МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное образовательное учреждение

высшего профессионального образования

КУБАНСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ

Факультет прикладной информатикия

Рабочая программа дисциплины

Б3.В.ОД.5 Интеллектуальные информационные системы

Направление подготовки

230700.62 Прикладная информатика Профиль подготовки Прикладная информатика в экономике Квалификация (степень) выпускника Бакалавр Форма обучения очная Краснодар 1. Цель освоения дисциплины Цель преподавания дисциплины состоит в освоении знаний, умений и навыков, обеспечивающих решение следующих задач:

– формальная постановка задачи, когнитивная структуризация и формализация предметной области;

– подготовка обучающей выборки и управлению ею;

– синтез модели предметной области, включая ее Парето-оптимизацию;

– исследование модели на адекватность, сходимость и устойчивость;

– решение задач идентификации и прогнозирования;

– решение обратных задач идентификации и прогнозирования, поддержка принятия решений по управлению, информационные портреты классов и семантические портреты факторов;

– кластерный анализ классов и факторов, графическое отображение результатов кластерного анализа в форме семантических сетей;

– конструктивный анализ классов и факторов;

– содержательное сравнение обобщенных образов классов и факторов, отображение результатов содержательного сравнения в графической форме когнитивных диаграмм;

– решение задач с применением интеллектуальных информационных технологий в различных предметных областях.

2. Место дисциплины в структуре ООП бакалавриата Дисциплина «Интеллектуальные информационные системы» входит в число учебных дисциплин профессионального цикла, в его базовую часть в качестве обязательной дисциплины.

Преподавание дисциплины «Интеллектуальные информационные системы» строится исходя из требуемого уровня базовой подготовки бакалавра по направлению информационные системы и технологии.

Для успешного освоения дисциплины необходимы знания по следующим дисциплинам и разделам ООП:

- Информатика и программирование;

- Алгоритмы и структуры данных;

- Алгоритмические языки высокого уровня.

Знания, умения и приобретенные компетенции будут использованы при изучении следующих дисциплин и разделов ООП:

- Информационные системы и технологии;

- Проектирование информационных систем;

- Управление информационными системами.

3. Компетенции обучающегося, формируемые в результате освоения дисциплины «Интеллектуальные информационные системы»

Процесс изучения дисциплины «Интеллектуальные информационные системы»

направлен на формирование следующих компетенций:

а) общекультурные (ОК):

– ОК-1: владение культурой мышления, способность к обобщению, анализу, восприятию информации, постановке цели и выбору путей ее достижения, умение логически верно, аргументировано и ясно строить устную и письменную речь – ОК-5: способен самостоятельно приобретать и использовать в практической деятельности новые знания и умения, стремится к саморазвитию;

– ОК-7: способен понимать сущность и проблемы развития современного информационного общества;

– ОК-8: способен работать с информацией в глобальных компьютерных сетях.

б) профессиональные (ПК):

–способен ставить и решать прикладные задачи с использованием современных информационно-коммуникационных технологий (ПК-4);

– ПК-14: способен принимать участие в реализации профессиональных коммуникаций в рамках проектных групп, презентовать результаты проектов и обучать пользователей ИС;

– ПК-17: способен применять методы анализа прикладной области на концептуальном, логическом, математическом и алгоритмическом уровнях;

– ПК-20: способен выбирать необходимые для организации информационные ресурсы и источники знаний в электронной среде;

– ПК-21: научно-исследовательская деятельность: способен применять системный подход и математические методы в формализации решения прикладных задач.

Знать:

– историю, принципы и перспективные направления развития интеллектуальных информационных систем;

– критерии выбора математических методов и реализующих их программных средств для решения конкретных задач в различных предметных областях.

Уметь:

ставить и решать задачи, сформулированные в п.1.2 данной рабочей программы, в различных предметных областях.

Владеть:

перспективами развития интеллектуальных информационных технологий.

4. Структура и содержание дисциплины «Интеллектуальные информационные системы»

Общая трудоемкость дисциплины составляет 3 зачетных единиц или 108 часа.

Виды учебной ра- Формы текущего контроля Неделя семестботы, включая са- успеваемости № мостоятельную ра- (по неделям семестра) п/п боту студентов и Форма промежуточной аттеРаздел Семестр средств труда:

Основные положения информационнофункциональной теории развития техники Информационная теория 3. Интеллектуализация – одно из генеральных направлений развития информационных технологий Данные, информация, знания. Системнокогнитивный анализ как развитие концепции смысла Шенка-Абельсона.

