Методы поддержки принятия решений

Цель изучения дисциплины – состоит в содействии формированию знаний теоретических основ и практических методов создания и функционирования интеллектуальных систем, умений формализовать знания в интеллектуальных системах и анализировать модели представления знаний, навыков проектирования и разработки экспертных систем и систем вычислительного интеллекта. Полученные знания дают более глубокое понимание значимости будущей специальности, формируют ответственное отношение к профессиональной деятельности.

Общий объем дисциплины составляет 5 зачетных единиц (з.е.), 180 часов.

В том числе: 1 семестр - 5 з.е. (180 часов.).

Объём дисциплины по видам учебных занятий (в часах):

 

Виды учебной работы	Объем в часах по семестрам
	Всего	1 семестр
Объём дисциплины:	180	180
Аудиторная работа (всего)	85	85
·         Лекции (Л)	34	34
·         Семинары (С)	17	17
·         Лабораторные работы (ЛР)	34	34
2. Самостоятельная работа обучающихся (СР) (всего)	95	95
·           Проработка учебного материала лекций	9	9
·        Подготовка к семинарам	4	4
·         Подготовка к лабораторным работам и написание отчета	8	8
·        Выполнение домашнего задания	12	12
·         Подготовка к экзамену	36	36
·         Другие виды самостоятельной работы (подготовка докладов, рефератов, презентации и т.п., к зачету и распределенному экзамену)	26	26
Вид промежуточной аттестации обучающегося	Экзамен	Экзамен

 

Содержание дисциплины, структурированное по разделам (темам):

Модуль 1. Методы представления знаний (61 час).

Лекции по модулю 1 (14 часов).

1. Цели и задачи курса. История развития и основные направления искусственного интеллекта (2 часа).

Цели и задачи курса. Структура дисциплины. История развития ИИ. Этап 1 (50-60-е годы). Этап 2 (60-70-е годы). Этап 3 (70-80-е годы). Этап 4 (80-90-е годы). Этап 5 (1990-2000-е годы). Этап 6 (2000-е годы по н.в.) Основные направления развития ИИ.

2. Интеллектуальные системы, как основа новых информационных технологий (2 часа).

Понятие ИИ. Определения и пути создания ИИ. Бионическое, эвристическое и эволюционное направления. Классификация систем ИИ.

3. Формализация знаний в ИС (2 часа).

Основные понятия и определения. Проблемная область. Данные и знания. Свойства, характеристики знаний. Процедурные и декларативные знания. Классификация знаний. Формальные языки. Модели представления знаний. Классификация моделей знаний. Логические, продукционные, сетевые, фреймовые модели представления знаний.

4. Инженерия знаний в интеллектуальных системах (2 часа).

Методы инженерии знаний. Теоретические аспекты получения знаний. Методы извлечения явных знаний. Методы выявления скрытых знаний. Проблемы структурирования знаний. Проблема сборки знаний в единую модель предметной области.

5. Формальные логические модели (2 часа).

Логическая модель представления знаний. Исчисление высказываний. Основы исчисления предикатов.

6. Сетевые и фреймовые модели представления знаний (2 часа).

Семантические сети. Понятия, события и свойства. Виды семантических сетей. Семантические сети Куиллиана. Основной способ интерпретации семантической сети. Фреймы. Слоты. Структура фрейма. Указатели наследования и типа данных. Значение слота. Присоединенные процедуры.

7. Продукционная модель представления знаний (2 часа).

Модель, основанная на правилах. Антецедент и консеквент. Продукционная система Поста и ее ограничения. Марковский и rete-алгоритм. Триплет объект-атрибут-значение. Достоинства и недостатки продукционных систем.

 

Семинары по модулю 1 (7 часов).

1. Процедура решения задачи (2 часа).

2. Методы поиска решений в пространстве состояний. (2 часа).

3. Решение задач принятия решения на основе различных методов представления знаний. (3 часа).

 

Самостоятельная работа по модулю 1 (24 часа).

