close

Вход

Забыли?

вход по аккаунту

?

...В.3.4. ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ

код для вставкиСкачать
МИНОБРНАУКИ РОССИИ
Федеральное государственное бюджетное образовательное учреждение
высшего профессионального образования
«Майкопский государственный технологический университет»
Факультет
Информационных систем в экономике и юриспруденции
Кафедра
Информационной безопасности и прикладной информатики
УТВЕРЖДАЮ
Декан факультета
__________А. К. Доргушаова
«_____»__________ 201____г.
РАБОЧАЯ ПРОГРАММА
по дисциплине
по направлению
подготовки бакалавров
по профилю подготовки
Квалификация (степень)
выпускника
В.3.4. Интеллектуальные информационные системы
230700.62 Прикладная информатика
Прикладная информатика в экономике
Бакалавр
Майкоп
Рабочая программа составлена на основе ФГОС ВПО и учебного плана МГТУ по направлению (специальности) 230700.62 Прикладная информатика
Составитель рабочей программы:
доцент, кандидат педагогических наук, доцент
(должность, ученое звание, степень)
(подпись)
Паскова А. А.
(Ф.И.О.)
Рабочая программа утверждена на заседании кафедры
Информационной безопасности и прикладной информатики
(наименование кафедры)
Заведующий кафедрой
«___»________201__г.
(подпись)
Одобрено учебно-методической комиссией факультета
(где осуществляется обучение)
(Ф.И.О.)
«___»_________20__г.
Председатель
учебно-методического
совета направления (специальности)
(где осуществляется обучение)
(подпись)
(Ф.И.О.)
(подпись)
(Ф.И.О.)
(подпись)
(Ф.И.О.)
(подпись)
(Ф.И.О.)
Декан факультета
(где осуществляется обучение)
«___»_________201__г.
СОГЛАСОВАНО:
Начальник УМУ
«___»_________201__г.
Зав. выпускающей кафедрой
по направлению (специальности)
2
1. Цели и задачи освоения дисциплины
Данная дисциплина обеспечивает приобретение студентами знаний, умений и
навыков в соответствии с государственным образовательным стандартом (ГОС) высшего
профессионального образования. Она дает возможность расширения и углубления базовых знаний и навыков для успешной профессиональной деятельности и для продолжения
обучения в магистратуре.
Основной целью изучения дисциплины «Интеллектуальные информационные системы»
является приобретение студентами устойчивых знаний в области интеллектуальных информационных технологий, приобретение навыков применения интеллектуальных информационных систем для решения задач по профилю будущей специальности.
Основные задачи дисциплины:
 ознакомить с современными областями исследования по искусственному интеллекту и сферами приложения экспертных систем;
 ознакомить с концепциями, составляющими основу современных систем искусственного интеллекта;
 рассмотреть подходы и методы создания и эксплуатации систем искусственного
интеллекта;
 получить навыки практической работы по использованию интеллектуальных информационных систем в различных предметных областях.
2. Место дисциплины в структуре ООП бакалавриата
Дисциплина входит в перечень курсов вариативной части профессионального цикла
ООП. Она имеет предшествующие логические и содержательно-методические связи с
дисциплинами базовой части математического и естественно-научного цикла «Математика», «Теория систем и системный анализ», «Информатика и программирование», вариативной части математического и естественно-научного цикла – «Компьютерные системы обработки статистической информации», «Компьютерные системы обработки и
решения естественно-научных задач», дисциплинами базовой части профессионального
цикла «Операционные системы», "Проектирование информационных систем», «Базы
данных».
Дисциплина «Интеллектуальные информационные системы» является теоретическим и
прикладным фундаментом для изучения дисциплин, связанных с обработкой информации
при мониторинге, анализе, прогнозировании и управлении в экономике. Знания, умения и
навыки, полученные студентами при качественном освоении курса «Интеллектуальные
информационные системы» могут использоваться ими при изучении других учебных дисциплин, а также при разработке дипломных работ.
Изложение учебного материала дисциплины учитывает специфику деятельности бакалавра в области экономики. Оно ориентировано на то, что работа выпускников по данной
специальности будет связана с выявлением фактов непосредственно из эмпирических
данных, накоплением фактов, выявлением причинно-следственных взаимосвязей между
ними и использованием этих знаний для решения разнообразных задач идентификации,
прогнозирования и выработки рекомендаций по управлению (поддержка принятия управленческих решений). Поэтому при преподавании дисциплины упор делается на прикладные аспекты эффективного применения ими интеллектуальных информационных технологий.
Дисциплина «Интеллектуальные информационные системы» предназначена для обеспечения высокой профессиональной подготовки бакалавров в области разработки и практического применения интеллектуальных информационных технологий по профилю будущего направления, включая и технологии поддержки принятия решения.
3. Компетенции обучающегося, формируемые в результате освоения дисци3
плины.
В результате изучения курса «Интеллектуальные информационные системы» студенты должны:
знать: понятие систем искусственного интеллекта, экспертных систем; этапы разработки экспертных систем; инструментальные средства проектирования; модели представления и способы описания знаний; нечеткие высказывания и нечеткие модели систем; логико-лингвистическое описание систем (ОК-7, ОК-13, ПК-16).
уметь: самостоятельно приобретать новые знания, используя современные информационно-образовательные технологии; выбирать методы решения задачи; - пользоваться
технической литературой; оценивать неудачи и принимать решения по их устранению,
используя накопленные знания (ОК-7, ОК-13, ПК-16).
владеть: методами моделирования знаний; навыками решения задач искусственного
интеллекта на основе существующих интеллектуальных информационных систем; методы
работы с инструментальными средствами проектирования баз знаний (ОК-13, ПК-16).
