English version of this page
На главную страницу
Официальный сайт кафедры Математической теории интеллектуальных систем и лабораторий Проблем теоретической кибернетики и Математичеких проблем искусственного интеллекта механико-математического факультета МГУ им. М. В. Ломоносова
На первую страницу сервера Новости Кафедра Сотрудники Учеба Наука Исследования Журнал Культура Канал кафедры МаТИС в Телеграм
 ТДФ Теория дискретных функций – лекции и семинары для студентов 1 курса (II поток)
 Ташкентский филиал Ташкентский филиал МГУ им. М.В. Ломоносова
 Семинары расписание специальных семинаров кафедры МаТИС
 Курсы расписание специальных курсов кафедры, программа курсов
 Практикум cпециальный математический практикум кафедры МаТИС, III курс
 Студенты список студентов кафедры по курсам и группам, расписание занятий, выпускники
 Магистратура информация для поступающих в магистратуру
 Аспирантура информация для аспирантов и поступающих в аспирантуру; списки аспирантов

Перейти к полному списку специальных курсов кафедры

Спецкурс "Прикладные семиотические системы распределенного искусственного интеллекта"

Специальный курс адресован студентам, интересующимся вопросами связанными с разработкой систем распределенного искусственного интеллекта. Основной задачей спецкурса является ознакомление студентов с подходами к анализу и проектированию сложных наукоемких распределенных приложений с учетом современных методологий и программных средств.

 

Модуль 1. Введение в системный анализ и проектирование интеллектуальных систем.

 

1.1 Обзор основных типов программных систем.

1.2 Понятие архитектуры программного обеспечения. Элементы стандартной программной системы: данные, процессы, интерфейсы.

1.3 Методологии разработки программных систем: Rational Unified Process (RUP), Microsoft Solution Framework (MSF) и др.

1.4 Основные методологии организации жизненного цикла разработки программных, их особенности, преимущества и недостатки: последовательная, инкрементная и спиральная.

1.5 Основные этапы разработки наукоемкого ПО, их краткая характеристика.

 

Модуль 2. Искусственный интеллект и прикладная семиотика.

2.1 Введение в математические методы искусственного интеллекта. Краткая история направления. Возникновение вычислительного интеллекта и прикладной семиотики.

2.2 Данные и знания. Абстрактные типы данных. Внутренняя структура знаний. Отличие знаний от данных. Интерпретируемость, структурированность и активность знаний.

2.3 Представление знаний. Использование логических моделей для представления знаний. Ограниченность формальных систем. Системы продукций и их свойства. Семантические сети. Понятие фрейма и сети фреймов.

2.4 Базы, основанные на системах продукций. Различные типы баз в зависимости от вида продукционных систем. Сетевые базы знаний. Использование каузальных сетей в базах знаний. Смешанные базы знаний.

2.5 Открытость баз знаний. Немонотонность процедур представления знаний. Переход от знаний, основанных на булевой логике, к правдоподобным и нечетким знаниям.

2.6 Классические схемы вывода на знаниях. Распространение идей дедуктивного вывода на случай знаний. Требования к знаниям, используемым в схемах дедуктивного типа. Язык Пролог и вывод на знаниях.

2.7 Особенности больших интеллектуальных систем управления. Недостаточность классических моделей управления для больших систем. Принципы семиотического моделирования в системах управления. Описание ситуаций на объекте управления и в управляющей системе. Системы ситуационного управления и области их применения. Примеры систем ситуационного управления.

2.8 Прикладная семиотика. Задачи прикладной семиотики. Языки семиотического типа. Язык RХ-кодов, язык ситуационного управления. Универсальный семантический код. Формальные семиотические системы.

2.9 Пример проектирования и разработки прикладной семиотической системы: система информационного мониторинга.

 

Модуль 3. Распределенный ИИ на основе когнитивных агентов. Многоагентные системы.

3.1 Введение в многоагентные системы. Терминология многоагентных систем и их основные свойства.

3.2 Теория агентов. Основные предположения. Формальные модели ментальных понятий и правил манипулирования с ними. Теоретико-множественные отношения миров ментальных понятий.

3.3 Коллективное поведение агентов. Мотивация, цели и схемы кооперации и конкуренции агентов. Формальные модели коллективного поведения агентов. Модели координации поведения агентов. Теоретико-игровые модели. Модели планирования коллективного поведения. Модели координации поведения на основе конкуренции. Конфликты в многоагентных системах. Протоколы и языки координации.

3.4 Архитектура многоагентных систем. Архитектура взаимодействия системы агентов. Одноуровневая архитектура взаимодействия агентов. Иерархическая архитектура взаимодействия агентов. Архитектура агента: общая классификация. Архитектура агентов, основанная на знаниях. Архитектура на основе планирования (реактивная архитектура). Примеры архитектур агентов. Многоагентное управление сложными сенсорными системами (стационарными и мобильными).

3.5 Интеллектуальный сенсор как агент робототехнической системы. Особенности централизованного и децентрализованного управления. Задачи мультиагентного управления. Иерархическая декомпозиция глобальной задачи на локальные рабочие задания для интеллектуальных сенсоров. Оптимальное планирование распределения при мультиагентном управлении. Архитектура систем мультиагентного управления.

3.6 Задачи и методы планирования кратчайшего маршрута в среде с препятствиями. Локальная и мультиагентная информации о неизвестных препятствиях. Мультиагентная исследовательская стратегия адаптивного планирования кратчайших маршрутов. Мультиагентная стратегия локально- оптимального адаптивного планирования маршрутов для мобильных сенсорных и робототехнических систем.

3.7 Распределенный ИИ и управление знаниями. Отнологии и многоагентные системы для корпоративных семантических веб-сетей. Мобильные информационные агенты.

3.8 Пример проектирования и разработки семиотической системы распределенного искусственного интеллекта: система моделирования систем безопасности.

 

 Модуль 4. Распределенный вычислительный ИИ на основе реактивных агентов. Семиотические основы распределенного ИИ и распределенного вычислительного ИИ.

4.1 Методы распределенной интеллектуальной поддержки принятия решений в сенсорных сетях.

4.2 Распределенные базы данных в сенсорных сетях.

4.3 Вложенные методы мягких вычислений в сенсорных сетях (нечеткие системы, нейросети, генетические алгоритмы, искусственные иммунные системы)

4.4 Распределенные базы знаний и языки представления знаний в сенсорных сетях

4.5 Методы обучения и самообучения сенсорных сетях.

4.6 Методы слияния данных и агрегации в беспроводных сенсорных сетях на основе распределенного ИИ.

4.7 Интеллектуальные методы маршрутизации и энергосбережения в сенсорных сетях.

4.8 Алгебраическая семиотика распределенной поддержки принятия решений.

4.9 Пример проектирования и разработки семиотической системы распределенного искусственного интеллекта: система распределенного искусственного интеллекта в беспроводных сенсорных сетях.

Наверх

   © 2001- г. Кафедра Математической теории интеллектуальных систем, лаборатория ПТК, лаборатория МПИИ Написать вебмастеру   
Последние новости - в телеграм-канале кафедры МаТИС: Канал кафедры МаТИС в Телеграм Rambler's Top100 Рейтинг@Mail.ru