Інформаційно-керуючі системи - Робоча програма навчальної дисципліни (Силабус)
Реквізити навчальної дисципліни
| Рівень вищої освіти | Перший (бакалаврський) |
| Галузь знань | 12 Інформаційні технології |
| Спеціальність | 126 Інформаційні системи та технології |
| Освітня програма | Інтегровані інформаційні системи |
| Статус дисципліни | Нормативна |
| Форма навчання | очна(денна) |
| Рік підготовки, семестр | 4 курс, осінній семестр |
| Обсяг дисципліни | 90 годин (36 годин – Лекції, 18 годин – Лабораторні, 36 годин – СРС) |
| Семестровий контроль/ контрольні заходи | Залік |
| Розклад занять | http://rozklad.kpi.ua |
| Мова викладання | Українська |
| Інформація про керівника курсу / викладачів | Лектор: доц., к.т.н., с.н.с. Кравець Петро Іванович ст.викладач Шимкович Володимир Миколайович |
| Розміщення курсу | https://campus.kpi.ua |
Програма навчальної дисципліни
Опис навчальної дисципліни, її мета, предмет вивчання та результати навчання
Опис дисципліни. Сучасні досягнення інформаційних технологій для проектування і впровадження систем управління для різних класів об’єктів і технологічних процесів, що функціонують в умовах невизначеності, пов’язані з широким впровадженням в практику реалізації систем управління технологій штучного інтелекту та спеціальних мов і засобів програмування, а також впровадженням нової елементної бази для побудови систем управління - вільно програмованих контролерів і нейроконтрокерів, потребує фахівців з відповідними знаннями в цій галузі.
Предметом вивчення навчальної дисципліни: є сучасні принципи побудови інтелектуальних інформаційно-керуючих системи, що базуються на технологіях штучного інтелекту, їх архітектура, технології реалізації, моделювання та налагодження для різних типів об’єктів і систем
Міждисциплінарні зв’язки.
Вивчення дисципліни базується на знаннях, навичках та уміннях, отриманих під час вивчення студентами дисциплін математичного циклу, теорії систем, моделювання процесів та систем, теорії автоматичного керування, комп’ютеризованих систем управління та керування, обчислювального інтелекту та програмного забезпечення систем управління.
Знання, одержані при вивчені даної дисципліни використовуються в дисциплінах: «Проектування інформаційно-керуючих систем», «Цифрові та оптимальні системи управління», «Проектування інформаційних систем», у курсовому та дипломному проектуванні.
Мета навчальної дисципліни. Метою вивчення дисципліни є формування у майбутніх фахівців знань та вмінь застосування сучасних методів та засобів проектування, реалізації, налаштування та дослідження інтелектуальних інформаційно-керуючих систем і отримання навиків використання таких систем та технологій в своїй практичній роботі.
Основні завдання навчальної дисципліни
Знання:
- теоретичних основ основних типів технологій штучного інтелекту, які використовуються для побудови інтелектуальних систем керування;
- принципів побудови інтелектуальних інформаційно-керуючих систем, їх архітектуру, алгоритмів функціонування, технологій проектування та налагодження для різних класів обєктів, що функціонують в умовах невизначеності;
- сучасних програмних засобів для проектування, моделювання та налагодження інтелектуальних інформаційно-керуючих систем .
Уміння:
створювати та ідентифікувати моделі об’єктів управління засобами штучного інтелекту;
обґрунтовано вибирати технології штучного інтелекту для реалізації інтелектуальних інформаційно-керуючих систем при розв’язані відповідних практичних задач;
розробляти, моделювати, досліджувати та налагоджувати інтелектуальні інформаційно-керуючі системи;
використовувати сучасні програмні засоби та середовища для розробки, налаштування та дослідження інтелектуальних систем управління різних типів.
розробляти структуру та алгоритми функціювання систем керування, вибирати необхідні елементи для їх реалізації, використовувати сучасні технології проектування, моделювання та налагодження інтелектуальних систем управління;
Пререквізити та постреквізити дисципліни (місце в структурно-логічній схемі навчання за відповідною освітньою програмою)
Пререквізити: Студенти повинні мати знання з дисциплін “Вища математика”, „Інженерія систем”, “Теорія автоматичного управління”, “Моделювання процесів та систем” Комп’ютерна техніка та технології”, „Теорія інформаційних процесів” та інші.