4. Объем дисциплины и виды учебной работы
Общая трудоемкость дисциплины составляет 4 зачетные единицы (144 часа).
4.1. Объем дисциплины и виды учебной работы по очной форме обучения.
Вид учебной работы
Аудиторные занятия (всего)
В том числе:
Лекции (Л)
Практические занятия (ПЗ)
Семинары (С)
Лабораторные работы (ЛР)
Самостоятельная работа студентов (СРС) (всего)
В том числе:
Курсовой проект (работа)
Расчетно-графические работы
Реферат
Другие виды СРС (если предусматриваются, приводится перечень видов СРС)
1. Составление плана-конспекта
2. Выполнение самостоятельных заданий
3. Выполнение домашних задач
4. Решение вариативных задач
5. Подготовка к лабораторным работам
Форма промежуточной аттестации:
экзамен
Общая трудоемкость
Семестры
Всего
часов/з.е.
51/1,42
6
51/1,42
17/0,47
34/0,94
93/2,58
17/0,47
34/0,94
93/2,58
-
-
24/0,67
12/0,33
6/0,17
8/0,22
7/0,19
36/1
24/0,67
12/0,33
6/0,17
8/0,22
7/0,19
36/1
144/4
144/4
4.2. Объем дисциплины и виды учебной работы по заочной форме обучения.
Семестры
Всего
Вид учебной работы
часов/з.е.
9
Аудиторные занятия (всего)
16/0,44
16/0,44
В том числе:
Лекции (Л)
6/0,17
6/0,17
Практические занятия (ПЗ)
10/0,28
10/0,28
Семинары (С)
4
Лабораторные работы (ЛР)
Самостоятельная работа студентов (СРС) (всего) 128/3,56
В том числе:
Курсовой проект (работа)
Расчетно-графические работы
Реферат
Другие виды СРС (если предусматриваются, приводится перечень видов СРС)
1. Составление плана-конспекта
56/1,56
2. Выполнение самостоятельных заданий
28/0,78
3. Выполнение домашних задач
14/0,39
4. Решение вариативных задач
16/0,44
5. Подготовка к лабораторным работам
14/0,39
Форма промежуточной аттестации:
+
экзамен
Общая трудоемкость
144/4
128/3,56
-
56/1,56
28/0,78
14/0,39
16/0,44
14/0,39
+
144/4
5. Структура и содержание дисциплины
№
п/п
1.
2.
5.1. Структура дисциплины по очной форме обучения
Виды учебной работы,
Формы текущего
включая самостоятельную
контроля
Неделя и трудоемкость (в часах)
успеваемости
(по неделям семестра)
Раздел дисциплины
семестра
Форма промежуточЛ
С/ПЗ ЛР
СРС
ной аттестации
(по семестрам)
6 семестр
Цели и задачи курса.
Введение в интеллекту1-2
1
6
Тестирование
альные информационные системы.
Представление знаний в
ИИС.
3-4
2
4
6
Тестирование
3. Продукционные модели
представления знаний.
5-6
4. Представление знаний
7-9
фреймами и выводы.
5. Представление знаний
на основе формальных
сетей
(семантические 10-12
сети, исчисление предикатов).
6. Модели представления
13-14
нечетких знаний.
7. Генетические алгорит15
мы. Нейронные сети.
8. Системы, основанные
16
2
4
-
6
Блиц-опрос
2
4
-
6
Блиц-опрос
2
4
-
6
Контрольная работа
2
4
-
6
Блиц-опрос
2
10
-
7
Тестирование
2
-
-
6
Блиц-опрос
5
на знаниях.
9. Разработка систем, основанных на знаниях.
Технология проектирования и разработки ЭС.
10. Промежуточная
аттестация.
Итого:
№
п/п
1.
2.
17
2
17
4
-
34
-
8
Обсуждение докладов
36
Экзамен в форме теста
93
5.2. Структура дисциплины по заочной форме обучения
Виды учебной работы, включая саНеделя мостоятельную и трудоемкость (в чаРаздел дисциплины
сах)
семестра
Л
С/ПЗ
ЛР
СРС
9 семестр
Цели и задачи курса. Введение
в интеллектуальные информа14
ционные системы.
Представление знаний в ИИС.
1
14
3. Продукционные модели представления знаний.
4. Представление знаний фреймами и выводы.
5. Представление знаний на основе формальных сетей (семантические сети, исчисление предикатов).
6. Модели представления нечетких знаний.
7. Генетические
алгоритмы.
Нейронные сети.
8. Системы, основанные на знаниях.
9. Разработка систем, основанных
на знаниях. Технология проектирования и разработки ЭС.
10. Промежуточная аттестация, экзамен
Итого:
1
2
-
14
1
2
-
14
1
2
-
14
-
-
-
14
1
2
-
14
1
2
-
14
-
-
16
-
+
-
128
6
10
6
5.3. Содержание разделов дисциплины «Интеллектуальные информационные системы», образовательные технологии
Лекционный курс
Трудоемкость
Формируе(часы / зач.
№
Наименование
Результаты освоения
ОбразовательСодержание
мые компеед.)
п/п темы дисциплины
(знать, уметь, владеть)
ные технологии
тенции
Тема Цели и задачи кур- 1/0,03
1. са. Введение в интеллектуальные
информационные
системы.
Тема Представление
2. знаний в ИИС.
2/0,5
Цели и задачи курса. Определение
искусственного интеллекта. Предпосылки и история возникновения
ИИС.
