Саратовский государственный технический университет
Кафедра: «Программное обеспечение вычислительной
техники и автоматизированных систем»
Рабочая программа
«Интеллектуализация автоматизированных систем»
для специальности 220400 «Программное обеспечение вычислительной техники и автоматизированных систем»
Направление _654600 «_Информатика и вычислительная техника»
Курс – 5
Семестр – 9
Часов в неделю –
Курсовая работа
Курсовой проект
Расчетно-графическая работа
Контрольная работа
Экзамен
Зачет
Рабочая программа обсуждена на заседании кафедры ПВС
20___02_ 2010 года, протокол №_26_
Зав. кафедрой Байбурин В.Б.
Рабочая программа утверждена на заседании
УМКС/УМКН
«_20_»__02______2010, протокол № 6__
Председатель УМКС/УМКН ___________
Саратов 2010
Цели и задачи дисциплины, ее место в учебном процессе.
1.1. Цель преподавания дисциплины: целью преподавания дисциплины является формирование умения и навыков студентов по основам инженерии знаний и нейроинформатики, как двум направлениям построения интеллектуальных систем; дать общие представления о прикладных системах искусственного интеллекта в автоматизированных системах.
1.2. Задачи изучения дисциплины: задачей курса является изучения понятий инженерии знаний и нейрокибернетики, изучения основных моделей нейронных сетей, методов и алгоритмов их обучения, изучения генетических алгоритмов, приобретение практических навыков разработки программного обеспечения систем искусственного интеллекта в автоматизированных системах.
1.3. Перечень дисциплин, усвоение которых необходимо для изучения данной дисциплины: математика, информатика.
Требования к знаниям и умениям студентов по дисциплине.
Студент должен знать: концептуальные основы искусственного интеллекта, методы представления знаний, понятия нейронные сети и генетические алгоритмы, понятие экспертной системы, основные методы реализации экспертных систем.
Студент должен уметь: разрабатывать интеллектуальные средства автоматизированных систем, разрабатывать структуру знаний для решения различных задач автоматизированных систем, в т.ч. для учета неопределенности в принятии решений.
Распределение трудоемкости (час.) дисциплины по темам и видам занятий.
№ модуля ммммодуля |
№ недели |
№ темы |
Наименование темы |
Часы | ||||||
всего |
лекции |
лаб. зан. |
пр. зан. |
СРС | ||||||
1 |
|
1. |
Введение |
2 |
2 |
|
|
| ||
1 |
|
2. |
История искусственного интеллекта |
14 |
2 |
|
|
12 | ||
1 |
|
3. |
Знания и данные |
2 |
2 |
|
|
| ||
1 |
|
4. |
Понятия о прикладных системах искусственного интеллекта |
12 |
2 |
|
|
10 | ||
1 |
|
5. |
Методы представления знаний и решения задач. Логика предикатов первого порядка |
8 |
4 |
2 |
|
2 | ||
1 |
|
6. |
Методы представления знаний и решения задач. Псевдофизические логики |
8 |
4 |
2 |
|
2 | ||
1 |
|
7. |
Методы представления знаний и решения задач. Правила-продукции |
8 |
4 |
2 |
|
2 | ||
2 |
|
8. |
Методы представления знаний и решения задач. Семантические сети |
8 |
4 |
2 |
|
2 | ||
2 |
|
9. |
Методы представления знаний и решения задач. Фреймы и объекты |
8 |
4 |
2 |
|
2 | ||
2 |
|
10. |
Методы представления знаний и решения задач. Нейронные сети |
28 |
10 |
8 |
|
10 | ||
2 |
|
11. |
Экспертные системы. |
26 |
10 |
6 |
|
10 | ||
2 |
|
12. |
Генетические алгоритмы |
12 |
2 |
2 |
|
8 | ||
Итого: |
150 |
54 |
36 |
|
60 |