Учебно-методический комплекс учебной дисциплины интеллектуальные информационные системы для студентов, обучающихся на факультете прикладной информатики по специальности 080801 «Прикладная информатика (в менеджменте)»

Итого:

1. 
   Андрейчиков А.В., Андрейчикова О.В. Интеллектуальные информационные системы. М. Издательство "Финансы и статистика" , 2004. - 424 c.
   
2. 
   Ярушкина Н.Г. Основы теории нечетких и гибридных систем. - М.: Финансы и статистика, 2004.- 320 с.
   
3. 
   Матвеев М.Г., Свиридов Ф.С., Алейникова Н.А. Модели и методы искусственного интеллекта. Применение в экономике. – М.: Финансы и статистика, ИНФРА-М, 2008.- 448 с.
   
4. 
   Тельнов Ю. Ф. Интеллектуальные информационные системы в экономике. М.: СИНТЕГ, 2002. - 316 с.
   
5. 
   Джарратано Д., Райли Г. Экспертные системы. Принципы разработки и программирование. – Издательский дом «Вильямс», 2007. – 1152с.
   
6. 
   Частиков А. П. , Гаврилова Т. А., Белов Д. Л. Разработка экспертных систем. Среда CLIPS. Санкт-Петербург: «БХВ-Петербург», 2003.- 608с. (в электронном виде)
   

7. 
   Рассел С., Норвиг П. Искусственный интеллект: современный подход, Издательский дом «Вильямс», 2007. -1408с.
   
8. 
   Хайкин С. Нейронные сети: полный курс. - Издательский дом «Вильямс», 2006. – 1104 с.
   
9. 
   Осовский С. Нейронные сети для обработки информации. – М.: Финансы и статистика, 2004. – 344 с.
   
10. 
    Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH/- СПб.: БХВ- Петербург, 2003. – 736с.
    
11. 
    Искусственный интеллект. Книга 1. Системы общения и экспертные системы / Под ред. проф. Э. В. Попова. - М.: Радио и связь, 1990 - 461 с.
    
12. 
    Искусственный интеллект. Книга 2. Модели и методы / Под ред. проф. Д. А. Поспелова. - М.: Радио и связь, 1990 - 304 с.
    
13. 
    Искусственный интеллект. Книга 3. Программные и аппаратные средства / Под ред. Хорошевского. - М., Радио и Связь
    
14. 
    Попов Э. В., Кисель Б. Б., Фоминых И. Б., Шамов М. В. Статические и динамические экспертные системы. М.: Финансы и статистика, 1996 - 320 с.
    
15. 
    Змитрович А. И. Интеллектуальные информационные системы. Минск: Тетра Системс, 1997. - 365 с.
    
16. 
    Левин Р., Дранг В., Эделсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бэйсике / Пер. с англ.- М.: Финансы и статистика, 1991. - 239 с.
    
17. 
    Нейлор К. Как построить свою экспертную систему / Пер. с англ -М: Энергоатомиздат, 1991. - 286 с.
    
18. 
    Попов Э. В. Экспертные системы: Решение неформализованной задачи в диалоге с ЭВМ. - М.: Наука, 1987. - 283 с.
    
19. 
    Поспелов Д. А. Моделирование рассуждений. Опыт анализа мыслительных фактов. - М.: Радио и связь, 1989. - 184 с.
    
20. 
    Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональной ЭВМ / Пер. с англ. - М.: Финансы и статистика, 1990. - 320с.
    
21. 
    Элти Дж., Кумбс М. Экспертные системы: концепции и примеры / Пер. с англ. - М.: Финансы и статистика, 1987. - 191 с.
    

• 
  понятие интеллектуальной информационной системы (ИИС);
  
• 
  основные свойства ИИС;
  
• 
  классификацию ЭИС по различным признакам;
  
• 
  основные направления исследований в области искусственного интеллекта;
  

• 
  отличать ИИС от других типов информационных систем;
  
• 
  определить признаки ИИС;
  

• 
  формирования концепции интеллектуальной компьютерной программы.
  