Общая характеристика ИИС как
систем, базирующихся на знаниях.
Классы трудно формализуемых
задач в автоматизированных системах обработки информации и
управления. Понятие ИИС. Основные свойства интеллектуальных систем. Правила формулировки условий задач и выбор модели решения. Рассуждения на основе дедукции, индукции, аналогии.
Основные направления исследований в области искусственного
интеллекта Классификация информационных систем, основанных на знаниях, основные проблемы их разработки. Функции
ИИС. Логический и эвристический методы рассуждения в ИИС
1/0,03 Проблема представления знаний.
Необходимые условия представления знаний. Общая схема про-
ОК-7
ОК-13
Знать: основные понятия и
термины в области искусственного интеллекта, классификацию ИИС, основные
направления исследований в
области искусственного интеллекта.
Уметь: организовать свою
самостоятельную работу по
изучению основной и дополнительной литературы.
Владеть: навыками сбора и
анализа информации
Слайд-лекции
ОК-1
ПК-16
Знать: основные методы Лекции-беседы,
представления знаний, меха- работа в малых
низмы вывода, классификагруппах
7
Тема Продукционные
2/0,05
3. модели представления знаний.
Тема Представление
2/0,05
4. знаний фреймами и
выводы.
цесса извлечения и представления
знаний. Методы представления
знаний. Механизмы приобретения
и объяснения знаний. Механизм
вывода.
Классификация моделей представления знаний. Предметное
(фактуальное) и проблемное (операционное) знания. Организация
базы знаний.
Общая характеристика подходов к
формализации знаний. Декларативная и процедурная форма
представления знаний. Языки
представления знаний.
1/0,03 Понятие продукционной модели.
Продукционная модель, как основа для построения решателя или
механизма логического вывода.
Концепция продукционных систем. Описание предметной области правилами и фактами.
Управление выводом в продукционной системе. Управление системой
продукции.
Влияние
структурированности базы данных, числа правил-продукций и
логики работы интерпретатора на
эффективность
продукционных
систем.
1/0,03 Основы теории фреймов. Понятие
фрейма. Кластеризация знаний.
Стереотипные знания и способы
цию моделей представления
знаний, понятие базы знаний.
Уметь: организовать свою
самостоятельную работу по
изучению основной и дополнительной литературы.
Владеть: навыками сбора и
анализа информации.
ОК-7
ПК-16
Знать: концепцию продукционных моделей, понятие вывода в продукционной системе.
Уметь: организовать свою
самостоятельную работу по
изучению основной и дополнительной литературы.
Владеть: навыками сбора и
анализа информации, построения графов правил.
Лекциявизуализация,
коллективное
обучение
ОК-7
ПК-16
Знать: понятие фрейма, спо- Проблемные
собы описания знаний в предлекции,
метной области на основе интерактивное
8
Тема Представление
2/0,05
5. знаний на основе
формальных сетей
(семантические
сети, исчисление
предикатов).
Тема Модели представ- 2/0,05
6. ления
нечетких
знаний.
их описания на основе фреймов.
Принцип наследования информации как способ уменьшения избыточности описания знаний.
Свойства и основные параметры
фреймов. Описание знаний о
предметной области на основе сети фреймов. Описание декларативных и процедурных знаний с
помощью фреймов. Логика работы фреймовых систем (создание
экземпляра фрейма, его активизация и организация вывода).
1/0,03 Семантические сети. Понятие семантической сети. Модели представления знаний на основе семантической сети. Этапы формализации семантической сети. Описание иерархической структуры
понятия и графические средства ее
процедурного представления на
основе семантической сети.
Представление знаний с помощью
логики предикатов. Выводы в
естественной дедуктивной системе. Получение выводов и операции со знаниями на основе принципа резолюции.
Нечеткость знаний. Понятие и виды нечеткости в инженерии знаний. Нечеткость на основе многозначности интерпретации и методы ее устранения. Нечеткий вывод
фреймов,
логику
работы
фреймовых систем.
Уметь:
создавать
протофрейм, экзофрейм.
Владеть: навыками организации фреймовой модели структуры, основными способами
записи фреймовой модели.
электронное
обучение
ОК-7
ОК-13
ПК-16
Знать: основные понятия се- Слайд-лекции,
мантических сетей, графичекейс-метод
ские средства процедурного
представления иерархической
структуры понятия на основе
семантической сети, понятия
логики предикатов.
Уметь: строить графическое
представление семантической
сети.
Владеть: навыками исчисления предикатов.
ОК-13
ПК-16
Знать: основные понятия не- Слайд-лекции,
четкости знаний, нечеткий имитационное
вывод знаний, понятие немо- моделирование
нотонности вывода, лингвистической переменной.
9
знаний. Метод релаксации. Модель доски объявлений. Ненадежные знания и выводы. Разбиение
задач с ненадежными данными.
Субъективный Байесовский метод. Нечеткая логика. Вероятностная логика Неполные знания и немонотонная логика. Немонотонность вывода. Нечеткие отношения.
Тема Генетические ал- 2/0,05
7. горитмы. Нейронные сети.
Тема Системы, основан- 2/0,05
8. ные на знаниях.
1/0,03 Генетические алгоритмы. Основные понятия моделей представления знаний, основанных на генетических алгоритмах. Эволюционное (генетическое) программирование.
Нейронные сети. Биологический
нейрон. Формальный нейрон.
Нейронные сети - основные понятия и определения. Типы сетей.
Способы реализации нейрокомпьютеров и нейронных сетей. Алгоритмы и методы обучения сетей.
Машинное обучение на примерах.
Организация функционирования
сети. Прогнозирование с использованием сетей.