Понятие: "Система искусственного интеллекта", место СИИ в классификации информационных систем.

Определение и классификация систем искусственного интеллекта, цели и пути их создания.

Информационная модель деятельности специалиста и место систем искусственного интеллекта в этой деятельности.

5. Жизненный цикл системы искусственного интеллекта и критерии перехода между этапами этого цикла.

метод познания.

Когнитивная концепция и синтез когнитивного конфигуратора.

СК-анализ, как системный анализ, структурированный до уровня базовых когнитивных операций.

4. Место и роль СКанализа в структуре управления.

Теоретические основы системной теории информации.

Семантическая информационная модель СКанализа.

Некоторые свойства математической модели (сходимость, адекватность, устойчивость и др.).

4. Взаимосвязь математической модели СК-анализа с другими моделями предметной области и подготовки эмпирических данных.

Иерархическая структура данных и последовательность численных расчетов в СК-анализе.

Обобщенное описание алгоритмов СК-анализа.

4. Детальные алгоритмы СК-анализа.

Пользовательский интерфейс, технология разработки и эксплуатации приложений в системе "ЭЙДОС".

Технические характеристики и обеспечение эксплуатации системы "ЭЙДОС" (версии 12.5).

4. АСК-анализ, как технология синтеза и эксплуатации рефлексивных АСУ активными объектами.

Интеллектуальные интерфейсы. Использование биометрической информации о пользователе в управлении системами.

Системы с биологической обратной связью.

3. Системы с семантическим резонансом. Компьютерные (-технологии и интеллектуальный подсознательный интерфейс.

эквивалентности виртуальной и истинной реальности. Виртуальные устройства ввода-вывода.

Эффекты присутствия, деперсонализации, модификация сознания пользователя и переноса центра интересов ценностей и мотиваций в виртуальную реальность («реалы и виртуалы»). Рассмотрение перспективных и патологических измененных форм сознания, возникающих в системах с интеллектуальными интерфейсами. Перенос знаний, умений и навыков из виртуальной реальности в обычную и вопросы соблюдения моральных норм в системах виртуальной реальности и последствия их несоблюдения.

вания образов:

Основные понятия и определения, связанные с системами распознавания образов.

Проблема распознавания образов.

Классификация методов распознавания образов.

Применение распознавания образов для идентификации и прогнозирования. Сходство и различие в содержании понятий "идентификация" и "прогнозирование".

Роль и место распознавания образов в автоматизации управления сложными системами.

6. Методы кластерного анализа.

11 Тема-11. Математические 7 11 2 Индивидуальный опрос, защита Многообразие задач принятия решений.

Языки описания методов принятия решений.

Выбор в условиях неопределенности.

Решение как компромисс и баланс различных интересов. О некоторых ограничениях оптимизационного подхода.

Экспертные методы выбора.

Юридическая ответственность за решения, принятые с применением систем поддержки принятия решений.

Условия корректности использования систем поддержки принятия решений.

8. Хранилища данных для принятия решений.

тификация".

Этап-2 синтеза ЭС: "Концептуализация".

Этап-3 синтеза ЭС: "Формализация".

Этап-4 синтеза ЭС: "Разработка прототипа".

Этап-5 синтеза ЭС: "Экспериментальная эксплуатация".

Этап-6 синтеза ЭС: "Разработка продукта".

9. Этап-7 синтеза ЭС:

"Промышленная эксплуатация".

13 Тема-13. Нейронные сети: 7 13 2 Индивидуальный опрос, защита Питтса.

Возможность решения простых задач классификации непосредственно одним нейроном.

Однослойная нейронная сеть и персептрон Розенблата.

Линейная разделимость и персептронная представляемость.

Многослойные нейронные сети.

Проблемы и перспективы нейронных сетей.

7. Модель нелокального нейрона и нелокальные интерпретируемые нейронные сети прямого счета.

Основные понятия, принципы и предпосылки генетических алгоритмов.

Пример работы простого генетического алгоритма.

Достоинства и недостатки генетических алгоритмов.

4. Примеры применения генетических алгоритмов.

15 Тема-15. Когнитивное мо- 7 15 2 Индивидуальный опрос, защита моделирование" и "Классическая когнитивная карта", их связь с когнитивной психологией и гносеологией.