 

1. Проработка учебного материала лекций (4 часа).

2. Подготовка к семинарам (2 часа).

3. Подготовка к лабораторным работам и написание отчета (3 часа).

4. Подготовка к рубежному контролю (4 часа).

5. Выполнение домашнего задания (5 часов).

6. Выполнение других видов самостоятельной работы (6 часов).

 

Модуль 2. Методы поддержки принятия решений на основе экспертных систем и нечетких множеств (34 часа).

Лекции по модулю 2 (8 часов).

8. Вывод на знаниях (2 часа).

База правил, рабочая память и механизм вывода. Компонента вывода и управляющая компонента. Операции цикла вывода. Демоны, присоединенные процедуры и механизм наследования в ИС с фреймовой МПЗ. Правила вывода в логических моделях.

9. Экспертные системы (2 часа).

Структура и классификация ЭС, отличие ЭС от других программных продуктов, цикл работы ЭС, технология проектирования и разработки экспертных систем.

10. Принятие решений в условиях неопределенности (2 часа).

Нечеткая логика. Нечеткие множества. Строгое представление НМ. Основные характеристики НМ. Операции над нечеткими множествами. Логические операции. Алгебраические операции. Четкое множество «∝-уровня». Нечеткая и лингвистическая переменные. Нечеткие числа.

11. Нечеткие экспертные системы (2 часа).

Архитектура нечетких систем. Работа нечеткой экспертной системы. Пакеты нечеткой логики.

 

Семинары по модулю 2 (4 часа).

1.    Формирование оценочной системы для сравнения альтернативных вариантов решения и методика принятия решения в условиях определенности (2 часа).

2.    Методика принятия решения в условиях неопределенности. (2 часа).

 

Самостоятельная работа по модулю 2 (14 часов).

1. Проработка учебного материала лекций (2 часа).

2. Подготовка к семинарам (1 час).

3. Подготовка к лабораторным работам и написание отчета (2 часа).

4. Подготовка к рубежному контролю (2 часа).

5. Выполнение домашнего задания (3 часа).

6. Выполнение других видов самостоятельной работы (4 часа).

 

Модуль 3. Методы поддержки принятия решений на основе методов вычислительного интеллекта (49 часов).

Лекции по модулю 2 (12 часов).

12. Искусственные нейронные сети. Машинное обучение на основе нейронных сетей. Персептроны (2 часа).

Особенности человеческого восприятия информации и современных систем управления. Вычислительный интеллект (ВИ). Методы ВИ. Искусственные нейронные сети (ИНС). Историческая справка. Основные проблемы, решаемые ИНС. Биологический нейрон. Искусственный нейрон. Активационная функция. Классификация и свойства искусственных нейронных сетей (ИНС). Обучение ИНС. Теорема Колмогорова. Алгоритм обучения персептрона. Линейная разделимость и персептронная представляемость.

13. Искусственные нейронные сети. Нейронные сети обратного распространения (2 часа).

Нейронная сеть обратного распространения. Алгоритм обучения сети обратного распространения. Сеть встречного распространения (сеть Кохонена). Алгоритм обучения сети Кохонена. Входные и выходные звезды и их обучение. Входные и выходные звезды Гроссберга и их обучение. Двухслойная сеть встречного распространения. Алгоритм обучения сети встречного распространения.

14. Искусственные нейронные сети. Стохастические сети и сети с обратными связями (2 часа).

Стохастические методы обучения. Обучение Больцмана. Алгоритм обучения Больцмана. Обучение Коши. Сети с обратными связями. Сеть Хопфилда. Правило обучения Хебба. Процедура ортогонализации образов. Сеть ДАП (двунаправленная ассоциативная память). Сеть APT (адаптивная резонансная теория).

15. Генетические алгоритмы (2 часа).

Методы оптимизации комбинаторных задач различной степени сложности. Генетические алгоритмы. Базовый генетический алгоритм. Последовательные модификации базового генетического алгоритма. Параллельные модификации базового генетического алгоритма. Классификация генетических алгоритмов.

