МИНОБРНАУКИ РОССИИ
федеральное государственное бюджетное образовательное учреждение высшего образования
«Алтайский государственный университет»

Проектирование интеллектуальных систем
рабочая программа дисциплины

Закреплена за кафедройКафедра вычислительной техники и электроники
Направление подготовки09.06.01. Информатика и вычислительная техника
НаправленностьСистемный анализ, управление и обработка информации
Форма обученияОчная
Общая трудоемкость4 ЗЕТ
Учебный план09_06_01_ИВиТ_Систем_ анализ-234-2020
Часов по учебному плану 144
в том числе:
аудиторные занятия 36
самостоятельная работа 81
контроль 27
Виды контроля по семестрам
экзамены: 3

Распределение часов по семестрам

Курс (семестр) 2 (3) Итого
Недель 20
Вид занятий УПРПДУПРПД
Лекции 36 36 36 36
Сам. работа 81 81 81 81
Часы на контроль 27 27 27 27
Итого 144 144 144 144

Программу составил(и):
к.т.н., доцент, Шайдуров А.А.

Рецензент(ы):
к.ф.-м.н., доцент , Рудер Д.Д.

Рабочая программа дисциплины
Проектирование интеллектуальных систем

разработана в соответствии с ФГОС:
Федеральный государственный образовательный стандарт высшего образования по направлению подготовки 09.06.01 ИНФОРМАТИКА И ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА (уровень подготовки кадров высшей квалификации). (приказ Минобрнауки России от 30.07.2014г. №875)

составлена на основании учебного плана:
09.06.01 Информатика и вычислительная техника
утвержденного учёным советом вуза от 30.06.2020 протокол № 6.

Рабочая программа одобрена на заседании кафедры
Кафедра вычислительной техники и электроники

Протокол от 08.06.2020 г. № 79/19-20
Срок действия программы: 2020-2021 уч. г.

Заведующий кафедрой
к.ф.-м.н., Пашнев Владимир Валентинович, доц., зав. кафедрой "Вычислительной техники и электроники"

Визирование РПД для исполнения в очередном учебном году

Рабочая программа пересмотрена, обсуждена и одобрена для
исполнения в 2020-2021 учебном году на заседании кафедры

Кафедра вычислительной техники и электроники

Протокол от 08.06.2020 г. № 79/19-20
Заведующий кафедрой к.ф.-м.н., Пашнев Владимир Валентинович, доц., зав. кафедрой "Вычислительной техники и электроники"

1. Цели освоения дисциплины

1.1.Дисциплина «Проектирование интеллектуальных систем» обеспечивает приобретение знаний в соответствии с государственным образовательным стандартом, содействует систематизации специального образования и развитию логического мышления.
Цель изучения дисциплины – формирование у аспиранта теоретических знаний и практических навыков по созданию и применению когнитивных информационных систем. Задачами дисциплины является формирование умений и навыков по следующим направлениям деятельности: построение моделей слабоструктурированных приложений, решение задач проектирования и управления на основе когнитивных методов, робототехника.