Постреквізити: Після вивчення дисципліни студенти зможуть використати набуті знання та вміння при проектуванні, моделюванні та налагодженні інформаційних систем, комп'ютеризованих систем управління, інформаційно-керуючих систем, систем прийняття рішень, використовуючи для цього сучасні програмні середовища.
Зміст навчальної дисципліни
Лекційні заняття
Вступ.
Розділ 1. Основні поняття і визначення теорії систем штучного інтелекту.
Розділ 2. Інформаційно-керуючі системи на основі експертних систем
Розділ 3. Інтелектуальних систем на основі нечіткої логіки.
Розділ 4. Інтелектуальні систем на основі нейромережевих структур.
Розділ 5. інтелектуальні системи на основі асоціативної пам’яті..
Розділ 6. Генетичні алгоритми в інтелектуальних системах.
Розділ 7. Приклади практичного застосування систем штучного інтелекту
Лабораторні заняття
1. Моделювання системи управління з нечітким ПІД-регулятором.
2. Моделювання системи управління з нечітким регулятором змінної
структури..
3. Синтез нечіткого регулятора по швидкості та прискоренню зміни похибки стану системи управління непереривним об’єктом
4. Дослідження та моделювання системи управління з нечіткими коефіцієнтами ПІД-регулятора.
5. Моделювання системи управління з нейромережевим ПІД-регулятором.
6. Моделювання системи управління з нейромережевим регулятором оптимальним по швидкодії
7. Побудова нейромережевих моделей одномірних обєктів управління.
8. Знаходження мінімуму та максимуму функцій за допомогою генетичних
алгоритмів.
Навчальні матеріали та ресурси
Базова література
Интелектуальные системы автоматического управления / Под ред. И.М.Макарова, В.М.Лохина – М.: ФИЗМАТЛИТ. 2001. – 576 с.
Васильев В.И., Ильясов Б.Г. Интеллектуальные системи управления. Теория и практика: учебное пособие. – М.: Радиотехника. 2009.- 392 с.
Терехов В.А. Нейросетевые системы управления: Учебн.пособие для вузов. – М.: Высш.шк. 2002. – 183.с.
Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети. Физматлит, 2001. - 224 с
Системи штучного інтелекту в плануванні, моделюванні та управлінні [Текст] : підруч. для студ. вищ. навч. закл. / Л. С. Ямпольський , Б. П. Ткач, О. І. Лісовиченко ; Міжрегіон. акад. упр. персоналом (МАУП). - К. : Персонал, 2011. - 543 с.іл.
Ямпольський Л.С. Нейротехнології та нейрокомпютерні системи. Л.С.Ямпольський, О.І.Лісовиченко, В.В.Олійник. – К.: «Дорадо-Друк», 2016. – 576 с.:іл.
Рутковская Д., Пилинський М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы. Пер. с польск. И.Д.Рудинского. М: Горячая линия –Телеком. 2007 – 452 с.
Гостев В.И. Синтез нечетких регуляторов систем автоматического управления, К. Радіоаматор, 2008, 708 с.
Комплект методичних посібників, виданих кафедрою.
Додаткова
Алиев Р.А. и др. Управление производством при нечеткой исходной информации. -М.: Энергоатомиздат, 1991. -240 с.
Поспелов Д.А. Ситуационное управление: теория и практика. - М.: Наука. -Гл.ред.физ-мат. лит., 1986. - 288 с.
Алиев Р.А. Интеллектуальные роботы с нечеткими базами знаний. -М.: Радио и связь, 1995. -177 с.
