Системи штучного інтелекту (бази знань, експертні системи)

Системи штучного інтелекту (бази знань, експертні системи)  11.07.2014 03:30

Практичне заняття − це організаційна форма навчального заняття, на якому викладач організовує детальний розгляд студентами окремих теоретичних положень науки та формує вміння і навички їх практичного застосування шляхом виконання практичних завдань.

Основна мета практичного заняття − розширення, поглиблення й деталізація теоретичних знань, отриманих студентами на лекціях та в процесі самостійної роботи і спрямування їх на підвищення рівня засвоєння навчального матеріалу, прищеплення умінь і навичок, розвиток наукового мислення та усного мовлення студентів.

Призначення практичних занять − закріпити, розширити й поглибити знання, здобуті студентами на лекціях та під час самостійного вивчення ними першоджерел. На практичних заняттях студенти набувають навички розробляти окремі елементи систем штучного інтелекту, створювати відповідні математичні моделі, застосовувати деякі інструментальні засоби для проектування систем штучного інтелекту.

При підготовці до практичних занять слід ретельно опрацювати відповідні розділи за конспектом лекцій і рекомендованою літературою. Усі практичні аудиторні та не аудиторні заняття потрібно обов'язково виконати й оформити у електронному  або пареровому варіантах та  показати  на  ЕОМ.

План занять

• Експрес опитування студентів за матеріалами теми.

• Пояснення понять і положень навчального матеріалу щодо формалізованого  опису економічної інформації

• Розв’язання міні-кейсів у малих групах

 

Практичне заняття № 1,2 (4 год)

Тема 2. Предметні області СШІ та їхні властивості

“Розробити опис та постановку задачі  ПРГ, та алгоритм її розв'язання”.

Мета роботи: Сформувати наступні компетенції:

− щодо сутності СШІ в управлінні економічними об’єктами;

− щодо основних характеристик інформаційних систем   СШІ;

− про основні складові інформаційних систем;

− володіти термінологією предметної області;

− визначати структуру економічної інформації СШІ;

− здійснювати формалізований опис економічної інформації.

Частина 1. «Характеристика задачі штучного інтелекту», зміст: призначення, тематична сутність задачі її обґрунтування, та розв'язок; перелік об'єктів та методів якими розв'язують задачу;

Частина 2. «Вихідна інформація задачі штучного інтелекту», зміст: опис вихідних повідомлень задачі (документів, відеокадрів, масивів бази даних, сигналів управління), склад і структура яких описуються у таблицях.

Частина 3. «Вхідна інформація задач штучного інтелекту», зміст: склад і характеристика вхідних інформаційних повідомлень. Вхідна інформація задачі штучного інтелекту може бути відображена у первинних массивах, базах даних. Склад і структура вхідних повідомлень описуються у таблицях.

 

Практичне заняття № 3(2 год)

Тема 3. Подання знань в системах штучного інтелекту. Формалізація знань у системах штучного інтелекту.

"ПРОЕКТУВАННЯ СЕМАНТИЧНОЇ МЕРЕЖІ"

Мета роботи: Навчитися аналізувати й описувати предметну область у вигляді кругової та ієрархічної семантичної мережі.

Завдання : Розробити опис та  постановку задачі, та алгоритм її розв'язання:

Частина 4. «Опис алгоритму задачі штучного інтелекту». Постановка для задачі штучного інтелекту автоматизованого розв'язання супроводжується алгоритмом, який відображає логіку розв'язання задачі і спосіб формування вихідних повідомлень.

Опис алгоритму задачі штучного інтелекту :

• опису масивів інформації, що використовуються при реалізації алгоритму;

• опису масивів інформації, що формуються в результаті реалізації алгоритму;

• математичного опису алгоритму;

• графічно у вигляді структурної схеми;

 

Практичне заняття № 4,5 (4год)

Тема 5. Проектування баз знань в системах заснованих на продукційній моделі шляхом виконання позитивного та негативного сценаріїв.

"ПОБУДОВА ПРАВИЛ ПРОДУКЦІЇ "

Мета роботи: Навчитися аналізувати й описувати предметну область у вигляді семантичної мережі та побудувати продукційну систему на базі правил та  бази знань ПРГ

Завдання  до роботи

1. Ознайомитися з конспектом лекцій та рекомендованою літературою.

2. Обрати та узгодити з викладачем предметну область для побудови продукційної моделі (рекомендується обрати предметну область, що моделювалася у попередній роботі).

