Дисципліни ВНЗ машинне навчання та ШІ

pupenasan commented 2 years ago

Штучний інтелект в управлінні технологічними процесами. ПРИДНІПРОВСЬКА ДЕРЖАВНА АКАДЕМІЯ БУДІВНИЦТВА ТА АРХІТЕКТУРИ Текст відскановано, тому не привожу зміст.

pupenasan commented 2 years ago

Системи штучного інтелекту (ХАІ/Мехатроніки та електротехніки)

Змістовий модуль 1. Введення в область ШІ. Моделі подання знань в ІС

Тема 1. Область ШІ. Поняття інтелекту. Область ШІ. Підходи до визначення ШІ. Інформацій-ний, біонічний і еволюційний підходи. Інтелектуальні системи. Цілі, завдання і можливість створення ШІ. Етапи розвитку та основні напрямки ШІ. Методи пошуку рішень в просторі станів - перший етап розвитку напрямку ШІ: пошук в ширину, в глибину і комбининий. Спискові структури - основа роботи інтелек-туальних систем.
Тема 2. Подання знань в інтелектуальних системах. Основні поняття і визначення. Предметна область. Дані і знання. Власти-вості, характеристики знань. Процедурні і декларативні знання. Класифікація знань по глибині, по жорсткості. Формалізація знань. Формальні мови. Мови (моделі) уявлення знань. Класифікація моделей знань і даних. Формально-логічні, продукційні, мережеві ЯПЗ.
Тема 3. Формально-логічні моделі. Формально-логічні моделі. Логіка висловлювань. Алфавіт, аксіоми, тео-реми, логічні змінні, логічний висновок. Основні закони і правила виводу логі-ки висловлювань. Логіка предикатів. Елементи мови логіки предикатів. Терми, квантори загальності та існування. Мо-віддалені логіки, псевдофізіческіе логі-ки. Поняття логічного програмування. Мова Пролог (на прикладі PDC-Prolog). Подання в Пролог фактів і правил. Уніфікація в Пролог. Робота зі списками і рекурсивні програми в Пролог. Введення в мову програмування ЛИСП на при-кладі XLisp. Синтаксис, основні функції.
Тема 4. Продукційні модели. Продукційні моделі. Продукція, системи правил. Консеквента і антецеде-нтом. Гіпотеза, факт, свідоцтво. Види інтерпретації правил. Прямій, зворотний і змішаний висновок в продукційних системах. Поняття немонотонного виве-дення.
Тема 5. Семантичні мережи і фрейми. Семантичні мережі. Види відносин в семантичних мережах. Фрейми Мін-ського, слоти. Види фреймів. Мережі фреймів. Ієрархія і успадкування власти-востей. Подібність і відмінності між мережами фреймів і об'єктно-орієнтованим програмуванням. Особливості рішення задач із використанням користуванням семантичних мереж і фреймів.
Тема 6. Основи нечіткої логіки. Нечітке безліч. Нечітка логіка. Функція приналежності. Основні операції в нечіткій логіці. Фазифікація, дефазифікації, нечіткий висновок. Методи де-фазифікації. Поняття лінгвістичної змінної. Застосування нечіткої логіки в сис-темах управління.

