5 Содержание дисциплины и условия её реализации

5.1 Рабочая программа дисциплины

5.1.1 Паспорт дисциплины

.

Кафедра «Информационные системы в экономике»

Дисциплина СД.Ф.02 «Интеллектуальные информационные системы»

Статус дисциплины: обязательная

Специальности 351400 «Прикладная информатика (по областям)», область-экономика

Форма обучения: очная

Объем дисциплины: 153 часа

Распределение по видам занятий

Семестр	Учебные занятия (час.)					Наличие курсовых проектов (КП), курсовых работ (КР), расчетных заданий (РЗ)	Форма итоговой аттестации (зач., экз.)
	Аудиторные				СРС
	всего	лекции	лабораторные занятия	практические занятия (семинары)
7	51	34	17	-	102	-	экз.

5.1.2 Виды и содержание занятий по дисциплине

Изучение рассматриваемого курса предусматривает чтение лекций, проведение лабораторных работ.

5.1.2.1 Лекции

В лекциях излагается основное содержание разделов программы на основе проблемного подхода в тесной связи с задачами подготовки специалистов, определенными квалификационной характеристикой специальности и стандартом специальности "Прикладная информатика (по областям)", область - экономика.

Лекция № 1. Направления искусственного интеллекта и понятие ИИС – 2 ч. [1; 2; 9]

Основные направления искусственного интеллекта и их характеристика.

Состояние работ в области экспертных систем и направлениям искусственного интеллекта.

Понятие интеллектуальной информационной системы (ИИС).

Основные свойства ИИС.

Классификация ИИС.

Лекция № 2. Понятие экспертных систем. – 2 ч. [1; 2; 3; 9]

Экспертные системы (ЭС).

Назначение экспертных систем.

Формальные основы экспертных систем.

Составные части экспертной системы: база знаний, механизм вывода, механизмы приобретения и объяснения знаний, интеллектуальный интерфейс).

Лекция № 3.Архитектура экспертных систем и этапы разработки - 2 ч. [2; 8; 9]

Структура экспертных систем.

Статические и динамических экспертные системы.

Этапы разработки экспертных систем.

Лекция № 4. Понятие базы знаний экспертных систем – 2 ч. [2; 3]

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

Лекция № 5. Методы и модели представления знаний - 4 ч. [2; 8; 9]

Логическая модель представления знаний.

Семантическая модель представления знаний.

Фреймовая модель представления знаний.

Продукционная модель представления знаний.

Модель доски объявлений для представления знаний.

Модель представления знаний: “прецеденты”.

Гибридные модели представления знаний.

Лекция № 6. Методы поиска решений в экспертных системах 2 ч. [2; 8]

Логический и эвристический методы рассуждения в ИИС.

Рассуждения на основе дедукции, индукции, аналогии.

Нечеткий вывод знаний.

Немонотонность вывода.

Лекция № 7. Понятие и определение нечетких знаний – 2 ч. [3; 14]

Нечеткие знания.

Понятие лингвистической переменной, определение ее значения.

Понятие нечеткого множества.

Определение нечеткого множества (через базовую шкалу и функцию принадлежности).

Понятие функции принадлежности.

Операции с нечеткими знаниями.

Лекция № 8. Стратегии получения знаний - 2 ч. [3]

Извлечение знаний из данных, приобретение знаний, формирование знаний. Теоретические аспекты извлечения знаний.

Методы практического извлечения знаний.

Лекция № 9. Проектирование экспертных систем - 2 ч. [1; 3]

Этапы проектирования экспертной системы: идентификация, концептуализация, формализация, реализация, тестирование, опытная эксплуатация.

Участники процесса проектирования: эксперты, инженеры по знаниям, конечные пользователи, программисты.

Коллектив разработчиков экспертных систем.

Технология проектирования и разработки промышленных ЭС.

Характеристика этапов разработки ЭС.

Технология быстрого прототипирования ЭС.

Характеристика стадий разработки прототипа ЭС.

Лекция № 10. Основные понятия нейроинформатики - 2 ч. [4; 5; 12]

Понятие нейроинформатики, история развития.

Машинное обучение на примерах. Нейронные сети.

Основные достоинства и недостатки нейронных сетей по сравнению с обычными экспертными системами.

Лекция № 11. Модели и схемотехника нейронных сетей -2 ч. [4; 7; 10]

Биологический и формальный нейрон.

Математическое модель формального нейрона.

Математическое описание нейронной сети.

Понятие схемотехники нейронных сетей. Элементы формального нейрона и их обозначение.

Типы нейронных сетей и их обозначение.

Понятие логически прозрачных нейронных сетей.

Лекция № 12. Состав и структура нейросетевого интеллектуального блока - 2 ч. [5; 7]

Интерфейс вывода нейросетевого блока.

Интерпретатор нейросетевого блока.

Блок “Учитель” нейроимитатора.

Блок “Оценка” нейроимитатора.

Блок “Сеть” нейроимитатора.

Блок “Конструктор” нейроимитатора.

Блок “Контрастер” нейроимитатора.

Задачник нейросетевого блока.

Предобработчик нейросетевого блока.

Интерфейс ввода нейросетевого блока.

Менеджер (управляющий модуль нейросетевого блока).

Лекция № 13. Проектирование нейросетевых интеллектуальных компонентов - 2 ч. [5; 7]

Особенности проектирования нейросетевых интеллектуальных компонентов информационных систем.

Функционирование нейросетевого решателя в режиме автоматического обучения.

Методы формирования значений выходных параметров нейросети.

Лекция № 14. Схема работы интеллектуального компонента прогнозирования временных рядов показателей - 2 ч. [5; 7]

Лекция № 15. Разновидности нейронных сетей и их обучение - 2 ч. [5; 7]

Методы обучения нейронных сетей.

Персептрон Розенблатта и его обучение.

Многослойный персептрон и его обучение.

Карта самоорганизации Кохонена, особенности обучения.

Лекция № 16. Гибридные модели представления знаний – 2 ч. [5; 6; 7]

Интеллектуальная система оценки и прогнозирования состояния объекта управления «Аналитик».