WWW.PDF.KNIGI-X.RU
БЕСПЛАТНАЯ  ИНТЕРНЕТ  БИБЛИОТЕКА - Разные материалы
 

«ПРОГРАММА ДИСЦИПЛИНЫ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ ЗНАНИЙ И ПОЗНАНИЯ ЦИКЛ* СД – Специальные дисциплины НАПРАВЛЕНИЕ ПОДГОТОВКИ БАКАЛАВРОВ 230100.62 «ИНФОРМАТИКА И ...»

Федеральное агентство по образованию

Государственное образовательное учреждение высшего профессионального образования

«Новосибирский государственный университет» (НГУ)

Факультет информационных технологий

Кафедра общей информатики

ПРОГРАММА

ДИСЦИПЛИНЫ ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ ЗНАНИЙ И ПОЗНАНИЯ

ЦИКЛ* СД – Специальные дисциплины

НАПРАВЛЕНИЕ ПОДГОТОВКИ БАКАЛАВРОВ 230100.62 «ИНФОРМАТИКА И

ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА»

Автор Витяев Евгений Евгеньевич, д.ф.-м.н.

(ФИО, ученая степень, ученое звание) Новосибирск 2009 * Наименование цикла дисциплин в соответствии с ГОС ВПО Программа дисциплины «Информационные технологии знаний и познания»

составлена в соответствии с требованиями к обязательному минимуму содержания и уровню подготовки бакалавра по циклу «Специальных дисциплин» Федеральных государственных образовательных стандартов высшего профессионального образования по направлению 230100.62 «Информатика и вычислительная техника».

1. Цели и задачи дисциплины (курса) Дисциплина (курс) «Информационные технологии знаний и познания» имеет своей целью знакомство студентов с одним из важнейших направлений искусственного интеллекта и прикладной информатики – методами работы со знаниями, включающими: методы машинного обучения (machine learning), обнаружения знаний (knowledge discovery in data bases and data mining), интеллектуального анализа данных и экспертных систем.

Для достижения поставленной цели выделяются задачи курса:

изучение теоретических и прикладных вопросов:

(1) методов машинного обучения;

(2) методов обнаружения знаний;

(3) методам интеллектуального анализа данных;

(4) Разработки экспертных систем.

2. Требования к уровню освоения содержания дисциплины

В результате освоения дисциплины студент должен:

Иметь представление о направлениях: машинного обучения, обнаружения знаний, интеллектуального анализа данных и экспертных систем;

Знать определения основных изучаемых понятий и результатов;

Уметь : доказывать основные результаты и решать соответствующие задачи;

3. Объем дисциплины и виды учебной работы Вид учебной работы Всего часов Семестры Общая трудоемкость дисциплины 68 36 32 Аудиторные занятия, в том числе: 68 36 32 Лекции 68 36 32 Семинары Лабораторные работы

Самостоятельная работа, в том числе:

Курсовой проект Реферат Расчетные работы Другие виды самостоятельной работы Вид промежуточного контроля Экзамен Зачет

4. Содержание дисциплины

4.1 Новизна курса (научная, содержательная; сравнительный

–  –  –

4.3 Содержание разделов и тем курса.

Семестр 5

1. Понятие эмпирической системы, величины, числовой системы, шкалы. Пример шкалы.

2. Проблема существования шкалы. Проблема единственности шкалы. Группы допустимых преобразований шкал. Проблема адекватности.

3. Матричное представление бинарных отношений. Отношения толерантности, эквивалентности, частичного порядка, интервального упорядочения, полупорядка, древесного порядка, слабого порядка и их числовые представления.

4. Матрицы упорядочений. Матрица близости. Шкалы положительных разностей, алгебраических разностей, равных конечных промежутков, абсолютных разностей.

Матрица объект-признак.

5. Представление законов в Теории Измерений. Класс функций F, удовлетворяющий свойствам аддитивной соединительной структуры. Теорема о числовом представлении аддитивных соединительных структур. Процедура перешкалирования величин зависимости y = (x,z) и её перевода в закон y = x + z.

6. Теория Физических Структур. Определение физического закона ранга (r,s).

Классификация законов.

7. Определение конструктивного числового представления. Проблемы существования конструктивного числового представления. Конструктивное числовое представление процедуры шкалирования экстенсивных величин.

