Detail předmětu

Expertní systémy

FSI-VEX-KPovinnýMagisterský navazující (druhý cyklus)Ak. rok: 2016/2017Zimní semestr2. ročník5  kreditů

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.

Výsledky učení předmětu

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

Způsob realizace výuky

20 % kontaktní výuka, 80 % distančně

Prerekvizity

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

Doporučená nebo povinná literatura

Mařík, V. a kol. Umělá inteligence (1, 2). Praha, Academia 1993, 1997.
Giarratano, J., Riley, G. Expert Systems. Principles and Programming. Boston, PWS Publishing Company 1998.
Jackson, P. Introduction to Expert Systems. Harlow, Addison-Wesley 1999.
Berka, P. a kol. Expertní systémy. Skripta. Praha, VŠE 1998.
Siler, W., Buckley, J.J. Fuzzy Expert Systems and Fuzzy Reasoning. Hoboken, New Jersey, John Wiley & Sons, Inc. 2005.
Kelemen J. a kol. Tvorba expertních systémů v prostředí CLIPS. Praha, Grada 1999.
Berka, P. Dobývání znalostí z databází. Praha, Academia 2003.

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.

Jazyk výuky

čeština

Cíl

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

Kontrolována je účast na cvičeních. Zameškaná výuka může být nahrazena zpracováním zadaných úloh.

Typ (způsob) výuky

 

Konzultace

17 hod., nepovinná

Vyučující / Lektor

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.

Řízené samostudium

35 hod., povinná

Vyučující / Lektor

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. Systém FEL-Expert.
9. Systém HUGIN.
10. Implementace faktorů jistoty v CLIPSu.
11. Systém EXSYS.
12. Systém LMPS.
13. Vyhodnocení semestrálních projektů.

eLearning