1/0,03 Понятие экспертной системы.
Назначение и основные свойства
ЭС. Смысл экспертного анализа.
Характеристики и базовые функции экспертных систем. Приобре-
Уметь: строить базовую шкалу, график функции принадлежности.
Владеть: навыками формализации задач для последующего моделирования их на компьютере.
ОК-13
ПК-16
Знать: основные понятия эво- Лекция-беседа,
люционного программирова- метод проектов
ния, принцип работы персептрона, алгоритмы и методы
обучения сетей.
Уметь: создавать обучающую
выборку для нейронной сети,
использовать
простейший
персептрон для решения задач
распознавания и прогнозирования.
Владеть: навыками организации обучения нейронной сети
и интерпретации полученных
результатов.
ОК-7
ОК-13
ПК-16
Знать: понятие экспертной
системы, способы извлечения
знаний, структуру и классификацию экспертных систем.
Уметь: классифицировать
Проблемная
лекция,
интерактивное
электронное
обучение
10
Тема Разработка систем, 2/0,05
9 основанных
на
знаниях. Техноло-
-
тение знаний. Извлечение знаний
из данных. Представление знаний.
База знаний. Управление процессом поиска решения. Разъяснение
принятого решения.
Структура типовой экспертной
системы. Составные части ЭС.
Пользователь, инженер по знаниям, интеллектуальный интерфейс
пользователя, база знаний, решатель, подсистема объяснений, интеллектуальный редактор базы
знаний. Достоинства и недостатки
экспертных систем. Отличие экспертных систем от других программных продуктов.
Классификация систем, основанных на знаниях. Принципы функционирования экспертных систем.
Структурированные статические и
динамические знания. Технология
использования экспертных систем.
Классификация по решаемой задаче, по связи с реальным временем, по типу ЭВМ, по степени интеграции с другими программами.
Необходимые условия представления знаний. Общая схема процесса извлечения и представления
знаний.
Коллектив разработчиков. Участники процесса проектирования:
эксперты, инженеры по знаниям,
экспертные системы.
Владеть: навыками решения
задач искусственного интеллекта на существующей базе
интеллектуальных информационных систем.
ОК-7
ОК-13
ПК-16
Знать: этапы разработки экспертных систем, состав коллектива разработчиков, требо-
Лекциявизуализация,
кейс-метод
11
гия проектирования и разработки
ЭС.
Итого:
конечные пользователи. Требования к участникам разработки.
Этапы разработки ЭС. Проблемы
разработки промышленных ЭС.
Методика построения. Выбор
подходящей проблемы. Идентификация проблемы. Этапы проектирования экспертной системы:
идентификация, концептуализация, формализация, реализация,
тестирование, опытная эксплуатация.
Интерфейс пользователя в ЭС.
Особенности
сопровождения.
Формы и методы представления
знаний. Приобретение и извлечение знаний.
вания к участникам разработки.
Уметь: моделировать и проектировать структуру знаний в
конкретной предметной области.
Владеть: навыками сопровождения экспертной системы.
17/0,47 6/0,17
12
5.4. Практические и семинарские занятия, их наименование, содержание и объем
в часах (ОФО)
№
№ раздела
Наименование
Объем в часах /
п/п
дисциплины
практических работ
трудоемкость в з.е.
6 семестр
Цели и задачи курса.
Введение в интеллек1
туальные информационные системы.
Представление зна- Представление и моделирование
2
ний в ИИС.
знаний, основные модели пред4/0,11
ставления знаний
Продукционные моРазработка продукционной модели
3
дели представления
4/0,11
представления знаний
знаний.
Представление знаРазработка фреймовой модели
4
ний фреймами и вы4/0,11
представления знаний
воды.
Представление знаний на основе форСемантические сети, отношения и
мальных сетей (се5
объекты, вывод в семантической
4/0,11
мантические
сети,
сети
исчисление предикатов).
Модели представле- Обработка знаний и вывод решения нечетких
зна- ний в интеллектуальных систе6
4/0,11
ний.
мах, основанных на нечеткой логике.
Генетические алго7
ритмы. Нейронные
Математический персептрон.
10/0,28
сети.
Системы,
основан8
ные на знаниях.
Разработка систем,
Анализ специфики предметной обоснованных на зналасти и методы приобретения зна9
ниях.
Технология
4/0,11
ний. Автоматизация извлечения
проектирования
и
знаний и формирования модели
разработки ЭС.
Итого:
34/0,94
5.5. Практические и семинарские занятия, их наименование, содержание и объем
в часах (ЗФО)
№
п/п
№ раздела
дисциплины
1
Цели и задачи курса.
Введение в интеллектуальные информационные системы.
Наименование
практических работ
9 семестр
Объем в часах /
трудоемкость в з.е.
-
-
13
2
3
4
5
6
7
8
9
Представление
ний в ИИС.
зна- Представление и моделирование
знаний, основные модели представления знаний
Продукционные моРазработка продукционной модели
дели представления
представления знаний
знаний.
Представление знаРазработка фреймовой модели
ний фреймами и выпредставления знаний
воды.
Представление знаний на основе форСемантические сети, отношения и
мальных сетей (сеобъекты, вывод в семантической
мантические
сети,
сети
исчисление предикатов).
Модели представле- Обработка знаний и вывод решения нечетких
зна- ний в интеллектуальных систений.
мах, основанных на нечеткой логике.
Генетические алгоритмы. Нейронные
Математический персептрон.
сети.
Системы,
основанные на знаниях.
Разработка систем,
Анализ специфики предметной обоснованных на зналасти и методы приобретения знаниях.
