Сайты для самостоятельного изучения
Сайт автора учебного пособия: http://Lc.Kubagro.ru (с сетевых станций КубГАУ скорость доступа к сайту в настоящее время около 5 Мегабайт/с), выход на страничку о системе "Эйдос" со старого сайта:
http://Lc.Kubagro.ru/index_old.htm.
http://ej.kubagro.ru (статьи в электронном Научном журнале КубГАУ о применении системы "Эйдос" для решения задач СИИ в различных предметных областях.)
Базы данных репозитория UCI: http://www.ics.uci.edu/~mlearn/MLRepository.html
http://datadiver.nw.ru/
http://www.dialog-21.ru
http://alephegg.narod.ru/Refs/Diagonal.htm
http://www.orc.ru/~stasson/neurox.html
http://www.statsoft.ru/home/textbook/modules/stneunet.html
http://www.finbridge.ru/net.shtml
http://alife.narod.ru/
http://www.businesstest.ru/default.asp?topic_id=3
Сайты, обнаруживаемые в поисковых системах Yandex.ru, Aport.ru и Rambler.ru по запросам:
– "Интеллектуальная обработка данных (data mining)";
– "Распознавание образов";
– "Поддержка принятия решений";
– "Экспертные системы".
– "Когнитивное моделирование";
– "Нейронные сети";
– "Генетические алгоритмы";
– "Моделирование эволюции (машинная эволюция)";
– "Клавиатурный почерк";
– "Биометрическая идентификация пользователя";
– "Биологическая обратная связь";
– "Семантический резонанс".
11.2. Средства обеспечения освоения дисциплины
Учебно-методическая документация по дисциплине (имеющиеся на кафедре методических указаний по каждому виду работы)
Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие для студентов специальности: 351400 "Прикладная информатика (по отраслям)". – Краснодар: КубГАУ. 2004. – 633 с.
Программное обеспечение (обучающие, контролирующие и расчётные компьютерные программы, используемые при учебной работе по дисциплине)
Операционные системы
MS Windows.
Программы под MS Windows
MS Word – текстовый редактор;
MS Excel – табличный процессор;
PhotoShop – графический редактор;
Windows & Total Commmander.
Универсальная когнитивная аналитическая система "Эйдос" версии 12.5 или выше.
Технические средства обучения (наглядные пособия, диафильмы, дидактические материалы, технические средства обучения по дисциплине)
Презентации к лекциям по дисциплине.
Оборудование, установки, химические реактивов и т.д.
Не используются.
12. МАТЕРИАЛЬНО – ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ
Лекции читаются в мультимедийных лекционных залах общей площадью 250 кв. м., оборудованных специализированной мебелью, современными мультимедийными средствами и средствами информационно–коммуникационных технологий:
Мультимедийные проекторы – 2,
эпидиаскопы – 2,
киноэкраны – 2,
видеомагнитофоны - 2,
магнитофоны - 2,
микрофон - 6,
усилитель –2,
акустические системы - 2,
лазерная указка - 2,
устройства затемнения - 12,
устройства обеспечения безопасности - 4,
устройства поддержания микроклимата – 5,
Сервер –2;
АРМ лектора, включая компьютер для удаленного управления – 2;
выход в Internet;
Программные средства для поддержки мультимедийных презентаций;
Системное, прикладное и инструментальное обеспечение, демонстрация которого необходима для усвоения лекционного материала;
Столы – 2;
трибуна – 2;
Доски - 2,
Парты – 150.
Все лабораторные занятия и часть самостоятельной работы проводятся со студентами в 6 компьютерных классах кафедры КТС общей площадью 623 кв.м., оборудованных:
96 ПК на базе Pentium IV со средствами мультимедиа и специализированным ПО;
выход в Internet;
Столы – 90;
Стулья – 180;
Доски - 6.
