Інтелектуальні системи
Спеціальність: Професійна освіта (Цифрові технології)
Код дисципліни: 6.015.39.E.053
Кількість кредитів: 5.00
Кафедра: Інформаційні системи та мережі
Лектор: Пелещак Р. М.
Семестр: 6 семестр
Форма навчання: денна
Завдання: Завдання - надання студентам комплексу знань, необхідних для розв’язування проблем, які виникають під час побудови та при використанні сучасних інтелектуальних програмних систем та ознайомити студентів з основними принципами побудови систем штучного інтелекту. У процесі вивчення дисципліни у студента повинні сформуватися знання, уміння та навички, необхідні для створення програмних засобів інтегрованими з елементами штучного інтелекту.
У результаті вивчення навчальної дисципліни студент повинен
знати:
• типи моделей штучного інтелекту;
• алгоритми та розв'язання задач штучного інтелекту;
• відмінності між звичайними та інтелектуальними системами;
• принципи побудови систем штучного інтелекту;
• класифікацію задач та видів систем штучного інтелекту;
• основні визначення та методи теорії розпізнавання образів;
• принципи створення гібридних інтелектуальних систем на основі розпізнавання образів;
• принципи та критерії аналізу алгоритмів штучного інтелекту;
• застосування дисперсійного аналізу та теорії кореляції при вирішенні задач розпізнавання образів;
• основи моделювання;
• дерева пошуку, подання графів, обхід дерев в глибину та в ширину;
вміти:
• володіти методами та технологіями організації та застосування даних у задачах штучного інтелекту;
• застосовувати емпіричні методи та засоби інженерії програмних засобів для створення інтелектуальних систем;
• моделювати різні аспекти інтелектуальної системи, для якої створюється програмний засіб;
• розв'язувати математичні задачі шляхом створення відповідних застосувань;
• здійснювати вибір програмних засобів для вирішення задач штучного інтелекту;
• будувати моделі прийняття рішень на основі теорії розпізнавання образів, нейромереж та нечіткої логіки;
• порівнювати методи та моделі штучного інтелекту;
• створювати гібридні інтелектуальні системи;
• вирішувати задачі автоматизації підтримки прийняття рішень, розпізнавання образів, діагностики, класифікації та аналізу даних;
• аргументовано переконувати колег у правильності пропонованого рішення, вміти донести до інших свою позицію;
• визначати та вимірювати атрибути якості моделей штучного інтелекту та програмних засобів, що їх реалізують;
• володіти методами та технологіями об'єктно-орієнтованого програмування для вирішення задач штучного інтелекту.
Результати навчання: ПР 3. Використовувати базові знання інформатики й сучасних інформаційних систем та технологій, навички програмування, технології безпечної роботи в комп'ютерних мережах, методи створення баз даних та інтернет-ресурсів, технології розроблення алгоритмів і комп’ютерних програм мовами високого рівня із застосуванням об’єктно-орієнтованого програмування для розв’язання задач проектування і використання інформаційних систем та технологій.
ПР 5. Аргументувати вибір програмних та технічних засобів для створення інформаційних систем та технологій на основі аналізу їх властивостей, призначення і технічних характеристик з урахуванням вимог до системи і експлуатаційних умов; мати навички налагодження та тестування програмних і технічних засобів інформаційних систем та технологій.
ПР 6. Демонструвати знання сучасного рівня технологій інформаційних систем, практичні навички програмування та використання прикладних і спеціалізованих комп’ютерних систем та середовищ з метою їх запровадження у професійній діяльності.
ПР 7. Обґрунтовувати вибір технічної структури та розробляти відповідне програмне забезпечення, що входить до складу інформаційних систем та технологій.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Системний аналіз, Інженерне проектування складних об’єктів та систем, Технології програмування інформаційних систем, Моделювання складних систем, Проектування інформаційних систем, Машинне навчання
Короткий зміст навчальної програми: Основне призначення навчальної дисципліни «Інтелектуальні системи» полягає у висвітлені теоретичних та практичних основ створення та використання інтелектуальних систем. Розглядаються моделі та методи функціонування інтелектуальних систем, моделі подання знань, моделі міркувань, семантичні мережі із урахуванням фактору невизначеності, інтелектуальні системи на основі штучних нейронних мереж та використання інтелектуальних систем для пошуку в мережі Інтернет.
