к информационным ресурсам (http://window.edu.ru/);

Учебные издания НИУ ИТМО (http://books.ifmo.ru);

Электронная библиотечная система Алтайского государственного университета (http://elibrary.asu.ru);

Электронная библиотека СПбПУ (http://elib.spbstu.ru/).

Программное обеспечение:

Лаборатория системного и прикладного программирования

Mathcad v.15 (государственный контракт №1 от 10.01.2012 года)

Libre Office v.5 (free software, MPL)

 

7.4. Перечень ресурсов информационно-телекоммуникационной сети «Интернет», необходимых для освоения дисциплины

book.ru

window.edu.ru

books.ifmo.ru

 

8. Описание материально-технической базы, необходимой для осуществления образовательного процесса по дисциплине

Лаборатория системного и прикладного программирования

6 компьютеров Intel Core i5, 3500 MHz/ ОЗУ 4гб/ LG 21’; 1 компьютер Intel Core i5-2400 3,10 GHz, 4гб, DVD-R/ Philips 19’; проектор ACER P1100 DLP Projector EMEA; экран настенный; Компьютер Intel Core 2 -,10 GHz, 2гб, DVD-R/ Philips 19’;

 

9. Методические указания по освоению дисциплины

Для успешного освоения теоретического материала обучающийся: знакомится со списком рекомендуемой основной и дополнительной литературы; уточняет у преподавателя, каким дополнительным пособиям следует отдать предпочтение; ведет конспект лекций и прорабатывает лекционный материал, пользуясь как конспектом, так и учебными пособиями.

До выполнения лабораторных работ обучающийся изучает соответствующий раздел теории. Перед занятием студент знакомится с описанием заданий для выполнения работы, внимательно изучает содержание и порядок проведения лабораторной работы. Лабораторная работа проводятся в компьютерном классе. Обучающиеся выполняют индивидуальную задачу компьютерного моделирования в соответствии с заданием на лабораторную работу. Полученные результаты исследований сводятся в отчет и защищаются по традиционной методике в классе на следующем лабораторном занятии. Необходимый теоретический материал, индивидуальное задание, шаги выполнения лабораторной работы и требование к отчету приведены в методических указаниях, размещенных на информационно-образовательном портале института.

Самостоятельная работа оказывает важное влияние на формирование личности будущего специалиста, она планируется обучающимся самостоятельно. Каждый обучающийся самостоятельно определяет режим своей работы и меру труда, затрачиваемого на овладение учебным содержанием дисциплины. Он выполняет внеаудиторную работу и изучение разделов, выносимых на самостоятельную работу, по личному индивидуальному плану, в зависимости от его подготовки, времени и других условий.

Форма заключительного контроля при промежуточной аттестации – экзамен. Для проведения промежуточной аттестации по дисциплине разработаны фонд оценочных средств и балльно-рейтинговая система оценки учебной деятельности студентов. Оценка по дисциплине выставляется в информационной системе и носит интегрированный характер, учитывающий результаты оценивания участия студентов в аудиторных занятиях, качества и своевременности выполнения заданий в ходе изучения дисциплины и промежуточной аттестации.

 


лист_утверждения


РЕЦЕНЗИЯ

на  рабочую программу дисциплины

«Системы искусственного интеллекта»

по направлению подготовки 09.03.04 Программная инженерия

 

Рабочая программа дисциплины «Системы искусственного интеллекта» составлена в соответствии с требованиями федерального государственного образовательного стандарта по направлению подготовки 09.03.04 Программная инженерия.

На изучение данного курса по учебному плану отводится 108 час. (3 ЗЕТ). Формой итогового контроля изучения дисциплины является экзамен .

Цель дисциплины: получение студентами систематизированных знаний о структуре и принципах работы интеллектуальных вычислительных систем разного назначения, о методах их проектирования и исследования

Содержание занятий соответствуют требованиям образовательного стандарта. Имеется перечень вопросов для самостоятельной работы студентов, способствующий более глубокому изучению дисциплины.

Освоение дисциплины позволит студентам приобрести теоретические и практические знания, необходимые при решении задач в будущей практической деятельности.

Предлагаемые фонды оценочных средств для выявления уровня знаний и умений обучаемых полностью охватывает содержание курса и соответствуют ФГОС.

Перечень учебно-методической литературы достаточен для изучения дисциплины. Имеются ссылки на электронно-библиотечные системы.

Рабочая программа дисциплины «Системы искусственного интеллекта» рекомендуется для использования в учебном процессе по направлению подготовки 09.03.04 Программная инженерия.

 

31.05.2016 г.