Учебно-методический комплекс дисциплины интеллектуальные информационные системы Специальность




страница1/4
Дата23.04.2016
Размер0.79 Mb.
  1   2   3   4
Министерство культуры Российской Федерации

Алтайский филиал федерального государственного образовательного

учреждения высшего профессионального образования

«МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

КУЛЬТУРЫ И ИСКУССТВ»

Кафедра гуманитарных дисциплин

УЧЕБНО-МЕТОДИЧЕСКИЙ КОМПЛЕКС

ДИСЦИПЛИНЫ

Интеллектуальные информационные системы

Специальность:

080801.65 – «Прикладная информатика (в менеджменте)»

Барнаул

2010
РАБОЧАЯ ПРОГРАММА



Автор (составитель)

Стерлягов С.П., к.т.н., доцент


Рецензент: __________________________________________________________________

(ФИО, ученая степень, ученое звание, вуз)



по дисциплине

«Интеллектуальные информационные системы»

для специальности

«Прикладная информатика в экономике»

Курс

4

Семестр

7,8

Лекции

42

(час) Экзамен в

8

семестре

Практические занятия

8

(час) Зачет в

7

семестре

Лабораторные занятия

32

(час)







Всего часов

82

Самостоятельная работа

82

(час.)

Итого часов трудозатрат на дисциплину (для студента) по ГОС

164

(час.)

Рабочая программа составлена в соответствии с требованиями Государственного образовательного стандарта высшего профессионального образования по специальности «Прикладная информатика (в менеджменте)» к обязательному минимуму содержания и уровню подготовки дипломированного специалиста или магистра по циклу «Общие гуманитарные и социально-экономические дисциплины» государственных образовательных стандартов высшего профессионального образования второго поколения, а также требованиями, предъявляемыми НФПК к новым и модернизированным программам учебных курсов, разработанным в рамках программы «Совершенствование преподавания социально-экономических дисциплин в вузах» Инновационного проекта развития образования.
Государственный образовательный стандарт
для специальности— «Прикладная информатика»

Понятие интеллектуальной информационной системы (ИИС), основные свойства. Классификация ИИС. Экспертные системы. Составные части экспертной системы: база знаний, механизм вывода, механизмы приобретения и объяснения знаний, интеллектуальный интерфейс.

Организация базы знаний. Предметное (фактуальное) и проблемное (операционное) знания. Декларативная и процедурная формы представления знаний. Методы представления знаний.

Логический и эвристический методы рассуждения в ИИС. Рассуждения на основе дедукции, индукции, аналогии. Нечеткий вывод знаний. Немонотонность вывода. Статические и динамические экспертные системы. Приобретение знаний. Извлечение знаний из данных. Машинное обучение на примерах. Нейронные сети.

Этапы проектирования экспертной системы: идентификация, концептуализация, формализация, реализация, тестирование, опытная эксплуатация. Участники процесса проектирования: эксперты, инженеры по знаниям, конечные пользователи.

ВВЕДЕНИЕ

Системы управления в бизнесе строятся на основе экономико-организационных моделей, так как управляющая система должна иметь представление об образе объекта. И поскольку модель в некоторой форме отражает реально протекающие процессы, возникает проблема ее адекватности. Традиционные детерминированные и стохастические модели все чаще не позволяют эффективно решать проблемы адекватности и учета трудно формализуемых факторов и рисков. Поэтому в настоящее время все большее распространение получают лингвистические, нечеткие и нейронные модели, а также модели искусственного интеллекта с использованием эвристик и знаний управленца высокой квалификации – эксперта.

На современном этапе развития информационных технологий и информатизации в сфере бизнеса важными проблемами являются:


  • разработка адекватных моделей проблемных сред для систем поддержки решений в различных областях предпринимательства;

  • моделирование и знаний, эвристик и представлений менеджера или эксперта в сфере своей деятельности, с целью разработки высокоэффективных систем поддержки этих решений;

  • применение идей, средств и методов новой информационной технологии для интеллектуализации информационных систем в различных областях экономики и бизнеса, а также повышения эффективности решения задач управления.

