Программа дисциплины Интеллектуальные подсистемы сапр для направления 230100 «Информатика и вычислительная техника» - umotnas.ru o_O
Главная
Поиск по ключевым словам:
страница 1
Похожие работы
Название работы Кол-во страниц Размер
Программа дисциплины "Базы данных" для направления 230100. 01 "Информатика... 1 160.69kb.
Программа дисциплины Математическая логика и теория алгоритмов для... 1 200.2kb.
Программа дисциплины «Интеллектуальные системы» 1 94.12kb.
Программа учебной дисциплины "Проектирование корпоративных информационных... 1 195.42kb.
Программа учебной дисциплины "Архитектура корпоративных информационных... 1 203.67kb.
Аннотация рабочей программы дисциплины 1 10.87kb.
Рабочая программа учебной дисциплины операционные системы ооп: 230100. 1 270.33kb.
Программа учебной дисциплины "эвм и периферийные устройства" для... 1 254.32kb.
Рабочая программа дисциплины технологии программирования направление... 1 230kb.
Рабочей программы дисциплины Архитектура информационных систем Место... 1 22.64kb.
Рабочей программы дисциплины ЭВМ и периферийные устройства Место... 1 18.03kb.
12 за 1999 год Рубрика «есть вопрос!» 1 60.95kb.
Викторина для любознательных: «Занимательная биология» 1 9.92kb.

Программа дисциплины Интеллектуальные подсистемы сапр для направления 230100 «Информатика - страница №1/1




Правительство Российской Федерации
Федеральное государственное автономное образовательное учреждение высшего профессионального образования
"Национальный исследовательский университет
"Высшая школа экономики"

Факультет Информационных технологий и вычислительной техники МИЭМ

Программа дисциплины Интеллектуальные подсистемы САПР

Для направления 230100 «Информатика и вычислительная техника»

Специальности 230104 “Системы автоматизированного проектирования”

подготовки специалиста

Авторы программы:

Клышинский Э.С., к.т.н., доцент, eklyshinsky@hse.ru,

Топоркова А.С., к.т.н., доцент , atoporkova@hse.ru
Одобрена на заседании кафедры информационных технологий и автоматизированных систем «___»____________ 2012 г

Зав. кафедрой Тумковский С.Р.


Рекомендована профессиональной коллегией УМС по направлению «Информатика»

«___»____________ 20 г

Председатель ____________________
Утверждена УС МИЭМ НИУ ВШЭ

«___»_____________20 г.


Ученый секретарь Симонов В.П. ________________________

Москва, 2012



Настоящая программа не может быть использована другими подразделениями университета и другими вузами без разрешения кафедры-разработчика программы.


  1. Цели и задачи дисциплины.

Целью изучения дисциплины студентами 5-го курса, обучающимися по специальности 230104, является приобретение ими основных знаний и навыков в области систем искусственного интеллекта (СИИ) и их использовании в САПР. Студенты знакомятся с основами построения механизмов вывода, используемыми для интеллектуализации программирования, изучают логику предикатов 1-го порядка, организацию обучения интеллектуальных подсистем САПР и т.д. Данная учебная дисциплина базируется на курсах «Математическая логика и теория автоматов», «Информатика», «Программное и лингвистическое обеспечение САПР».




  1. Требования к уровню освоения содержания дисциплины (требования к знаниям, умениям и навыкам, приобретенным в результате изучения дисциплины).

В результате изучения учебного материала и выполнения практических работ студент получает представление о системах искусственного интеллекта (СИИ) в САПР, учится самостоятельно анализировать задачи вывода с точки зрения целесообразности и возможности применения тех или иных подходов в зависимости от типа решаемых задач и запросов. Освоив материал данного курса, студенты знают как принципы логических выводов, выводов в условиях неопределенности и возможности их применения в различных системах. Знания и навыки, полученные при изучении курса, необходимы для подготовки диплома и в практической инженерной работе.

Студент должен:


иметь представление:

  • о решении проблем;

  • о знаниях и рассуждениях;

  • об использовании планирования;

  • о неопределенных знаниях и рассуждениях в условиях неопределенности

  • о процессах обучения в интеллектуальных системах

  • об общении, восприятии и осуществлении действий для СИИ

знать и уметь использовать:

  • методы искусственного интеллекта для построения рациональных агентов в САПР;

иметь опыт:

  • в реализации этих алгоритмов средствами обычного и визуального программирования;

  • в формализации задач в терминах искусственного интеллекта




  1. Объем дисциплины и вид учебной работы.




