Системи штучного інтелекту
Спеціальність: Комп'ютерні науки
Код дисципліни: 6.122.00.O.039
Кількість кредитів: 5.50
Кафедра: Інформаційних систем і технологій
Лектор: доцент Мисик М.М.
Семестр: 6 семестр
Форма навчання: денна
Результати навчання: Метою викладання навчальної дисципліни Системи штучного
інтелекту є формування у майбутніх фахівців сучасного рівня
інформаційної культури у галузі штучного інтелекту; ознайомлення з основними
методами і алгоритмами штучного інтелекту; вивчення студентами методів та засобів
створення комп’ютерних систем штучного інтелекту, отримання відомостей про
концептуальні основи штучного інтелекту, методи подання знань і баз знань, системи
нечіткої логіки, будову та можливості використання експертних систем, основні поняття
про системи розпізнавання образів, штучні нейронні мережі, генетичні алгоритми;
ознайомлення студентів з актуальними питаннями використання програмних засобів для
створення систем штучного інтелекту, зокрема експертних систем.
Необхідні обов'язкові попередні та супутні навчальні дисципліни: Вища математика, Програмування та
алгоритмічні мови,Чисельні методи
Короткий зміст навчальної програми: Системи розуміння природної мови. Системи переробки візуальної інформації
Представлення знань в інтелектуальних системах. Автоматизовані системи розпізнавання
образів
Експертні системи
Нечітка логіка, штучні нейронні мережі та генетичні алгоритми
Методи та критерії оцінювання: Лабораторні роботи-40%
Семестровий контроль-60%
Рекомендована література: 1. Джексон П. Введение в экспертные системы. – М.: Вильямс, 2011.
2. Частиков А.П., Гаврилова Т.А., Белов Д.Л. Разработка экспертных систем. Среда CLIPS.
– СПб.: БХВ-Петербург, 2009.
3. Черноруцкий И.Г. Методы принятия решений. – СПб.: БХВ-Петербург, 2005.
4. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. - Сиб.:
Питер, 2011.
5. Глибовець М.М., Отецький О.В. Штучний інтелект. Підручник. - К: Вид.дім "KM
Академія", 2002, - 366с.
6. Прикладные нечеткие системы/ Под ред. Т.Тэрано, К.Асаи, М.Сугено. – М.: Мир, 1993,
386 с.
7. Андон Ф.И., Яшунин А.Е., Рениченко В.А. Логические модели интеллектуальных
информационных систем. - К.: Наукова думка, 2013.
8. Дюк В., Самойленко А. Data Mining: учебный курс (+ CD-ROM). 2001 г. Издательство:
Питер. Серия: Учебный курс. – 368 с.
9. Каллан Р. Основные концепции нейронных сетей.: Пер. с англ. М.: Издательских дом
«Вильямс», 2001. 288 с. 3.1.11.
10. Хорошевский В. Ф. Поведение интеллектуальных агентов: модели и методы
реализации. Переславль-Залесский: РАИИ, 2013.
11. CLIPS Referens Manual, Volume I-III, Basic programming guid, Advenced programming
guid, Interfases guide. – 2002.
12. Алексеевская М.А., Недоступ А.В. Диагностические игры в медицинских задачах. – М:
Бином, 2004.
13. Божич В.И., Лебедев О.Б., Шницер Ю.Л. Разработка генетического алгоритма обучения
нейронных сетей // Перспективные информационные технологии и интеллектуальные
системы. - 2011. - №1.- С. 21- 24.
14. Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры: Учеб. Пособие для ву-зов. - М.:
Изд-во МГТУ им. Баумана, 2012. - 320 с.
15. Осовский С. Нейронные сети для обработки информации / Пер. с польского И.Д.
Рудинского. - М.: Финансы и статистика, 2010. - 344 с.
16. Круглов В.В. Искусственные нейронные сети. Теория и практика. - М.: Горячая линия
Телеком, 2012. - 382 с. 3.1.21. Фролов Ю.В.