Опис: Лекція 1. Інтелектуальні системи: основні поняття, історія розвитку та прикладні аспекти
1. Природній та штучний інтелект: базові поняття. Основні проблеми в області інтелектуалізації систем
2. Історичний екскурс розвитку штучного інтелекту та інтелектуальних систем
3. Гіпотеза Ньюела та Саймона про фізичну символьну систему як модель інтелекту. Тест Тьюрінга і фатичний діалог
4. Огляд прикладних аспектів штучного інтелекту
Лекція 2. Експертні системи
1. Визначення та класифікація експертних систем
2. Проблеми розроблення експертних систем
3. Методологія побудови експертних систем
4. Приклади експертних систем
Лекція 3. Моделі та методи функціонування інтелектуальних систем
1. Визначення та класифікації інтелектуальних систем
2. Функціональна модель інтелектуальної системи
3. Характеристика інтелектуальних систем із загально кібернетичних позицій
4. Типова схема функціонування інтелектуальної системи
Лекція 4. Подання знань у вигляді моделей
1. Вибір моделі представлення знань
2. Логічні моделі
3. Семантичні мережі
4. Фреймові моделі
5. Продукційні моделі
Лекція 5. Модель подання знань з урахуванням фактору невизначеності
1. Методи задання невизначеностей в інтелектуальних системах
2. Нечіткі множини. Основні характеристики нечітких множин
3. Нечітка логіка. Нечітке логічне виведення
4. Алгоритми нечіткого виведення. Алгоритм Mamdani. Алгоритм Tsukamoto. Алгоритм Sugeno. Алгоритм Larsen
5. Використання коефіцієнтів впевненості. Байесівський підхід
Лекція 6. Інтелектуальний аналіз даних та побудова дерева рішень
1. Постановка задачі класифікації даних
2. Метод класифікації даних на основі індукції дерев рішень
3. Побудова дерева рішень та набору класифікаційних правил
4. Виявлення логічних закономірностей в даних на основі моделі дерева рішень
Лекція 7. Онтології та онтологічні системи
1. Основні визначення
2. Моделі онтології й онтологічної системи
3. Методології створення онтології
4. Приклади онтологій
5. Системи і засоби подання онтологічних знань
Лекція 8. Генетичні алгоритми
1. Загальна схема генетичного алгоритму
2. Генетичні операції
3. Подання даних у генетичному алгоритмі
4. Робота генетичного алгоритму
5. Застосування генетичного алгоритму
Лекція 9. Байєсівські методи навчання
1. Основні поняття теорії ймовірностей
2. Теорема Байєса, дані і гіпотези
3. Максимальна апостеріорна гіпотеза і задачі класифікації
4. Оптимальний байєсівської класифікатор і класифікатор Гіббса
5. Наївний байєсівський класифікатор
Лекція 10. Штучні нейронні мережі
1. Модель біологічного нейрона
2. Модель штучного нейрона
3. Поняття та класифікація нейронних мереж
4. Алгоритми навчання нейроної мережі
5. Використання нейромережевих технологій в інтелектуальних системах
Лекція 11. Нейромережа Хопфілда та Кoхонена
1. Модель Хопфілда
2. Навчання в мережі Хопфілда
3. Структура мережі Кoхонена
4. Навчання мережі Кoхонена
5. Вибір функції «сусідства»
6. Побудова мапи Кохонена
Методи та критерії оцінювання: Діагностика знань відбувається шляхом оцінювання виконаних лабораторних робіт та екзаменаційного контролю (письмової та усної компоненти) у формі екзаменаційних білетів.
Критерії оцінювання результатів навчання: Поточний контроль - 40,
Семестровий контроль екзамен - 60
Порядок та критерії виставляння балів та оцінок: 100–88 балів – («відмінно») виставляється за високий рівень знань (допускаються деякі неточності) навчального матеріалу компонента, що міститься в основних і додаткових рекомендованих літературних джерелах, вміння аналізувати явища, які вивчаються, у їхньому взаємозв’язку і роз витку, чітко, лаконічно, логічно, послідовно відповідати на поставлені запитання, вміння застосовувати теоретичні положення під час розв’язання практичних задач; 87–71 бал – («добре») виставляється за загалом правильне розуміння навчального матеріалу компонента, включаючи розрахунки , аргументовані відповіді на поставлені запитання, які, однак, містять певні (неістотні) недоліки, за вміння застосовувати теоретичні положення під час розв’язання практичних задач; 70 – 50 балів – («задовільно») виставляється за слабкі знання навчального матеріалу компонента, неточні або мало аргументовані відповіді, з порушенням послідовності викладення, за слабке застосування теоретичних положень під час розв’язання практичних задач; 49–26 балів – («не атестований» з можливістю повторного складання семестрового контролю) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння застосувати теоретичні положення під час розв’язання практичних задач; 25–00 балів – («незадовільно» з обов’язковим повторним вивченням) виставляється за незнання значної частини навчального матеріалу компонента, істотні помилки у відповідях на запитання, невміння орієнтуватися під час розв’язання практичних задач, незнання основних фундаментальних положень.