Технология
ний. Автоматизация извлечения
проектирования
и
знаний и формирования модели
разработки ЭС.
Итого:
5.6. Примерная тематика курсовых проектов (работ)
Курсовой проект (работа) учебным планом не предусмотрены.
-
2/0,056
2/0,056
2/0,056
-
4/0,11
-
-
10/0,28
5.7. Самостоятельная работа студентов
Содержание и объем самостоятельной работы студентов
Перечень домашних
Разделы и темы рабочей про№
заданий и других во- Сроки выграммы самостоятельного изуп/п
просов для самостояполнения
чения
тельного изучения
6 семестр (ОФО), 9 семестр (ЗФО)
1. Алгебра логики. Равносильные Составление
планаформулы. Таблицы истинности конспекта
1-2 неделя
логических функций.
Объем в часах /
трудоемкость в
з.е.
ОФО
ЗФО
6/0,17
14/0,39
14
2. Механизм человеческого мыш- Выполнение самостояления. Цели. Факты и правила. тельных заданий
Упрощение. Механизм вывода.
Прямая и обратная цепочки рассуждений. Метазнания. Данные
и знания. Свойства знаний и от3-4 неделя
личие знаний от данных. Экстенсиональное и интенсиональное
описание знаний. Представление
в компьютере неформальных
процедур. Алгоритмические модели.
6/0,17
14/0,39
3. Методы полного перебора в ши- Выполнение домашнего
рину и в глубину. Языки описа- задания
5-6 неделя
ния
продукционной
модели
Prolog и Lisp.
6/0,17
14/0,39
4. Анализ пространственных сцен. Составление
Связь понятия фрейма и объекта конспекта
в объетно-ориентированном программировании.
Объектноориентированные языки программирования. Примеры языков
инженерии знаний, основанных
на фреймах: FRL и KRL.
плана-
7-9 неделя
6/0,17
14/0,39
5. Типы узлов и типы отношений. Составление
«Поверхностность» и «глубин- конспекта
ность» знаний как основные отличия модели семантических сетей от продукционной модели.
Предметные области, где семантические сети получили распространение. Примеры
плана-
10-12 неделя
6/0,17
14/0,39
6. Ненадежные знания и выводы. Выполнение самостояРазбиение задач с ненадежными тельных заданий
13-14 неделя
данными. Субъективный Байесовский метод.
6/0,17
14/0,39
7. Эвристические алгоритмы. Ал- Составление
горитмы искусственной эволю- конспекта
ции. Аппроксимация пригодности. Генетическое программирование.
15 неделя
6/0,17
14/0,39
16 неделя
7/0,19
14/0,39
плана-
8. Нейрокомпьютинг и его основ- Подготовка к лабораторные направления. Структура и ным работам
функции центральной нервной
системы. Обучение и самообучение. Адаптация и обучение. Программные
средства
анализа
нейронных сетей. Применение
15
нейронных систем в экспертных
системах.
9. Интеллектуальные
редакторы. Решение
Использование
графических задач
средств ввода-вывода. Морфологический, синтаксический, семантический анализ запросов и
синтез выходных сообщений.
Проектирование помощи, подсказок, объяснений. Использование гипертекста. Использование
инструментальных средств тестирования: трассировки и объяснений, семантических анализаторов, контрольных точек, сбора
статистики, реструктуризации.
10. Промежуточная аттестация, экзамен
Итого:
вариативных
17 неделя
8/0,22
16/0,44
36/1
+
90/2,5
128/3,56
6. Оценочные средства для текущего контроля успеваемости, промежуточной аттестации по итогам освоения
6.1. Контрольные вопросы и задания для проведения текущего контроля
1. Основные концепции в исследованиях искусственного интеллекта: программнопрагматическая и биологическая.
2. Функции интеллектуальных информационных систем.
3. Классификация интеллектуальных информационных систем.
4. Генетические (эволюционные) алгоритмы.
5. Нечеткая логика. Понятие лингвистической переменной. Функция принадлежности.
6. Многоагентные интеллектуальные информационные системы.
7. Объектно-ориентированные интеллектуальные информационные системы.
8. Продукционные модели представления знаний.
9. Фактуальные и операционные знания.
10. Извлечение информации из данных.
11. Логические модели представления знаний.
12. Метод правил вывода (предикатов).
13. Семантические сети. События, атрибуты, процедуры.
14. Фреймовые модели представления знаний. Основные понятия. Протофрейм, экзофрейм.
15. Представление знаний в интеллектуальных информационных системах. Понятие знания.
База знаний.
Примерный вариант тестового задания для проведения текущей аттестации.
1. Каковы предпосылки возникновения искусственного интеллекта как науки?
a) появление ЭВМ
b) развитие кибернетики, математики, философии, психологии и т.д.
c) научная фантастика
d) нет правильного ответа
2. Какой подход использует булеву алгебру?
16
3.
4.
5.
6.
7.
8.