Специалисты в области искусственного интеллекта (ИИ) всегда стремились разработать программы для компьютеров, которые могли бы в некотором смысле “думать”, т.е. решать задачи таким способом, который мы бы сочли разумным, если бы его применил человек. Чтобы сделать программу интеллектуальной, ее нужно снабдить множеством высококачественных специализированных знаний о некоторой предметной области, а также заложить в нее способность работы с этими знаниями, способность получать знания, не содержащиеся в явном виде, обучаться, обосновывать и объяснять решения.

Понимание этого факта привело к развитию специализированных программных систем, каждая из которых является экспертом в некоторой достаточно узкой предметной области. Эти программы получили название “экспертные системы” (ЭС). Технологию построения ЭС часто называют “инженерией знаний”. С помощью ЭС решаются задачи, относящиеся к классу неформализованных.

Основное отличие между обычными информационно-поисковыми и экспертными системами заключается в том, что первые осуществляют поиск имеющейся в них информации по заданной теме, а вторые – логическую переработку информации с целью получения новой информации, которая в явном виде в нее не вводилась. При этом на основе базы знаний компьютера автоматически определяются не только факты, но генерируются новые знания путем логического вывода. ЭС часто используются как советчики в системах управления и поддержки решений. Кроме того, ЭС используются в качестве консультантов в различных гуманитарных и политологических системах.

Изменение технологии решения информационных задач связано с интенсивным развитием и внедрением новой информационной технологии.

При традиционной технологии решения задач сопровождение прикладного программного обеспечения выполняется на протяжении всего ее жизненного цикла. Процесс сопровождения в традиционной технологии требует по крайней мере такого же количества ресурсов, как и разработка программы.

Все вышесказанное обусловило необходимость изменения технологии использования компьютеров. Ситуацию можно преодолеть только путем привлечения пользователей к процессам решения задач, сопровождения программной системы, и, возможно, даже разработки прикладного программного обеспечения. Однако, это требует коренного изменения принципов организации прикладного программного обеспечения и методов его использования при решении задач, сложившихся в рамках традиционных технологий. Прежде всего, необходимо строить программные системы таким образом, чтобы радикально упростить процессы их эксплуатации и сопровождения.

В традиционной технологии обработки данных системы понятий предметной области и формальной модели, положенной в основу программы, как правило, не совпадают. Это различие и является основной причиной затруднений, возникающих при взаимодействии пользователя с компьютером в процессе решения задачи.

Основная идея новой технологии, призванная обеспечить проблемы интерпретации, состоит в том, чтобы рассматривать систему понятий предметной области и соответствие между ней и системой понятий формальной модели как исходную информацию для решения прикладных задач.

Разработчики систем искусственного интеллекта и экспертных систем, как важной составляющей новой информационной технологии решения задач, ставят своей задачей изменения традиционных подходов к системе взаимодействия человека и компьютера при решении задач принятия решений, обеспечения удобства и комфорта пользователя, повышения эффективности взаимодействия таких систем. Прежде всего, речь идет о переосмыслении всей технологии обработки, хранения и представления информации пользователю с позиций новой информационной технологии.

Важное значение приобретает анализ проблемных областей, в которых интеграция интеллектуальных технологий и информационных систем принесла бы ощутимый эффект. Наиболее перспективными областями экономики и бизнеса, где экспертные системы наиболее эффективны, являются: управление производством; производственное и внутрифирменное планирование; управление маркетингом и сбытом; финансовый менеджмент; риск-менеджмент; банковская сфера; торговля; фондовый рынок.