2. Место дисциплины в структуре ООП

Цикл (раздел) ООП: Б1.В.ДВ.01

3. Компетенции обучающегося, формируемые в результате освоения дисциплины

ОПК-1: владением методологией теоретических и экспериментальных исследований в области профессиональной деятельности
ОПК-4: готовностью организовать работу исследовательского коллектива в области профессиональной деятельности
ОПК-5: способностью объективно оценивать результаты исследований и разработок, выполненных другими специалистами и в других научных учреждениях
ОПК-6: способностью представлять полученные результаты научно-исследовательской деятельности на высоком уровне и с учетом соблюдения авторских прав
ОПК-7: владением методами проведения патентных исследований, лицензирования и защиты авторских прав при создании инновационных продуктов в области профессиональной деятельности
ПК-1: способностью применять и разрабатывать методы и средства системного анализа, оптимизации, управления, принятия решений и обработки информации применительно к сложным системам, с целью повышения эффективности функционирования объектов исследования
ПК-2: способностью выполнять теоретические исследования процессов создания, накопления и обработки информации, включая анализ и создание моделей данных и знаний, языков их описания и манипулирования, разработку новых математических методов и средств поддержки интеллектуальной обработки данных
ПК-3: способностью разрабатывать новые математические модели объектов и явлений, развивать аналитические и приближенные методы их исследования, выполнять реализацию эффективных численных методов и алгоритмов в виде комплексов проблемно-ориентированных программ для проведения вычислительного эксперимента
В результате освоения дисциплины обучающийся должен
3.1.Знать:
3.1.1.основные этапы развития интеллектуальных технологий;
основы построения и функционирования искусственных нейронных сетей (ИНС);
основные аспекты проблем построения и функционирования искусственных нейронных сетей;
разновидности и функциональные особенности методов искусственного интеллекта;
основы современных технологий проектирования интеллектуального ПО;
принципы построения и функционирования интеллектуального ПО;
3.2.Уметь:
3.2.1.создавать когнитивные системы;
проектировать и создавать интеллектуальное ПО;
3.3.Иметь навыки и (или) опыт деятельности (владеть):
3.3.1.фундаментальными знаниями по основам теории ИНС и практическими навыками проектирования ИНС;
технологией обработки, информации с использованием ИНС;
практическими навыками работы с современными системами разработки ИНС для различных аппаратных платформ;

4. Структура и содержание дисциплины

Код занятия Наименование разделов и тем Вид занятия Семестр Часов Компетенции Литература
Раздел 1. История развития интеллектуальных систем
1.1. История развития интеллектуальных систем Лекции 3 2 ОПК-1, ПК-1, ПК-2 Л2.1
1.2. Основные направления исследований в области интеллектуальных систем Лекции 3 2 ОПК-1, ПК-1, ПК-2 Л2.1
1.3. История развития интеллектуальных систем Сам. работа 3 8 ОПК-1, ПК-1, ПК-2 Л2.1
1.4. Классификация интеллектуальных систем Сам. работа 3 8 ОПК-1, ПК-1, ПК-2 Л2.1
Раздел 2. Представление знаний
2.1. Данные и знания Лекции 3 4 ОПК-1, ПК-1, ПК-2 Л2.1, Л2.2
2.2. Классификация моделей представления знаний Сам. работа 3 8 ОПК-1, ПК-1, ПК-2 Л2.1, Л2.2
2.3. Данные и знания Сам. работа 3 8 ОПК-1, ПК-1, ПК-2 Л2.1, Л2.2
Раздел 3. Нейронные сети
3.1. Классификация искусственных нейронных сетей Лекции 3 2 ОПК-1, ПК-1, ПК-2 Л2.1
3.2. Однослойные и многослойные нейронные сети Лекции 3 2 ОПК-1, ПК-1, ПК-2 Л2.1
3.3. Классификация искусственных нейронных сетей Сам. работа 3 8 ОПК-1, ПК-1, ПК-2 Л2.1
3.4. Задачи, решаемые нейронными сетями Сам. работа 3 8 ОПК-1, ПК-1, ПК-2 Л2.1
Раздел 4. Эволюционное моделирование
4.1. Генетические алгоритмы Лекции 3 4 ОПК-1, ПК-1, ПК-2 Л2.1, Л2.3
4.2. Схема функционирования генетического алгоритма Лекции 3 4 ОПК-1, ПК-1, ПК-2 Л2.1, Л2.3
4.3. Виды генетических алгоритмов Сам. работа 3 5 ОПК-1, ПК-1, ПК-2 Л2.1, Л2.3
4.4. Задачи, решаемые при помощи генетических алгоритмов Сам. работа 3 5 ОПК-1, ПК-1, ПК-2 Л2.1, Л2.3
Раздел 5. Нечеткие множества и нечеткая логика
5.1. Теория нечетких множеств Лекции 3 4 ОПК-1, ПК-1, ПК-2 Л2.1, Л2.4
5.2. Нечеткая логика Лекции 3 4 ОПК-1, ПК-1, ПК-2 Л2.1, Л2.4
5.3. Применение теории нечетких множеств на практике Сам. работа 3 5 ОПК-1, ПК-1, ПК-2 Л2.1, Л2.4
5.4. Применение нечеткой логики при решении слобоформализованных задач Сам. работа 3 6 ОПК-1, ПК-1, ПК-2 Л2.1, Л2.4
Раздел 6. Экспертные системы
6.1. Модель экспертных систем Лекции 3 4 ОПК-1, ПК-1, ПК-2 Л2.1, Л2.5
6.2. Классификация экспертных систем и оболочек экспертных систем Лекции 3 4 ОПК-1, ПК-1, ПК-2 Л2.1, Л2.5
6.3. Средства разработки экспертных систем Сам. работа 3 6 ОПК-1, ПК-1, ПК-2 Л2.1, Л2.5
6.4. Применение экспертных систем на практике Сам. работа 3 6 ОПК-1, ПК-1, ПК-2 Л2.1, Л2.5
Раздел 7. Аттестация
7.1. Экзамен 3 27 ОПК-1, ОПК-4, ОПК-5, ОПК-6, ОПК-7, ПК-1, ПК-2, ПК-3 Л2.1, Л2.2, Л2.3, Л2.4, Л2.5