Вид учебной работы

Всего часов

Семестр - 9

Общая трудоемкость дисциплины

177

177










Аудиторные занятия

102

102










Лекции (Л)

51

51










Практические занятия (ПЗ)

51


51










Семинары (С)
















Лабораторные работы (ЛР)
















И (или) другие виды аудиторных занятий
















Самостоятельная работа

75

75










Курсовой проект (работа)
















Домашние работы

75

75










Реферат
















И (или) другие виды самостоятельной работы
















Вид итогового контроля (зачет, экзамен)




Зачет, экзамен












  1. Содержание дисциплины

    1. Разделы дисциплины и виды занятий (допускается название п. 4.1. «Тематический план»)










Аудиторные занятия

№п/п

Раздел дисциплины

лекции

С

ЛР

1

Введение

*

*




2

Решение проблем

*

*




3

Знания и рассуждения

*

*




4

Представление знаний

*

*




5

Неопределенные знания

*

*




6

Обучение и накопление знаний










7

Интеллектуальные подсистемы САПР












    1. Содержание разделов дисциплины (указывается название каждого раздела, количество часов, отводимое на изучение, и его содержание).




№п/п

Раздел дисциплины

Содержание раздела

Л

С



Введение

Предмет исследования искусственного интеллекта. Трудно формализуемые задачи проектирования. Классификация моделей представления знаний.

4






Решение проблем

Формальные системы. Графовые и гиперграфовые модели. И-ИЛИ деревья. Методы поиска в пространствах состояний. Информированный поиск и исследование пространства состояний. Задачи удовлетворения ограничений. Поиск в условиях противодействия.

10

6



Представление знаний

Логика предикатов как метаязык. Исчисление предикатов первого порядка. Автоматическое доказательство теорем. Метод резолюции.

10

8



Неопределенные знания

Вероятностные рассуждения. Нечеткие множества.

7

6



Обучение и накопление знаний

Подсистемы накопления знаний, общения, объяснения. Обучение на основе наблюдений. Применение знаний в обучение. Статистические методы обучения. Обучение с подкреплением

10

6



Интеллектуальные подсистемы САПР.

Экспертные системы. Их разновидности и методы построения. Примеры интеллектуальных подсистема САПР и способов их реализации

10

6




    1. Понедельный план проведения занятий - лекционных и практических.

№п/п

Тема лекции

Содержание



Введение

Предмет исследования искусственного интеллекта. Трудно формализуемые задачи проектирования.



Виды моделей представления знаний

Классификация моделей представления знаний: продукции, предикаты, фреймы, семантические сети, их особенности.



Решение проблем

Формальные системы. Графовые и гиперграфовые модели.



Графовые модели

И-ИЛИ деревья. Методы поиска в пространствах состояний.



Поиск в пространстве состояний

Информированный поиск и исследование пространства состояний.



Поиск решения на ограничениях

Задачи удовлетворения ограничений.



Искусственный интеллект в теории игр

Элементы теории игр. Поиск в условиях противодействия или взаимодействия.



Представление знаний с использованием продукций

Представление знаний с использованием продукций. Логический вывод с использованием продукций.



Представление знаний с использованием предикатов

Логика предикатов как метаязык. Исчисление предикатов первого порядка.



Метод резолюций

Автоматическое доказательство теорем. Метод резолюции.



Семантические сети

Представление знаний в семантических сетях



Фреймы

Использование фреймов. Логический вывод на фреймах.



Неопределенные знания

Определение нечетких множеств. Способы задания нечетких переменных. Лингвистические переменные.



Нечеткие множества

Нечеткие множества. Логический вывод на нечетких множествах.



Вероятностные рассуждения.

Источники вероятностных данных. Вероятностные рассуждения. Степень уверенности в знаниях. Операции над нечеткими множествами.



Обучение и накопление знаний

Подсистемы накопления знаний, общения, объяснения.



Обучение на основе наблюдений

Обучение на основе наблюдений. Выбор подмножества входных данных, влияющих на принятие решений. Методы регрессии.



Применение методов обучения

Применение знаний в обучение. Выбор обучающего множества.



Статистические методы обучения

Статистические методы обучения. Предварительная фильтрация массивов данных.



Обучение с подкреплением

Обучение с подкреплением.