Методическую основу учебного курса составляют лекции, практические занятия, индивидуальные и самостоятельные занятия. Лекционные занятия раскрывают основные проблемные вопросы по каждому разделу. Практические занятия и индивидуальное проектирование и разработка демонстрационного прототипа интеллектуальной системы для конкретной предметной области предназначены для приобретения практических навыков в работе по освоению различных методов интеллектуализации для прикладных информационных систем в экономике.

Курс предусматривает занятия в компьютерном классе. Предусмотрены лекции, практические занятия, промежуточное тестирование, лабораторные работы и самостоятельная подготовка в виде выполнения домашних заданий по рекомендованной учебно-методической литературе.

Самостоятельная работа студентов проводится вне рамок учебного расписания и предназначена для закрепления лекционного материала и ознакомления с рекомендованной литературой. Формами контроля являются семинары, промежуточное тестирование, индивидуальные занятия, выполнение и сдача лабораторных работ, проверка отчетов о выполнении индивидуальных работ и экзамен.

1. ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ, ЕЕ МЕСТО В УЧЕБНОМ ПРОЦЕССЕ

1.1. Целью преподавания дисциплины является ознакомление студентов с проблематикой и областями использования искусственного интеллекта в экономических информационных системах, освещение теоретических и организационно-методических вопросов построения и функционирования систем обработки знаний, привитие навыков практических работ по проектированию баз знаний.

При изучении дисциплины студенты знакомятся с основными понятиями, методами и практически полезными примерами построения интеллектуальных информационных систем на основе изучения базовых моделей искусственного интеллекта (ИИ).

Изучение дисциплины позволяет:



  • сформировать системное базовое представление, первичные знания, умения и навыки студентов по основам инженерии знаний и нейроинформатики, как двум направлениям построения интеллектуальных систем;

  • подготовить студентов к применению концепций интеллектуальных систем в обучении в магистратуре и при дипломном проектировании по специальности.

Цель реализуется через предоставление знаний:

  • о состоянии и тенденциях развития экономических информационных систем;

  • о новой информационной технологии решения задач управления, связанной с использованием средств и методов искусственного интеллекта;

  • о навыках разработки и использования интеллектуальных информационных систем в различных прикладных областях (основные сферы производственного цикла, финансово-экономические информационные системы).

1.2. Задачи изучения дисциплины.

В результате изучения учебного курса, практических занятий и выполнения индивидуальной работы по проектированию и разработке прототипа интеллектуальной системы студент должен:



  • иметь представление об интеллектуальных технологиях и наиболее перспективных прикладных сферах их применения;

  • знать основные методы разработки интеллектуальных информационных систем и специфику актуальных проблемных областей;

  • уметь работать с различными моделями представления знаний и обосновывать выбор той или иной модели в зависимости от характера предметной области и специфики решаемых задач, компоновать структуру интеллектуальной прикладной системы;

  • владеть навыками работы с основными инструментальными средствами проектирования интеллектуальных систем;

  • иметь опыт проектирования и разработки демонстрационного прототипа интеллектуальной системы для конкретной предметной области.

1.3. В результате изучения курса студент должен знать структуру и общую схему функционирования ИИС, методы представления знаний в ИИС, области применения, этапы, методы и инструментальные средства проектирования ИИС; уметь выбрать форму представления знаний и инструментальное средство разработки ИИС для конкретной предметной области, спроектировать базу знаний, выбрать стратегию вывода знаний, разработать методы поддержания базы знаний в работоспособном состоянии; приобрести навыки в проектировании базы знаний, ее формализованном описании и наполнении, реализации различных стратегий вывода знаний и объяснения полученных результатов.

В результате изучения дисциплины у студентов должны быть сформированы представления о:



  • истории, целях и задачах исследований в области искусственного интеллекта;

  • прикладных системах искусственного интеллекта;

  • двух подходах к построению интеллектуальных систем — логическом и нейрокибернетическом;

  • нечеткости знаний, ее природе и разновидностях;

  • проблемах построения систем общения с компьютером на естественном языке;

  • областях применения интеллектуальных систем;

  • проблемах и основных методах представления и обработки знаний;

  • проблемах и способах построения нейронных сетей.

