Detail předmětu

Expertní systémy

FSI-VEXAk. rok: 2018/2019

Předmět je věnován následujícím tématům: Architektura a vlastnosti expertních systémů. Reprezentace znalostí a inferenční mechanismy. Reprezentace a zpracování neurčitosti. Fuzzy logika, lingvistické modely, fuzzy expertní systémy. Nástroje pro tvorbu expertních systémů. Získávání znalostí, strojové učení. Charakteristiky a ukázky vybraných expertních systémů. Příklady aplikací expertních systémů.

Jazyk výuky

čeština

Počet kreditů

5

Garant předmětu

prof. RNDr. Miloslav Druckmüller, CSc.

Zajišťuje ústav

Ústav matematiky (ÚM)

Výsledky učení předmětu

Znalost základních principů činnosti a tvorby expertních systémů. Schopnost výběru a aplikace vhodného nástroje pro tvorbu expertního systému.

Prerekvizity

Matematická logika, teorie množin, teorie pravděpodobnosti, základy umělé inteligence.

Plánované vzdělávací činnosti a výukové metody

Předmět je vyučován formou přednášek, které mají charakter výkladu základních principů a teorie dané disciplíny. Cvičení je zaměřeno na praktické zvládnutí látky probrané na přednáškách.

Způsob a kritéria hodnocení

Požadavky pro zápočet: aktivní účast ve cvičeních, zpracování jednoduchých aplikací expertních systémů.
Zkouška: písemný test (jednoduché příklady a otázky z teorie), ústní zkouška.

Učební cíle

Cílem předmětu je, aby studenti pochopili principy činnosti expertních systémů a osvojili si základy znalostního inženýrství.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Účast na cvičeních je povinná. Zameškaná výuka může být nahrazena zpracováním zadaných úloh.

Základní literatura

Bratko, I. Prolog Programming for Artificial Intelligence. Pearson Education 2011. (EN)
Giarratano, J., Riley, G. Expert Systems. Principles and Programming. Boston, PWS Publishing Company 1998. (EN)
Jackson, P. Introduction to Expert Systems. Harlow, Addison-Wesley 1999. (EN)
Mitchell, T. M. Machine Learning. Singapore, McGraw-Hill 1997. (EN)
Negnevitsky, M. Artificial Intelligence. A Guide to Intelligent Systems. Harlow, Addison-Wesley 2005. (EN)
Siler, W., Buckley, J.J. Fuzzy Expert Systems and Fuzzy Reasoning. Hoboken, New Jersey, John Wiley & Sons, Inc. 2005. (EN)

Doporučená literatura

Berka, P. a kol. Expertní systémy. Skripta. Praha, VŠE 1998. (CS)
Berka, P. Dobývání znalostí z databází. Praha, Academia 2003. (CS)
Jackson, P. Introduction to Expert Systems. Harlow, Addison-Wesley 1999. (EN)
Kelemen J. a kol. Tvorba expertních systémů v prostředí CLIPS. Praha, Grada 1999. (CS)
Mařík, V. a kol. Umělá inteligence (1, 2, 4). Praha, Academia 1993, 1997, 2003. (CS)
Merrit, D. Building Expert Systems in Prolog. Berlin, Springer-Verlag 1989. http://www.amzi.com/ExpertSystemsInProlog/index.htm (EN)
Negnevitsky, M. Artificial Intelligence. A Guide to Intelligent Systems. Harlow, Addison-Wesley 2005. (EN)
Polák, J. Prolog. Praha, Grada 1992. (CS)

Zařazení předmětu ve studijních plánech

  • Program M2I-P magisterský navazující

    obor M-AIŘ , 2 ročník, zimní semestr, povinný
    obor M-AIŘ , 2 ročník, zimní semestr, povinný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

RNDr. Jiří Dvořák, CSc.

Osnova

1. Úvod do systému CLIPS – fakty, šablony, pravidla, vzory, proces inference.
2. Funkce v CLIPSu, definice uživatelských funkcí.
3. Charakteristické znaky a struktura expertních systémů, oblasti aplikace.
4. Pravidlové expertní systémy.
5. Základy jazyka Prolog.
6. Tvorba expertních systémů v Prologu.
7. Expertní systémy založené na nepravidlové a hybridní reprezentaci znalostí.
8. Pravděpodobnostní přístupy ke zpracování neurčitosti, Bayesovské sítě.
9. Zpracování neurčitosti pomocí faktorů jistoty a Dempster-Shaferovy teorie.
10. Fuzzy přístupy ke zpracování neurčitosti.
11. Fuzzy expertní systémy.
12. Proces tvorby expertního systému, znalostní inženýrství.
13. Získávání znalostí z dat.

Cvičení s počítačovou podporou

26 hod., povinná

Vyučující / Lektor

RNDr. Jiří Dvořák, CSc.

Osnova

1. Seznámení se systémem CLIPS, fakty a pravidla.
2. Šablony, řešení úloh v CLIPSu.
3. Definice a použití funkcí v CLIPSu.
4. Tvorba expertního systému v CLIPSu.
5. Seznámení s jazykem Prolog.
6. Řešení úloh v jazyku Prolog.
7. Tvorba expertních systémů v Prologu.
8. Pseudobayesovské systémy.
9. Bayesovské sítě.
10. Implementace faktorů jistoty v CLIPSu.
11. Systémy EXSYS a FLEX.
12. Systém LMPS.
13. Vyhodnocení semestrálních projektů.