 |
Санкт-Петербургский государственный лесотехнический университет
Кафедра информатики и информационных систем
"Интеллектуальные информационные системы"
Автор к.т.н., доцент Хабаров Сергей Петрович
|
|
Лекции
Модуль 1. Основные направления развития систем ИИ
Тема 1. Этапы развития и классификация систем ИИ. Программное обеспечение систем ИИ
Тема 2. Аппаратное обеспечение систем ИИ
Тема 3. Обзор современных методов ИИ
Модуль 2. Основы построения экспертных систем
1.1. Назначения и основные свойства экспертных систем
1.2. Состав и взаимодействие участников построения и эксплуатации экспертных систем
1.3. Преимущества использования экспертных систем
1.4. Особенности построения и организации экспертных систем
1.5. Основные режимы работы экспертных систем
1.6. Отличие экспертных систем от традиционных программ
1.7. Технология разработки экспертных систем
1.8.1. Поиск как основа функционирования СОЗ
1.8.2. Стратегии поиска в глубину и ширину
1.8.3. Стратегия эвристического поиска
1.8.4. Формализация задач в пространстве состояний
1.8.5. Представление пространства состояний в виде базы знаний
1.8.6. Пример использования поиска в глубину с формированием пространства состояний
2.1. Экспертное оценивание как процесс измерения
2.2. Связь эмпирических и числовых систем.
2.3. Методы измерения степени влияния объектов
2.3.1. Метод ранжирования
2.3.2. Метод парных сравнений.
2.3.3. Метод непосредственной оценки.
2.4. Один из подходов к формированию и оценке компетентности группы экспертов
2.5. Характеристика и режимы работы группы экспертов
3.1. Задачи обработки
3.2. Групповая экспертная оценка объектов при непосредственном оценивании
3.3. Обработка парных сравнений
3.4. Определение обобщенных ранжировок
3.5. Замечания к определению групповых оценок
Модуль 3. Байесовские сети доверия
4.1. Неопределенности в ЭС и проблемы порождаемые ими
4.2. Теория субъективных вероятностей
4.3. Байесовское оценивание
4.4. Теорема Байеса как основа управления неопределенностью
5.1. Простейший логический вывод
5.2. Распространение вероятностей в ЭС
5.3. Последовательное распространение вероятностей
5.4. Экспертные системы, использующие субъективные вероятности
6.1. Основные понятия и определения
6.2. Пример построения простейшей байесовской сети доверия
6.3. Процесс рассуждения (вывода) в байесовских сетях доверия
6.4. Байесовские сети доверия как одно из направлений современных экспертных систем
6.5. Представление знаний с использованием БСД и условная независимость событий
7.1. Назначение и основные компоненты диаграмм влияния
7.2. Пример построения простейшей диаграммы влияния
7.3. Диаграммы влияния с несколькими вершинами решения
8.1. Непрерывные случайные величины
8.2. Непрерывные гауссовские переменные
8.3. Числовые характеристики случайных величин
8.4. Совместное использование дискретных и непрерывных переменных в БСД
8.5. Логический вывод в БСД с непрерывными и дискретными состояниями
ПО с БСД:
"Hugin",
"BayesFusion ",
"AgenaRisk",
"Bayesian Doctor",
"Netica",
"BayesiaLab",
"BayesServer"
Модуль 4. Современные интеллектуальные технологии
9.1. Предпосылки возникновения новой теории
9.2. Основы теории Демпстера–Шеффера
9.3. Меры доверия и правдоподобия в ТДШ
9.4. Отличие ТДШ от теории вероятностей
9.5. Связь между ТДШ и классической теорией вероятностей
9.6. Комбинация функций доверия
10.1. Основные типы систем извлечения знаний
10.2. Основные сведения об эволюционных вычислениях
10.3. Естественный отбор в природе
10.4. Генетические алгоритмы
10.4.1. Основные понятия
10.4.2. Простой пример работы генетического алгоритма
10.4.3. Основные отличия генетических алгоритмов от традиционных методов поиска решений
10.5. Пример работы генетического алгоритма при решении задачи коммивояжера
11.1. Распознавание образов
11.2. Краткий исторический обзор
11.3. Биологический нейрон
11.4. Математическая модель нейрона
11.5. Обучение нейронной сети
11.6. Иллюстрация функционирования ИНС
11.7. Классификация искусственных нейронных сетей
11.8. Процедура построения искусственных нейронных сетей
11.9. Алгоритмы обучения искусственных нейронных сетей
11.10. Иллюстрация принципа работы алгоритма обратного распространения
11.11. Применение искусственных нейронных сетей для решения задач
Лабораторные работы
Модуль 1. Основы работы в среде SWI-Prolog
Лаб. работа №1. - "Запуск программы в среде SWI-Prolog"
Лаб. работа №2. - "Основы трассировки и отладки в среде SWI-Prolog"
Лаб. работа №3. - "Графические интерфейсы на базе SWI-Prolog/XPCE"
Лаб. работа №4. - "Динамические базы данных"
Лаб. работа №5. - "Работа со списками в SWI-Prolog"
Хабаров С. П. "PROLOG - язык разработки интеллектуальных и экспертных систем." . . . . .