Навчальний контент
Методика опанування навчальної дисципліни (освітнього компонента)
Лекційні заняття
| № з/п | Назва теми лекції та перелік основних питань (перелік дидактичних засобів, посилання на літературу та завдання на СРС) |
|---|---|
| 1 | Вступ. Лекція 1. Мета та задачі курсу. Інтелектуальні системи управління - нові технології розробки та реалізації систем управління. Еволюція засобів проектування та реалізації систем управління. Структура традиційної та інтелектуальної системи управління.. Література: [1,2,5] Завдання на СРС Поглиблене вивчення матеріалів лекції. |
| 2 | Розділ 1. Основні поняття і визначення теорії систем штучного інтелекту. Лекція 2. Основні поняття і визначення теорії інтелектуальних систем управління. Моделі та алгоритми прийняття рішень при керуванні складними об’єктами. Моделі представлення знань в інтелектуальних системах управління. Технології нечіткої логіки, нейромережевих структур, експертних систем, асоціативної пам’яті, генетичних алгоритмів та їх комбінацій Література: [1,2,5] Завдання на СРС. Поглиблене вивчення матеріалів лекції. |
| 3 | Лекція 3. Концептуальні основи організації інтелектуального управління складними об’єктами Література: [1] Завдання на СРС. Поглиблене вивчення матеріалів лекції. |
| 4 | Розділ 2. Інформаційно-керуючі системи на основі експертних систем Лекція 4-5. Структура експертних систем. Технологія проектування та реалізації експертних систем. Структура експертної системи управління. Архітектура експертного регулятора. Етапи функціонування експертного регулятора. Порядок формування теоретичних знань по використанню алгоритмів ідентифікації, емпіричних знань, стратегій та евристик, знань про динаміку нелінійної системи, синтезу регулятора. Адаптивна система управління на основі експертного регулятора. Література: [1] Завдання на СРС. Поглиблене вивчення матеріалів лекції. |
| 5 | Розділ 3. Інтелектуальних систем на основі нечіткої логіки. Лекція 6. Поняття нечітких множин. Основні визначення, правила і дії над нечіткими множинами. Функції приналежності. Методика побудови функції приналежності. Різновиди функцій приналежності. Елементи нечіткої логіки. Операції та дії в нечіткій логіці. Багатозначні логіки. Література: [1,2,4,5] Завдання для СРС. Поглиблене вивчення матеріалів лекції. |
| 6 | Лекція 7. Моделі об’єктів управління в середовищі нечітких множин. Регресійні моделі об’єктів з нечіткими параметрами. Методи ідентифікації об’єктів з нечіткими параметрами. Лінгвістичні змінні та змінні на основі нечітких множин. Лінгвістичні моделі об’єктів. Література: [1,4,10] Завдання для СРС. Поглиблене вивчення матеріалів лекції. |
| 7 | Лекція 8.. „Нечіткі” алгоритми. Основні принципи побудови „нечітких” алгоритмів. Алгоритми класифікації та композиції. Моделі прийняття рішень на основі алгоритмів класифікації та композиції. Нечіткі моделі прийняття рішень при керуванні складними системами. Моделі прийняття рішень на основі імітації дій оператора. Лінгвологічна та автолінгвологічна моделі прийняття рішень. Ситуаційне управління. Література: [1,2,4] Завдання для СРС.. Поглиблене вивчення матеріалів лекції. |
| 8 | Лекція 9. „Нечіткі” регулятори. Загальна структура замкнутої системи управління з „нечіткими” регуляторами. Принцип роботи. Фазифікація вхідних даних. Дефазифікація вихідних даних. База знань регулятора. Таблиця лінгвістичних правил. Аналітичні методи синтезу „нечітких” регуляторів. Лінгвістичний синтез „нечітких” регуляторів. Програмна реалізація „нечітких” регуляторів. Література: [1,2,8] Завдання для СРС.. Поглиблене вивчення матеріалів лекції. |
| 9 | Лекція 10 Комбіновані та адаптивні системи управління з „нечіткими” регуляторами. Структурні схеми. Принцип роботи. Синтез таблиць лінгвістичних правил адаптивного регулятора. Алгоритми програмної реалізації адаптивних „нечітких” регуляторів. Правила формування бази знань „нечітких” регуляторів. Правила умовного нечіткого виводу даних. Джерела збору знань. Процедури навчання та адаптації бази знань „нечітких” регуляторів. Передаточні характеристики „нечітких” регуляторів. Проблема стійкості систем управління з „нечіткими” регуляторами. Використання критеріїв Ляпунова і Попова для синтезу стійких систем керування з „нечіткими” регуляторами. Література: [1,2,8,10] Завдання для СРС.. Поглиблене вивчення матеріалів лекції. |