5. Фонд оценочных средств

5.1. Контрольные вопросы и задания
Сформулируйте отличия ЭС от традиционных систем обработки данных.
Назовите примеры успешного применения технологии ЭС.
Объясните основные причины успеха современной технологии ЭС .
Дайте формальное определение продукционной системы (по Е.Посту и А.Ньюэллу).
Охарактеризуйте основные режимы работы ЭС.
Укажите состав и роли участников разработки ЭС.
Перечислите основные компоненты статической ЭС.
Поясните отличия архитектуры динамической ЭС от архитектуры стати-ческой ЭС.
Перечислите и охарактеризуйте основные этапы разработки ЭС.
Сформулируйте основные направления практических успехов искусственного интеллекта.
Перечислите главные тенденции в разработке ИС для экспертных систем.
Назовите ведущие тенденции в разработке ИС для естественно-языковых систем.
Сформулируйте основные тенденции в разработке ИС для нейронных сетей.
Перечислите новые направления ИИ, в которых обозначились существенные практические успехи, и кратко охарактеризуйте их.
Сформулируйте параметры классификации экспертных систем.
Определите понятия интегрированного приложения, открытого приложения и распределенного приложения.
Поясните отличия коммерческой системы от промышленной и действующего прототипа от исследовательского
Перечислите основные параметры, определяющие свойства предметной области.
Определите статические и динамические задачи.
Укажите главные характеристики типов задач, решаемых экспертной системой.
Назовите основные типы проблемных сред и ИС
Приведите примеры современных гибридных инструментальных средств для статических экспертных систем.
Укажите основные характеристики инструментальных средств для каждого типа ЭВМ.
Приведите примеры статических и динамических экспертных систем.
Назовите основные направления использования проблемно/предметно-ориентированных ИС.
Назовите примеры применения технологии динамических экспертных систем.
Приведите результаты сравнения наиболее развитой динамической экспертной Системы G2 с другими классами экспертных систем.
Выделите, значимые параметры, по которым целесообразно проводить сравнение различных динамических экспертных систем.
Сформулируйте состав знаний в экспертных системах и от каких факторов он зависит.
Поясните, в чем особенности интерпретируемых знаний.
Перечислите основные аспекты организации знаний в рабочей памяти и базе знаний ЭС.
Дайте определение логической модели представления знаний.
Сформулируйте особенности семантических моделей.
Укажите основные черты фреймового подхода.
Перечислите достоинства и особенности систем, управляемых образцами.
Приведите базовые свойства объектно-ориентированного подхода.
Сформулируйте основные задачи механизма вывода экспертной системы.
Укажите назначение и главные функции четырех этапов работы интерпретатора.
Назовите основные различия между подходом, использующим управляемые образцами правила, и подходом, использующим управляемые образцами модули.
Дайте определение стратегии управления в экспертных системах и приведите классификацию стратегий.
Охарактеризуйте метод поиска решений в одном пространстве.
Охарактеризуйте метод поиска решений в иерархии пространств.
Охарактеризуйте метод поиска решений в альтернативных пространствах при неполных и неточных данных.
Охарактеризуйте метод поиска решений с использованием нескольких моделей.
Приведите обоснование выбора метода решений задач в экспертных системах.
Сформулируйте особенности каждого этапа жизненного цикла экспертных систем.
Перечислите базовые типы диаграмм, используемые в методологии разработки экспертных систем.
Назовите главные направления структуризации при проектировании экспертных систем.
Определите различия между рабочими пространствами и модулями прикладной системы.
Назовите методы, применяемые для тестирования современных экспертных систем.
Объясните назначение механизма инспекции в современных экспертных системах.
Поясните, в чем заключается сертификация прикладной динамической экспертной системы.
5.2. Темы письменных работ (эссе, рефераты, курсовые работы и др.)
не требуется
5.3. Фонд оценочных средств
Представлен в электронном учебно-методическом комплексе, расположенном по адресу: http://portal.edu.asu.ru/course/view.php?id=1393
Приложения