Аудитории 1, 3, 8 корпуса факультета прикладной информатики, площадь – 30 м.кв., аудитория рассчитана на одну группу, численностью до 21 человек. При большем количестве студентов в группе за одним компьютером допускается работать по 2 человека, а за отдельными компьютерами – до трех.
Номер работы
|
Лабораторные стенды
|
Измерительные приборы
|
Эл. машины и аппараты
|
---
|
---
|
---
|
---
|
Протокол
согласования рабочей программы с другими дисциплинами специальности
Наименование дисциплины, с которой проводилось согласование
|
Кафедра
|
Предложения об изменениях в рабочей программе. Заключение об итогах согласования
|
Подпись зав. кафедрой
|
ЕН.Ф.04.
Теория вероятностей и математическая статистика
|
Прикладной математики и статистики
|
Изменений в рабочей программе не требуется, программа составлена на основе ГОС ВПО и примерной программы дисциплины.
|
|
ЕН.Ф.05.
Теория систем и системный анализ
|
Системного анализа и обработки информации
|
Изменений в рабочей программе не требуется, программа составлена на основе ГОС ВПО и примерной программы дисциплины.
|
|
ОПД.Ф.03.
Базы данных
|
Компьютерных технологий и систем
|
Изменений в рабочей программе не требуется, программа составлена на основе ГОС ВПО и примерной программы дисциплины.
|
|
ОПД.Ф.07.
Разработка и стандартизация программных средств и информационных технологий
|
Системного анализа и обработки информации
|
Изменений в рабочей программе не требуется, программа составлена на основе ГОС ВПО и примерной программы дисциплины.
|
|
ОПД.Ф.08.
Информационный менеджмент
|
Системного анализа и обработки информации
|
Изменений в рабочей программе не требуется, программа составлена на основе ГОС ВПО и примерной программы дисциплины.
|
|
УТВЕРЖДАЮ
Декан факультета
прикладной информатики
профессор
С.А. Курносов
«___»___________ 2004 г.
|
|
Рассмотрен и утверждён
кафедрой компьютерных
технологий и систем
Протокол № ___ от «__»___ 2004 г.
Заведующий кафедрой компьютерных технологий и систем
профессор
В.И. Лойко
«___»____________2004 г.
|
КАЛЕНДАРНО-ТЕМАТИЧЕСКИЙ ПЛАН
по дисциплине
«Интеллектуальные информационные системы»
5-й курс, 9-й семестр
1. План лекций
Номер
|
Тема
и основные вопросы лекции
|
недели
|
лекции
|
темы
по раб. программе
|
1
|
2
|
|
Лекция-1. Предпосылки создания и критерии идентификации систем искусственного интеллекта
|
|
|
1.1.
|
Интеллектуальные информационные системы, как закономерный и неизбежный этап развития средств труда:
1. Основные положения информационно-функциональной теории развития техники
2. Информационная теория стоимости
3. Интеллектуализация – генеральное направление и развития информационных технологий
|
|
|
1.2.
|
Определение и критерии идентификации систем искусственного интеллекта:
1. Данные, информация, знания. Системно-когнитивный анализ как развитие концепции смысла Шенка-Абельсона.
2. Понятие: "Система искусственного интеллекта", место СИИ в классификации информационных систем.
3. Определение и классификация систем искусственного интеллекта, цели и пути их создания.
4. Информационная модель деятельности специалиста и место систем искусственного интеллекта в этой деятельности.
5. Жизненный цикл системы искусственного интеллекта и критерии перехода между этапами этого цикла.
|
2
|
2
|
|
Лекция-2. Теория и математическая модель СК-анализа
|
|
|
2.1.
|
Теоретические основы системно-когнитивного анализа:
1. Системный анализ, как метод познания.
2. Когнитивная концепция и синтез когнитивного конфигуратора.
3. СК-анализ, как системный анализ, структурированный до уровня базовых когнитивных операций.
4. Место и роль СК-анализа в структуре управления.
|
|
|
2.2.
|
Системная теория информации и семантическая информационная модель:
1. Теоретические основы системной теории информации.