| 10 | Розділ 4. Інтелектуальні систем на основі нейромережевих структур. Лекція 11. Біологічній нейрон. Модель нейрона. Базовий процесорний елемент. Різновиди функцій активації нейрона. Перцепрони. Статичні одно- та багатошарові нейронні мережі. Нейромережі з радіально-базовими функціями активації. Динамічні багатошарові нейромережі. Нейромережа Хопфілда. Властивості багатошарових нейромережевих структур. Поняття узагальненого налагоджуваного об’єкта. Література: [1,3,5,6] Завдання для СРС. Поглиблене вивчення матеріалів лекції. .Підготовка до контрольної роботи. |
| 11 | Лекція 12. Принципи та алгоритми навчання і тренування нейроних мереж. Метод та алгоритм зворотної передачі похибки. Динамічні алгоритми навчання багатошарових нейромережевих структур: швидкісний алгоритм зворотної передачі похибки, алгоритм з прогнозом похибки навчання, алгоритм зворотної передачі похибки в часі, алгоритм зворотної передачі похибки в структурі узагальненого налагоджуваного об’єкта Література: [1,3,5,6], Завдання для СРС. Поглиблене вивчення матеріалів лекції. |
| 12 | Лекція 13. Системи управління на основі нейромережевих структур. Пряма та інверсна нейромережева моделі об’єкта. Нейрорегулятори послідовної та паралельної структури, нейрорегулятори з самоналагодженням та нейрорегулятори з нейромоделю об’єкта. Система управління з прямою та інверсною моделями об’єкта. Адаптивна система управління з прямою та інверсною моделями об’єкта. Синергетичний підхід до синтезу нейромережевих систем управління. Узагальнена функціональна схема нейромережевих систем управління. Література: [1,3,5,6], Завдання для СРС. Поглиблене вивчення матеріалів лекції. |
| 13 | Лекція 14. „Нечіткий” нейрон. Нейроні мережі на основі „нечітких” нейронів. Адаптивні системи керування складними об’єктами на основі нейромережі з „нечітких” нейронів. Імітаційне моделювання „нечітких” регуляторів нейроними мережами. Використання нейромереж для реалізації, оптимізації та навчання систем управління на основі „нечітких” регуляторів. Література: [1,3,6,7], Завдання для СРС. Поглиблене вивчення матеріалів лекції. |
| 14 | Розділ 5. інтелектуальні системи на основі асоціативної пам’яті. Лекція 15. Класифікація і способи реалізації асоціативної пам’яті. Структури систем управління на основі асоціативної пам’яті першого и другого роду. Ієрархічні інтелектуальні системи управління першого і другого роду. Адаптивна система управління на основі асоціативної пам’яті. Система управління на основі асоціативної пам’яті, що сама навчається. Стійкість систем управління на основі асоціативної пам’яті. Література: [1] Завдання для СРС. Поглиблене вивчення матеріалів лекції. |
| 15 | Розділ 6. Генетичні алгоритми в інтелектуальних системах. Лекція 16-17 Генетичні алгоритми і традиційні методи оптимізації. Основні поняття генетичних алгоритмів. Класичний генетичний алгоритм. Модифікації класичного генетичного алгоритму. Генетичні алгоритми для багатокритеріальної оптимізації. Еволюційні алгоритми. Еволюційні алгоритми в нейромережевих структурах. Роєві алгоритми та іх використання в системах управління Література: [7] Завдання для СРС.. Поглиблене вивчення матеріалів лекції. |
| 16 | Розділ 7. Приклади практичного застосування систем штучного інтелекту Лекція 18. Інтелектуальні роботи. Покоління роботів. Системи керування роботів. Бази знань інтелектуального робота. Елементи систем керування роботів. Системи технічного зору роботів. Структурні схеми систем управління інтелектуальних роботів на основі технологій інтелектуальних систем. Література: [1,12] Завдання для СРС Поглиблене вивчення матеріалів лекції. |
Лабораторні заняття
| № | Назва лабораторної роботи | Кількість ауд. годин |
|---|---|---|
| 1 | Лабораторна робота 1. Моделювання системи управління з нечітким ПІД-регулятором. Література: [9] |
2 |
| 2 | Лабораторна робота 2. Моделювання системи управління з нечітким регулятором змінної структури. Література: [9] |
2 |
| 3 | Лабораторна робота 3. Синтез нечіткого регулятора по швидкості та прискоренню зміни похибки стану системи управління непереривним об’єктом. Література: [9] |
