Визирование РПД для исполнения в очередном учебном году

Председатель МК

__ __________ 2019 г.

Рабочая программа пересмотрена, обсуждена и одобрена для

исполнения в 2019-2020 учебном году на заседании кафедры

информационных технологий и инструментальных методов в экономике

Протокол от 05 марта 2019  г. № 8

Зав. кафедрой _______

Визирование РПД для исполнения в очередном учебном году

Председатель МК

__ __________ 20__ г.

Рабочая программа пересмотрена, обсуждена и одобрена для

исполнения в 2020-2021 учебном году на заседании кафедры

информационных технологий и инструментальных методов в экономике

Протокол от 14 апреля  2020 г. № 4

Зав. кафедрой _______

Визирование РПД для исполнения в очередном учебном году

Председатель МК

__ __________ 20___ г.

Рабочая программа пересмотрена, обсуждена и одобрена для

исполнения в 2021-2022 учебном году на заседании кафедры

_______________________________________________

Протокол от __ __________ 20___ г. № __

Зав. кафедрой _______

Визирование РПД для исполнения в очередном учебном году

Председатель МК

__ __________ 20___ г.

Рабочая программа пересмотрена, обсуждена и одобрена для

исполнения в 2022-2023 учебном году на заседании кафедры

_______________________________________________

Протокол от __ __________ 20___ г. № __

Зав. кафедрой _______

Формируемые компетенции (код, содержание компетенции)

Планируемые результаты обучения по дисциплине (модулю), в соответствии с индикатором достижения компетенции

Всего

(часы)

в том числе

Контактная работа (работа во взаимодействии с преподавателем), часы

из них

Самостоятельная работа обучающегося, часы

 Занятия лекционного

 типа

 Занятия семинарского

 типа

 Занятия лабораторного

 типа

Всего

Заочная

Заочная

Заочная

Заочная

0,5

0,5

1

38

0,5

0,5

1

38

1

1

2

38

1

1

2

38

1

1

2

36

Аттестация по дисциплине,    ОФО экзамен – 36, (КСРИФ – 3), ЗФО, экзамен – 9, (КСР – 3)

4

4

8

188

Компетенция «ПК- 6»

1. Задать определенный набор гипотез и свидетельств, которые описывают заданную проблемную ситуацию и могут быть использованы при моделировании экспертной системы байесовского типа. Гипотез должно быть не менее четырех, свидетельств не менее пяти. Сформулировать вопросы по свидетельствам. Проблемная ситуация: необходимо установить причину убыточности работы предприятия.

2. Задать определенный набор гипотез и свидетельств, которые описывают заданную проблемную ситуацию и могут быть использованы при моделировании экспертной системы байесовского типа. Гипотез должно быть не менее четырех, свидетельств не менее пяти. Сформулировать вопросы по свидетельствам. Проблемная ситуация: необходимо установить причину низкого качества товаров, выпускаемых предприятием.

3. Задать определенный набор гипотез и свидетельств, которые описывают заданную проблемную ситуацию и могут быть использованы при моделировании экспертной системы байесовского типа. Гипотез должно быть не менее четырех, свидетельств не менее пяти. Сформулировать вопросы по свидетельствам. Проблемная ситуация: установить причину низкого уровня объема продаж.

4. Изобразить графически функции принадлежности лингвистической переменной «скорость автомобиля», используя следующее терм-множество: {малая скорость, средняя скорость, высокая скорость}.

5. Изобразить графически функции принадлежности лингвистической переменной «возраст человека», используя следующее терм-множество: {детский, отроческий, юношеский, средний, зрелый, старческий}.

6. Изобразить графически функции принадлежности лингвистической переменной «угол поворота вентиля», используя следующее терм-множество: {очень малый, малый, средний, большой, очень большой}.

Компетенция «ПК-8»

7. Построить нейронную сеть для задачи «Выявление показателей, влияющих на валовую прибыль предприятия» и рассчитать оценку числа нейронов в скрытых слоях, если в обучающей выборке 12 примеров.

Входные параметры: объем реализации; затраты на материалы; объем заработной платы; численность рабочих; производительность; рентабельность; курс доллара.

Выходные параметры: валовая прибыль.

8. Построить нейронную сеть для задачи об ирисах Фишера и рассчитать оценку числа нейронов в скрытых слоях, если в обучающей выборке 120 примеров.

Входные параметры: длина чашелистика, ширина чашелистика, длина лепестка, ширина лепестка.

Выходные параметры: три вида ирисов (iris setosa, iris versicolor, iris virginica).

9. Построить нейронную сеть для задачи «Прогнозирование рентабельности автомобильного завода» и рассчитать оценку числа нейронов в скрытых слоях, если в обучающей выборке 10 примеров.

Входные параметры: выпуск грузовых автомобилей, выпуск легковых автомобилей, численность рабочих, затраты на 1 рубль товарной продукции.

Выходные параметры: рентабельность (%).

10. Построить нейронную сеть для задачи прогнозирования результатов выборов американского президента и рассчитать оценку числа нейронов в скрытых слоях, если в обучающей выборке 30 примеров.

Входные параметры: ответы на 12 вопросов.

Выходные параметры: класс 1 – выбран кандидат правящей партии; класс 2 – кандидат оппозиционной партии.

