Дополнительная

1. Коннолли Т., Бегг К., Страчан А. Базы данных: проектирование, реализация и сопровождение. Теория и практика, 2-е изд.: Пер. с англ.: Учеб. пособие. -М., Издательский дом “Вильямс”, 2000. -1120с.: ил. -Парал. тит. англ.

2. Марка Д.А., МакГоуэн К. Методология структурного анализа и проектирования. -М., МетаТехнология, 1993.

3. Саймон А.Р. Стратегические технологии баз данных: Менеджмент на 2000 год: пер. с англ. /Под ред. и с предисл. М.Р. Когаловского. -М., Финансы и статистика, 1999. -479с.: ил.

4. Федотова Д.Э., Семенов Ю.Д., Чижик К.Н. СASE-технологии: Практикум. –М., Горячая линия-Телеком, 2003. – 160с.

5. Якубайтис Э.А. Информационные сети и системы. Справочная книга. -М., Финансы и статистика, 1996. -368с.: ил.

Основы искусственного интеллекта

Понятие об искусственном интеллекте, основные подходы и методы. Предпосылки искусственного интеллекта (философия, математика, экономика, неврология, психология, вычислительная техника, кибернетика). История искусственного интеллекта.

Понятие о логическом программировании. Язык логических программ (вопросы, факты, термы, правила). Алгоритм унификации. Алгоритм абстрактного интерпретатора логических программ. Логическая и вычислительная модель логических программ.

Понятие о распознавании, общая схема и постановка задач распознавания, основные этапы развития распознавания, их характеристика, методология распознавания. Задачи классификации и задачи обучения по прецедентам, признаковое описание, шкалы измерений и обучающая информация. Модель алгоритма распознавания, функционал качества, метод обучения, построение функционалов качества алгоритмов, постановка задачи обучения на основе функционалов качества и функций потерь. Вероятностная постановка задачи обучения. Переобучение и обобщающая способность алгоритмов, оценка обобщающей способности алгоритмов. Эвристические принципы обучения, методы построения алгоритмов на основе принципа сходства. Построение алгоритмов на основе принципа регуляризации. Построение алгоритмов на основе принципа разделимости и отделимости. Композиции алгоритмов и понятие об алгебраическом подходе к построению распознающих алгоритмов. Построение алгоритмов на основе принципа селекции и самоорганизации.

Понятие о нейронных сетях. Модели нейронов и нейронных сетей. Метод обратного распространения ошибки. Конструктивные методы обучения нейронных сетей.

ЛИТЕРАТУРА

Основная

1. Рассел С., Норвиг П. Искусственный интеллект. Современный подход. – М.: Издательский дом «Вильямс». 2006 г. – 1408 с.

2. Стерлинг Л., Шапиро Э. Искусство программирования на языке Пролог. М.: Мир. 1990 г. – 333 с.

3. Журавлев Ю.И. Распознавание образов и распознавание изображений. – В сб. Распознавание. Классификация. Прогноз. Вып. 2. 1989 г. с. 5-72.

4. Машинное обучение (электронный ресурс). http://www.machinelearning.ru/wiki/index.php?title=Машинное_обучение_(курс_лекций,_К.В.Воронцов)

Дополнительная

1. Журавлев Ю.И., Рязанов В.В., Сенько О.В. Распознавание. Математические методы. Программная система. Практические применения. 2005 г. – 159 с.

2. Осовский С. Нейронные сети для обработки информации. – М.: Финансы и статистика. 2002 г. – 341 с.

3. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. – Новосибирск: Наука. 1996 г. – 274 с.