4286

МИНОБРНАУКИ РОССИИ Федеральное государственное бюджетное образовательное учреждение высшего образования

«Нижегородский государственный архитектурно-строительный университет»

Д. И. Кислицын

СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Учебно-методическое пособие

по подготовке к лекционным занятиям (включая рекомендации по организации самостоятельной работы) для обучающихся по дисциплине

«Системы искусственного интеллекта» по направлению подготовки 09.04.02 Информационные системы и технологии

Нижний Новгород ННГАСУ

2022

1

УДК 681.3 (075)

Кислицын Д. И. Системы искусственного интеллекта: учебно-методическое пособие / Д. И. Кислицын; Нижегородский государственный архитектурностроительный университет. – Нижний Новгород: ННГАСУ, 2022. – 8 с. - Текст: электронный.

Даются тематика лекционных занятий, их краткое содержание, а также методические рекомендации по самостоятельной работе обучающихся по дисциплине «Системы искусственного интеллекта». Указывается необходимая литература и источники, разъясняется последовательность их изучения, выделяются наиболее сложные вопросы и даются рекомендации по их изучению.

Предназначено для обучающихся в ННГАСУ по дисциплине «Системы искусственного интеллекта» по направлению подготовки 09.04.02 Информационные системы и технологии.

Д. И. Кислицын, 2022ННГАСУ, 2022.

2

Учебно-методическое пособие по подготовке к лекционным занятиям (включая рекомендации по организации самостоятельной работы) по дисциплине «Системы искусственного интеллекта» предназначены для студентов, обучающихся по направлению 09.04.02 Информационные системы и технологии, и содержат программу для проведения лекционных занятий, а также методические рекомендации по самостоятельной работе.

Цель учебно-методического пособия: помочь студентам при изучении учебной программы с использованием рекомендуемой учебно-методической литературы при формировании необходимых компетенций дисциплины «Системы искусственного интеллекта».

Целями освоения дисциплины «Системы искусственного интеллекта» являются достижение планируемых результатов обучения, соответствующих установленным в ОПОП индикаторам достижения компетенций.

Главной целью лекционных занятий является привитие студентам интереса к изучаемому материалу, формирование мотивации к последующему самостоятельному анализу рассматриваемой проблематики. Студентам раскрываются наиболее сложные вопросы и теоретические положения, показывается их практическая значимость, даются рекомендации по углубленному самостоятельному изучению теории и практики.

Материал пропущенных лекций студент восстанавливает самостоятельно и по всем непонятным положениям и вопросам обращается за разъяснением к преподавателю.

Самостоятельная работа направлена на развитие компетенций дисциплины: ПК-1 (ПК-1и). Способен исследовать применение интеллектуальных систем

для различных предметных областей; УК-1. Способен осуществлять критический анализ проблемных ситуаций на

основе системного подхода, вырабатывать стратегию действий; УК-7(УК-1и). Способен понимать фундаментальные принципы работы

современных систем искусственного интеллекта, разрабатывать правила и стандарты взаимодействия человека и искусственного интеллекта и использовать их в социальной и профессиональной деятельности.

Виды и формы самостоятельной работы студентов по дисциплине: подготовка к учебным занятиям; подготовка к промежуточной аттестации

Содержание разделов дисциплины «Системы искусственного интеллекта» представлено в таблице 1.

3

Таблица 1 Содержание разделов дисциплины

самостоятельной работе студентов при подготовке к занятиям.

Перед экзаменом студентам выдаётся список примерных вопросов, по которым можно понять, на что нужно сделать упор при подготовке к экзамену. После получения перечня вопросов рекомендуется:

1)внимательно прочитать материал курса;

2)постараться разобраться с непонятными, в частности, новыми терминами, используя рекомендованную литературу;

3)выписать вопросы для подробного обсуждения с преподавателем на консультации.

Перечень примерных вопросов, выносимых на экзамен:

1.Организация базы знаний.

2.Сформулируйте отличия систем искусственного интеллекта от традиционных систем обработки данных и назовите примеры успешного применения технологии ЭС.

3.Схема интеграции онтологий и выделяемые на ее основе виды онтологий.

4.Экспертная система: определение, функции, архитектура.

5.Основные структурные элементы программирования в ЭО CLIPS.

4

6.Основные отличия данных и знаний.