3. Проаналізувати предметну область, виділити основні об'єкти області та відношення між ними в контексті поставленої мети побудови бази знань.

4. Розробити короткий опис предметної області, що містить формулювання мети і призначення бази знань, актуальність створення експертної системи для предметної області.

5. Виділити входи та виходи для експертної системи.

    

   Практичне заняття № 6,7(4год)

   Тема 6. Управління процесом висновку в системах орієнтованих на метазнання. Фрейми та онтології.

   "РОЗРОБКА МЕТАМОДЕЛЕЙ ЗНАНЬ"

Мета роботи: Навчитися аналізувати йописувати предметну область та подавати бази знань інтелектуальних систем у вигляді фреймової моделі та метаонтологій

Завдання до роботи

1. Ознайомитися з конспектом лекцій, рекомендованою літературою та теоретичними відомостями даної роботи.

2. Обрати та узгодити з викладачем предметну область для побудови продукційної моделі (рекомендується обрати предметну область, що моделювалася у попередній роботі).

3. Проаналізувати предметну область, виділити основні об'єкти області та відношення між ними в контексті поставленої мети побудови бази знань.

4. Розробити короткий опис предметної області, що містить формулювання мети і призначення бази знань, актуальність створення експертної системи для предметної області.

5. Виділити входи та виходи для експертної системи.

    

   Практичне заняття № 8,9 (4год)

   Тема 9. Компиляторно-орієнтована мова програмування високого рівня Visual Prolog та Lisp для завдань з галузі штучного інтелекту .

   " Побудова бази знань та правил висновку "

   Завдання до роботи

1. Побудувати семантичну мережу генеологічного дерева графічно

2. Написати програму та  та перевірити роботу всіх правил та предикатів в програмі

3. На основі практичного заняття №1 створіть малюнок свого родинного дерева.

4. Проінтерпретуйте проект.

   Лабораторне заняття - це організаційна форма навчального заняття, на якому студенти під керівництвом викладача проводять експерименти чи досліди в навчальних лабораторіях з використанням відповідного устаткування, комп'ютерної техніки.

   Основною метою лабораторного заняття є практичне підтвердження окремих теоретичних положень даної науки, набуття практичних умінь та навичок роботи з лабораторним устаткуванням, обладнанням, комп'ютерною технікою, методикою експериментальних досліджень у конкретній предметній галузі.

   Мета лабораторних робіт:

• оволодіти методикою і технологією застосування найбільш розповсюджених засобів штучного інтелекту для розв'язування практичних виробничих задач та навчитися коректному використанню одержаних результатів в процесі прийняття рішень

• вивчити основні алгоритми систем штучного інтелекту (моделі знань), та функціональні можливості сучасних інструментальних засобів розробки орієнтованих на знання, навчитися коректному використанню одержаних результатів в процесі прийняття рішень.

  На підставі проектних досліджень, які були виконані під час практичних  занять  постановки задачі, наводиться  програма на одній з мов високого рівня.

План заняття

1. Обговорення процесу виконання лабораторної роботи

2. Отримання завдання від викладача й ознайомлення зі змістом навчальної задачі.

   Кожному студенту має індивідуальне завдання на лабораторну роботу. Завдання полягає в розробленні постановки й алгоритму розв’язання задачі та її програмній реалізації. Виконують лабораторні роботи на ЕОМ.

3. Захист лабораторної роботи.

    

   Лабораторна робота № 1,2(4 год)

   Тема 3. Подання знань в системах штучного інтелекту. Формалізація знань у системах штучного інтелекту.

   "РОЗРОБКА СЕМАНТИЧНОЇ МЕРЕЖІ"

Мета роботи: Навчитися аналізувати й описувати предметну область у вигляді кругової та ієрархічної семантичної мережі.

Завдання : Розробити опис та  постановку задачі, та алгоритм її розв'язання:

Частина 4. «Опис алгоритму задачі штучного інтелекту». Постановка для задачі штучного інтелекту автоматизованого розв'язання супроводжується алгоритмом, який відображає логіку розв'язання задачі і спосіб формування вихідних повідомлень. Документ «Опис алгоритму задачі штучного інтелекту» :

• опису масивів інформації, що використовуються при реалізації алгоритму;

• опису масивів інформації, що формуються в результаті реалізації алгоритму;

• математичного опису алгоритму;

• графічно у вигляді структурної схеми до вимог ДЕСТ І9.701-90;

Частина 5. Проектування програмного продукту.

