zhChinese    enEnglish
  ПМ-ПУ  » Образование  » Программы курсов » Базы знаний

Базы знаний

Курс по выбору

Составитель: Сергеев С.Л., Севрюков С.Ю.

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:

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:

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.