2. Семантическая информационная модель СК-анализа.
3. Некоторые свойства математической модели (сходимость, адекватность, устойчивость и др.).
4. Взаимосвязь математической модели СК-анализа с другими моделями
|
3
|
3
|
|
Лекция-3. Методика и технология численных расчетов в СК-анализе
|
|
|
2.3.
|
Методика численных расчетов (алгоритмы и структуры данных):
1. Принципы формализации предметной области и подготовки эмпирических данных.
2. Иерархическая структура данных и последовательность численных расчетов в СК-анализе.
3. Обобщенное описание алгоритмов СК-анализа.
4. Детальные алгоритмы СК-анализа.
|
|
|
2.4.
|
Технология синтеза и эксплуатации приложений в системе «Эйдос»:
1. Назначение и состав системы "ЭЙДОС".
2. Пользовательский интерфейс, технология разработки и эксплуатации приложений в системе "ЭЙДОС".
3. Технические характеристики и обеспечение эксплуатации системы "ЭЙДОС" (версии 12.5).
4. АСК-анализ, как технология синтеза и эксплуатации рефлексивных АСУ активными объектами.
|
4
|
4
|
3.1.
|
Лекция-4. Системы с интеллектуальной обратной связью и интеллектуальными интерфейсами:
1. Интеллектуальные интерфейсы. Использование биометрической информации о пользователе в управлении системами.
2. Системы с биологической обратной связью.
3. Системы с семантическим резонансом. Компьютерные (-технологии и интеллектуальный подсознательный интерфейс.
4. Системы виртуальной реальности и критерии реальности. Эффекты присутствия, деперсонализации и модификация сознания пользователя.
5. Системы с дистанционным телекинетическим интерфейсом.
|
5
|
5
|
3.2.
|
Лекция-5. Автоматизированные системы распознавания образов:
1. Основные понятия и определения, связанные с системами распознавания образов.
2. Проблема распознавания образов.
3. Классификация методов распознавания образов.
4. Применение распознавания образов для идентификации и прогнозирования. Сходство и различие в содержании понятий "идентификация" и "прогнозирование".
5. Роль и место распознавания образов в автоматизации управления сложными системами.
6. Методы кластерного анализа.
|
6
|
6
|
3.3.
|
Лекция-6. Математические методы и автоматизированные системы поддержки принятия решений:
1. Многообразие задач принятия решений.
2. Языки описания методов принятия решений.
3. Выбор в условиях неопределенности.
4. Решение как компромисс и баланс различных интересов. О некоторых ограничениях оптимизационного подхода.
5. Экспертные методы выбора.
6. Юридическая ответственность за решения, принятые с применением систем поддержки принятия решений.
7. Условия корректности использования систем поддержки принятия решений.
8. Хранилища данных для принятия решений.
|
7
|
7
|
3.4.
|
Лекция-7. Экспертные системы:
1. Базовые понятия.
2. Методика построения.
3. Этап-1 синтеза ЭС: "Идентификация".
4. Этап-2 синтеза ЭС: "Концептуализация".
5. Этап-3 синтеза ЭС: "Формализация".
6. Этап-4 синтеза ЭС: "Разработка прототипа".
7. Этап-5 синтеза ЭС: "Экспериментальная эксплуатация".
8. Этап-6 синтеза ЭС: "Разработка продукта".
9. Этап-7 синтеза ЭС: "Промышленная эксплуатация".
|
8
|
8
|
3.5.
|
Лекция-8. Нейронные сети:
1. Биологический нейрон и формальная модель нейрона Маккалоки и Питтса.
2. Возможность решения простых задач классификации непосредственно одним нейроном.
3. Однослойная нейронная сеть и персептрон Розенблата.
4. Линейная разделимость и персептронная представляемость.
5. Многослойные нейронные сети.
6. Проблемы и перспективы нейронных сетей.