На підставі проектних досліджень, які були виконані під час розробки постановки задачі, наводиться  програма на одній з мов високого рівня .

Завдання до роботи

1. Ознайомитися з конспектом лекцій та рекомендованою літературою.

2. Обрати та узгодити з викладачем предметну область для побудови семантичної мережі.

3. Проаналізувати предметну область, виділити основні об'єкти області та відношення між ними в контексті поставленої мети побудови бази знань.

4. Розробити короткий опис предметної області, що містить формулювання мети і призначення бази знань, актуальність створення експертної системи для предметної області.

5. Виділити входи та виходи для експертної системи.

6. Побудувати словник для предметної області, яка аналізується, що повинен містити такі стовпці:

• Назва об'єкта (події),

• Визначення сутності,

• Назва атрибута (властивості) об'єкта,

• Допустимі значення атрибута.

1. Виконати узагальнення у предметній області, виділити (за можливістю) ієрархічні зв'язки.

2. Створити базу знань у вигляді семантичної мережі для експертної системи. Зобразити її схему вручну (показати вузли із підписаними назвами та відношення із підписаними назвами).

3. Розробити програму на мові пакету MATLAB із використанням функцій бібліотеки SNToolbox, що реалізує базу знань у вигляді семантичної мережі та графічно зображує її схему як ієрархію.

4. Розробити мережу запиту для семантичної мережі. Зобразити її вручну. Доповнити MATLAB програму реалізацією мережі запиту, зобразити мережу запиту програмно із круговим розташуванням вузлів. Виконати запит до семантичної мережі у пакеті MATLAB.

5. Оформити звіт з роботи.

6. Відповісти на контрольні запитання.

Зміст звіту

1. Тема та мета роботи.

2. Короткі теоретичні відомості.

3. Назва предметної області.

4. Мета створення бази знань експертної системи.

5. Конкретизація вхідних та вихідних даних.

6. Словник предметної області.

7. Узагальнення (опис узагальнюючих об'єктів предметної області).

8. Сценарії (позитивний і негативний) для тестування моделі.

9. Схема семантичної мережі, виконана вручну.

10. Схема семантичної мережі, побудована програмою.

11. Схема мережі запиту, побудована вручну.

12. Текст програми, що реалізує базу знань на основі семантичної мережі та операції з нею.

13. Висновки, що містять відповіді на контрольні запитання, а також відображують результати виконання роботи та їх критичний аналіз.

     

    Лабораторна робота № 3,4(4 год)

    Тема 5. Проектування баз знань в системах заснованих на продукційній моделі шляхом виконання позитивного та негативного сценаріїв.

    "ПОБУДОВА ПРОДУКЦІЙНОЇ МОДЕЛІ"

    Мета роботи: Навчитися аналізувати й описувати предметну область у вигляді семантичної мережі та побудувати продукційну систему на базі правил та  бази знань ПРГ

Завдання  до роботи

1. Побудувати словник для предметної області, яка аналізується, що повинен містити такі стовпці: Назва об'єкта (події), Визначення сутності, Назва атрибута (властивості) об'єкта, Допустимі значення атрибута.

2. Виконати узагальнення у предметній області, виділити (за можливістю) ієрархічні зв'язки.

3. Побудувати продукційну модель для експертної системи.

4. Провести тестування продукційної моделі шляхом виконання позитивного та негативного сценаріїв.

5. Оформити звіт з роботи.

6. Відповісти на контрольні запитання.

Зміст звіту

1. Тема та мета роботи.

2. Короткі теоретичні відомості.

3. Назва предметної області.

4. Мета створення бази знань експертної системи.

5. Конкретизація вхідних та вихідних даних.

6. Словник предметної області.

7. Узагальнення (опис узагальнюючих об'єктів предметної області).

8. Сценарії (позитивний і негативний) для тестування моделі.

9. Текст програми для продукційної моделі.

10. Висновки, що містять відповіді на контрольні запитання, а також відображують результати виконання роботи та їх критичний аналіз. У висновках також необхідно порівняти семантичні мережі та продукційні моделі.

     

    Лабораторна р обота № 5,6(4 год)

    Тема 6. Управління процесом висновку в системах орієнтованих на метазнання. Фрейми та онтології.