Когнитивная (познавательно-целевая) структуризация знаний об исследуемом объекте и внешней для него среды на основе PEST-анализа и SWOT-анализа.

3. Разработка программы реализации стратегии развития исследуемого объекта на основе динамического имитационного моделирования (при поддержке программного пакета Ithink).

(data mining):

Интеллектуальный анализ данных (data mining) Типы выявляемых закономерностей data mining.

Математический аппарат data mining.

Области применения технологий интеллектуального анализа данных.

5. Автоматизированные системы для интеллектуального анализа данных.

17 Тема-17. Области приме- 7 17 2 Индивидуальный опрос, защита АСК-анализа для управления и исследования социально-экономических систем.

Поддержка принятия решений по выбору агротехнологий, культур и пунктов выращивания.

Прогнозирование динамики сегмента рынка.

4. Анализ динамики макроэкономических состояний городов и районов на уровне субъекта Федерации в ходе экономической реформы (на примере Краснодарского края) и прогнозирование уровня безработицы (на примере Ярославской области) и обоснованное расширение области его применения на основе научной индукции.

Перспективы применения АСК-анализа в управлении.

Развитие АСК-анализа.

4. Другие перспективные области применения АСКанализа и систем искусственного интеллекта 5. Образовательные технологии В процессе освоения дисциплины «Интеллектуальные информационные системы» реализуются следующие инновационные технологии:

- использование мультимедийных средств (во время чтения лекций, проведения лабораторных занятий и самостоятельной работы студента активно используются средства мультимедиа: комплексное сочетание данных нескольких видов в одном слайде /текстовых, графических, звуковых и видеоданных/);

- использование автоматизированной контролирующей системы (АКС), т.е. программного средства, обеспечивающего контроль знаний студентов на базе ИТ;

- разработка моделирующих программ и интеллектуальных приложений к лабораторным занятиям по дисциплине, нацелена на активную поисково-познавательную деятельность студентов в усвоении особенностей эффективной деятельности специалистов в области интеллектуальных технологий путем предварительного создания ими компьютерных моделей этой деятельности и их опробования с использованием освоенных и самостоятельно разработанных программных средств.

- использование исследовательского подхода, т.е. организации творческого поиска и неординарного применения знаний в типовых и неординарных ситуациях, имеющих место в области информационной безопасности. Такой подход является условием формирования интереса, потребности в творческой деятельности и при самообразовании.

6. Учебно-методическое обеспечение самостоятельной работы студентов. Оценочные средства для текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины «Интеллектуальные информационные системы»

Учебно-методическое обеспечение самостоятельной работы студентов по дисциплине включает в себя перечни:

а) учебно-методической документации по дисциплине 1. Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие с грифом министерства для студентов специальности "Прикладная информатика (по областям)" и другим экономическим специальностям. 2-е изд., перераб. и доп.– Краснодар:

КубГАУ, 2006. –615с.

2. Луценко Е.В. Лабораторный практикум по интеллектуальным информационным системам: Учебное пособие для студентов специальности "Прикладная информатика (по областям)" и другим экономическим специальностям. 2-е изд., перераб. и доп. – Краснодар:

КубГАУ, 2006. – 318с.

3. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). – Краснодар: КубГАУ. 2002. – 605 с.

1. Презентации курса лекций по дисциплине «Интеллектуальные информационные системы».

2. Слайды и плакаты с учебным и графическим материалом по интеллектуальным технологиям.

3. Раздаточный дидактический материал.

Оценочным средством текущего контроля успеваемости, промежуточной аттестации по итогам освоения дисциплины является автоматизированная контролирующая программа АКС "КОНТРОЛЬ", разработанная на кафедре КТС.

7. Учебно-методическое и информационное обеспечение дисциплины "Интеллектуальные информационные системы" а) основная литература:

1. Луценко Е.В. Интеллектуальные информационные системы: Учебное пособие с грифом министерства для студентов специальности "Прикладная информатика (по областям)" и другим экономическим специальностям. 2-е изд., перераб. и доп.– Краснодар:

КубГАУ, 2006. –615с.

2. Луценко Е.В. Лабораторный практикум по интеллектуальным информационным системам: Учебное пособие для студентов специальности "Прикладная информатика (по областям)" и другим экономическим специальностям. 2-е изд., перераб. и доп. – Краснодар:

КубГАУ, 2006. – 318с.