7.Опишите общую схему функционирования ЭС, разработанных в CLIPS.

8.Сложность задач, решаемых с помощью систем искусственного интеллекта. Сформулируйте отличия AGI от узкого AI.

9.Стратегии принятия решений.

10.Описание проблемной области. Таксономическая классификационная

схема.

11.Особенности реализации логического вывода в ЭОCLIPS и КАРРА.

12.Онтология предметной области и способы ее организации.

13.Организация логического вывода при различных способах моделировании знаний.

14.Особенности представления знаний при разработке информационного приложения.

15.Организация логического вывода в формальной интеллектуальной

системе.

16.Модели представления знаний.

17.Способы привлечения знаний экспертов для решения плохо формализованных задач.

18.Использование эвристик при разработке систем искусственного 19. Основные типы задач, решаемых экспертными системами.

19.Организация логического вывода. Прямая и обратная цепочки логических рассуждений.

20.Последовательность разработки информационного приложения, использующего представление знаний.

21.Подсистемы моделирования инструментальных оболочек для разработки

ЭС.

22.Инструментальные средства для разработки систем искусственного интеллекта и ЭС.

23.Организация базы знаний.

24.Этапы процесса создания онтологий.

25.Продукционные правила и продукционные системы.

26.Особенности функции обучения, реализуемые ЭС.

27.Определить в какой области информационных технологий и в каких

структурах может быть реализован запрос: каким будет объем продаж железнодорожных билетов в денежном выражении с учетом сезонных колебаний.

28.Понятие и примеры слабоструктурированной информации.

29.Неопределенность и методы определения неопределенности.

30.Принципы построения систем, ориентированных на анализ данных.

31.Упрощенная логическая схема аналитической системы.

32.Модели данных, используемые для построения хранилищ.

33.основные понятия многомерной модели.

34.Основные операции манипулирования измерениями.

35.Комбинация многомерного и реляционного подходов.

36.Прогнозирование с использованием нейронных сетей.

5

37.Основные понятия и термины, используемые в области применения генетических алгоритмов.

38.Обучение нейронной сети.

39.Инструментальные средства реализации нейронных сетей, генетических алгоритмов.

40.Основы нечеткой логики.

41.Системы, основанные на нечеткой логике.

Показатели оценки по зачёту представлены в таблице 2.

Таблица 2 Описание шкал оценивания

Перечень учебной литературы, необходимой для освоения дисциплины.

1.Бессмертный Игорь Александрович. Системы искусственного интеллекта

:учебное пособие для вузов : учебное пособие для студентов высших учебных заведений, обучающихся по инженерно-техническим направлениям. / Бессмертный Игорь Александрович ; Москва : Юрайт, 2020. – 158 с. – ISBN ISBN 978-5-534- 07467-3.

6

2.Ручкин Владимир Николаевич. Системы искусственного интеллекта. Нейросети и нейрокомпьютеры : учебник для студентов высших учебных заведений, обучающихся по направлению подготовки 2.09.03.03 "Прикладная информатика" (квалификация - "бакалавр"). / Ручкин Владимир Николаевич, Костров Борис Васильевич, Свирина Анастасия Геннадьевна ; Москва : КУРС,

2021. – 284 с. – ISBN ISBN 978-5-906818-42-3.

3.Введение в инфокоммуникационные технологии : учебное пособие для студентов высших учебных заведений, обучающихся по направлению подготовки 11.03.02 "Инфокоммуникационные технологии и системы связи" (квалификации (степени) "бакалавр" и "магистр"). / под редакцией Л. Г. Гагариной. – Москва : ИД

"ФОРУМ" : ИНФРА-М, 2021. – 336 с. – ISBN ISBN 978-5-16-013654-7 (Инфра-М).

7

Кислицын Дмитрий Игоревич

СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Учебно-методическое пособие

по подготовке к лекционным занятиям (включая рекомендации по организации самостоятельной работы) для обучающихся по дисциплине

«Системы искусственного интеллекта» по направлению подготовки 09.04.02 Информационные системы и технологии

Федеральное государственное бюджетное образовательное учреждение высшего образования «Нижегородский государственный архитектурно-строительный университет»

603950, Нижний Новгород, ул. Ильинская, 65. http://www.nngasu.ru, srec@nngasu.ru

8