2 |
| 4 | Лабораторна робота 4. Дослідження та моделювання системи управління з нечіткими коефіцієнтами ПІД-регулятора. Література: [9] |
2 |
| 5 | Лабораторна робота 5. Моделювання системи управління з нейромережевим ПІД-регулятором. Література: [9] |
2 |
| 6 | Лабораторна 6. Моделювання системи управління з нейромережевим регулятором оптимальним по швидкодії. Література: [9] |
2 |
| 7 | Лабораторна робота 7. Побудова нейромережевих моделей одномірних обєктів управління. Література: [9] |
2 |
| 8 | Лабораторна робота 8. Знаходження мінімуму та максимуму функцій за допомогою генетичних алгоритмів. Література: [9] |
2 |
Самостійна робота студента/аспіранта
|
Назва теми, що виноситься на самостійне опрацювання | Кількість годин СРС |
|---|---|---|
| 1 | Вступ. Лекція 1. Зміст, мета та задачі дисципліни. Література: [1,2,5] |
1 |
| 2 | Розділ 1. Основні поняття і визначення теорії систем штучного інтелекту. Лекція 2. Визначення та класифікація систем управління. Література: [1,2,5] |
1 |
| 3 | Розділ 1. Лекція 3. Концептуальні основи організації інтелектуального управління Література: [1] |
2 |
| 4 | Розділ 2. Інформаційно-керуючі системи на основі експертних систем Лекція 4-5. Структура експертних систем. Література: [1] |
2 |
| 5 | Розділ 3. Інтелектуальних систем на основі нечіткої логіки. Лекція 6. Поняття нечітких множин. Література: [1,2,4,5] |
2 |
| 6 | Розділ 3. Лекція 7. Моделі об’єктів управління в середовищі нечітких множин. Література: [1,2,10] |
2 |
| 7 | Розділ 3 Лекція 8. „Нечіткі” алгоритми. Література: [1,2,4]. |
2 |
| 8 | Розділ 3. Лекція 9. „Нечіткі” регулятори. Література: [1,2.8] |
3 |
| 9 | Розділ 3. Лекція 10. Комбіновані та адаптивні системи управління Література: [1,2,8,10] |
2 |
| 10 | Розділ 4. Інтелектуальні систем на основі нейромережевих структур. Лекція 11. Біологічній нейрон. Література: [1,3,5,6] |
3 |
| 11 | Розділ 4. Лекція 12. Принципи та алгоритми навчання і тренування нейроних мереж Література: [1,3,5,6] |
2 |
| 12 | Розділ 4. Лекція 13. Системи управління на основі нейромережевих структур. Література: [1,3,5,6] |
3 |
| 13 | Розділ 4. Лекція 14. „Нечіткий” нейрон. Література: [1,3,6,7] |
3 |
| 14 | Розділ 5. Інтелектуальні системи на основі асоціативної пам’яті. Лекція 15. Класифікація і способи реалізації асоціативної пам’яті. Література: [1] |
2 |
| 17 | Розділ 6. Генетичні алгоритми в інтелектуальних системах. Лекція 16-17. Генетичні алгоритми. Література: [7] |
4 |
| 18 | Розділ 7. Приклади практичного застосування систем штучного інтелекту Лекція 18. Інтелектуальні роботи. Література: [12] |
2 |
Політика та контроль
Політика навчальної дисципліни (освітнього компонента)
Система вимог, які ставляться перед студентом:
відвідування лекційних та лабораторних занять є обов’язковою складовою вивчення матеріалу;
на лекції викладач користується власним презентаційним матеріалом; відпрацьовує практичну частину на віртуальній машині з встановленою відповідною РСУБД; використовує гугл-диск для викладання матеріалу поточної лекції, додаткових ресурсів, лабораторних робіт та інше; викладач відкриває доступ до певної директорії гугл-диска для скидання електронних лабораторних звітів та відповідей на МКР;
на лекції заборонено відволікати викладача від викладання матеріалу, усі питання, уточнення та ін. студенти задають в кінці лекції у відведений для цього час;
лабораторні роботи захищаються у два етапи – перший етап: студенти виконують завдання на допуск до захисту лабораторної роботи; другий етап – захист лабораторної роботи. Бали за лабораторну роботу враховуються лише за наявності електронного звіту;
модульні контрольні роботи пишуться на лекційних заняттях без застосування допоміжних засобів (мобільні телефони, планшети та ін.); результат пересилається у файлі до відповідної директорії гугл-диску;
заохочувальні бали виставляються за: активну участь у підготовці лекційних матеріалів; участь у факультетських та інститутських олімпіадах з навчальних дисциплін, участь у конкурсах робіт, підготовка оглядів наукових праць; презентацій по одній із тем СРС дисципліни тощо. Кількість заохочуваних балів на більше 10;
штрафні бали виставляються за: невчасне відпрацювання та здачу лабораторної роботи
.