3. Луценко Е.В. Автоматизированный системно-когнитивный анализ в управлении активными объектами (системная теория информации и ее применение в исследовании экономических, социально-психологических, технологических и организационно-технических систем): Монография (научное издание). – Краснодар: КубГАУ. 2002. – 605 с.

4. Луценко Е.В., Лойко В.И., Семантические информационные модели управления агропромышленным комплексом. Монография (научное издание). – Краснодар: КубГАУ.

2005. – 480 с.

б) дополнительная литература:

Адаменко А., Кучуков А.. Логическое программирование и Visual-Prolog. – СПБ:

«БХВ-Петербург», 2003.

Акофф Р., Эмери Ф.. О целеустремленных системах. – М.: Советское радио, 1974.

Алиев Р.А., Абдикеев Н.М., Шахназаров М.М.. Производственные системы с искусственным интеллектом. - М.: Радио и связь, 1990.

Арбиб М.. Метафорический мозг. - М.: Мир, 1976.

Берштейн Л.С. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991.-136 с.

Братко И.. Программирование на языке ПРОЛОГ для искусственного интеллекта. - М.:

Васильев В.И.. Распознающие системы. Справочник. - Киев, Наукова думка, 1983.

Васильев Л.Г. Три парадигмы понимания: анализ литературы вопроса.

http://newasp.omskreg.ru/intellect/f54.htm.

Гаазе-Рапопорт М.Г., Поспелов Д.А.. От амебы до робота: модели поведения. – М.:

Наука, 1987.

Гаврилов А.В.. Гибридные интеллектуальные системы. – Новосибирск: НГТУ, 2003.

10.

Гаврилов А.В.. Лабораторный практикум по нейронным сетям. Ч.1. - Новосибирск, 11.

Гаврилов А.В.. Системы искусственного интеллекта. Уч. пособие, ч. 1. - Новосибирск, 12.

НГТУ, 2000, 2001.

Гаврилова Т.А., Хорошевский В.Ф.. Базы знаний интеллектуальных систем. – СПБ:

13.

Гаврилова Т.А., Червинская К.Р.. Извлечение и структурирование знаний для экспертных систем. - М.: Радио и связь, 1992.

Гаек П., Гавранек Т.. Автоматическое образование гипотез. - М.: Наука, 1984.

15.

Галушкин А.. Нейрокомпьютеры. М.: ИПРЖР, 2000.

16.

Галушкин А.. Теория нейронных сетей. М.:ИПРЖР, 2000.

17.

Гладун В.П.. Планирование решений. - Киев, Наукова думка, 1987.

18.

Горбань А.Н., Россиев Д.А.. Нейронные сети на персональном компьютере. Новосибирск, Наука, 1996.

Горбань А.Н.. Обучение нейронных сетей. - М.: СП Параграф, 1990.

20.

Гренандер У.. Лекции по теории образов. В 3-х кн. – М.: Мир, 1983.

21.

Джан Роберт Г., Данн Бренда Дж.. Границы реальности. (Роль сознания в физическом 22.

мире). /Пер. с англ. - М.: Объединенный институт высоких температур РАН, 1995. с.

Джексон П. Введение в экспертные системы. - М., СпБ., Киев: "Вильямс", 2001.

23.

Драгавцев В.А., Драгавцева И.А., Лопатина Л.М. Управление продуктивностью сельскохозяйственных культур на основе закономерностей их генетических и фенотипических изменений при смене лимитов внешней среды. – Краснодар. СКЗНИИСиВ, 2004.

Драгавцева И.А. и др. Персик на Юге России и Украины. –Краснодар: СКзНИИСиВ, 25.

Драгавцева И.А. Экологические основы оптимального размещения абрикоса на Северном Кавказе. Дисс…д.с./х.н. (06.01.07 – Плодоводство) – Краснодар: КубГАУ, 1981. – Драгавцева И.А. Экологические ресурсы продуктивности абрикоса на юге России. – 27.

Краснодар: 1999. –94с.

Дюбуа Д., Прад А.. Теория возможностей. Приложения к представлению знаний в информатике. - М.: Радио и связь, 1990.

Дюк В.А. Компьютерная психодиагностика. - СПб: Братство, 1994. - 365с.

29.

Дюк В.А. Обработка данных на ПК в примерах. – СПб: Питер, 1997. – 240с.

30.

Емельянов-Барковский Л.Б.. Интеллектуальная квазибиологическая система. – М.:

31.

