Тема1. Эволюция информационных систем. Понятие ИИС, основные свойства и классификация ИИС.

Эволюция представлений об искусственном интеллекте. Особенности и признаки ИИС.  Информационные системы, имитирующие творческие процессы. Разработка моделей знаний, методов понимания ЭВМ естественного языка, процедур автоматического доказательства теорем, способов распознавания зрительных образов и прогнозирования трендов сигналов, методов автоматизированного программирования и ситуационного управления. Современные тенденции развития теории ИИ и систем искусственного интеллекта

 

Тема 2. Общая схема и технология работы интеллектуальной ИИС

Идентификация областей применения ИИС. Концептуальный анализ предметной области. Разработка моделей представления знаний и выбор методов компьютерной переработки знаний. Построение базы знаний. Создание программно- информационного обеспечения. Тестирование качества функционирования ИИС. Методы представления знаний в базах данных информационных систем. Декларативные и процедуральные модели представления знаний. Инструментальные средства создания систем ИИС.

 

Тема 3. Способы представления и обработки знаний в интеллектуальных системах

Фреймовая организация знаний. Языки грамматико-семантической обработки текста (понимания речи). Семантический WEB. Понятие онтологии и онтологические системы знаний. Инструментальные средства создания онтологий по областям знаний.

Тема 4. Представление знаний и данных в экспертных системах

Классификация методов представления знаний. Выбор метода представления знаний. Формализация базы знаний. Логическая модель знаний. Основные понятия логики высказываний и логики предикатов. Представление знаний на основе исчисления предикатов. Алгоритмы логического вывода на знаниях. Декларативная и продукционная формы представления знаний.

 

Тема 5. Оболочки экспертных систем.

Типовая архитектура ЭС: база знаний, база данных, база целей, рабочая база знаний, подсистема вывода решений, подсистема поддержки и отладки, подсистема цифрового моделирования, подсистема объяснения решений, подсистема координации и управления. Режим приобретения знаний. Поверхностные и глубинные знания. Типы поиска решения в экспертных системах.

 

Тема 6. Машинное обучение и алгоритмы нейронных сетей

Модель биологического нейрона как основа построения математических алгоритмов машинного обучения. Понятие и использование активационной функции в базовых алгоритмах нейронных сетей. Персептрон. Алгоритм обратного распространения в обучении многослойных

Тема 7. Понятие нечётких знаний. Способы их представления и обработки в интеллектуальных системах

Математическая модель нечётких множеств. Модели представления знаний на основе теории нечетких множеств интеллектуальных системах нечеткими числовыми данными, интервалами

 

Тема 8. Использование эволюционных алгоритмов в поиске оптимального решений

Машинная эволюция. Генетический алгоритм. Структура и компоненты. Репродукция: селекция, кроссовер, мутация, инверсия. Примеры использования генетических алгоритмов. Роевые и муравьиные алгоритмы.

 

4. Материалы текущего контроля успеваемости и фонд  оценочных средств промежуточной аттестации по дисциплине

Формы и методы текущего контроля успеваемости и промежуточной аттестации.

4.1.1. В ходе реализации дисциплины «Интеллектуальные информационные системы » используются следующие методы текущего контроля успеваемости обучающихся:

– при проведении занятий лекционного типа:

для изучения дисциплины предлагаются традиционные образовательные технологии в форме лекций.

– при проведении занятий семинарского типа:

опросы, контроль практических заданий в форме заслушивания подготовленных докладов на заданные темы

4.1.2. Промежуточная аттестация проводится в форме зачёта.

 

Материалы текущего контроля успеваемости.

Вопросы для самостоятельной подготовки к практическим занятиям

по темам дисциплины и последующего опроса

Тема 1

1. Эволюционное развитие проблематики искусственного интеллекта.

2. Особенности человеческого сознания и признаки человеческого интеллекта.

3. Каково значение фреймовой модели мышления Минского?

4. Системно-когнитивный анализ как развитие концепции смысла Шенка-Абельсона

5. Направления развития систем искусственного интеллекта.

6. Состояние работ в области ИИС в России

7. Основные свойства интеллектуальных информационных систем.

8. Классификация ИИС.

Тема 2

1. Актуальные направления развития искусственного интеллекта.

2. Виды знания, способы их организации.

3. В чём заключается тест Тьюринга?

4. Классификация инструментальных средств создания ИИС и работы с ними.

Тема 3

1. Что подразумевается под фреймовой организацией представления знаний?

2. Понятие фрейма, его структура, классификация фреймов.

3. Структура слота, его основные элементы.

4. Каковы основные задачи и признаки семантического веба?

5. К какому типу организации знаний можно отнести семантический веб?