• 
  понятия систем:
  

• 
  с интеллектуальным интерфейсом;
  
• 
  самообучающихся;
  
• 
  адаптивных;
  
• 
  экспертных
  

• 
  выделять характерные особенности ИИС;
  
• 
  определять условия применения ИИС;
  
• 
  выделять проблемные области ИИС;
  

• 
  отличия знаний от данных;
  
• 
  типичные модели представления знаний;
  
• 
  составные части ИИС;
  
• 
  формы организации и представления знаний в экспертных системах
  

• 
  выделять функциональные подсистемы ИИС;
  
• 
  проводить рассуждения на основе дедукции, индукции и аналогии;
  

• 
  этапы проектирования ИИС;
  
• 
  стратегии получения знаний для создания ИИС;
  
• 
  основные проблемы структурирования знаний;
  
• 
  инструментальные средства разработки ИИС;
  

• 
  формировать команду участников процесса проектирования ИИС;
  
• 
  структурировать знания
  
• 
  использовать инструментальные средства разработки ИИС на различных этапах проектирования;
  

• 
  виды нечеткости знаний;
  
• 
  понятия нечетких множеств;
  
• 
  основные понятия и операции нечеткой логики
  

• 
  устранять и/или учитывать нечеткость знаний в интеллектуальных системах;
  

• 
  основные модели нейрона и нейронных сетей;
  
• 
  основные методы обучения нейронных сетей;
  

• 
  формировать структуру нейронной сети ;
  
• 
  обучать нейронные сети;
  

• 
  отбора и предварительной обработки исходных данных для обучения нейронных сетей;
  
• 
  практического применения нейросетевых технологий
  

• 
  основные разновидности генетических алгоритмов;
  
• 
  методы эволюционного программирования
  

• 
  определять задачи, для использования генетических алгоритмов;
  
• 
  применять эволюционные стратегии;
  

• 
  практического применения генетических алгоритмов;
  
• 
  использования технологий эволюционного программирования
  

• 
  основные понятия теории агентов;
  
• 
  архитектуры мультиагентных систем
  

• 
  определять задачи, для использования мультиагентных систем;
  

• 
  определения требований к интеллектуальным агентам;
  

• 
  изучает постановку задачи;
  
• 
  решает задачу с использованием доступных прикладных пакетов ИИС, таких как Clips, Visual Prolog, SPSS, Matlab, Powersim, NeuroSolutions, текстовый и графический процессоры;
  
• 
  схему работы системы, схему данных, схему взаимодействия модулей для своей задачи средствами графического процессора;
  
• 
  разрабатывает краткий отчёт о проделанной работе посредством текстового процессора и средствами презентационной графики;
  
• 
  посредством технологии OLE включает в отчёт таблицы, графики, схемы, разработанные в среде других приложений;
  

1. 
   Охарактеризуйте основные направления исследований, проводимые в области искусственного интеллекта. Приведите известные вам примеры интеллектуальных систем.
   
2. 
   Назовите основные функции, присущие ИИС. На чем основана их реализация.
   
3. 
   Дайте краткую характеристику систем с интеллектуальным интерфейсом, экспертных систем, самообучающихся систем и адаптивных информационных систем.
   
4. 
   Сформулируйте основные отличия систем искусственного интеллекта от обычных программных средств.
   
5. 
   Перечислите и охарактеризуйте основные компоненты статических экспертных систем.
   
6. 
   Охарактеризуйте профили и функции специалистов, привлекающихся для разработки экспертных систем.
   
7. 
   Чем отличаются динамические экспертные системы от статических.
   
8. 
   Охарактеризуйте экспертную систему по следующим параметрам: типу приложения, стадии существования, масштабу, типу проблемной среды, типу решаемой задачи.
   
9. 
   Расскажите об основных характеристиках инструментальных средств, предназначенных для разработки интеллектуальных информационных систем (уровень используемого языка, парадигма программирования; способ представления знаний, механизм вывода и моделирования, средства приобретения знаний, технологии разработки приложений).
   
10. 
    Чем отличаются знания от данных. Приведите определения знаний.
    
11. 
    Дайте характеристику основных признаков, по которым классифицируются знания (природа знаний, способ приобретения знаний, тип представления знаний).
    
12. 
    Расскажите о логических способах представления знаний. Укажите преимущественную область применения логической модели.
    
13. 
    Проведите формализацию небольшого фрагмента знаний средствами логики высказываний (логики предикатов).
    
14. 
    Охарактеризуйте продукционную модель представления знаний. Приведите примеры представления знаний правилами. В чем отличия между продукционными системами с прямыми, обратными и двунаправленными выводами?
    
15. 
    Опишите фреймовую модель представления знаний. Приведите пример фреймового представления.
    
16. 
    Охарактеризуйте модель представления знаний в виде семантической сети. Расскажите об основных видах используемых в этой модели отношений.
    
17. 
    Приведите примеры логического вывода с использованием правил Modus Ponendo Ponens и Цепное заключение.
    
18. 
    Докажите предложенную тавтологию семантическим (синтаксическим) методом.
    
