Базы знаний
Курс по выбору
I. Организационно-методический раздел
Дисциплина изучается студентами направления «Информационные технологии» (магистратура) в 12 семестре, итоговой формой контроля является экзамен. Контроль самостоятельной работы студентов осуществляется в виде тестирования, опросов и проверки домашней работы.
Цель и задачи изучения дисциплины
Цель дисциплины является овладение теоретическими и практическими навыками в области представления знаний. Задачами дисциплины являются:- усвоение понятий данные, информация, знания;
- процедурные и декларативные знания;
- модели представления знаний;
- нейросетевые технологии;
- нечеткие знания и нечеткая логика.
Место дисциплины в профессиональной подготовке выпускника
Является специальной дисциплиной магистра и развивает тематику дисциплин, посвященных информационным технологиям. Изучение дисциплины предусматривает знания в области теории графов и математической логики.Требования к уровню освоения материала дисциплины
После изучения курса студенты должны:- Знать основные принципы построения интеллектуальных информационных систем
- Модели представления знаний
- Основы нейросетевой технологии обработки данных с целью решения интеллектуальных задач.
II. Содержание дисциплины
- 1. Знания и данные.
- Понятие знаний, данные и их трансформирование. Поле знаний. Глубинные и поверхностные знания, процедурные и декларативные, актуальные и операционные знания. Системы, основанные на обработке данных, на обработке знаний и системы, основанные на моделях.
- 2. Экспертные системы: характеристика и базовые функции.
- Понятие экспертной системы (ЭС), как одной из разновидностей интеллектуальных информационных систем (ИИС). Признаки ЭС. Факторы, влияющие на целесообразность и эффективность разработки ЭС. Характеристики и типы решаемых задач. Структура статической и динамической ЭС. Классификация ЭС. Базовые функции ЭС.
- 3. Продукционная модель представления знаний.
- Структура модели. Продукционная система. Эвристическая и процедурная парадигма знаний. Стратегия разрешения конфликтов. Достоинства продукционных моделей и инструментальные средства их реализации.
- 4. Формально-логическая модель представления знаний.
- Понятия исчисления высказываний и предикатов первого порядка. Алфавит языка исчисления предикатов. Кванторы общности и существования. Атомарные формулы и правильно построенные логические формулы. Алгоритм автоматического формирования суждений.
- 5. Фреймовая модель представления знаний.
- Определение понятия «фрейм». Структура фрейма: имя, слоты, шпации. Присоединенные процедуры. Сеть фреймов. Атрибуты фреймов. Демоны. Разновидности фреймов.
- 6. Представление знаний в виде семантической сети.
- Определение семантической сети. Классификация семантических сетей. Отношения в семантических сетях. Выводы на семантических сетях.
- 7. Нечеткие знания и нечеткая логика.
- Определение нечеткости знаний. Недетерминированные выводы. Многозначность интерпретации. Ненадежность знаний и выводов. Неполнота знаний и немонотонная логика.
- 8. Нейронные сети и генетические алгоритмы.
- Определение понятий «нейрон» и «нейронная сеть». Парадигмы эксперта и ученика. Искусственная нейронная сеть. Функции активации. Топология нейронных сетей. Этапы построения нейронной сети. Обучение нейронной сети. Определение понятия «генетический алгоритм». Взаимосвязь генетических алгоритмов и алгоритмов эвристической самоорганизации. Использование генетических алгоритмов для обучения нейронных сетей.