6. Учебно-методическое и информационное обеспечение дисциплины

6.1. Рекомендуемая литература
6.1.2. Дополнительная литература
Авторы Заглавие Издательство, год Эл. адрес
Л2.1 Глухих И.Н. Интеллектуальные информационные системы: учеб. пособие для высш. проф. образования М.: Академия, 2010
Л2.2 С. Осуги, Ю. Саэки, Судзуки Х. и др.; пер. с яп. Ю. Н. Чернышова под ред. Н. Г. Волкова. Приобретение знаний: М. : Мир, 1990
Л2.3 В. И. Васильев, Б. Г. Ильясов Интеллектуальные системы управления с использованием генетических алгоритмов: Приложение к журналу "Информационные технологии" [М.] : [Машиностроение], 2000
Л2.4 Новак Вилем, Перфильева Ирина, Мочкорж Иржи; пер. с англ. под ред. А. Н. Аверкина Математические принципы нечеткой логики: М. : ФИЗМАТЛИТ, 2006
Л2.5 Э. В. Попов Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ: М. : Наука, 1987
6.2. Перечень ресурсов информационно-телекоммуникационной сети "Интернет"
Название Эл. адрес
Э1 www.gpntb.ru/ Государственная публичная научно-техническая библиотека.
Э2 www.nlr.ru/ Российская национальная библиотека.
Э3 www.nns.ru/ Национальная электронная библиотека.
Э4 www.rsl.ru/ Российская государственная библиотека.
Э5 www.microinform.ru/ Учебный центр компьютерных технологий «Микроинформ».
Э6 www.tests.specialist.ru/ Центр компьютерного обучения МГТУ им. Н.Э.Баумана.
Э7 www.intuit.ru/ Образовательный сайт
Э8 www.window.edu.ru/ Библиотека учебной и методической литературы
Э9 www.osp.ru/ Журнал «Открытые системы»
Э10 www.ihtika.lib.ru/ Библиотека учебной и методической литературы
Э11 news.rea.ru/portal/Departments.nsf/(Index)/Lib Библиотека Российской экономической академии им. Плеханова.
Э12 Курс в Мудле Проектирование интеллектуальных систем https://portal.edu.asu.ru/course/view.php?id=293
6.3. Перечень программного обеспечения
Microsoft Office
FAR
Microsoft Windows
Visual Studio
Условия использования: https://code.visualstudio.com/license
7-Zip
AcrobatReader
6.4. Перечень информационных справочных систем
1 Федеральная служба государственной статистики РФ [Электронный ресурс]. - Электронные данные. - Режим доступа: http://www.gks.ru/.
2 Федеральный портал по научной и инновационной деятельности [Электронный ресурс]. - Электронные данные. - Режим доступа: http://www.sci-innov.ru/.
3 Научная и учебно-методическая литература [Электронный ресурс]. - Электронные данные. - Режим доступа: http://www.intuit.ru.
4 Научный журнал «Вестник Российской академии естественных наук» [Электрон-ный ресурс]. - Электронные данные. - Режим доступа: http://www.ras.ru/publishing/rasherald/rasherald_archive.aspx.
5 Научный журнал «Интеграл» [Электронный ресурс]. - Электронные данные. – Ре-жим доступа: http://www.portalnano.ru/read/databases/publication/journal_integral.
6 Научный журнал «Инновации» [Электронный ресурс]. - Электронные данные. – Режим доступа: http://ojs.innovjoum.ru/index.php/innov
7 Научный журнал «Информатика и системы управления» [Электронный ресурс]. – Электронные данные. - Режим доступа: http://ics.khstu.ru/
8 Научный журнал «Информационные системы и технологии» [Электронный ре-сурс]. - Электронные
данные. - Режим доступа: http://gu-unpk.ru/science/joumal/isit
9 Научный журнал «Информационные технологии» [Электронный ресурс]. - Элек-тронные данные. - Режим доступа: http://novtex.ru/IT/
10 Научный журнал «Нейрокомпьютеры: разработка, применение» [Электронный ре-сурс]. - Электронные данные. – Режим доступа: http://www.radiotec.ru/catalog.php?cat=jr7
11 Научный журнал «Программные продукты и системы» [Электронный ресурс]. - Электронные данные. – Режим доступа: http://www.swsys.ru/
Электронная библиотечная система Алтайского государственного университета (http://elibrary.asu.ru/)
Электронно-библиотечная система Университетская библиотека on-line (http://www.biblioclub.ru)
Электронно-библиотечная система издательства «Лань» (http://e.lanbook.com)
Электронно-библиотечная система Юрайт (https://www.biblio-online.ru/)