Наука, 1990. – 112с.

Ерофеев А.А., Поляков А.О.. Интеллектуальные системы управления. СПб: Издательство СПбГТУ, 1999.

Завгородний В.В. и Мельников Ю.Н. Идентификация по клавиатурному почерку, "Банковские Технологии" №9, 1998.

Загоруйко Н.Г.. Прикладные методы анализа данных и знаний. – Новосибирск, 1999.

34.

Заде Л.. Понятие о лингвистической переменной и его применение к принятию решений. - М.: Мир, 1976.

Интеллектуализация ЭВМ - // В уч. пос. Перспективы развития вычислительной техники в 11 кн. Кн. 2. - М.: Высшая школа, 1989.

Интеллектуальные системы и их моделирование. - М.:Наука, 1986.

37.

Искусственный интеллект. Применение в интегрированных производственных системах. Под ред. Э.Кьюсиака. - М.: Машиностроение, 1991.

Искусственный интеллект. Справочник в 3-х томах. - М.: Радио и связь, 1990.

39.

Каллан Р. Основные концепции нейронных сетей. - М.: "Вильямс", 2001.

40.

Кандрашина Е.Ю., Литвинцева А.В., Поспелов Д.А.. Представление знаний о времени 41.

и пространстве в интеллектуальных системах. - М.: Наука, 1989.

Кива В. Данные, информация, знания. http://vlak.webzone.ru/rus/it/knowledge.html.

42.

Ковальски Р.. Логика в решении проблем. - М.: Наука, 1990.

43.

Козлов Ю.М.. Адаптация и обучение в робототехнике. – М.: Наука, 1990.

44.

Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры. - М.: Изд-во МГТУ им.

45.

Н.Э.Баумана, 2002.

Комашинский В.И., Смирнов В.И. Нейронные сети и их применение в системах управления и связи. – М.: Горячая линия – Телеком, 2002.

Корнеев В.В., Гарев А.Ф., Васютин С.В., Райх В.В.. Базы данных. Интеллектуальная 47.

обработка информации. - М.: "Нолидж", 2000.- 2-е изд., 2001.

Корноушенко Е.К., Максимов В.И. Управление процессами в слабоформализованных 48.

средах при стабилизации графовых моделей среды. Труды ИПУ, вып.2, 1998.

Кохонен Т.. Ассоциативная память. – М.: Мир, 1980.

49.

Круглов В.В., Борисов В.В.. Искусственные нейронные сети. Теория и практика. - М.:

50.

Горячая линия-Телеком, 2001.

Кузнецов В.Е.. Представление в ЭВМ неформальных процедур. - М.: Наука, 1989.

51.

Кузнецов И.П.. Кибернетические диалоговые системы. – М.: Наука, 1976.

52.

Кузнецов И.П.. Механизмы обработки семантической информации. – М.: Наука, 1978.

53.

Куссуль Э.М. Ассоциативные нейроподобные структуры. - Киев, Наукова думка, 1990.

54.

Левин Р., Дранг Д., Эдельсон Б.. Практическое введение в технологию искусственного 55.

интеллекта и экспертных систем с иллюстрациями на Бейсике. - М.: Финансы и статистика, 1990.

Лийв Э. Х. Инфодинамика. Обобщённая энтропия и негэнтропия. - Таллинн, 1998. с.

Линдсей П., Норман Д.. Переработка информации у человека. – М.: Мир, 1974.

57.

Логический подход к искусственному интеллекту. - М.: Мир, 1990.

58.

Лорьер Ж.-Л.. Системы искусственного интеллекта. - М: Мир, 1991.

59.

Любарский Ю.Я.. Интеллектуальные информационные системы. - М.: Наука, 1990.

60.

Люгер Дж.Ф.. Искусственный интеллект: стратегии и методы решения сложных проблем. – М.: «Вильямс», 2003.

Максимов В.И., Качаев С.В., Корноушенко Е.К. Концептуальное моделирование и мониторинг проблемных и конфликтных ситуаций при целенаправленном развитии региона. В сб. "Современные технологии управления для администраций городов и регионов". Фонд "Проблемы управления", М. 1998.

Максимов В.И., Корноушенко Е.К. Аналитические основы применения когнитивного 63.

подхода при решении слабоструктурированных задач. Труды ИПУ, вып.2, 1998.