Тема 3: Экспертные системы

используются

формализованные знания

система логического вывода («твердый» искусственный интеллект)

Архитектура ЭС

Предметные эксперты

Внешние источники информации и знаний

Базы данных

Модуль усвоения знаний

База знаний

Машина логического вывода

Интерфейс, связанный с объяснениями

Создание и использование ЭС

		Предметный эксперт
	опрос, диалог, взаимодействие			расширение и проверка
Средства построения ЭС		Инженер знаний			Конечный пользователь
	использование
		Разработка, уточнение, тестирование			использования
		Экспертные системы

Математические обозначения

 – множество гипотез, i =  

  –множество свидетельств, j = 1, m

 =  – вероятность гипотезы

 – вероятность свидетельства

  =  - вероятность выполнения свидетельства  при условии выполнения гипотезы

 = - вероятность выполнения свидетельства  при условии невыполнения гипотезы

Формула Байеса

 =  × /  ×  +  (1 - )

или

 =  ×  /  ×  + (1 - )

Формула Байеса для случая, когда свидетельство не выполняется

 ≈ (1 -  ) ×  / 1 – [  ×  +  (1 -  )]

Формула Байеса для случая, когда ответ даётся по шкале неопределённости

 ? {-5, -4, …, -1, 0, 1, 2 …, 5}

 =  +  / 5 (  - ), если  ≥ 0

 =  +  | / 5 (  - ), если  < 0

«Цена» свидетельства

Ц () =  -  |

Верхние и нижние пороги принятия и отбрасывания гипотез

Если () ≥  (), i = , то гипотеза  принимается в качестве наиболее достоверной

Если () <  (), i = , то гипотеза  исключается из списка гипотез как невыполнимая

Для определения  () и  () используются специальные методы

Алгоритм работы ЭС при байесовском подходе

1. Задание , , , , ; i = , j = .

2. Проверка факта того, что существует наиболее достоверная гипотеза . Если «да», то «стоп» и эта гипотеза  принимается.

3. Проверка факта того, что существует невыполнимая гипотеза . Если «да», то эта гипотеза  исключается из списка гипотез.

4. Вычисляются цели свидетельств - Ц ().

Выбирается свидетельство с максимальной целью и задается вопрос по поводу этого свидетельства.

5. Получаем ответ  по шкале неопределенности.

6. С учетом полученного ответа пересчитываются вероятности гипотез: .

7. Проверка того факта является ли множество свидетельств  пустим?

Если «да», то «стоп» и среда гипотез выбирается гипотеза с наибольшей текущей вероятностью.

Если нет, то из множества  исключается свидетельство, по которому только что был задан вопрос и далее осуществляется переход к пункту 2.

Система искусственного интеллекта (ИИ)

Тема 4: Нейронные сети

. . .

. . .

. . .

. . .

(, …, ) = f (  (, …, ))

W = ,  – вес связи между i – м и j – м нейронами

Закон активации		Закон обучения		Закон взаимодействия
Обновляет состояние нейронов		Изменят веса связей		Регулирует порядок активации нейронов

Нейрон и закон активации

<j>

∑

F

           Нейрон <j> или:

1) Предел (порог) возбуждения

2) В момент времени t и сходится в сост. (t)

3) Может быть связан с другими нейронами <j>, который связан с интенсивностью (веса связи)

Уровень возбуждения нейрокод элемента

 =  -                  =

 =   -

Закон активации

 (t) →  (t+1)

 (t+1) = F (  (t))

 (t+1) = 1, если   -  > 0

 (t+1) = 0 (или 1), если   -  ≤ 0

Закон обучения

       Обучающие правила определяют, каким образом изменяются связи в ответ на входное воздействие.

 (t) →  (t+1)

 (t+1) =  (t) + a

 a – скорость обучения (некий коэффициент)

0<a<1

Закон взаимодействия

Этот закон определяет порядок обновления состояния нейронов и весов связей.

Применяются, например:

1) последовательный циклический обзор нейронов;

2) все нейроны задействуются параллельно;

3) осуществляется случайный выбор нейрона;

4) …. и т.д.

Вариант 1

1. Интеллектуальными называют технологии, обеспечивающие…

А. реализацию некоторых возможностей человеческого мозга;

Б. математическое моделирование;

В. информационное моделирование.

2. Интеллектуальные информационные системы служат для…

А. моделирования сложных проблем;

Б. копирования деятельности человека;

В. создания роботов.

3. Знания – это…

А. факты;

Б. закономерности;

В. секретная информация.

4. Знания отличаются от данных…

А. количеством;

Б. способом представления;

В. достоверностью.

5. Частично структурированные задачи…

А. решаются с помощью типовых математических моделей;

Б. подходят для создания интеллектуальных систем;

В. являются узкоспециализированными.

6. Экспертная система – это…

А. наиболее распространенный класс интеллектуальных систем;

Б. совокупность баз знаний;

В. программный комплекс представления знаний.

7. Экспертные системы влияют на…

А. качество принятия решений;

Б. количество квалифицированных специалистов;

В. деятельность экспертов.

8. Ядром экспертной системы является…

А. система управления базой данных;

Б. база знаний и машина логического вывода;

В. предметная область.

9. Интеллектуальные информационные системы относятся…

А. к классу систем искусственного интеллекта;

Б. к классу систем обработки данных;

В. К классу систем обработки информации.

10. В системах искусственного интеллекта применяются…

А. способы представления и обработки данных;

Б. способы представления и обработки информации;

В. Способы представления и обработки знаний.

Вариант 2

1. К интеллектуальным информационным системам относятся…

А. система обработки данных;

Б. система обработки информации;

В. система обработки знаний.

2. Знания позволяют описать…

А. смысл () и закономерности предметной области;

Б. математическую модель предметной области;

В. информационную модель предметной области.

3. Интеллектуальные информационные системы служат для…

А. моделирования сложных проблем;

Б. копирования деятельности человека;

В. создания роботов.

Читайте также:



Техника прыжка в длину с разбега

Тактические действия в защите

История Олимпийских игр

История развития права интеллектуальной собственности