7. Материально-техническое обеспечение дисциплины

Аудитория Назначение Оборудование
Помещение для самостоятельной работы помещение для самостоятельной работы обучающихся Компьютеры, ноутбуки с подключением к информационно-телекоммуникационной сети «Интернет», доступом в электронную информационно-образовательную среду АлтГУ
203К лаборатория цифровой обработки сигналов - учебная аудитория для проведения занятий семинарского типа (лабораторных и(или) практических); проведения групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации Учебная мебель на 12 посадочных мест; рабочее место преподавателя; доска меловая 2 шт.; компьютеры: марка компьютер Парус модель 945 MSI - 12 единиц; коммутатор D-LINK; методические указания по выполнению лабораторной работы по дисциплине "Нейроинформационные технологии": алгоритм обратного рассеяния; обучение без учителя; персептрон; Сети Хопфилда и Хемминга.
Учебная аудитория для проведения занятий лекционного типа, занятий семинарского типа (лабораторных и(или) практических), групповых и индивидуальных консультаций, текущего контроля и промежуточной аттестации, курсового проектирования (выполнения курсовых работ), проведения практик Стандартное оборудование (учебная мебель для обучающихся, рабочее место преподавателя, доска)
001вК склад экспериментальной мастерской - помещение для хранения и профилактического обслуживания учебного оборудования Акустический прибор 01021; виброизмеритель 00032; вольтметр Q1202 Э-500; вольтметр универсальный В7-34А; камера ВФУ -1; компьютер Турбо 86М; масспектрометр МРС -1; осциллограф ЕО -213- 2 ед.; осциллограф С1-91; осциллограф С7-19; программатор С-815; самописец 02060 – 2 ед.; стабилизатор 3218; терц-октавный фильтр 01023; шкаф вытяжной; шумомер 00026; анализатор АС-817; блок 23 Г-51; блок питания "Статрон" – 2 ед.; блок питания Ф 5075; вакуумный агрегат; весы; вольтметр VM -70; вольтметр В7-15; вольтметр В7-16; вольтметр ВУ-15; генератор Г-5-6А; генератор Г4-76А; генератор Г4-79; генератор Г5-48; датчик колебаний КВ -11/01; датчик колебаний КР -45/01; делитель Ф5093; измеритель ИМП -2; измеритель параметров Л2-12; интерферометр ИТ 51-30; источник "Агат" – 3 ед.; источник питания; источник питания 3222; источник питания ЭСВ -4; лабораторная установка для настройки газовых лазеров; лазер ЛГИ -21; М-кальк-р МК-44; М-калькул-р "Электроника"; магазин сопротивления Р4075; магазин сопротивления Р4077; микроскоп МБС -9; модулятор МДЕ; монохроматор СДМС -97; мост переменного тока Р5066; набор цветных стекол; насос вакумный; насос вакуумный ВН-01; осциллограф С1-31; осциллограф С1-67; осциллограф С1-70; осциллограф С1-81; осциллоскоп ЕО -174В – 2 ед.; пентакта L-100; пирометр "Промень"; пистонфон 05001; преобразователь В9-1; прибор УЗДН -2Т; скамья оптическая СО 1м; спектограф ДФС -452; спектограф ИСП -51; стабилизатор 1202; стабилизатор 3217 – 4 ед.; стабилизатор 3218; стабилизатор 3222 – 3 ед.; станок токарный ТВ-4; усилитель мощности ЛВ -103 – 4 ед.; усилитель У5-9; центрифуга ВЛ-15; частотомер Ч3-54А; шкаф металлический; эл.двигатель; электродинамический калибратор 11032