Максимов В.И., Корноушенко Е.К. Знание – основа анализа. Банковские технологии, 64.

Максимов В.И., Корноушенко Е.К., Качаев С.В. Анализ ситуации и компенсация теневых аспектов в свободной торговле. В сб. "Современные технологии управления для администраций городов и регионов". Фонд "Проблемы управления", М. 1998.

Максимов В.И., Корноушенко Е.К., Качаев С.В., Григорян А.К. Когнитивный подход к 66.

анализу проблемы демонополизации в транспортном комплексе. Труды ИПУ, вып.2, Малышев Н.Г., Берштейн Л.С., Боженюк А.В.. Нечеткие модели для экспертных систем в САПР. - М.: Энергоатомиздат, 1991.

Марселлус Д.. Программирование экспертных систем на Турбо-Прологе. - М.: Финансы и статистика, 1994.

Медведев В.С., Потемкин В.Г.. Нейронные сети MATLAB 6. – М.: Диалог-МИФИ, 69.

Мелихов А.Н., Бернштейн Л.С., Коровин С.Я.. Ситуационные советующие системы с 70.

нечеткой логикой. - М.: Наука, 1990.

71. Минский М.. Фреймы для представления знаний. - М.: Энергия, 1979.

72. Моделирование языковой деятельности в интеллектуальных системах. Под ред.

А.Е.Кибрика и А.С.Нариньяни. - М.: Наука, 1987.

73. Моргенштерн И. Психографология. –СПб.: Питер, 1994. –350 с.

74. Назаров А.В., Лоскутов А.И.. Нейросетевые алгоритмы прогнозирования и оптимизации систем. – СПб.: Наука и техника, 2003.

75. Накано Э.. Введение в робототехнику. – М.: Мир, 1988.

76. Нейроинформатика. / А.Н. Горбань, В.Л. Дунин-Барковский, А.Н. Кирдин и др. – Новосибирск: Наука. Сибирское предприятие РАН, 1998. – 296с.

77. Нейрокомпьютеры и интеллектуальные роботы. Под ред. Н.М. Амосова. – Киев, Наукова думка, 1991.

78. Нейронные сети. STATISTICA Neural Networks. - М.: Горячая линия - Телеком, 2000.

79. Нейропрограммы. Уч. пособие. – Красноярск, 1994.

80. Нечеткие множества в моделях управления и искусственного интеллекта/А.Н. Аверкин, И.З. Батыршин, А.Ф. Блишун, В.Б. Силов, В.Б. Тарасов. Под ред. Д.А. Поспелова.М.:Наука. Гл. ред. физ.-мат. лит., 1986.- 312 с.

81. Нечеткие множества и теория возможностей. Под ред. Р.Ягера. - М.: Радио и связь, 82. Нильсон Н.. Принципы искусственного интеллекта. - М.: Радио и связь, 1985.

83. Обработка знаний. - М: Мир, 1990.

84. Обработка нечеткой информации в системах принятия решений./ А.Н.Борисов, А.В.Алексеев, и др..- М.: Радио и связь, 1989. – 304с.

85. Осипов Г.С. Приобретение знаний интеллектуальными системами. М., «Наука», 1997.

86. Осовский С.. Нейронные сети для обработки информации. – М.: Финансы и статистика, 87. Пенроуз Р.. Новый ум короля: о компьютерах, мышлении и законах физики. – М.: Едиториал УРСС, 2003. – 384с.

88. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ: Учебное пособие. – М.:

Высшая школа, 1997. – 389с.

89. Попов Э.В., И.Б. Фоминых, Е.Б. Кисель, М.Д.Шапот. Статические и динамические экспертные системы. - М.: Финансы и статистика, 1996.

90. Попов Э.В.. Общение с ЭВМ на естественном языке. - М:, Наука, 1986.

91. Попов Э.В.. Экспертные системы. - М:, Наука, 1987.

92. Поспелов Д.А.. Моделирование рассуждений. - М.: Радио и связь, 1989.

93. Построение экспертных систем. Под ред. Ф. Хейес-Рота, Д. Уотермена, Д. Лената. - М.:

94. Потапова Р.К.. Речевое управление роботом. – М.: Радио и связь, 1989.

95. Представление и использование знаний. - М: Мир, 1989.

96. Прибрам К.. Языки мозга. – М.: Прогресс, 1975.

97. Приобретение знаний. - М: Мир, 1990.