7. Модель нелокального нейрона и нелокальные интерпретируемые нейронные сети прямого счета.
|
9
|
9
|
3.6.
|
Лекция-9. Генетические алгоритмы и моделирование биологической эволюции:
1. Основные понятия, принципы и предпосылки генетических алгоритмов.
2. Пример работы простого генетического алгоритма.
3. Достоинства и недостатки генетических алгоритмов.
4. Примеры применения генетических алгоритмов.
|
10
|
10
|
3.7.
|
Лекция-10. Когнитивное моделирование:
1. Определение основных понятий: "Когнитивное моделирование" и "Классическая когнитивная карта", их связь с когнитивной психологией и гносеологией.
2. Когнитивная (познавательно-целевая) структуризация знаний об исследуемом объекте и внешней для него среды на основе PEST-анализа и SWOT-анализа.
3. Разработка программы реализации стратегии развития исследуемого объекта на основе динамического имитационного моделирования (при поддержке программного пакета Ithink).
|
11
|
11
|
3.8.
|
Лекция-11. Выявление знаний из опыта (эмпирических фактов) и интеллектуальный анализ данных (data mining):
1. Интеллектуальный анализ данных (data mining)
2. Типы выявляемых закономерностей data mining.
3. Математический аппарат data mining.
4. Области применения технологий интеллектуального анализа данных.
5. Автоматизированные системы для интеллектуального анализа данных.
|
12
|
12
|
|
Лекция-12. Применение и перспективы СИИ
|
|
|
4.1.
|
Области применения систем искусственного интеллекта:
1. Обзор опыта применения АСК-анализа для управления и исследования социально-экономических систем.
2. Поддержка принятия решений по выбору агротехнологий, культур и пунктов выращивания.
3. Прогнозирование динамики сегмента рынка.
4. Анализ динамики макроэкономических состояний городов и районов на уровне субъекта Федерации в ходе экономической реформы (на примере Краснодарского края) и прогнозирование уровня безработицы (на примере Ярославской области)
|
|
|
4.2.
|
Перспективы развития систем искусственного интеллекта, в т.ч. в Internet:
1. Ограничения АСК-анализа и обоснованное расширение области его применения на основе научной индукции.
2. Перспективы применения АСК-анализа в управлении.
3. Развитие АСК-анализа.
4. Другие перспективные области применения АСК-анализа и систем искусственного интеллекта
|
2. План практических занятий (семинаров)
Номер недели
|
Тема занятия
|
Количество
часов
|
Вид отчётности о самостоятельной работе
|
---
|
---
|
---
|
---
|
|
Итого
|
|
|
3. План лабораторных занятий
Номер недели
|
Тема лабораторного занятия
|
Количество
часов
|
Вид отчётности о самостоятельной работе
|
1
|
ЛР-1: "Прогнозирование вероятных пунктов назначения железнодорожных составов"
|
4
|
Приём отчётов
по лабораторным
работам
|
2
|
ЛР-2: "Прогнозирование учебных достижений студентов на основе их имеджевых фотороботов"
|
4
|
Приём отчётов
по лабораторным
работам
|
3
|
ЛР-3: "Прогнозирование учебных достижений студентов на основе особенностей их почерка"
|
4
|
Приём отчётов
по лабораторным
работам
|
4
|
ЛР-4: "Прогнозирование учебных достижений студентов на основе информации об их социальном статусе"
|
4
|
Приём отчётов
по лабораторным
работам
|
5
|
ЛР-5: "Идентификация слов по входящим в них буквам"
|
4
|
Приём отчётов
по лабораторным
работам
|
6
|
ЛР-6: "Атрибуция анонимных и псевдонимных текстов"
|
4
|
Приём отчётов
по лабораторным
работам
|
|
Итого
|
24
|
|
4 График выполнения курсового проекта (работы)
Номер
недели
|
Содержание выполняемой работы
|
Вид отчётности
|
---
|
---
|
---
|
|
