Лабораторная работа № 2. Экспертная система на базе нечеткой логики.
План занятия:
1. Актуализация изученного теоретического материала по теме работы.
2. Выполнение практического задания.
3. Отчет о выполненной работе.
Лабораторная работа № 3. Платформа «Deductor». Нейросети.
План занятия:
1. Актуализация изученного теоретического материала по теме работы.
2. Выполнение практического задания. Создание прайс-листа средствами языка HTML.
3. Отчет о выполненной работе.
Лабораторная работа № 4. Платформа «Deductor». DataMining.
План занятия:
1. Актуализация изученного теоретического материала по теме работы.
2. Выполнение практического задания.
3. Отчет о выполненной работе.
Методические указания по выполнению самостоятельной работы
Изучение дисциплины «Интеллектуальные информационные системы» предусматривает такие виды учебной деятельности, как лекции, лабораторные работы под руководством преподавателя, самостоятельное изучение теоретических разделов дисциплины, самостоятельное выполнение заданий лабораторного практикума и сдачу зачета.
Задания лабораторного практикума должны быть выполнены студентом в полном объеме. Часть заданий выполняется на аудиторных лабораторных работах под руководством преподавателя, остальные - самостоятельно в межсессионный период.
Цель лекционного курса – дать целостное представление о роли информационных систем в предметной области, раскрыть возможности использования современных компьютерных технологий для обработки экономической информации в области учета товародвижения, изложить основные принципы обработки учетной информации при помощи средств вычислительной техники.
|
|
|
Основная цельлабораторных работ – научить студентов пользоваться современными техническими и программными средствами для обработки экономической информации.
Каждую лабораторную работу студент должен выполнить самостоятельно. Для отчета лабораторных работ студент должен по каждой работе оформить отчёт, в котором коротко описываются основные теоретические положения изучаемой темы, а также ход работы, размещаются распечатки необходимых результатов; кроме того, преподавателю представляются файлы на экране и в личной папке студента на компьютере.
Результаты лабораторных работ оцениваются с учетом теоретических знаний по соответствующим разделам дисциплины, техники выполнения работы, объективности и обоснованности принимаемых решений в процессе работы с данными, качества оформления и уровнем владения практическими навыками при работе на компьютере.
Переход к выполнению следующей лабораторной работы допускается только после выполнения предыдущей работы.
|
|
|
В процессе выполнения лабораторных работ студентам необходимо привить такие важные для работников экономической сферы качества, как: аккуратность, четкость, корректность выполнения расчетов, умение рационально использовать рабочее время.
Для подготовки к зачету студентам следует самостоятельно изучить некоторые разделы дисциплины и выполнить соответствующие задания в соответствии с методическими указаниями для самостоятельной работы. Результаты самостоятельной работы должны быть предъявлены преподавателю перед зачетом.
Самостоятельная работа состоит из изучения теоретических разделов дисциплины и выполнения практического задания.
Ответы на теоретические вопросы оформляются в виде файла на носителе информации, в конце работы приводится список использованной литературы, дата и ФИО студента. Практическое задание выполняется в виде файлов на носителе информации. Без зачтенной самостоятельной работы студент к зачету не допускается.
При самостоятельной работе по дисциплине «Интеллектуальные информационные системы» студентам целесообразно придерживаться следующей последовательности.
1. Внимательно ознакомиться с методическими указаниями по выполнению самостоятельной работы.
|
|
|
2. Изучить рекомендованную литературу и ответить на контрольные теоретические вопросы.
3. Внимательно изучить задание и методические рекомендации по его выполнению. Ознакомиться с решением типовых задач.
4. Выполнить задание и скопировать его на носитель информации.
5. Сдать работу преподавателю.
Вопросы для контроля знаний студентов
1. Понятие «искусственный интеллект». Направления научного развития искусственного интеллекта.
2. Эволюционное моделирование в теории интеллектуальных информационных систем. Схема эволюционного процесса согласно синтетической теории. Виды интеллектуальных информационных систем (ИИС).
3. Инструментальные средства ИИС: языки программирования, языки представления знаний, программные оболочки.
4. Архитектура типичной экспортной системы (ЭС). Логическая организация экспертной системы.
5. Классификация ЭС. Инструментальные средства построения ЭС.
6. База знаний. Преставление знаний. Приобретение знаний. Задачи экспертов и инженеров по знаниям в разработке экспертной системы.
7. Способы формального представления знаний. Фреймовые модели, семантические сети, продукционные системы и другие.
|
|
|
8. Виды неопределенности при обработке знаний. Байесовские правила вычисления коэффициента определенности утверждений.
9. Особенности проектирования ЭС: процесс вывода решения и процесс объяснения.
10. Конфигурация оболочки учебной ЭС «MiniExpert». Основные сценарии работы на примере ЭС «MiniExpert». Правило вывода, использующееся в ЭС «MiniExpert».
11. Области применения ЭС. Применение для задач экономики.
12. Биологический нейрон. Структура и функционирование.
13. Общие понятия в моделировании нейронов. Математическая модель нейрона.
14. Классификация моделей нейронных сетей.
15. Методы обучения искусственных нейронных сетей.
16. Применение искусственных нейронных сетей, в том числе для задач экономики.
17. Основные понятия и термины генетического алгоритма (ГА). Отличие ГА от других оптимизационных и поисковых процедур.
18. Компоненты генетического алгоритма.
19. Операторы ГА. Естественные аналоги операторов ГА.
20. Соотнесение простого генетического алгоритма основным процессам эволюции. Фундаментальная теорема ГА.
21. Применение генетических алгоритмов.
22. Назначение аналитического программного пакета «Deductor».
23. Методы интеллектуального анализа данных в составе Deductor.
24. Методика извлечения знаний из массивов данных DataMining.
25. Примеры применения интеллектуального анализа данных в задачах экономики.
Дата добавления: 2018-02-18; просмотров: 884; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!