Види контролю та рейтингова система оцінювання результатів навчання (РСО)
Рейтинг студента з дисципліни складається з балів, що він отримує за:
виконання та захист 8 лабораторних робіт;
виконання 2 модульних контрольних робіт (МКР);
заохочувальних та штрафних балів.
Система рейтингових балів та критерії оцінювання
Лабораторні роботи
Загальна кількість балів – 50. Оцінка:
«відмінно», повна відповідь на питання під час захисту (не менш ніж 90% потрібної інформації) та оформлений належним чином електронний протокол до лабораторної роботи – 6-7 балів;
«добре», достатньо повна відповідь на питання під час захисту (не менш ніж 75% потрібної інформації) та оформлений належним чином електронний протокол до лабораторної роботи – 4-5 балів;
«задовільно», неповна відповідь на питання під час захисту (не менш ніж 50% потрібної інформації), незначні помилки та оформлений належним чином електронний протокол до лабораторної роботи – 3 бали;
«достатньо», неповна відповідь на питання під час захисту (не менш ніж 30% потрібної інформації), незначні помилки та оформлений належним чином електронний протокол до лабораторної роботи – 1-2 бали;
«незадовільно», незадовільна відповідь та/або не оформлений належним чином електронний протокол до лабораторної роботи – 0 балів.
За кожне запізнення з поданням лабораторної роботи до захисту від встановленого терміну оцінка знижується на 1 бал.
Модульні контрольні роботи
Загальна кількість балів – 20. Кожна модульна контрольна робота містить три теоретичних запитання (завдання). Кожне запитання (завдання) оцінюється у 5 балів. Перелік питань наведений у додатках.
Оцінка:
«відмінно», повна відповідь (не менш ніж 90% потрібної інформації) – 13-15 балів;
«добре», достатньо повна відповідь (не менш ніж 75% потрібної інформації), або повна відповідь з незначними помилками – 10-12 балів;
«задовільно», неповна відповідь (але не менш ніж 60% потрібної інформації) та незначні помилки – 7-9 бали;
«достатньо», неповна відповідь на питання під час захисту (не менш ніж 30% потрібної інформації), незначні помилки та оформлений належним чином електронний протокол до лабораторної роботи – 3-6 бали;
«незадовільно» - 0-2 бали. Незадовільна відповідь (неправильний розв’язок задачі), потребує обов’язкового повторного написання в кінці семестру.
Заохочувальні бали за виконання творчих робіт з кредитного модуля (наприклад, участь у факультетських та інститутських олімпіадах з навчальних дисциплін, участь у конкурсах робіт, підготовка оглядів наукових праць тощо); за активну роботу на лекції (питання, доповнення, зауваження за темою лекції, коли лектор пропонує студентам задати свої питання) 1-2 бали, але в сумі не більше 10;
Міжсесійна атестація
За результатами навчальної роботи за перші 7 тижнів максимально можлива кількість балів –30 (3 лабораторні роботи та МКР-1). На першій атестації (8-й тиждень) студент отримує «зараховано», якщо його поточний рейтинг не менший ніж 10 балів.
За результатами 14 тижнів навчання максимально можлива кількість балів – 60 балів (5 лабораторні та МКР-2. На другій атестації (14-й тиждень) студент отримує «зараховано», якщо його поточний рейтинг не менший ніж 20 балів.
