• A
  • A
  • A
  • АБВ
  • АБВ
  • АБВ
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Интеллектуальные системы

2019/2020
Учебный год
RUS
Обучение ведется на русском языке
3
Кредиты
Статус:
Курс по выбору
Когда читается:
2-й курс, 2 модуль

Преподаватель


Боголюбов Дмитрий Петрович

Программа дисциплины

Аннотация

Целью освоения дисциплины является формирование устойчивых знаний и приобретение базовых умений и навыков в области проектирования интеллектуальных систем, основанных на «мягких вычислениях». Зонтичный термин «мягкие вычисления» интерпретируется формулой Мягкие вычисления = нечеткие системы + нейронные сети + генетические алгоритмы
Цель освоения дисциплины

Цель освоения дисциплины

  • Формирование устойчивых знаний и приобретение базовых умений и навыков в области проектирования интеллектуальных систем , основанных на «мягких вычислениях». Зонтичный термин «мягкие вычисления» интерпретируется формулой Мягкие вычисления = нечеткие системы + нейронные сети + генетические алгоритмы
Планируемые результаты обучения

Планируемые результаты обучения

  • Знать современные направления ИИ, модели представления знаний, теоретические основы создания мягких систем ИИ.
  • Знать модели представления неопределенных знаний и рассуждений в условиях неопределенности, в том числе вероятностный подход, основанный на байесовских сетях, и нечеткие модели, основанные на теории нечетких множеств и нечетком выводе.
  • Знать основы теории нейронных сетей, в том числе различные типы нейронных сетей и алгоритмы их обучения.
  • Уметь моделировать нейронные сети различных типов, в том числе многослойный нелинейный перцептрон и алгоритм обратного распространения ошибки, сеть Кохонена и алгоритм обучения без учителя, используя инструментальную среду Matlab (и пакет Trajan)
  • Знать основы эволюционного моделирования, в том числе основной генетический алгоритм и его разновидности
  • Уметь моделировать эволюционные вычисления, в том числе различные варианты генетического алгоритма с использованием Matlab
  • Знать архитектуру и методы проектирования гибридных (мягких) интеллектуальных систем, в том числе нечетких нейронных сетей с генетической настройкой
  • Уметь строить гибридные системы архитектуры ANFIS, используя инструментарий Matlab
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Введение в инженерию знаний. Модели представления знаний
    • Понятие инженерии знаний. Представление, обработка и приобретение знаний • Экспертные системы и базы знаний. • Мягкие системы искусственного интеллекта. • Модели представления знаний. • Продукционные системы • Семантические сети и сети фреймов. • Формальные системы. Логика предикатов первого порядка как формальная система. • Автоматизация дедуктивных рассуждений. Метод резолюций для исчисления предикатов первого порядка. • Языки ИИ. Логическое программирование. Язык Пролог.
  • Неопределенные знания и рассуждения в условиях неопределенности
    • Виды неполной информации при проектировании сложной системы • Действия в условиях неопределенности • Правило Байеса и его использование • Байесовская сеть • Вероятностный вывод в байесовских сетях • Вероятностный вывод во временных моделях • Статистические методы обучения
  • Нечеткие системы
    • Основы теории нечетких множеств • Операция импликации • Законы нечеткой логики • Определение лингвистической переменной • Схема приближенного логического вывода. • Основные правила умозаключений • Универсальная аппроксимация с помощью систем нечеткого вывода • Схемы логического вывода • Введение в задачу нечеткого управления. Правила, импликация, заключения. • Накопление результатов и дефазификация.
  • Основы теории нейронных сетей
    • Моделирование нейронных структур мозга. Модель нейрона. • Задачи нейронных сетей. Основные свойства. • Обучение однослойных и специальных нейронных сетей. Способы представления процесса обучения • Алгоритмы обучения: однослойной нейронной сети, по дельта правилу, однослойных НС с нелинейной функцией активации, алгоритм «победитель получает все» • Радиально-базисные сети. Сети регрессии. Вероятностные НС • Многослойные нелинейные нейронные сети • Алгоритм обратного распространения ошибки • Эффективность аппарата нейросетей • Обзор современных нейропакетов и их возможностей
  • Эволюционные вычисления
    • Основные направления современного эволюционного моделирования • Генетические алгоритмы и их применение • Стандартный генетический алгоритм • Вычислительная эффективность применения генетического алгоритма • Разновидности генетических алгоритмов • Эволюционная стратегия • Генетическое программирование • Эволюционный алгоритм • Применимость генетических алгоритмов для задач оптимизации
  • Гибридные (мягкие) системы
    • Понятие нечеткой нейросети • Структуры гибридных систем • Нечеткий нейронный контроллер • Алгоритмы обучения для нечеткой нейронной сети контроллера • Нечеткие системы с генетической настройкой • Мягкая экспертная система. Примеры систем. • Нечеткая реляционная алгебра. Сервер нечетких данных
Элементы контроля

Элементы контроля

  • неблокирующий лабораторная работа
    Выдача задания и проверка работ могут быть проведены дистанционно.
  • неблокирующий самостоятельная работа
  • неблокирующий экзамен
    Продолжительность экзамена составляет 60 минут.
  • неблокирующий контрольная работа
Промежуточная аттестация

Промежуточная аттестация

  • Промежуточная аттестация (2 модуль)
    0.18 * контрольная работа + 0.18 * лабораторная работа + 0.24 * самостоятельная работа + 0.4 * экзамен
Список литературы

Список литературы

Рекомендуемая основная литература

  • Нейронные сети для обработки информации, Осовский, С., 2004
  • Смолин Д.В. - Введение в искусственный интеллект: конспект лекций - Издательство "Физматлит" - 2007 - 264с. - ISBN: 978-5-9221-0862-1 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/2325

Рекомендуемая дополнительная литература

  • MATLAB Simulink. Компьютерное моделирование экономики, Цисарь, И. Ф., 2008
  • Асадуллаев, Р. Г. (2017). Нечеткая логика и нейронные сети. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsbas&AN=edsbas.93A4EE7B
  • Батыршин И.З., Недосекин А.О., Стецко А.А. - Нечеткие гибридные системы. Теория и практика - Издательство "Физматлит" - 2007 - 208с. - ISBN: 978-5-9221-0786-0 - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/48187
  • Скобцов Ю.А., Cперанский Д.В. - Эволюционные вычисления - Национальный Открытый Университет "ИНТУИТ" - 2016 - 429с. - ISBN: - Текст электронный // ЭБС ЛАНЬ - URL: https://e.lanbook.com/book/100264