Змістовий модуль 2. Експертні та природної мови системи

Тема 7. Поняття експертної системи. Експертиза та експертна інформація. Визначення експертної системи (ЕС). Відмінності ЕС від інших програм і систем ШІ. Призначення і функції ЕС. Роль ЕС в області ШІ. Структура ЕС. База знань, машина виведення, інтерфейс ко-ристувача, компонента пояснення, компонента навчання. Відмінності стати-чеський і динамічної ЕС. Класифікації ЕС по розв'язуваної задачі, по зв'язку з реальним часом, по мірі інтеграції, за ступенем складності, за стадіею реаліза-ції, по типу програмних і технічних засобів. Приклади застосування експертних систем в машинобудуванні.
Тема 8. Етапи будови ЕС. Колектив розробників ЕС. Користувач, експерт, програміст, програміст-інтег-ратор, інженер по знаннях. Підходи до створення ЕС. Етапи проектуван-ня: ідентифікація, концептуалізація, формалізація, реалізація, тестування. Ви-лучення знань. Стратегії, труднощі і методи через потягу знань. Особливості проектування ЕС як інформаційно-програмного виробу.
Тема 9. Подання невизначеності знань в ЕС. Подання невизначеності знань і даних в ЕС. Джерела невизначеності. Імо-вірнісний підхід. Аргументи про неадекватність теорії імовірності. Застосуван-ня нечіткої логіки. Подання нечітких даних. Коефіцієнти впевненості. Ступінь довіри.
Тема 10. Природна мова і комп'ютер. Застосування природної мови (ПМ) в інтелектуальних системах. Відмінно-сті ПМ від формальних мов представлення знань. Неоднозначність ПМ. Види неоднозначності. Етапи пропозицій ПМ. Синтаксис, семантика і прагматика ПМ. Синтаксично-орієнтований і семантично-орієнтований аналіз ПМ. Про-блеми аналізу та синтезу мови на ЕЯ.
Тема 11. Методи моделювання розуміння природної мови. Методи аналізу ЕЯ: шаблони, синтаксичні граматики, розширені мережі переходів, семантичні граматики, відмінкові фрейми. Приклад шаблонно-орієнтованої Alice-подібної діалогової системи.

Модуль 3. Змістовий модуль 3. Інтелектуальні та робототехнічені системи

Тема 12. Введення в нейронні мережі. Поняття нейронної мережі (НМ). Біологічний прототип і штучний нейрон. Математичні моделі нейронів. Одношарові і багатошарові спокуса недержавні нейронні мережі. Термінологія, позначення і схематичне зображення штучних нейронних мереж. Завдання класифікації і регресу, які вирішуються нейронни-ми мережами. Персептрони і зародження нейронних мереж які спокусають. На-вчання персептрона. Алгоритм навчання персептрона. Навчальний алгоритм назад-го поширення. Приклад навчання. Область застосування алгоритму та обмеження щодо використання. Рекурентні моделі НМ. Модель Хопфілда. Асоціативна пам'ять і відновлення зашумленого образу на основі цієї моделі. Введення випадок-ного процесу в модель Хопфілда. Машина Больцмана. Прик-лади використання НМ для класифікації і регресії в машинобудуванні.
Тема 13. Генетичні алгоритми. Теорія еволюції Дарвіна і її застосування в ШІ. Еволюційні обчислюючі. Генетичні алгоритми. Хромосоми, популяція, покоління, елітизм, гени, успад-кування, якість хромосоми, критерій відбору. Оператори мутації, схрещування, розмноження, редукції. Приклади розв'язання задач в машинобудуванні за до-помогою генетичних алгоритмів.
Тема 14. Гібридні інтелектуальні системи. Поняття гібридної ІС (ГІС). Класифікація ГІС. Методи взаімодії між ком-понентами ГІС. Введення в методологію побудови ГІС. Приклади застосування ГІС в машинобудуванні. Тема 15. Введення в інтелектуальну робототехніку. Історія робототехніки. Класифікація роботів. Поняття про інтелектуальні роботі. Структура інтелектуального робота і його системи управління. Три під-ходи до побудови системи управління інтелектуальним роботом: ієрархічний, реактивний і гібридний. Застосування інтелектуальних роботів в машинобуду-ванні.

Практичні 1 Уявлення знань в інтелектуальних системах. 2 Застосування ПМ в інтелектуальних системах. 3 Програмні моделі інтелектуальних інформаційних технологій Toolbox Neural Net, Fuzzy Logic Toolbox пакету математичного моделювання MatLab. 4 Розв’язок прикладних задач у середовищі Fuzzy Logic Toolbox: нечітка математика, нечіткі виведення, нечіткі ре-гулятори. 5 Розв’язок прикладних задач управління за допомогою сере-довища Toolbox Neural Net. 6 Системи управління інтелектуального робота.

pupenasan commented 2 years ago

ТЕХНОЛОГІЇ ШТУЧНОГО ІНТЕЛЕКТУ (маг) (КПІ/кафедра технічних та програмних засобів автоматизації)

Лекції Штучний інтелект та рішення актуальних задач з його допомогою

1 Технології штучного інтелекту – визначення, методи, область використання, сучасні напрямки розвитку.
2 Інтелектуальний аналіз даних– Data Mining. Класи систем та задачі.
3 Області застосування та програмне забезпечення. Машинне навчання, алгоритми та програмні засоби для рішення інтелектуальних задач.
4 Машинне навчання. Навчання з вчителем та навчання без вчителя, навчання з підкріпленням.
5 Нейромережеві методи. Види нейронних мереж. Застосування.
6 Кластеризація. Методи та засоби. Застосування технологій штучного інтелекту в системах керування.
7 Реалізація технологій штучного інтелекту в системах керування – інтелектуальні системи керування
8 Застосування нечіткої логіки в системах керування, реалізація нечітких моделей в Matlab Fuzzy Logic Toolbox
9 Досягнення та перспективи розвитку інтелектуальних методів.