 

Тема 4

1. Понятие смысла обработки знания и его роль в построении ИИС.

2. Что такое предикат и его исчисление?

3. Дайте определение продукционной модели знания и языки её реализации?

4. В чём заключается использование эвристики в системах искусственного интеллекта?

5. В чём заключается декларативная форма знания и как она реализуется?

 

Тема 5

1. Назовите составные части экспертной системы.

2. Каковы отличия технологий разработки «обычных» информационных и экспертных систем?

3. В чём особенности выявления и структурирования знаний для экспертных систем?

4. Основные функции инженера по знаниям?

5. Как классифицируются экспертные системы?

6. Чем отличаются методы поиска решения в экспертных системах (прямой и обратный, в глубину и ширину)?

 

 

Тема 6

1. История развития и принципы работы математических и электронных (материальных) нейронных сетей?

2. Чем искусственные нейронные сети похожи на биологические?

3. В каких областях эффективно использование аппарата нейронных сетей?

4. В каких случаях (для решения каких задач) целесообразно использование искусственных нейронных сетей?

5. Нарисуйте и дайте прояснение работы простейшей нейронной сети.

6. В чём заключается обучение нейронной сети с учителем и без него?

7. Какие задачи могут решаться нейронные сети, использующие обучение?

8. Для решения каких задач могут использоваться алгоритмы нейронных сетей без учителя?

9. Что послужило причиной возникновения названия «Нейросетевые алгоритмы»?

10. Каков вид (формат) данных подаётся на вход и получается на выходе нейронных сетей?

11. В чём заключается алгоритм обратного распространения ошибки и его результат?

 

Тема 7

1. Почему бессмысленна попытка получения исчерпывающего описания для достаточно сложного объекта или ситуации?

2. Требуется ли высокая точность во всех задачах, которые должен решать человек в своей деятельности?

3. Как используются понятия лингвистической переменной и нечёткие множества в нечёткой логике?

4. Дайте определение функции принадлежности и опишите на примере алгоритм её построения.

5. Приведите пример использования нечёткой логики в технических системах

6. Суть и применение алгоритма нечёткого вывода Мамдани.

Тема 8

1. Каковы «источники» генетических алгоритмов?

2. Аналогами каких биологических процессов являются операторы генетических алгоритмов?

3. Как работает оператор редукции? Опишите его реализацию на примере.

4. Опишите одноточечный оператор кроссинговера и приведите пример его работы.

5. Какую роль в генетическом алгоритме играет оператор мутации.

6. Опишите типичные (модельные) задачи, решаемые с помощью генетических алгоритмов.

7. На чём основаны роевой и муравьиный алгоритмы нахождения оптимальных решений? Назовите области их применения.

 

Список лабораторных работ

· Выполнение лабораторной работы «Разработка экспертной системы в оболочке Exsys Corvid»

· Выполнение лабораторной работы «Разработка базы знаний экспертной системы МЭС 2.0»

 

Примерные темы докладов для обсуждения на практических занятиях

1. Эволюция развития подходов, теории и практики интеллектуальных информационных систем.

2. Философские и практические аспекты искусственного интеллекта.

3. Работы Минского и их роль в развитии систем искусственного интеллекта.

4. Фреймовая модель представления данных. Достоинства и недостатки.

5. Концепция смысла Шенка-Абельсона и её роль в развитии когнитивного подхода в развитии интеллектуальных систем.

6. Интеллектуальные методы для создания систем поддержки принятия решений.

7. Понятие онтологии знаний, классификации онтологий и их роль в формировании баз знаний. Системы создания онтологий.

8. Д.Ф.Поспелов и его роль в развитии теории систем искусственного интеллекта в России.

9. Работы российских учёных в области теории и практики искусственного интеллекта

10. Интеллектуальные робототехнические системы. История развития и перспективы.

11. Семантический веб как новая модель информационного пространства. Задачи консорциума W3C

12. Семантический фреймворк Ontorion и редактор контролируемого языка

13. Системы обработки текстов на естественном языке (на примере системе GATE)

14. Система SkiLab и использование его для принятия решений на основе нечёткой логики.

1. Инструментальная среда создания экспертных систем в оболочке Fuzzy_CLIPS.

16. Инструментальные средства создания онтологий.

17. Анализ организации и механизма работы экспертной системы на примере ЭС RAPANA и МЭС 2.

18. Методы и области практического применения машинного обучения.

19. Алгоритмы и инструментальные средства систем принятия решений на основе нечёткой логики.

20. Использование Байевского подхода при работе экспертных систем.

21. Описание и применение роевого алгоритма.

22. Описание и применение муравьиного алгоритма.