ЭБС "Лань"
Задание №1. - Построить базу знаний и реалиэовать к ней запросную систему в среде SWI-Prolog.
Задание №2. - Разработать графический интерфейс для доступа к базе знаний.
Модуль 2. Работа с системами продукций в среде CLIPS
Лаб.работа №1. - "Общие сведения о языке и среде разработки CLIPS": Системы продукций и CLIPS. Основы работы в среде CLIPS. Механизмы представления знаний в CLIPS. Пример разработки БЗ и работы с ней в среде CLIPS. Пример использования эвристического механизма представления знаний совместно с процедурным.
Лаб.работа №2. - "Основные конструкции языка CLIPS": Примитивные типы данных. Факты и правила. Конструкторы. Операции над фактами. Особенности вызова функций в языке CLIPS. Групповые символы для простых и составных полей. Переменные. Пользовательские функции.
Лаб.работа №3. - "Примеры построения простых интеллектуальных систем": Разработка простейшей экспертной системы. Пример решения задач на планирование, на поиск в пространстве состояний.
Лаб.работа №4. - "Использование консольной версии CLIPS с параметрами для запуска среды из командных сценариях, а также при разработке и построении сценариев на базе VBScript или JavaScript".
Лаб.работа №5. - "Реализация индивидуальных заданий по решению интеллектуальных задач поиска в пространстве состояний в среде CLIPS".
Задание №1. -->
"Числовой ребус".
Задание №2. - "Реализация эвристических алгоритмов поиска на примере алгоритма А*".
Модуль 3. Работа с нечеткими и неточными знаниями в FuzzyCLIPS
Лаб.работа №1. - "Учет наличия неопределенности в знаниях и работа с ними в FuzzyCLIPS": Понятие неопределенности. Метод вывода при учете неопределенности. Пример экспертной системы с неопределенностями в фактах и правилах.
Лаб.работа №2. - "Основы работы с нечеткими множествами в FuzzyCLIPS": Понятие нечеткости. Определение нечетких переменных в deftemplate. Стандартные формы представления функции принадлежности. Функции принадлежности с использованием лингвистических выражений. Конструктор deftemplate с нечеткими слотами.
Лаб.работа №3. - "Краткое введение в технологию FuzzyCLIPS": Процесс обработки нечетких правил в FuzzyCLIPS. Пример процесса согласования нечетких правил. Знакомство с реализованными в FuzzyCLIPS методами вывода на нечетких правилах.
Получить у преподавателя
Модуль 4. Основы работы с БСД в среде HUGIN
Модуль 5. Основы работы с нейронными сетями
Лаб.работа №1. - "Исследование однослойного персептрона": Общие сведения о персептронах. Алгоритм обратного распространения ошибки. Задание на лабораторную и на самостоятельную работу.
Лаб.работа №2. - "Основы использования библиотеки BrainJS для работы с нейронными сетями": Исследование структуры и параметров обучения нейронной сети. Формирование HTML страницы запуска сети на обучение. Задание на лабораторную работу.
Лаб.работа №3. - "Построение нейросети классификации Ирисов Фишера на базе JavaScript": Формирование обучающей и тестовой выборок. Обучение и тестирование проектируемой нейронной сети. Анализ результатов настройки проектируемой нейронной сети.
На сайт www.habarov.spb.ru