98. Психология машинного зрения. – Под ред. П.Уинстона, М.:Мир, 1978.

99. Райков А.Н. Аналитическим службам - информационные технологии. /Ваш выбор.

1994. № 4. - С.28-29.

100. Райков А.Н. Гносеологическая декомпозиция процессов рефлексивного управления.

/"Рефлексивное управление". Тезисы международного симпозиума (17-19.10.2000). – М.: Ин-т психол. РАН, 2000. – С.89-90.

101. Райков А.Н. Интеллектуальные информационные технологии и системы. В 2-х частях.

– М.: МИРЭА, 1998. – 213с.

102. Райков А.Н. Интеллектуальные информационные технологии: Учебное пособие. – М.:

МГИРЭА(ТУ), 2000. - 96с.

103. Реальность и прогнозы искусственного интеллекта. -М.: Мир, 1987.

104. Розенблатт Ф. Принципы нейродинамики (перцептрон и теория механизмов мозга). // М.: "Мир", 1965.—480с.

105. Рубашкин В.Ш.. Представление и анализ смысла в интеллектуальных информационных системах. - М.: Наука, 1989.

106. Сайт: ИПУ РАН, Сектор-51 "Когнитивный анализ и моделирование ситуаций":

http://www.ipu.ru/labs/lab51/projects.htm.

107. Сигеру Омату, Марзуки Халид, Рубия Юсоф. Нейроуправление и его приложения. М.:

ИПРЖР, 2000.

108. Системы управления базами данных и знаний. Справочное издание под ред. А.Н.

Наумова. - М.: Финансы и статистика, 1991.

109. Словарь по кибернетике. /Под ред. В.М.Глушкова. – К.: Наукова думка, 1979. - 502с.

110. Смирнов И., Безносюк Е., Журавлёв А. Психотехнологии: Компьютерный психосемантический анализ и психокоррекция на неосознаваемом уровне. - М.: Изд. группа Прогресс-Культура, 1995. - 416с.

111. Сойер Б., Фостер Д.Л.. Программирование экспертных систем на Паскале. - М.: Финансы и статистика, 1990.

112. Соломатин Н.М.. Информационные семантические системы. - // В уч. пос. Перспективы развития вычислительной техники в 11 кн. Кн. 1. - М.: Высшая школа, 1989.

113. Сотник С.Л. Конспект лекций по курсу "Основы проектирования систем искусственного интеллекта": (1997-1998), http://neuroschool.narod.ru/books/sotnik.html.

114. Статические и динамические экспертные системы. Э,В, Попов, И.Б. Фоминых, Е.Б. Кисель, М.Д. Шапот. – М.: Финансы и статистика, 1996.

115. Таунсенд К., Фохт Д.. Проектирование и программная реализация экспертных систем на персональных ЭВМ. - М.: Финансы и статистика, 1990.

116. Тельнов Ю.Ф. Интеллектуальные информационные системы в экономике. (Учебное пособие) - М., 2002.

117. Тельнов Ю.Ф. Интеллектуальные информационные системы. (Учебное пособие) - М., 118. Темников Ф.Е., Афонин В.А., Дмитриев В.И. Теоретические основы информационной техники. – М.: Энергия, 1979. – 511с.

119. Терехов С.А. Лекции по теории и приложениям искусственных нейронных сетей. Лаборатория Искусственных Нейронных Сетей НТО-2, ВНИИТФ, Снежинск (http://alife.narod.ru/lectures/neural/Neu_index.htm).

120. Техническая имитация интеллекта. - // В уч. пос. Робототехника и гибкие автоматизированные производства в 9 кн. Кн. 6. - М.: Высшая школа, 1986.

121. Техническое зрение роботов. – Под ред. А.Пью. М.: Машиностроение, 1987.

122. Тимофеев А.В.. Адаптивные робототехнические комплексы. – Л.: Машиностроение, 123. Тыугу Э.Х.. Концептуальное программирование. - М.: Наука, 1984.

124. Убейко В.Н.. Экспертные системы. – М.: МАИ, 1992.

125. Уинстон П.. Искусственный интеллект. М.: Мир, 1980.

126. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика. М.: Мир. 1992.

127. Уотерман Д.. Руководство по экспертным системам. - М.: Мир, 1989.

128. Фу К., Гонсалес Р., Ли К.. Робототехника. – М.: Мир, 1989.