Максимальна сума вагових балів контрольних заходів протягом семестру складає:
RD = 7*rлаб+2*rмкр + (rз - rш ) = 70 + (rз - rш),
де rлаб – бал за лабораторну роботу;
rмкр – бал за написання МКР ;
rз – заохочувальні бали за активну участь на лекціях, презентації, участь в олімпіадах, конкурсі роботи, наукові роботи за тематикою дисципліни (0…10);
rзш – штрафні бали.
Залік
Умовою допуску до заліку є зарахування всіх лабораторних робіт, написання обох модульних контрольних робіт та стартовий рейтинг не менше 30 балів.
На заліку студенти виконують письмову контрольну роботу. Кожен білет містить три теоретичних запитання (завдання). Перелік теоретичних питань наведений у додатку 1. Кожне запитання (завдання) оцінюється у 10 балів.
Система оцінювання питань
Загальна кількість балів – 30. Оцінка:
«відмінно», повна відповідь, не менше 90% потрібної інформації, що виконана згідно з вимогами до рівня «умінь», (повне, безпомилкове розв’язування завдання) – 27-30 балів;
«добре», достатньо повна відповідь, не менше 75% потрібної інформації, що виконана згідно з вимогами до рівня «умінь або є незначні неточності (повне розв’язування завдання з незначними неточностями) – 20-26 балів;
«задовільно», неповна відповідь, не менше 50% потрібної інформації, що виконана згідно з вимогами до «стереотипного» рівня та деякі помилки (завдання виконане з певними недоліками) – 15-19 балів;
«достатньо», неповна відповідь на питання під час захисту (не менш ніж 30% потрібної інформації), незначні помилки та оформлений належним чином електронний протокол до лабораторної роботи – 10-14 балів;
«незадовільно», відповідь не відповідає умовам до «задовільно» – 0-9 балів.
Сума стартових балів та балів за екзаменаційну контрольну роботу переводиться до екзаменаційної оцінки згідно з таблицею:
Таблиця 1. Переведення рейтингових балів до оцінок за університетською шкалою
| Кількість балів | Оцінка |
| 100-95 | Відмінно |
| 94-85 | Дуже добре |
| 84-75 | Добре |
| 74-65 | Задовільно |
| 64-60 | Достатньо |
| Менше 60 | Незадовільно |
Є не зараховані лабораторні роботи або не зарахована модульна контрольна робота |
Не допущено |
Додаткова інформація з дисципліни (освітнього компонента)
- перелік теоретичних питань, які виносяться на семестровий контроль наведено в Додатку 1;
Робочу програму навчальної дисципліни (Силабус):
Складено доцент, к.т.н., с.н.с. Кравець Петро Іванович
Ухвалено кафедрою ІСТ (протокол № 13 від 15.06.2022 р.)
Погоджено Методичною комісією факультету[1] (протокол № 11 від 07.07.2022 р.)
Додаток 1
Перелік теоретичних питань на залік по першій частині курсу
Завдання для поточного та підсумкового контролю
1 Коротко охарактеризуйте основні технології побудови інтелектуальних СШІ..
2 Опишіть ієрархічний принцип побудови інтелектуальних систем.
3 Охарактеризуйте П’ять принципів організації інтелектуальних систем..
4 Охарактеризуйте поняття ступені „інтелектуальності” інтелектуальних систем.
5 Охарактеризуйте експертну технологія побудови інтелектуальних систем..
6 Опишіть структурну схему реалізації експертної технології..
7 Опишіть архітектуру експертного регулятора.
8 Охарактеризуйте етапи функціонування експертного регулятора.
9 Опишіть порядок формування теоретичних знань по використанню алгоритмів ідентифікації, емпіричних знань, стратегій та евристик при реалізації експертних систем..
10 Охарактеризуйте системи управління на основі експертної технології.
11 Опишіть мови формалізації знань.
12 Охарактеризуйте технологію нечітких множин і її використання в інтелектуальних системах...
13 Опишіть основні поняття і визначення теорії нечітких множин..
14 Опишіть правила і дії над нечіткими множинами.
15 Опишіть поняття функції приналежності, наведіть приклади різновидів функцій приналежності та методик їх побудови.
16 Охарактеризуйте поняття нечіткої логіки.
17 Опишіть багатозначні логіки.
18 Охарактеризуйте різновиди моделей об’єктів і систем в середовищі нечітких множин.