После изучения дисциплины студент должен знать:

  • понятия инженерии знаний и нейрокибернетики;

  • методы представления и обработки знаний;

  • структуру экспертных систем и их архитектурные особенности в зависимости от особенностей решаемой задачи;

  • этапов построения экспертных систем;

  • методов построения систем общения на естественном языке.

1.4. Перечень дисциплин, усвоение которых необходимо студентам для изучения данного курса.

Теоретическая основа дисциплины заложена в курсах: "Информатика", "Теория экономических информационных систем", "Основы алгоритмизации и алгоритмические языки", "Высокоуровневые методы программирования". Для изучения дисциплины используются практические знания дисциплин: "Проектирование информационных систем", "Базы данных". Методические основы изложены также в курсах "Дискретная математика", "Теория вероятностей", "Методы оптимизации".



2. СОДЕРЖАНИЕ ДИСЦИПЛИНЫ

2.1. ТЕМАТИЧЕСКИЙ ПЛАН

№ пп

Наименование разделов и тем

Количество часов

Всего часов

Лек-ции

Семи-нары

Лаб. раб.

Сам. раб.

1

Логические основы функционирования ЭВМ. Способы реализации компьютерной логики.

-

4

-

8

12

2

Введение в интеллектуальные системы. Базовые понятия искусственного интеллекта (ИИ). Обзор исследований в области ИИ.

4

-

-

4

8

3

Основные направления исследований в области искусственного интеллекта.

2

-

-

4

6

4

Механизмы человеческого мышления. Представление знаний и вывод, основанный на знаниях. Модели представления знаний. Нечеткие знания.

8

4

6

16

34

5

Системы, основанные на знаниях. Экспертные системы (ЭС). Классификация систем, основанных на знаниях.

6

-

2

6

14

6

Разработка систем, основанных на знаниях. Технология проектирования и разработки ЭС. Коллектив разработчиков. Требования к участникам разработки.

16

-

20

40

76

7

Прикладные интеллектуальные системы. Состояние и перспективы рынка ИИ.

2

-

2

2

6

8

Нейрокомпьютинг и основные направления его развития.

4

-

2

2

8

ВСЕГО

42

8

32

82

164

2.2. КРАТКОЕ СОДЕРЖАНИЕ ЛЕКЦИЙ

Тема 1. Логические основы функционирования ЭВМ. Способы реализации компьютерной логики (самостоятельно — повторение изученного на первом курсе).

Алгебра логики. Логические высказывания и высказывательные формы. Элементарные и составные высказывания. Логические связки и операции: отрицание, конъюнкция, дизъюнкция, импликация и эквиваленция. Логические переменные и логические формулы. Выполнимые формулы. Тождественно истинные формулы (тавтологии). Тождественно ложные формулы (противоречия). Равносильные формулы. Таблицы истинности для логических формул. Правила их составления и использования. Основные законы алгебры логики. Методы упрощения логических формул. Переключательные схемы. Равносильные схемы. Анализ и синтез схем по заданным условиям работы. Решение логических задач средствами алгебры логики. Решение логических задач табличным способом.



Тема 2. Введение в интеллектуальные системы. Базовые понятия искусственного интеллекта (ИИ). Обзор исследований в области ИИ [4 часа].

Терминология. Понятие интеллектуальной информационной системы (ИИС), основные классы задач, решаемых ИИС. Философские аспекты проблемы систем ИИ (существование, безопасность, полезность). Краткая история искусственного интеллекта. Предыстория. Зарождение нейрокибернетики. От кибернетики «черного ящика» к ИИ. Классический период: игры и доказательство теорем. Поиск в пространстве состояний. Алгоритм поиска в ширину. Алгоритм поиска в глубину. Эвристический поиск. Романтический период: компьютер начинает понимать. Схемы представления знаний. Период модернизма: технологии и приложения. История искусственного интеллекта в России.