129. Хоггер К.. Введение в логическое программирование. М.: Мир, 1988.

130. Хорн Б.К.П.. Зрение роботов. – М.: Мир, 1989.

131. Хофман И. Активная память. – М.: Прогресс, 1986.

132. Хювенен Э., Сеппянен Й.. Мир Лиспа. В 2-х томах. - М.: Мир, 1990.

133. Цехмистро И.З. Поиски квантовой концепции физических оснований сознания. – Харьков: ХГУ, 1981. - 275с.

134. Частиков А.П., Гаврилова Т.А., Белов Д.Л.. Разработка экспертных систем. Среда CLIPS. – СПБ: БХВ-Петербург, 2003.

135. Шагас Ч. Вызванные потенциалы мозга в норме и патологии. –М.: Мир, 1975. –314с.

136. Шенк Р.. Обработка концептуальной информации. - М.: Энергия, 1980.

137. Шитиков В.К., Розенберг Г.С., Зинченко Т.Д. Количественная гидроэкология: методы системной идентификации. – Тольятти: ИЭВБ РАН, 2003. – 463 с.

138. Экспертные системы. Принципы работы и примеры. Под ред. Р. Форсайта.- М.: Радио и связь, 1987.

139. Элти Дж., М. Кумбс. Экспертные системы. Концепции и примеры. – М.: Финансы и статистика, 1987.

140. Янг Дж.Ф.. Робототехника. – Л.: Машиностроение, 1979.

141. Ярушкина Н.Г.. Основы теории нечетких и гибридных систем. – М.: Финансы и статистика, 2004.

в) программное обеспечение и Интернет-ресурсы - Операционные системы Windows ХР/ - АСК "КОНТРОЛЬ" Сайт автора учебного пособия: http://lc.kubagro.ru, а также сайты, обнаруживаемые в поисковых системах по запросам:

– "Интеллектуальная обработка данных (data mining)";

– "Распознавание образов";

– "Поддержка принятия решений";

– "Экспертные системы".

– "Когнитивное моделирование";

– "Нейронные сети";

– "Генетические алгоритмы";

– "Моделирование эволюции (машинная эволюция)";

– "Клавиатурный почерк";

– "Биометрическая идентификация пользователя";

– "Биологическая обратная связь";

– "Семантический резонанс".

8. Материально-техническое обеспечение дисциплины «Интеллектуальные информационные системы»

В качестве основных технических средств обучения (ТСО) по дисциплине используются:

- мультимедийные лекционные аудитории, оснащенные проектором, обеспечивающим воспроизводство слайдов и текстов с экрана монитора компьютер лектора, управляющим компьютером, микрофоном, усилителем и акустической системой, лазерной указкой, устройствами затемнения, обеспечения информационной безопасности и поддержания микроклимата;

- дисплейные классы (в т.ч. и Internet-класс) кафедры компьютерных технологий и систем КубГАУ, оборудованные ПК Pentium-III и выше, подключенные к Internet и ЛВС кафедры.

Материально-техническое обеспечение (МТО) учебного процесса осуществляется из расчета, что контингент студентов в учебной группе не превышает 12-13 человек.

Лабораторные занятия учебной группы проводятся двумя преподавателями в 2-х дисплейных классах кафедры КТС (группа делится пополам).

МТО практических занятий в дисплейных классах включает следующее оборудование:

Аппаратное обеспечение (на каждом рабочем месте) ПК (Pentium-III и выше. 256 RAM, 40 Gb HDD. монитор, клавиатура, мышь) Программное обеспечение (на каждом рабочем месте) Windows 98/2000/XT, Adobe PhotoShop, CorelDraw, Internet Explorer, Total Commander, Far Программа составлена в соответствии с требованиями ФГОС ВПО с учетом рекомендаций ПрООП ВПО по направлению и профилю подготовки 230700.62 - Прикладная информатика.

Автор, профессор кафедры компьютерных технологий и систем КубГАУ д.э.н., к.т.н., профессор _ Е.В. Луценко Рецензент, Зав. кафедрой информационных систем КубГАУ д.э.н., к.ф.-м.,н., профессор Е.В. Попова Рабочая программа обсуждена и одобрена на заседании кафедры компьютерных технологий и систем КубГАУ 20 июня 2011года, протокол № 13.

Программа одобрена на заседании методической комиссии факультета прикладной информатики КубГАУ от 24 июня 2011 года, протокол № 10.