Рекомендована література: 1. Руденко О.Г., Бодянський Є.В. Штучні нейронні мережі. – Компанія СМІТ, – 2006, – 404 с.
2. Lytvyn V., Vysotska V., Peleshchak I., Rishnyak I., Peleshchak R. Time Dependence of the Output Signal Morphology for Nonlinear Oscillator Neuron Based on Van der Pol Model. International Journal of Intelligent Systems and Applications(IJISA). 10(4), – 2018, – P. 8 – 17.
3. Литвин В.В., Пасічник В.В., Яцишин Ю.В. Інтелектуальні системи. — «Новий світ – 2000», Львів 2008, – 407 с.
4. Івашків А.М., Литвин В.В. Проблеми класифікації інтелектуальних інформаційних систем. — Інформаційні системи та мережі. Вісник національного Університету «Львівська політехніка» № 406, - Львів, 2000. – С. 112-117.
5. Литвин В.В. Проектування інформаційних систем: навчальний посібник / В. В. Литвин, Н. Б. Шаховська. – Львів: Магнолія 2006, 2017. – 380 c.
6. Береза А.М. Основи створення інформаційних систем: Навч. посібник / А.М. Береза. – К.: КНЕУ, 2001. – 205 с.
7. Глібовець М.М. Штучний інтелект: Підруч. для студ. вищ. навч. закладів / М.М. Глібовець, О.В. Олецький. – Київ: Видавничий дім «КМ Академія», 2002.– 336 с.
8. Буров Є.В. Концептуальне моделювання інтелектуальних програмних систем: монографія / Є.В. Буров.– Львів: Вид-во Львівської політехніки, 2012.– 432 с.
9. Зайченко Ю.П. Основи проектування інтелектуальних систем: Навч. посіб. / Ю.П. Зайченко. – К.: Видавничий дім «Слово», 2004. – 352 с.
10. Кононюк А.Ю. Нейроні мережі і генетичні алгоритми / А.Ю. Кононюк. – К.: Корнійчук, 2008. – 446 с.
11. Любарський С.В. Методологія вибору моделі подання знань в інтелектуальних навчальних системах / С.В. Любарський, П.В. Шаціло / Збірник наукових праць ВІТІ НТУУ «КПІ».– № 2.– 2010.– С. 65 – 71.
12. Невмержицький О.В. Аналіз сучасних моделей, орієнтованих на знання, та методів прийняття рішень / О.В. Невмержицький // Інформаційні технології проектування. – №13. – 2013. – С. 119 – 125.
13. Субботін С.О. Подання й обробка знань у системах штучного інтелекту та підтримки прийняття рішень: Навчальний посібник / С.О. Субботін. – Запоріжжя: ЗНТУ, 2008. – 341 с.
Уніфікований додаток: Національний університет «Львівська політехніка» забезпечує реалізацію права осіб з інвалідністю на здобуття вищої освіти. Інклюзивні освітні послуги надає Служба доступності до можливостей навчання «Без обмежень», метою діяльності якої є забезпечення постійного індивідуального супроводу навчального процесу студентів з інвалідністю та хронічними захворюваннями. Важливим інструментом імплементації інклюзивної освітньої політики в Університеті є Програма підвищення кваліфікації науково-педагогічних працівників та навчально-допоміжного персоналу у сфері соціальної інклюзії та інклюзивної освіти. Звертатися за адресою:
вул. Карпінського, 2/4, І-й н.к., кімн. 112
E-mail: nolimits@lpnu.ua
Websites: https://lpnu.ua/nolimits https://lpnu.ua/integration
Академічна доброчесність: Політика щодо академічної доброчесності учасників освітнього процесу формується на основі дотримання принципів академічної доброчесності з урахуванням норм «Положення про академічну доброчесність у Національному університеті «Львівська політехніка» (затверджене вченою радою університету від 20.06.2017 р., протокол № 35).