9.
a) структурный
b) имитационный
c) логический
d) эволюционный
e) нет правильного ответа
Какой язык программирования разработан в рамках искусственного интеллекта?
a) Pascal
b) C++
c) Lisp
d) OWL
e) PHP
Какие задачи решаются в рамках искусственного интеллекта?
a) распознавание речи
b) принятие решений
c) кодирование
d) создание сред разработки информационных систем
e) создание компьютерных игр
f) нет правильного ответа
Экспертные знания активно используются в следующих направлениях?
a) экспертные системы
b) когнитивное моделирование
c) распознавание образов
d) компьютерная лингвистика
e) нет правильного ответа
Принцип организации социальных систем используется в направлении:
a) эволюционное моделирование
b) когнитивное моделирование
c) нейронные сети
d) нет правильного ответа
Какие понятия относятся к генетическим алгоритмам?
a) особь
b) фенотип
c) ген
d) ДНК
e) нейрон
f) функция активации
Какие виды отбора в генетических алгоритмах существуют?
a) дискретный отбор
b) ранговый отбор
c) поэтапный отбор
d) дуэльный отбор
e) турнирный отбор
f) рулетка
Какие бывают операторы генетического алгоритма?
a) кроссинговер
b) скрещивание
c) транслитерация
d) транслокация
e) мутация
f) конверсия
17
10. Какие значения может принимать функция принадлежности?
a) [0, ∞]
b) [-∞, +∞]
c) [0, 1]
d) нет правильного ответа
11. Множество точек, для которых значение функция принадлежности равно 1,
называется:
a) носителем
b) ядром
c) α -срезом
d) нет правильного ответа
12. Что характерно для ранних систем поддержки принятия решений?
a) возможность оперировать неструктурированными или слабоструктурированными задачами, в отличие от задач, с которыми имеет дело исследование операций
b) оперирует слабоструктурированными решениями;
c) поддерживает разнообразные стили и методы решения, что может быть полезно при решении задачи группой лиц, принимающих решения;
d) нет правильного ответа
13. Какие подсистемы входят в системы поддержки принятия решений?
a) системы поддержки генерации решений
b) системы поддержки выбора решений
c) системы управления базами данных
d) системы имитационного моделирования
e) нет правильного ответа
14. Какие методы используют в системах поддержки принятия решений?
a) метод аналитических иерархических процессов
b) метод Гаусса
c) математическое моделирование
d) метод аналитических сетевых процессов
e) нет правильного ответа
6.2. Контрольные вопросы и задания для проведения промежуточной аттестации
Перечень вопросов экзамену
по дисциплине «Интеллектуальные информационные системы».
1. Понятие интеллектуальной информационной системы, основные свойства.
2. Основные концепции в исследованиях искусственного интеллекта: программнопрагматическая и биологическая.
3. Функции интеллектуальных информационных систем.
4. Классификация интеллектуальных информационных систем.
5. Нейросетевые алгоритмы (нейронные сети). Машинное обучение на примерах.
6. Генетические (эволюционные) алгоритмы.
7. Нечеткая логика. Нечеткий вывод знаний. Понятие лингвистической переменной.
Функция принадлежности. Немонотонность вывода.
8. Многоагентные интеллектуальные информационные системы.
9. Объектно-ориентированные интеллектуальные информационные системы.
10. Представление знаний в интеллектуальных информационных системах. Понятие знания. Приобретение знаний.
11. База знаний. Организация базы знаний.
12. Фактуальные и операционные знания.
18
13. Основные методы представления знаний: процедурный и декларативный.
14. Извлечение знаний из данных.
15. Логический и эвристический подходы к извлечению знаний.
16. Логические модели представления знаний.
17. Метод правил вывода (предикатов).
18. Рассуждения на основе дедукции, индукции, аналогии.
19. Метод резолюций.
20. Семантические сети. События, атрибуты, процедуры.
21. Фреймовые модели представления знаний. Основные понятия. Протофрейм, экзофрейм.
22. Продукционные модели представления знаний.
23. Понятие продукции. Классификация ядер продукции.
24. Структура продукционной системы знаний.
25. Свойства продукционных моделей.
26. Понятие экспертной системы.
27. Структура экспертной системы. База знаний, механизм вывода, механизмы приобретения и объяснения знаний, интеллектуальный интерфейс.
28. Классификация экспертных систем по решаемой задаче.
29. Классификация экспертных систем по связям с реальным временем. Статические и
динамические экспертные системы.
30. Классификация экспертных систем по типу ЭВМ.
31. Классификация экспертных систем по степени интеграции с другими программами.
32. Этапы проектирования экспертных систем: идентификация, концептуализация, формализация, реализация, тестирование, опытная эксплуатация.
33. Участники процесса проектирования: эксперты, инженеры по знаниям, конечные
пользователи.
34. Основные понятия имитационного моделирования.
35. Виды имитационных моделей. Области применения.
36. Этапы имитационного моделирования. Критерии качества имитационной модели.