    "РОЗРОБКА ФРЕЙМОВОЇ МОДЕЛІ"

Мета роботи: Навчитися аналізувати йописувати предметну область та подавати бази знань інтелектуальних систем у вигляді фреймової моделі та метаонтологій, вивчити роботу з редактором Protege

Завдання до роботи

1. Ознайомитися з конспектом лекцій, рекомендованою літературою та теоретичними відомостями даної роботи.

2. Побудувати словник для предметної області, яка аналізується, що повинен містити такі стовпці: Назва об'єкта (події), Визначення сутності, Назва атрибута (властивості) об'єкта, Допустимі значення атрибута.

3. Виконати узагальнення у предметній області, виділити (за можливістю) ієрархічні зв'язки.

4. Побудувати фреймову модель для предметної області.

5. Оформити звіт з роботи.

6. Відповісти на контрольні запитання.

Зміст звіту

1. Тема та мета роботи.

2. Короткі теоретичні відомості.

3. Назва предметної області.

4. Мета створення бази знань.

5. Конкретизація вхідних та вихідних даних.

6. Словник предметної області.

7. Узагальнення (опис узагальнюючих об'єктів предметної області).

8. Сценарії (позитивний і негативний) для тестування моделі.

9. Опис фреймової моделі.

10. Висновки, що містять відповіді на контрольні запитання, а також відображують результати виконання роботи та їх критичний аналіз. У висновках також необхідно порівняти семантичні мережі, продукційні моделі та фреймові моделі.

 

Лабораторна робота № 7,8(4 год)

Тема 9. Компиляторно-орієнтована мова програмування високого рівня Visual Prolog та Lisp для завдань з галузі штучного інтелекту .

" Побудова бази знань та правил висновку семантичної  мережі в середовищі VisualProlog"

Мета роботи: Розробка  бази знань та побудова правил висновку семантичної мережі в середовищі Visual Prolog.

Завдання до роботи

1. Побудувати семантичну мережу генеологічного дерева в середовищі Visual Prolog

2. Влючити Модуль 1,2,3 в програму та  та перевірити роботу всіх правил та предикатів в програмі

3. На основі практичного заняття  створіть малюнок свого родинного дерева.

4. Проінтерпретуйте проект. Протестуйте роботу правил.

Зміст звіту

1. Тема та мета роботи.

2. Короткі теоретичні відомості.

3. Назва предметної області.

4. Розрахуйте фінансовий стан об’єктів мережі (max, min, average та інш.)

5. Знайти найкращих,  середніх,  та  слабких платників.

6. Сформуйте наступні запити та проаналізуйте відповіді на них:

7. «Хто є батьками  X?»

8. «Хто є дітьми Y?»

9. «Знайти всіх батьків усіх дітей»

10. «Хто є батьками батьків X»

11. Складене питання, яке можна представити як кон’юнкцію двох простих питань (через кому):

12. «Хто (Y) є одним з батьків X?»

13. «Хто (X) є одним з батьків Y?»

14. «Хто є онуками Y ?»

15. «Чи мають X и Y спільник батьків?»

16. Складене питання, яке можна представити як кон’юнкцію двох простих питань (через кому):

17. «Хто (X) є одним з батьків Y?»

18. «Чи є той же (X) одним з батьків Yt?»

19. «Чи є X и Y сестрами?»

20. «Знайти усіх сестер   Yt»

21. «Хто є нащадками Y?» (те саме що і «Для кого X є предком?»)

22. Сформулюйте за допомогою правил Prolog наступні твердження: а) «Кожний (X) (батько), що має дитину, є щасливим» (увести відношення happy(X) c одним аргументом (X)). б) «Для всіх X, якщо X (батько) має дитину, яка має сестру то X має двох дітей» (увести предикат (hastwochildren(X)))

23. Визначити відношення grandchild(X,Z) з використанням відношень parent. Використовувати аналогію з відношенням grandparent.

24. Визначити відношення aunt(X,Y) (тітка) у термінах відношень parent и sister.

25. Протестуйте роботу правила aunt(X,Y) .

26. Ввести в текст програми правило different(X,Y):- not(X=Y), що визначає вимогу, щоб змінні X та Y були різними. Приберіть коментування з предикату different(X,Y) у правилі з годовою sister(X,Y)(замість точки після предикату female(X) в правилі sister(X,Y) поставте кому). special_taxpayer(Person)

27. Протестуйте роботу правил sister(X,Y) и aunt(X,Y).