Подання знань і бази знань (КН)

Тип: На вибір студента

Кафедра: оптоелектроніки та інформаційних технологій

Навчальний план

СеместрКредитиЗвітність
67Залік

Лекції

СеместрК-сть годинЛекторГрупа(и)
632Свелеба С. А.ФеІ-33

Лабораторні

СеместрК-сть годинГрупаВикладач(і)
632ФеІ-33Свелеба С. А.

Опис навчальної дисципліни

Анотація  навчальної   дисципліни:

Розглядаються поняття: інтелектуальної системи, властивості інтелектуальних систем, рхітектура інтелектуальної системи, поняття знання, відміна знань від даних, характеристика систем, заснованих на знаннях, декларативні та процедуральні моделі, семантичні мережі, поняття інтенсіоналу та екстенсіоналу, прості та ієрархічні мережі, основні типи об’єктів та зв’язків між ними, види семантичних відношень, модифікація баз знань на семантичних мережах, класифікація фреймів, структури даних фрейму, процедури-демони та процедури-слуги, фреймові мережі, управління виведенням у продукційній системі, характеристика продукційних моделей, інженерія знань та нечіткість, недетермінованість управління виведенням та евристичні знання, ненадійні знання та виведення, неповні знання та немонотонна логіка, нечіткі множини, їхні властивості, функції приналежності, операції над нечіткими множинами, нечіткі відношення та операції над ними, методи побудови нечіткого логічного виведення Мамдані та Сугено, нечітка кластеризація як підхід до подання знань, структура та елементи нейро-нечітких мереж, застосування нейро-нечітких мереж для видобування знань з даних.

 

В результаті вивчення цього курсу студент повинен

знати:

  • етапи проектування баз знань експертних систем;
  • принципи побудови баз знань;
  • математичні методи подання знань в експертних системах;
  • основні принципи побудови продукційних моделей;
  • основні принципи побудови семантичних мереж;
  • основні принципи побудови фреймових моделей;
  • методи інтелектуальної обробки даних;
  • основні операції та визначення нечіткої логіки;
  • стратегії та методи виведення для моделей подання знань.

вміти:

  • вибирати формальний апарат для подання знань в умовах розробки експертних систем, виходячи з особливостей застосувань;
  • розробляти бази знань за інформацією, отриманою з різноманітних джерел або експертів в умовах багатоекспертного середовища за допомогою мов подання знань, мов програмування штучного інтелекту, використовуючи методи виведення і прийняття рішень з нечіткими та конфліктуючими знаннями, методи оптимізації рішень.

Рекомендована література

Базова

1 Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы: Учебник. – М.: Финансы и статистика, 2004. – 424 с.
2 Бакаев А.А., Гриценко В.И., Козлова Д.Н. Методы организации и обработки баз знаний. – К.: Наукова думка, 1993. – 150 с.
3 Бондарев В.Н., Аде Ф.Г. Искусственный интеллект. – Севастополь: СевНТУ, 2002. – 615 с.
4 Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. – С.-Пб.: Питер, 2001. – 384 с.
5 Джексон П. Введение в экспертные системы: Пер с англ. Уч. Пос.. – М.: Вильямс, 2001. – 624 с.
6 Зайченко Ю.П. Основи проектування інтелектуальних систем. Навчальний посібник. – К.: Слово, 2004. – 352 с.
7 Кокорева Л.В., Перевозчикова О.Л., Ющенко Е.Л. Диалоговые системы и представление знаний. – К.: Наукова думка, 1993. – 444 с.
8 Кричевский М.Л. Интеллектуальные методы в менеджменте. – СПб.: Питер, 2005. – 304 с.
9 Леоненков А.В. Нечеткое моделирование в среде MATLAB. – СПб.: БХВ-Петербург, 2003. – 736 с.
10 Люгер Дж.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем / Пер. с англ. – М.: Вильямс, 2005. – 864 с.
11 Митюшкин Ю.И., Мокин Б.И., Ротштейн А.П. Soft Computing: идентификация закономерностей нечеткими базами знаний. – Винница: УНИВЕРСУМ-Винница, 2002. – 145 с.
12 Осуга С. Обработка знаний. – М.: Мир, 1989. – 293 с.
13 Представление и использование знаний / Под ред. Х. Уэно, М. Исидзука. – М.: Мир, 1989.- 220 с.
14 Прикладные нечеткие системы / Асаи К., Ватада Д., Иваи С. и др./Под ред. Т. Тэрано, К. Асаи, М. Сугено.- М.: Мир, 1993. – 368 с.
15 Приобретение знаний / Под ред. С. Осуги, Ю. Саэки. – М.: Мир, 1990. – 304 с.
16 Рассел С., Норвиг П. Искусственный интеллект: современный подход, 2-е изд.: Пер с англ. – М.: Вильямс, 2006. – 1408 с.
17 Рідкокаша А.А., Голдер К.К. Основи систем штучного інтелекту. Навчальний посібник. – Черкаси: “ВІДЛУННЯ-ПЛЮС”, 2002. – 240 с.
18 Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер с польск. – М.: Горячая линия – Телеком, 2004. – 452 с.
19 Усков А.А., Кузьмин А.В. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика. – М.: Горячая линия – Телеком, 2004. – 143 с.
20 Ярушкина Н.Г. Основы теории нечетких и гибридных систем. – М.: Финансы и статистика, 2004. – 320 с.

