Искусственный интеллект, Основы теории и практики, Баймухамедов М.Ф., Аймурзинов М.С., 2019

Искусственный интеллект, Основы теории и практики, Баймухамедов М.Ф., Аймурзинов М.С., 2019.

   Данный учебник знакомит читателей с историей искусственного интеллекта, моделями представления знаний, экспертными системами и нейронными сетями. Рассматриваются основные понятия, методы и алгоритмы систем искусственного интеллекта. Излагаются основы логического и функционального программирования. Рассмотрены модели представления знаний и методы работы с ними, методы разработки и создания экспертных систем. Большое внимание уделено созданию систем интеллектуального управления робототехническими комплексами.
Изложение материала сопровождается большим количеством иллюстраций и практическими примерами.
Учебник предназначен для студентов и магистрантов технических специальностей.




Основы теории нечеткой логики.
Нечёткая логика (англ. fuzzy logic)— раздел математики, являющийся обобщением классической логики и теории множеств, базирующийся на понятии нечёткого множества, впервые введённого Лотфи Заде в 1965 году как объекта с функцией принадлежности элемента к множеству, принимающей любые значения в интервале [0,1], а не только 0 или 1 [11,12]. На основе этого понятия вводятся различные логические операции над нечёткими множествами и формулируется понятие лингвистической переменной, в качестве значении которой выступают нечёткие множества..

Предметом нечёткой логики считается исследование рассуждений в условиях нечёткости, размытости, сходных с рассуждениями в обычном смысле, и их применение в вычислительных системах.

В настоящее время существует, по крайней мере, два основных направлений научных исследований в области нечёткой логики:
- нечёткая логика в широком смысле (теория приближённых вычислений); нечёткая логика в узком смысле (символическая - нечёткая логика).

ОГЛАВЛЕНИЕ.
Введение.
1. История исследований в области искусственного интеллекта и основные понятия в данной области.
I. Основы программирования на языке Prolog.
1.1. Prolog как декларативный язык.
1.2. Понятие предиката.
1.3. Как работает интерпретатор Пролога?.
1.4. Факты и правила в Прологе.
1.5. Рекурсии в языке Prolog.
1.6. Отсечения в Прологе.
1.7. Списки в Прологе.
1.8. Пример: Решение логической задачи о волке, козе и капусте.
II. Решение проблем методом поиска.
2.1. Что такое метод поиска.
2.2. Неинформированный поиск.
2.3. Информированный поиск.
2.4. Шахматные программы.
2.5. Поиск на основе логики.
III. Вероятностные рассуждения.
3.1. Основы теории нечеткой логики.
3.2. Байесовские сети.
3.3. Иллюстрация: Парадокс Монти Холла.
3.4. Обучение на основе наблюдений.
IV. Нейронные сети.
4.1. Понятие нейронной сети.
4.2. Принцип построения нейронных сетей.
4.3. Обучение нейронной сети.
4.4. Особенности использования нейронных сетей.
4.5. Нейронные сети в задачах распознавания.
4.6. Проектирование, обучение и адаптация нейронных сетей.
4.7. Разработка нейронной сети для распознания акустических сигналов.
V. Экспертные системы.
5.1.Понятие экспертной системы (ЭС).
5.2 Модели представления знаний в ЭС.
5.2.1. Понятие данных и знаний.
5.2.2. Алгоритмические модели.
5.2.3. Логические модели представления знаний.
5.3. Продукционные модели и модули, управляемые образцами.
5.4. Практика использования моделей представления знаний в экспертных системах.
VI. Семантические сети.
6.1. Определение.
6.2. Историческая справка.
6.3. Типы семантических сетей.
6.4. Типы отношений в семантических сетях.
6.5. Онтологии и правила наследования отношений.
6.6. Примеры.
6.7. Проблемы построения семантических сетей.
6.8. Факты и правила в семантической сети.
6.9. Интеллектуальный агент семантической сети.
6.10. Управление контекстом.
6.11. Семантическая сеть и Семантическая паутина.
6.12. Семантическая Паутина: принципы и текущее состояние.
VII. Применение ИИ в сфере образования, разработка и внедрение экспертных обучающих систем.
7.1. Сравнительный анализ оболочек экспертных систем.
7.2. Методика проектирования экспертных обучающих систем для использования в учебном процессе.
7.3. Архитектура обучающих экспертных систем.
7.3.1 Архитектура оболочки экспертной системы BESS.
7.3.2 Архитектура учебной оболочки экспертной системы BELS.
7.4. Применение оболочки экспертной системы BESS в учебном процессе.
7.5. Адаптированное тестирование знаний обучаемого.
VIII. ИИ в сфере медицины.
8.1. Сферы применения ИИ в медицине.
8.2. Медицинская аналитическая платформа dearhealth.
8.3. Программа ИИ-скрининга для диагностики рака у детей.
8.4. Программное обеспечение для выявления хронических заболеваний.
8.5. Command center - система управления больницей от ge healthcare.
IX. Применение методов и средств ИИ в робототехнике.
9.1. Интеллектуальные мехатронные модули, используемые в робототехнике.
9.2. Примеры интеллектуальных мехатронных модулей.
9.3. Интеллектуальные системы управления мобильными роботами.
9.4. Интеллектуальная система управления робототехнической системой, обеспечивающей безопасность помещений бытового и промышленного назначений.
X. Системы ИИ на транспорте.
10.1. ИИ в общественном транспорте.
10.2. ИИ в железнодорожном транспорте.
10.3. Системы ИИ в авиации.
Заключение.



Бесплатно скачать электронную книгу в удобном формате, смотреть и читать:
Скачать книгу Искусственный интеллект, Основы теории и практики, Баймухамедов М.Ф., Аймурзинов М.С., 2019 - fileskachat.com, быстрое и бесплатное скачивание.

Скачать pdf
Ниже можно купить эту книгу по лучшей цене со скидкой с доставкой по всей России.Купить эту книгу


Скачать - pdf - Яндекс.Диск.




Хештеги: #учебник по информатике :: #информатика :: #компьютеры :: #Баймухамедов :: #Аймурзинов