Интеллектуальные подсистемы САПР, часть 1

Экспертные системы в САПР. Их разновидности и методы построения.



Интеллектуальные подсистемы САПР, часть 2

Примеры интеллектуальных подсистем САПР



Интеллектуальные подсистемы САПР, часть 3

Способы реализации интеллектуальных подсистем САПР



Интеллектуальные подсистемы САПР, часть 4

Агентные системы. Методы построения агентов



Интеллектуальные подсистемы САПР, часть 5

Практические вопросы применения интеллектуальных подсистем в САПР




  1. Лабораторный практикум и практические занятия.

Лабораторный практикум не предусмотрен

Практические занятия



№п/п

Темы занятий

Содержание



Графовые модели, часть 1

Построение И-ИЛИ дерева по исходным данным.



Графовые модели, часть 2

Принятие решений на основе И-ИЛИ дерева.



Представление знаний с использованием продукций

Представление знаний с использованием продукций. Логический вывод с использованием продукций.



Метод резолюций

Анализ метода резолюции на практических примерах.



Семантические сети

Построение системы знаний и использованием семантических сетей



Нечеткие множества

Логический вывод на нечетких множествах.



Методы обучения

Выбор обучающего множества. Обучение системы.



Интеллектуальные подсистемы САПР

Проектирование элементов с применением методов логического вывода

6. Формы контроля

- промежуточный контроль: оценки за выполнение домашних работ и за работу на практических занятиях;

- итоговый контроль: зачет в конце 9 семестра; экзамен в конце 9 семестра

Оценки промежуточного и итогового контроля складывается из следующих элементов:

работа на практических занятиях

Текущий контроль осуществляется посредством ведения учета выполнения и оценки качества подготовки заданий на практических занятиях (упражнения для закрепления теоретических знаний, выполнение домашних работ);



домашняя работа 1 Примеры формализации в пропозициональной логике некоторых предметных областей.

домашняя работа 2 Примеры построения логических выводов на основе принципа резолюции и по методу аналитических таблиц.

домашняя работа 3 Построение системы технической диагностики на основе абдуктивных рассуждений.
зачет

Итоговая оценка за дисциплину К по 10-балльной шкале формируется по следующему правилу:



K = 0,25 Др1 + 0,25 Др2 + 0,25 Др3 + 0,25 Пр,

где Др1, Др2, Др3, Пр – 10-балльные оценки за домашние работы в семестре и практическую работу на занятиях соответственно с округлением до целого числа баллов.

При 10-балльной оценке K не менее 4 баллов проставляется зачет, иначе – незачет.
Оценка по 10-ти балльной шкале за текущий контроль в 9 семестре учитывает результаты студента по текущему контролю следующим образом:

Онакопленная= K

Экзаменационная оценка за дисциплину в 9 семестре рассчитывается следующим образом:

Оэк8 = 0,5* Онакопл + 0,5 * Оэкзамен

Оэкамен = 0,2* Отеор1 +0,2* Отеор2 + 0,6 *Оз, где

Отеор1 – оценка за ответ на 1 теоретический вопрос,

Отеор2 – оценка за ответ на 2 теоретический вопрос,

Оз – оценка за решение задачи.
7. Учебно – методическое обеспечение дисциплины.


    1. Рекомендуемая литература.

а) Основная литература:

  1. Солодовников И.В., Клышинский Э.С. Методические указания по проведению самостоятельной работы. – М.: МИЭМ, 2003.

  2. Дюк В., Самойленко А. Data Mining: Учебный курс – СПб: Питер, 2001.

б) Дополнительная литература:



  1. Ж.-Л. Лорьер. Системы искусственного интеллекта. – М:Мир, 1991

  2. Э. Хант. Искусственный интеллект. М.:: Мир, 1978

  3. С.Новалис. Access 2000. Руководство по VBA. М.: Издательство «Лори», 2001

  4. Дж.Ф.Люгер. Искусственный интеллект (стратегии и методы решения сложных проблем). Изд. дом "Вильямс", СПб, Киев, 2003.




    1. Средства обеспечения дисциплины

Access 2000.


  1. Материально – техническое обеспечение дисциплины

Необходимое оборудование установлено в компьютерных классах №1 и № 2 каф. ИТАС.


Рабочая программа составлена в соответствии с Государственным образовательным стандартом высшего профессионального образования по специальности 230104.