Допоміжна

1 Алиев Р.А. Интеллектуальные роботы с нечеткими базами знаний. – М.: Радио и связь, 1995. – 177 с.
2 Алиев Р.А., Абдикеев Н.М., Шахназаров М.М. Производственные системы с искусственным интеллектом. – М: Радио и связь, 1990. – 264 с.
3 Архангельский В.И., Богаенко И.Н., Грабовский Г.Г., Рюмшин Н.А. Системы фуцци-управления. – К.: Тэхника, 1997. – 208 с.
4 Базы данных. Интеллектуальная обработка информации / В.В. Корнеев, А.Ф. Гареев, С.В. Васютин , В.В. Райх. – М.: Нолидж, 2000. – 352 с.
5 Бондаренко М.Ф., Гребенюк В.О., Кайкова О.Б., Терзиян В.Я. Теория многоуровневых семантических сетей. Учебное пособие. – Харьков: ХТУРЭ, 1997. – 76 с.
6 Борисов А.Н., Алексеев А.В., Крумберг О.А. и др. Модели принятия решений на основе лингвистической переменной. – Рига: Зинатне, 1982. – 256 с.
7 Борисов А.Н., Алексеев А.В., Меркурьева Г.В. и др. Обработка нечеткой информации в системах принятия решений. – М: Радио и связь, 1989. – 304 с.
8 Борисов А.Н., Крумберг О.А., Федоров И.П. Принятие решений на основе нечетких моделей. Примеры использования. – Рига: Зинатне, 1990. – 184 с.
9 Герасимов Б.М., Дивизинюк М.М., Субач И.Ю. Системы поддержки принятия решений: проектирование, применение, оценка эффективности Севастополь НИЦ ВСУ “Государственный океанариум”, 2004. – 320 с.
10 Джонс М.Т. Программирование искусственного интеллекта в приложениях / Пер. с англ. А.И. Осипов – М.: ДМК Пресс, 2004. – 312 с.
11 Дьяконов В.П. MATLAB 6: учебный курс. – СПб.: Питер, 2001. – 592 с.
12 Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. – М.: Мир, 1976. – 165 с.
13 Искусственный интеллект – основа новой информационной технологии / Г.С. Поспелов. – М.: Наука, 1988. – 288 с.
14 Искусственный интеллект. В 3х кн. Кн.2. Модели и методы. Справочник / Под ред. Д.А. Поспелова. – М.: Радио и связь, 1990. – 304 с.
15 Кофман А. Введение в теорию нечетких множеств. – М.: Радио и связь, 1982. – 432 с.
16 Левин Р., Дранг Д., Эдельсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на бейсике / Пер. с англ. и предисл. М.Л.Сальникова. – М.: Финансы и статистика, 1991. – 237 с .
17 Лорьер Ж.-Л. Системы искусственного интеллекта: Пер. с франц. – М.: Мир, 1991. – 568 с.
18 Малышев Н.Г., Бернштейн Л.С., Боженюк А.В. Нечеткие модели для экспертных систем в САПР. — М.: Энергоиздат, 1991. — 136 с.
19 Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. – М.: Наука, 1990. – 272 с.
20 Мешалкин В.П. Экспертные системы в химической технологии. – М.: Химия, 1995. – 368 с.
21 Нейлор К. Как построить свою экспертную систему. – М.: Энергоатомиздат, 1991. – 286 с.
22 Нечеткие множества в моделях управления и искусственного интеллекта /А.Н. Аверкин, И.З. Батыршин, А.Ф. Блишун, В.Б. Силов, В.Б. Тарасов. Под ред. Д.А. Поспелова.- М.:Наука, 1986. – 312 с.
23 Нечеткие множества и теория возможностей. Последние достижения / Под ред. Р.Р. Ягера. – М.: Радио и связь, 1986. – 408 с.