8. Методические указания для обучающихся по освоению дисциплины

Методические указания для студентов

Основной целью при изучении дисциплины является стремление показать области применения и формирование у будущих специалистов теоретических знаний и практических навыков по использованию современных персональных компьютеров и программных средств для решения широкого спектра задач в различных областях, а именно:

ознакомить студентов с основами организации искусственных когнитивных систем;
привить навыки работы с языками программирования для программных комплексов, реализующих искусственные когнитивные системы;
изложить основные принципы проектирования искусственных когнитивных систем.

Основными задачами изучения дисциплины «Искусственные когнитивные системы» являются:

овладение фундаментальными знаниями об основах организации искусственных когнитивных систем;
целостное представление о науке и ее роли в развитии информационных технологий;
владеть общими вопросами организации искусственных нейронных сетей для современных ЭВМ;
овладение технологиями программирования с использованием нейросетевого подхода;
углубление практических навыков работы на персональном компьютере (основы работы с различными инструментальными средствами для проектирования и искусственных нейронных сетей).

Для эффективного изучения теоретической части дисциплины «Искусственные когнитивные системы» необходимо:

построить работу по освоению дисциплины в порядке, отвечающим изучению основных этапов, согласно приведенным темам лекционного материала;
систематически проверять свои знания по контрольным вопросам и тестам;
усвоить содержание ключевых понятий;
активно работать с основной и дополнительной литературой по соответствующим темам;
регулярно консультироваться с преподавателем, ведущим изучаемую дисциплину.

Для эффективного изучения практической части дисциплины «Искусственные когнитивные системы» настоятельно рекомендуется:

систематически выполнять подготовку к практическим занятиям по предложенным преподавателем темам;
своевременно выполнять практические задания, подготавливать доклады или рефераты.

Методические рекомендации по самостоятельной работе

Самостоятельная работа студента, безусловно - один из важнейших этапов в подготовке магистров. Она приобщает студентов к исследовательской работе, обогащает опытом и знаниями, необходимыми для дальнейшего их становления как специалистов, прививает навыки работы с литературой.

Цель самостоятельной работы - систематизация, закрепление и расширение теоретических и практических знаний с использованием современных информационных технологий и литературных источников. Данная цель может быть достигнута при решении следующего круга задач:

изучение лекционного материала;
изучение дополнительных источников информации;
выполнение лабораторных работ.

Порядок начисления рейтинговых баллов по предмету
Работа с базами данных - 10 баллов
Прохождение тестов - 60 баллов
Выполнение лабораторных работ - 30 баллов

Формула перевода итоговой суммы баллов в традиционную оценку по дисциплине
отлично: 85 - 100 баллов;
хорошо: 70 - 84 балла;
удовлетворительно: 50 - 69 баллов;
не удовлетворительно: 0-49 баллов.

Правила аттестации для студентов, не набравших необходимый минимум баллов по дисциплине
Если студент, в ходе изучения дисциплины набрал 70 и более баллов, то он имеет право на выставление соответствующей оценки по экзамену без его сдачи.
Если студент набрал менее 70 баллов, то он должен сдавать экзамен (экзаменационный тест). Данный тест оценивается в диапазоне от 0 до 30 баллов. Полученные баллы суммируются к уже набранным и студенту выставляется итоговая оценка.