16. Когнитивная компьютерная графика (2 часа).

Определение. Степень организованности информации. Задача сжатия информации. Анаморфозы. Метод анаморфирования. Проблемы реализации анаморфоз. Численные методы построения анаморфоз.

17. Гибридные интеллектуальные системы (2 часа).

Основные законы гибридного интеллекта и основные методы гибридизации. Общий подход к построению гибридной интеллектуальной системы. Принципы построения гибридных интеллектуальных систем.

 

Семинары по модулю 3 (6 часов).

1.    Методика принятия решения на основе методов анализа иерархий (2 часа).

2.    Логико-интуитивные методы принятия решения (2 часа).

3.    Коллективные методы принятия решения (2 часа).

 

Самостоятельная работа по модулю 3 (21 час).

1. Проработка учебного материала лекций (3 часа).

2. Подготовка к семинарам (1 час).

3. Подготовка к лабораторным работам и написание отчета (3 часа).

4. Подготовка к рубежному контролю (3 часа).

5. Выполнение домашнего задания (4 часа).

6. Выполнение других видов самостоятельной работы (7 часов).

 

Основная литература по дисциплине

 1.    Болотова Л. С. Системы искусственного интеллекта: модели и технологии, основанные на знаниях: учебник / ФГБОУ ВПО РГУИТП; ФГАУ ГНИИ ИТТ "Иформика". - М.: Финансы и статистика, 2012. - 663 с.

2.    Чулюков В.А., Астахова И.Ф., Потапов А.С. и др. Системы искусственного интеллекта: Учебное пособие. Под ред. Астаховой И.Ф. – М.: БИНОМ. Лаборатория знаний, 2008. –292 с

 

Дополнительные учебные материалы

 3.    Борисов В.В., Круглов В.В., Федулов А.С. Нечеткие модели и сети. –М.: Горячая линия - Телеком, 2007. – 284 с.

4.    Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2001. 352

5.    Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы: Учебник.  – М.: Физматлит, 2010 – 366 с.

6.    Гусейн-Заде С.М., Тикунов В.С. Анаморфозы: что это такое? –М.: Эдиториал УРСС, 1999. – 167 с.

7.    Девятков В.В. Системы искусственного интеллекта. М.: Изд-во МГТУ им. Баумана, 2001.

8.    Джексон П. Введение в экспертные системы. М. Издательский дом “Вильямс”, 2001. 624 с.

9.    Колесников А.В. Гибридные интеллектуальные системы: теория и технология разработки. –СПб.: Изд-во СПбГТУ, 2001. – 600 с.

10.  Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. –М.:Из-во МГТУ им. Н.Э. Баумана, 2004. -326 с.

11.  Осовский С. Нейронные сети для обработки информации. –М.: Финансы и статистика, 2002. – 343 с.

12.  Постников В. М., Черненький В. М. Методы принятия решений в системах организационного управления //М.: Изд-во МГТУ им. НЭ Баумана. – 2014.

13.  Тарков М. С. Нейрокомпьютерные системы: Учебное пособие –М.: Интернет-Университет Информационных Технологий; БИНОМ. Лаборатория знаний. 2006, 140 с.

14.  Терехов В.А., Ефимов Д. В., Тюкин И. Ю. Нейросетевые системы управления: Учебное пособие для вузов. –М.: Высшая школа, 2002.

15.  Терехов В. И. Применение когнитивной компьютерной графики в системах поддержки принятия решения должностных лиц органов военного управления. Монография. – М.: Издательство «Общевойсковая академия ВС РФ», 2012, -150 с.

16.  Хайкин С. Нейронные сети: полный курс. 2-е изд. Пер. с англ. М.: Издательский дом «Вильямс», 2006. 1104 с.

17.  Ярушкина Н. Г. Основы теории нечетких и гибридных систем. – М.: Финансы и статистика, 2004. – 320с.