Тема 3. Основные направления исследований в области искусственного интеллекта [2 часа].

Представление знаний и разработка систем, основанных на знаниях (knowledge-based systems). Программное обеспечение систем ИИ (software engineering for AI). Разработка естественно-языковых интерфейсов и машинный перевод (natural language processing). Интеллектуальные роботы (robotics). Обучение и самообучение (machine learning). Распознавание образов (pattern recognition). Новые архитектуры компьютеров (new hardware platforms and architectures). Игры и машинное творчество. Другие направления.



Тема 4. Механизмы человеческого мышления. Представление знаний и вывод, основанный на знаниях. Модели представления знаний. Нечеткие знания [8 часов].

Искусственный интеллект и человеческое мышление. Механизм человеческого мышления. Цели. Факты и правила. Упрощение. Механизм вывода. Прямая и обратная цепочки рассуждений. Метазнания. Проблема представления знаний. Данные и знания. Свойства знаний и отличие знаний от данных. Предметное (фактуальное) и проблемное (операционное) знания. Экстенсиональное и интенсиональное описание знаний. Декларативная и процедурная формы представления знаний. Модели представления знаний. Представление в компьютере неформальных процедур. Алгоритмические модели.

Продукционные модели. Описание предметной области правилами и фактами. Методы полного перебора в ширину и в глубину. Эвристические методы поиска в пространстве состояний. Решение задач методом разбиения на подзадачи. Представление задачи в виде И-ИЛИ графа. Управление системой продукции. Языки описания продукционной модели Prolog и Lisp.

Семантические сети. Краткая история развития. Основные понятия семантических сетей: представление объектов и отношений между ними в виде ориентированного графа. Типы узлов и типы отношений. «Поверхностность» и «глубинность» знаний как основные отличия модели семантических сетей от продукционной модели. Предметные области, где семантические сети получили распространение. Примеры.

Фреймы. История появления, решаемые задачи. Анализ пространственных сцен. Понимание смысла предложений. Основные понятия фрейма: слоты, присоединенные процедуры-слуги и процедуры-демоны, наследование свойств. Связь понятия фрейма и объекта в объетно-ориентированном программировании. Представление знаний об объекте при помощи фреймов. Сети фреймов. Принципы обработки данных в сети фреймов. Практическая реализация фреймовой модели. Понятия об объектно-ориентированном анализе предметной области. Объектно-ориентированный подход. Объектно-ориентированные языки программирования. Примеры языков инженерии знаний, основанных на фреймах: FRL и KRL.

Формальные логические модели. Виды логических моделей, общие термины и определения. Формальная (Аристотелева) логика: имена, высказывания, процедуры доказательства и опровержения. Математическая реализация формальной логики. Интерпретация формул в логике предикатов 1-го порядка. Методы автоматического доказательства теорем (исчисление предикатов). Понятие предиката, формулы, кванторов всеобщности и существования.

Вывод на знаниях. Механизмы вывода. Машина вывода. Стратегии управления выводом. Прямой и обратный вывод. Поиск решений в пространстве состояний. Методы поиска в глубину и ширину. Метод перебора, как наиболее универсальный метод поиска решений. Методы ускорения перебора. Поиск методом редукции. Эвристический поиск. Поиск методом “генерация – проверка”. Поиск в факторизованном пространстве. Поиск в изменяющемся множестве иерархических пространств. Использование ограничений при поиске решений. Генетический алгоритм. Эволюционное (генетическое) программирование. Логический и эвристический методы рассуждения в ИИС. Рассуждения на основе дедукции, индукции, аналогии. Нечеткий вывод знаний. Основы теории нечетких множеств. Операции с нечеткими знаниями. Нечеткая логика. Понятие лингвистической переменной. Примеры псевдофизических логик: пространственная и временная логики.

  1   2   3   4


База данных защищена авторским правом ©ekonoom.ru 2016
обратиться к администрации

    Главная страница