24 Орлов А.И. Задачи оптимизации и нечеткие переменные. – М.: Знание, 1980. – 64 с.
25 Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. – М.: Радио и связь, 1981. – 286 с.
26 Перспективы развития вычислительной техники. В 11 кн. Кн. 2. Интеллектуализация ЭВМ / Е.С. Кузин и др. – М.: Высш. шк., 1989. – 159 с.
27 Попов Э.В. Экспертные системы: решение неформализованных задач в диалоге с ЭВМ. – М.: Наука, 1987. – 288 с.
28 Поспелов Д.А. Логико-лингвистические модели в системах управления. – М.: Энергоиздат, 1981. – 232 с.
29 Робототехника и гибкие автоматизированные производства. В 9-ти кн. Кн. 6. Техническая имитация интеллекта / В.М. Назаретов, Д.П. Ким. – М.: Высш. шк., 1986. – 144 с.
30 Ротштейн А.П. Интеллектуальные технологии идентификации: нечеткая логика, генетические алгоритмы, нейронные сети. – Винница: УНИВЕРСУМ-Винница, 1999. – 320 с.
31 Сойер Б., Фостер Д.Л. Программирование экспертных систем на Паскале: Пер с англ. – М.: Финансы и статистика, 1990. – 191 с.
32 Субботин С.А. Cинтез распознающих нейро-нечетких моделей с учетом информативности признаков // Нейрокомпьютеры: разработка, применение. – 2006. – № 10.
33 Субботин С.А. Метод формирования баз знаний для нейро-нечетких моделей // Нейроинформатика и ее приложения: Материалы XIV Всероссийского семинара, 6-8 октября 2006 г. / Под ред. А.Н. Горбаня, Е.М. Миркеса. Отв. За выпуск Г.М. Садовская. – Красноярск: ИВМ СО РАН, 2006. – С.116-118.
34 Субботин С.А. Методы синтеза нейро-нечетких классификаторов для случая нескольких классов // Информационные технологии. – 2006. – № 11. – С. 31-36.
35 Субботин С.А. Неитеративный синтез и редукция нейро-нечетких моделей // Искусственный интеллект. – 2006. – № 3. – С. 323-330.
36 Субботин С.А. Подсистема моделирования семантических сетей // Материалы IX Всероссийского семинара “Моделирование неравновесных систем-2006”, 13-15 октября 2006 г. / Под ред. В.В. Слабко. Отв.за выпуск М.Ю. Сенашова. – Красноярск: ИВМ СО РАН, 2006. – С.172-174.
37 Субботин С.А. Синтез вейвлет-нейро-нечетких моделей для диагностики деталей авиадвигателей // Вісник двигунобудування. – 2006. – № 2. – С. 163-168.
38 Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. – М.: Финансы и статистика, 1990. – 320 с.
40 Хант Э. Искусственный интеллект / Под ред. В. Стефанюка. – М.: Мир, 1978. – 558 с.
41 Элти Дж., Кубмс М. Экспертные системы: концепции и примеры. – М.: Финансы и статистика, 1987. – 191 с.

 

Інформаційні ресурси

  1. http://nge.nung.edu.ua/sites/nge.nung.edu.ua/files/journals/015/11kbvsnu.pdf
  2. www.simulation.kiev.ua/dbis/lection31.html
  3. www.ii.npu.edu.ua/files/Zbirnik_KOSN/5/4.pdf
  4. irbis-nbuv.gov.ua/cgi-bin/irbis_nbuv/cgiirbis_64.exe?…2…
  5. www.csit.narod.ru/subject/mopz/mopz_book.pdf

Навчальна програма

Завантажити навчальну програму