Практичні Штучний інтелект та рішення актуальних задач з його допомогою

1 Пошук, попередня обробка та візуалізація даних, необхідних для виконання магістерської дисертації. Формування набору даних для подальшого використання в практичних роботах Машинне навчання, алгоритми та програмні засоби для рішення інтелектуальних задач.
2 Кластеризація даних. Виділення груп схожих даних з метою виконання подальших задач машинного навчання окремо у кожному кластері з метою підвищення точності моделювання.
3 Рішення задач класифікації із використанням засобів інтелектуального аналізу даних за алгоритмом С4.5 (програма See-5).
4 Рішення задачі апроксімації експериментальних (можливо моніторінгових даних систем Scada) за допомогою нейроних мереж в програмному середовищі за вибором студента.
5 Рішення задачі апроксімації експериментальних (можливо моніторінгових даних систем Scada) за допомогою нейро-нечітких мереж в Matlab. Застосування технологій штучного інтелекту в системах керування.
6 Розробка системи нечіткого логічного виводу для рішення задачі розробки систем керування в пакеті Fuzzy Logic Toolbox Matlab.

pupenasan commented 2 years ago

Штучний інтелект в системах автоматизації НУБІП

Тема1 Вступ. Основні концепції нейронних мереж.
Виконання лабораторної роботи: Основні компоненти пакету Neural Networks Toolbox. Захист лабораторної роботи. Виконання самостійної роботи.
Тема2 Властивості і топологія нейронних мереж
Виконання лабораторної роботи: Функції налаштування шарів нейронів. Функції одновимірної оптимізації та ініціалізації шарів і зсувів. Захист лабораторної роботи. Виконання самостійної роботи.
Тема3 Навчання нейронних мереж Виконання лабораторної роботи: Функції створення нейронних мереж. Функції перетворення входів мережі, вагів та відстаней. Захист лабораторної роботи. Виконання самостійної роботи.
Тема4 Перенавчання нейронних мереж та їх різновиди
Виконання лабораторної роботи: Функції розміщення нейронів (топологічні функції) та використання нейронних мереж. Захист лабораторної роботи. Виконання самостійної роботи. Тема5 Використання нейронних мереж. Персептрони Виконання лабораторної роботи: Ідентифікація Реалізація у Neural Networks Toolbox графічних та інших функцій. Захист лабораторної роботи. Виконання самостійної роботи.
Тема6 Історичні аспекти виникнення нечіткої логіки. Нечіткі множини Виконання лабораторної роботи: Призначення і можливості пакету Fuzzy Logic Toolbox. Побудова нечіткої апроксимуючої системи. Захист лабораторної роботи. Виконання самостійної роботи.
Тема7 Операції над нечіткими множинами Виконання лабораторної роботи Побудова експертної системи в пакеті Fuzzy Logic Toolbox. Захист лабораторної роботи. Виконання самостійної роботи.
Тема8 Нечітка і лінгвістична змінні Виконання лабораторної роботи: Створення власних функцій належності. Функції виклику діалогових вікон інтерфейсу. Захист лабораторної роботи. Виконання самостійної роботи.
Тема9 Механізми і алгоритми нечітких висновків Виконання лабораторної роботи: Робота Fuzzy Logic Toolbox у режимі командного рядка . Захист лабораторної роботи. Виконання самостійної роботи.
Тема10 Спрощений алгоритм нечіткого висновку. Методи приведення до нечіткості Виконання лабораторної роботи: Функції створення, перегляду структури і редагування систем нечіткого висновку. Захист лабораторної роботи. Виконання самостійної роботи.

pupenasan / TI40

Дисципліни ВНЗ машинне навчання та ШІ #8