Примерный вариант экзаменационного задания для проведения промежуточной аттестации по дисциплине «Интеллектуальные информационные системы»
Вопрос № 1. Задача является неформализуемой, если:
А. Цели решения задачи не могут быть выражены в терминах точно определенной целевой функции
Б. Задача может быть представлена в числовой форме
В. Данные и знания не изменяются
Г. Задача не записана на формальном языке
Вопрос № 2. Направление в исследованиях по искусственному интеллекту, ориентированное на существующие модели компьютеров, называется:
А. Биологическое
Б. Алгоритмическое
В. Программно-прагматическое и биологическое
Г. Объектно-ориентированное
Вопрос № 3. Алгоритмы, методы и способы решения задач в предметной области представляют собой:
А. Предметные знания
19
Б. Операционные знания
В. Логические знания
Г. Процедурные знания
Вопрос № 4. Знания, сосредоточенные в структурах данных, являются:
А. Декларативными
Б. Процедурными
В. Логическими
Г. Когнитивными
Вопрос № 5. Нейронные сети характеризуются:
А. Неспособностью объяснять свои действия
Б. Легкостью выбора архитектуры сети
В. Невозможностью обучения сети
Г. Невозможностью работать с зашумленными данными
Вопрос № 6. Генетический алгоритм является:
А. Определенным
Б. Множественно-вероятностным
В. Линейным
Г. Комбинированным
Вопрос № 7. Функция принадлежности определяет:
А. Качественные характеристики объекта
Б. Субъективную степень уверенности эксперта в том, что конкретные значения базовой
шкалы соответствуют определенному нечеткому множеству
В. Принадлежность объекта определенному нечеткому множеству
Г. Отношение значения базовой шкалы к определенной категории
Вопрос № 8. Сетевые модели относят к ________________________ подходу работы со
знаниями:
А. Логическому
Б. Когнитивному
В. Динамическому
Г. Формальному
Вопрос № 9. Реальные или абстрактные объекты, из которых состоит предметная область, это:
А. Отношения
Б. Суждения
В. Предположения
Г. Сущности
Вопрос № 10. В базе знаний логической модели хранятся:
А. Знания, образующие множество аксиом и правил вывода
Б. Знания, образующие множество синтаксических правил
В. Лишь знания, образующие множество аксиом
Г. Лишь знания, образующие множество правил вывода
Вопрос № 11. Для метода резолюций характерно:
А. Если А и (А→В)=>В
20
Б. Доказательство истинности или ложности выдвинутого предположения ведется методом от противного
В. ЕслиА и (А→В) =>В
Г. Если А и  (А-»В)=>В
Вопрос № 12. Совокупность взаимосвязанных понятий образует:
А. Фреймовую модель
Б. Семантическую сеть
В. Нечеткое множество
Г. Схему связи
Вопрос № 13. Атрибут в семантической сети — это...
А. Изменение ее структуры
Б. Специфический компонент сети, выполняющий преобразование информации
В. Характеризующее событие, имеющее несколько значений
Г. Характеризуемое событие, имеющее несколько значений
Вопрос № 14. Фрейм с незаполненными значениями слотов называется:
А. Экзофрейм
Б. Профрейм
В. Протофрейм
Г. α-фреймом
Вопрос № 15. Понятие «клиент» можно отобразить с помощью:
А. Фрейма-роли
Б. Фрейма-сценария
В. Фрейма-ситуации
Г. Фрейма-структуры
Вопрос № 16. Постусловие в продукции - это...
А. Условие, которое активируется, когда ядро продукции реализовано
Б. Условие, при котором продукция активируется
В. Описание класса ситуаций, в котором данная структура может использоваться Выражение типа «Если выполняется А, то следует B»
Вопрос № 17. Если событие А=>В наступает с вероятностью, равной Р, то такое ядро
продукции называется:
А. Недетерминированным
Б. Комбинированным
В. Одновероятным
Г. Детерминированным
Вопрос № 18. Имитационное моделирование целесообразно использовать, когда:
А. Существует законченная постановка задачи
Б. Имеются достаточно простые аналитические методы решения
В. Исследуются простые системы
Г. Задача не поддается решению в явном виде или при большой размерности задачи
Вопрос № 19. Процесс извлечения информации из данных сводится к адекватному соединению операционного и фактуального знаний. Способ их соединения в системах, основанных на обработке баз данных:
21
А.
Б.
В.
Г.
Программа = База знаний + Управляющая структура
Программа = Алгоритм + Структура данных
Программа = СБД + Алгоритм + Структура данных
СБД = Программа <=> СУБД <=> БД
Вопрос № 20. Какие из перечисленных компонентов входят в архитектуру экспертной
системы?
А. Решатель и компонент пользователя
Б. Анимационный и интегрированный компоненты
В. Решатель и интерфейс пользователя
Г. Архитектурный и технический компоненты
Вопрос № 21. Инженер по знаниям - это ...
А. специалист, который занимается микропроцессами
Б. специалист, знания которого помещаются в базу знаний
В. специалист, который занимается извлечением знаний и их формализацией в базе знаний
Г. специалист, интеллектуальные способности которого расширяются благодаря использованию в практической деятельности ЭС
Вопрос № 22. Динамическая экспертная система - это ...
А. ЭС, решающая задачи в условиях изменяющихся во времени исходных данных и знаний
Б. ЭС, осуществляющая генерацию вариантов решений (формирование гипотез)
В. ЭС, решающая задачи в условиях не изменяющихся во времени исходных данных и
знаний
Г. ЭС, осуществляющая оценку вариантов решений (проверку гипотез)
Вопрос № 23. Синтетическая экспертная система - это ...
А. ЭС, решающая задачи в условиях изменяющихся во времени исходных данных и
знаний
Б. ЭС, осуществляющая генерацию вариантов решений (формирование гипотез)
В. ЭС, решающая задачи в условиях не изменяющихся во времени исходных данных и
знаний
Г. ЭС, осуществляющая оценку вариантов решений (проверку гипотез)
Вопрос № 24. Проектирование - это...
А. Выбор последовательности действий пользователей по достижению поставленной
цели
Б. Определение конфигураций объектов с точки зрения достижения заданных критериев
эффективности и ограничений
В. Слежение за текущей ситуацией с возможной последующей коррекцией
Г. Развитие текущих ситуаций на основе математического и эвристического моделирования
Вопрос № 25. Диагностика - это...
А. Выбор последовательности действий пользователей по достижению поставленной
цели
Б. Вывод вероятных следствий на основании анализа имеющихся данных
В. Слежение за текущей ситуацией с возможной последующей коррекцией
22
Г. Процесс соотнесения объекта с некоторым классом объектов и (или) обнаружение неисправностей в некоторой системе
Вопрос № 26. По какому признаку классифицируются статические и динамические
экспертные системы?