8. Конструктивные измерительные процедуры, тесты и анкеты. Конструктивное числовое представление дистрибутивной решетки.

9. Экспертная система компьютерного познания. Построение логической эмпирической теории. Построение количественной и конструктивной эмпирических теорий.

Семестр 6

10. Реляционные базы данных. Реляционные таблицы. Реляционная алгебра. Операции реляционной алгебры.

11. Базисный язык SQL. Подъязык запросов. Подъязык манипуляции данными.

Базисный язык SQL. Подъязык определения данных. Операции реляционной алгебры.

12. Логическое программирование. Логическая программа. Подстановки. Алгоритм унификации. Вычисление логической программы. Пространство вычислений.

Вычисление запросов. Ответ программы Pr на запрос. Дерево вывода запроса.

13. Представление реляционных операций в логическом программировании.

Программа, запрашивающая информацию у пользователя.

14. Программа, объясняющая, как доказывается цель. Программа вычисления оценок утверждений.

15. Логический анализ методов извлечения знаний. Онтология метода. Класс гипотез метода.

16. Проблемы извлечения знаний из эксперта. Проблемы и способ сравнения экспертных и объективных знаний, полученных индуктивным выводом или системой discovery. Создание «полной» и непротиворечивой базы знаний, включающей как экспертные, так и объективные знания. Свойство монотонности и декомпозиция задачи. Цепи Ханселя и построение опросной таблицы.

17. Задача обнаружения теории эмпирической системы. Теорема о подправилах.

Понятие закона. Теорема о выводимости теории эмпирической системы из множества законов.

18. Понятие эксперимента. Определение двоичного куба результатов эксперимента.

Определение закона на множестве всех возможных экспериментов. Теорема о совпадении понятия закона для эмпирической системы и для множества всех экспериментов.

19. Определение вероятности на двоичном кубе. Определение события в эксперименте.

Теорема о совпадении определения закона с вероятностным определением.

Определение вероятностного закона на Exp в детерминированном случае. Следствие о совпадении определения закона и вероятностного закона в детерминированном случае.

20. Общее определение закона, основанное на свойстве неупрощаемости. Определение вероятностного закона на Exp. Определение сильнейшего вероятностного закона.

Соотношение между множеством законов и множеством вероятностных законов.

21. Определение эксперимента с шумами. Определение сохраняющей модели шумов.

Пример сохраняющего двоичного шума. Теорема о совпадении множеств законов и вероятностных законов для данного сохраняющего шума.

22. Проблема статистической двусмысленности. Пример статистической двусмысленности. Дедуктивно-номологическая модель предсказания и индуктивностатистическая модель предсказания. Вывод предсказаний в логическом программировании. Дерево вывода предсказаний.

23. Семантический вероятностный вывод. Дерево семантического вероятностного вывода. Сравнение деревьев логического вывода предсказаний в логическом программировании и с помощью семантического вероятностного вывода.

24. Определение максимально специфических законов. Требование максимальной специфичности. Теорема о том, что любое максимально специфическое правило удовлетворяет требованию максимальной специфичности. Теорема о непротиворечивости множеств максимально специфических правил.

25. Реляционный подход к извлечению знаний. Система Discovery. Свойства реляционного подхода.

4.4 Перечень примерных контрольных вопросов и заданий для самостоятельной работы.

Не предусмотрено

4.5 Примерная тематика рефератов, курсовых работ.

Не предусмотрено

–  –  –

5.1 Примерный перечень вопросов к зачету (экзамену) по всему курсу.

Перечень вопросов совпадает со списком тем курса.

5.2 Основная литература*

1. Витяев Е.Е. Извлечение знаний из данных. Компьютерное познание.

Моделирование когнитивных процессов : Моногр. / Новосиб. гос. ун-т.

Новосибирск, 2006.

2. Логический подход к искусственному интеллекту. М., «Мир», 1990

3. Пфанцагль И. Теория измерений. М., Мир, 1976.

4. Mitchell (1997): Machine Learning, Prentice Hall.

6. Методические рекомендации по организации изучения дисциплины Рекомендуется перед каждой лекцией просматривать содержание соответствующей темы (главы) в книге [1]. Это позволит студентам не терять основную нить изложения лекции.