19. 
    Расскажите о теоремах логики и их использовании в ИИС. Приведите примеры.
    
20. 
    Опишите возможности применения в логическом выводе операции эквивалентности. Приведите примеры тавтологий с эквивалентностями.
    
21. 
    Опишите стратегию доказательства с введением допущения. Приведите пример.
    
22. 
    Рассмотрите пример доказательства путем приведения к противоречию.
    
23. 
    Расскажите о стратегии доказательства методом резолюции. Приведите пример.
    
24. 
    Опишите функционирование механизма вывода продукционной ЭС и охарактеризуйте его составляющие: компоненту вывода и управляющую компоненту.
    
25. 
    Сформулируйте собственные примеры прямого и обратного вывода в ЭС продукционного типа.
    
26. 
    Приведите пример представления знаний в виде И-ИЛИ-графа.
    
27. 
    Опишите и представьте в графическом виде стратегии поиска решений: в глубину, ширину, разбиением на подзадачи.
    
28. 
    Расскажите о способах организации логического вывода в интеллектуальных системах с фреймовым представлением знаний.
    
29. 
    Поясните смысл понятия «нечеткость» знаний. Дайте характеристику компонентам нечеткости.
    
30. 
    Что такое недетерминированность выводов. Какие средства следует использовать в системах, обладающих этим свойством.
    
31. 
    Расскажите о способах устранения многозначности. Почему ее необходимо устранять. Приведите примеры.
    
32. 
    Какими способами можно представлять и обрабатывать ненадежные знания. Приведите примеры.
    
33. 
    Охарактеризуйте способы обработки неполных знаний в интеллектуальных системах. Приведите собственный пример появления противоречия в логической ЭС при добавлении нового знания. Какие преимущества по сравнению с логическими имеют фреймовые системы.
    
34. 
    Дайте формальное определение абдукции и объясните, чем она отличается от дедукции. Приведите примеры.
    
35. 
    Дайте определение понятий «лингвистическая переменная» и «нечеткое множество», поясните их на примере. Операции над нечеткими множествами.
    
36. 
    Дайте определение нечеткого отношения и расскажите о свойствах нечетких отношений. Использование нечетких отношений в ИИС.
    
37. 
    Нечеткая импликация. Ее реализация для правил с одним выходом и двумя выходами. Приведите примеры.
    
38. 
    Охарактеризуйте основные аспекты процесса извлечения знаний (психологический, лингвистический, гносеологический).
    
39. 
    Особенности структурирования знаний на основе структурного и объектно-ориентированного подхода.
    
40. 
    Сравнительная характеристика методов извлечения знаний.
    
41. 
    Методы машинного обучения.
    
42. 
    Индуктивные и дедуктивные методы вывода в логике.
    
43. 
    Отличия хранилищ данных от баз данных.
    
44. 
    Интеллектуальный анализ данных.
    
45. 
    Примеры передаточных функций в искусственном нейроне.
    
46. 
    Методы обучения ИНС.
    
47. 
    Сравнение однослойных и многослойных ИНС
    
48. 
    Основные направления эволюционного моделирования. Генетические алгоритмы.
    
49. 
    Операторы репродукции в простом генетическом алгоритме.
    
50. 
    Фундаментальная теорема генетического алгоритма.
    
51. 
    Основные этапы технологии генетического программирования.
    
52. 
    Сравнение метода эволюционных стратегий с эволюционным программированием и генетическими алгоритмами.
    
53. 
    Мультиагентные технологии. Агент и его возможная реализация.
    
54. 
    Свойства интеллектуальных агентов.
    
55. 
    Архитектура мультиагентных систем.
    
56. 
    Свойства мобильных и статических агентов.
    

Зачет состоит из ответа на вопросы по билету, который содержит два теоретических вопроса, и практического задания выбранного преподавателем из лабораторных работ, приведенных в приложении.

Критерии выставления оценок

• 
  оценка "зачтено" выставляется студенту, обнаружившему знание основного учебного материала, предусмотренного программой, в объеме необходимом для дальнейшей учебы и работы по специальности, справляющемуся с выполнением заданий, предусмотренных программой; выполнившему все задания, предусмотренные формами текущего контроля, возможно допустившему погрешности в ответе на зачете или при выполнении зачетных заданий и обладающему необходимыми знаниями для их устранения под руководством преподавателя;
  
• 
  оценка "не зачтено" выставляется студенту, обнаружившему пробелы в знании основного материала, предусмотренного программой, допустившему принципиальные ошибки в выполнении предусмотренных программой заданий; не выполнившему отдельные задания, предусмотренные формами текущего контроля