А. По способу учета временного признака
Б. По способу формирования решения
В. По видам используемых данных и знаний
Г. По числу используемых источников знаний
Вопрос № 27. К задачам синтеза, решаемым экспертными системами, относят
А. Интерпретация данных, диагностика, поддержка принятия решений
Б. Обучение, мониторинг, прогнозирование
В. Проектирование, мониторинг, прогнозирование
Г. Диагностика, планирование, прогнозирование
Вопрос № 28. База знаний в экспертной системе - это...
А. Программа, позволяющая пользователю получить ответы на вопросы: «Как была получена та или иная рекомендация?» и «Почему система приняла такое решение?»
Б. Совокупность знаний о предметной области, реализованная на основе выбранной модели представления знаний и записанная на машинный носитель
В. Комплекс программ, реализующих диалог пользователя с экспертной системой
Г. Программа, моделирующая ход рассуждений эксперта
Вопрос № 29. Концептуализация предметной области при создании экспертной системы-это...
А. Создание целостного и системного описания используемых значений, отражающего
сущность функционирования проблемной области
Б. Осуществление выбора метода представления знаний
В. Физическое наполнение базы знаний и настройка всех программных механизмов в
рамках выбранного программного средства
Г. Определение назначения и сферы применения экспертной системы, подбор экспертов
и инженеров по знаниям, постановка и параметризация решаемых задач
Вопрос № 30. Опытная эксплуатация экспертной системы - это...
А. Физическое наполнение базы знаний и настройка всех программных механизмов в
рамках выбранного программного средства
Б. Оценка экспертной системы с позиции критериев точности и полезности
В. Использование экспертной системы в массовом порядке без непосредственного контроля со стороны разработчиков и переход от тестовых примеров к решению реальных задач
Г. Подбор группы разработчиков: экспертов, инженеров по знаниям, программистов.
Ключи к тесту
1
2
3
4
5
6
А
В
Б
А
А
Б
11
12
13
14
15
16
Б
Б
В
В
А
А
21
22
23
24
25
26
В
А
Б
Б
Г
А
23
7
8
9
10
Б
Б
Г
В
17
18
19
20
А
Г
Г
В
27
28
29
30
В
Б
А
В
7. Учебно-методическое и информационное обеспечение дисциплины
а) основная литература
1. ЭБС «Znanium.com» Федотова, Е.Л. Информационные технологии и системы: учеб.
пособие / Е.Л. Федотова. - М.: ФОРУМ: Инфра-М, 2014. - 352 с. Режим доступа
http://znanium.com
2. ЭБС «Znanium.com» Дорогов, В. Г. Введение в методы и алгоритмы принятия решений: учебное пособие / В.Г. Дорогов, Я.О. Теплова. - М.: ФОРУМ: ИНФРА-М, 2012. 240 с. Режим доступа http://znanium.com
3. ЭБС «Znanium.com» Романов, А.Н. Интеллектуализация сетевых систем поиска экономической информации: монография / А.Н. Романов, Б.Е. Одинцов. - М.: Вузовский
учебник: ИНФРА-М, 2010. – 144 с. Режим доступа http://znanium.com
б) дополнительная литература
1. ЭБС «Znanium.com» Гусева, Е. Н. Имитационное моделирование экономических процессов в среде Arena: учеб.-метод. пособие / Е. Н. Гусева. - М. : Флинта, 2011. - 132 с.
Режим доступа http://znanium.com
2. ЭБС «Znanium.com» Интеллектуальный анализ динамики бизнес-систем: учебник/
Н.М.Абдикеев и др.; под науч. ред. Н.М.Абдикеева и др. - М.: ИНФРА-М, 2010. - 320
с. Режим доступа http://znanium.com
3. ЭБС «Znanium.com» Ездаков, А. Л. Экспертные системы САПР: учебное пособие /
А.Л. Ездаков. - М.: ФОРУМ, 2012. - 160 с. Режим доступа http://znanium.com
4. ЭБС «Консультант студента» Жданов А.А. Автономный искусственный интеллект
[Электронный ресурс] / А. А. Жданов.-3-е изд. (эл.). - М. : БИНОМ. Лаборатория знаний, 2012. -359 с. : ил. - (Адаптивные и интеллектуальные системы). Режим доступа
http://www.studentlibrary.ru/book
1.
2.
3.
4.
5.
в) программное обеспечение и Интернет-ресурсы
http://webpractice.cm.ru Сетевые компьютерные практикумы.
http://scool-collection.edu Единая коллекция цифровых образовательных ресурсов.
http://edu.ru Федеральный портал «Российское образование»
http://window.edu.ru Единое окно доступа к образовательным ресурсам
www.ict.edu.ru портал с материалами по изучению информационных технологий.
8. Материально-техническое обеспечение дисциплины
Материально-техническое обеспечение дисциплины включает:
1) библиотечный фонд ГОУ ВПО «МГТУ»;
2) рабочие компьютерные места для проведения лабораторных занятий и тестирования студентов;
3) мультимедийное оборудование для чтения лекций-презентаций.
24
Дополнения и изменения в рабочей программе
за ________/________ учебный год
В рабочую программу
(наименование дисциплины)
для направления (специальности)
(номер направления (специальности)
вносятся следующие дополнения и изменения:
Дополнения и изменения внес
(должность, Ф.И.О., подпись)
Рабочая программа пересмотрена и одобрена на заседании кафедры
_
(наименование кафедры)
«____»___________________201_г.
Заведующий кафедрой __________________
(подпись)
_____________
(Ф.И.О.)
25
Документ
Категория
Программирование, Базы данных
Просмотров
123
Размер файла
90 Кб
Теги
1/--страниц
Пожаловаться на содержимое документа