Методи штучного інтелекту

Актуальність дисципліни, практичне застосування

Сучасний етап життя не можливо уявити собі без інформаційних та комп’ютерних технологій. Пропонований курс покликаний суттєво розширити поле компетентності студента та зорієнтувати його на новітні полідисциплінарні тенденції в навчанні та працевлаштуванні. Дисципліна МШІ полягає в опануванні методології вирішення задач на основі методів штучного інтелекту при аналізі та проектуванні інформаційно-керуючих систем і відповідних технологій.

Завдання навчальної дисципліни МШІ – на основі отриманих теоретичних знань (наприклад з дисципліни „Основи штучного інтелекту”, яка читалася магістрам 2 курсу за напрямком підготовки «Прикладна математика» в 3 семестрі) поглибити знання з такого розділу штучного інтелекту, як нейронні мережі, виробити у студентів уміння користуватися існуючими, а також створювати власні системи розпізнавання образів, штучні нейронні мережі.

Метою навчальної дисципліни є вивчення студентами методів і способів створення засобів штучного інтелекту в спеціалізованих комп’ютерних системах, отримання відомостей про основи штучного інтелекту, основні поняття про системи розпізнавання образів, штучні нейронні мережі.

В результаті вивчення дисципліни студенти повинні:

• ЗНАТИ основні методи розпізнавання образів, основні методи представлення знань, будову і принципи функціонування штучних нейронних мереж.
• ВМІТИ проектувати, створювати, навчати і використовувати штучні нейронні мережі, розв’язувати оптимізаційні задачі.

Структура дисципліни

Фактично дисципліна має один модуль.

Студенти прослухають дві оглядові лекції, підкріплені візуальними матеріалами:

• Макроскладові дисципліни «Штучний інтелект». Історія виникнення. Сучасний стан розробок.
• Вступ до нейронних мереж. Моделі нейронів. Архітектура. Представлення знань. Штучний інтелект VS Нейромережі.

На семінарських заняттях, які будуть здебільшого мати форму наукових семінарів, студенти поглиблено зосередяться на вивченні наступного матеріалу:

• процеси навчання (методи, підходи, задачі, алгоритми)
• одношаровий персептрон (безумовна оптимізація, лінійна фільтрація, класифікатори)
• багатошаровий персептрон (алгоритм зворотного розповсюдження, його переваги та обмеження, збіжність процесу, комп’ютерний експеримент, методи спрощення структури мережі)
• нейродинаміка (динамічні системи, стійкість, хаос, ат трактори, модель Хопфілда)

Студентам буде запропонована до виконання лабораторна робота «Навчання штучної нейронної мережі методом зворотного розповсюдження помилки» яка містить: тему і мету роботи; опис обладнання (персональний комп’ютер) та програмних засобів (система MatLab із пакетом Neural Network Toolbox), потрібних для її виконання; список літератури; короткі теоретичні відомості, необхідні для виконання; порядок виконання роботи; контрольні запитання для самоперевірки. В цій роботі розглядаються принципи побудови та навчання штучних нейронних мереж методом зворотного розповсюдження помилки; виконується розпізнавання зображень символів за допомогою нейромережі.