19 Опишіть регресійні моделі об’єктів і систем з нечіткими параметрами.
20 Опишіть поняття лінгвістичної змінної та змінних на основі нечітких множин.
21 Охарактеризуйте лінгвістичну модель об’єктів і систем.
22 Опишіть алгоритм побудови лінгвістичної моделі.
23 Дайте визначення поняттю „Нечіткий алгоритм” та опишіть основні принципи побудови „нечітких” алгоритмів.
24 Охарактеризуйте модель класифікації на основі лінгвістичної моделі.
25 Охарактеризуйте модель композиції на основі лінгвістичної моделі.
26 Охарактеризуйте алгоритм прийняття рішень на основі моделей класифікації.
27 Охарактеризуйте алгоритм прийняття рішень на основі моделей композиції.
28 Охарактеризуйте алгоритми ситуаційного управління в інтелектуальних системах..
29 Опишіть загальну структуру замкнутої системи управління з „нечіткими” регулятором та принцип її роботи.
30 Опишіть складові елементи „нечітких” регуляторів: фазифікація даних, дефазифікація даних, база знань, таблиця лінгвістичних правил.
31 Опишіть технології дефаззіфікації нечітких значень .
32 Опишіть структуру обчислювача, що реалізує технологію обчислення лінгвістичних моделей і регуляторів.
33 Опишіть алгоритм програмної реалізації „нечітких” регуляторів.
34 Опишіть структуру комбінованої інтелектуальної системи управління з „нечіткими” регуляторами.
35 Опишіть структуру адаптивної інтелектуальної системи управління з „нечіткими” регуляторами.
36 Опишіть структуру адаптивної інтелектуальної системи управління зі змінною структурою „нечітких” регуляторів.
37 Охарактеризуйте шлях розвитку іі основні поняття штучних нейронних мереж.
38 Опишіть базову модель штучного нейрона.
39 Опишіть різновиди моделей штучного нейрона.
40 Опишіть класифікацію штучних нейронних мереж.
41 Опишіть методику підготовки даних для навчання нейронних мереж.
42 Охарактеризуйте стратегії та методи навчання штучних нейронних мереж.
43 Охарактеризуйте правила навчання нейронних мереж.
44 Охарактеризуйте метод зворотного поширення похибки.
45 Охарактеризуйте нейронні мережі прямого поширення.
46 Охарактеризуйте нейронні мережі зустрічного поширення.
47 Охарактеризуйте асоціативні нейронні мережі.
48 Охарактеризуйте нейромережі Хопфілда.
49 Охарактеризуйте нейросітки радіально-базисних функцій.
50 Охарактеризуйте динамічні рекурсивні нейронні мережі.
51 Охарактеризуйте згортаючі нейронні сітки.
52 Охарактеризуйте нейронні сітки адаптивної резонансної теорії.
53 Охарактеризуйте осциляторні нейронні сітки.
54 Охарактеризуйте нечіткі нейронні мережі на основі Фаззі-технологій
55 Опишіть технологію вибору архітектури нейронних мереж .
56. Ваші уявлення про мультиагентні системи.
57. Охарактеризуйте технології реалізації штучних нейронних структур
58 Охарактеризуйте нейроконтролери та нейрокомпютери
59. Опишіть основные понятия генетических алгоритмов.
60. Охарактеризуйте класичний генетический алгоритм.
61. Охарактеризуйте модификації классического генетического алгоритма.
62. Охарактеризуйте еволюційні алгоритми.
63. Охарактеризуйте використання еволюційних алгоритмів в нейронних мережах.
64. Опишіть методику побудови нейромережевих моделей об’єктів та систем..
65. Опишіть структурні схеми нейромережевих систем керування.
66. Охарктеризуйте мурашинні алгоритми та принципи їх функціонування.
67. Опишіть класифікацію і способи реалізації асоціативної пам’яті**.**
68. Опишіть структурні схеми систем управління на основі асоціативної пам’яті
69. Ваші уявлення про інтелектуальні роботи та їх системи керування.
70. Наведіть структурну схему системи керування інтелектуального робота.
71. Охарактеризуйте основні елементи систем керування роботів
72. Ваші уявлення про когнитрон та неокогнетрон.
[1] Методичною радою університету – для загальноуніверситетських дисциплін.