После лекции рекомендуется снова просматривать содержание соответствующей темы для хорошего закрепления материала.

* Не более 10 источников.



Похожие работы:

«МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ Методы описания и исследования сложных систем АКАДЕМИЯ НАУК СССР ОТДЕЛЕНИЕ ИНФОРМАТИКИ, ВЫЧИСЛИТЕЛЬНОЙ ТЕХНИКИ И АВТОМАТИЗАЦИИ ВЫ ЧИ СЛИТЕЛЬНЫ Й ЦЕНТР МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ Методы описания и исследования сложных систем Ответственные редакторы: академик А. А. САМАРСКИЙ, ак...»

«Моделирование климата и его изменений В.П. Дымников Институт вычислительной математики РАН Климатическая система (T. Slingo, 2002) Физико-математические основы построения моделей климата Климатическая система Земли включает в себя взаимодействующие между собой атмосферу, океан, сушу, криосферу и биоту. Климатическая сист...»

«УДК 004.738.5 : 321.02 Горовая С. В., научный сотрудник НБУВ, кандидат наук по социальным коммуникациям СЕТЕВЫЕ ТЕХНОЛОГИИ В ОБЩЕСТВЕННОМ РАЗВИТИИ: ПОЛЬЗА ИЛИ ОПАСНОСТЬ? В статье проанализированы отечественный и зарубежный опыт развития сетевых технологий для представления объективной информации о деятельности вла...»

«Российская академия наук Сибирское отделение Институт систем информатики им. А. П. Ершова Научный совет по музеям СО РАН Материалы к биобиблиографии сибирских ученых АНДРЕЙ ПЕТРОВИЧ ЕРШОВ Составители Н.А. Черемных, И.А. Крайнева Под редакцией д.ф.-м.н. А.Г. Марчука Новосибирск ООО «Сибирское Научное Издательство» УДК 016:929 ББК...»

«Программа внеурочной деятельности по информатике и ИКТ «Путешествие в Компьютерную Долину» А.Г. Паутова Целью программы внеурочной деятельности по информатике и ИКТ «Путешествие в Компьютерную Долину» является информационная поддержка проектной деятельности...»

«TNC 320 Руководствопользователя Программированиециклов ПрограммноеобеспечениеNC 340551-06 340554-06 Русский (ru) 3/2014 Основные положения Основные положения О данном руководстве О данном руководстве Ниже привед...»

«Информатика, вычислительная техника и обработка информации УДК 621.391 АНАЛИЗ МЕТОДОВ АВТОМАТИЗАЦИИ ПРОЦЕССОВ РАСПОЗНАВАНИЯ ОБЪЕКТОВ Н.С. Акиншин, А.В. Андреев, Е.А. Старожук Рассматриваются методы принятия решения при распознавании объектов, даются их анализ и области возможного применения. Приведены обобщенные алгорит...»

«УДК 658.012.011.56: 004.423: 004.896 КОНЦЕПТУАЛЬНОЕ МОДЕЛИРОВАНИЕ СИСТЕМ УПРАВЛЕНИЯ НА ОСНОВЕ ФУНКЦИОНАЛЬНЫХ БЛОКОВ IEC 61499 В.Н. Дубинин Кафедра «Вычислительная техника», ГОУ ВПО «Пензенский государственный университет»; victor_n_dubinin@yahoo.com Представлена членом ре...»

«I. ИНФОРМАТИКА УДК 519.68: 681.513.7 КАК ОЦЕНИТЬ НАДЕЖНОСТЬ АЛГОРИТМА КЛАССИФИКАЦИИ. II. ИНТЕРВАЛЬНЫЕ ОЦЕНКИ С.И. Гуров факультет ВМиК МГУ им. Ломоносова, г.Москва, Россия e-mail: sgur@cs.msu.su, gurov@ccas.ru Работа выполнена при по...»

«TNC 620 Руководствопользователя Программированиециклов Программное обеспечение с ЧПУ 817600-02 817601-02 817605-02 Русский (ru) 5/2015 Основные положения Основные положения О данном руководстве О данном руководстве Ниже приведен список с...»





















 
2017 www.pdf.knigi-x.ru - «Бесплатная электронная библиотека - разные матриалы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.