В учебном пособии рассмотрены основные направления исследований в области искусственного интеллекта, дан анализ состояния и перспектив развития теории и практики применения искусственного интеллекта в МЧС России. Изложена теория экспертных систем, структура, алгоритмы обучения и функционирования искусственных нейронных сетей. Как средство обучения искусственных нейронных сетей рассмотрены генетические алгоритмы. Приводится материал, посвященный интеллектуальному анализу больших данных. Учебное пособие предназначено для обучения курсантов и слушателей в высших учебных заведениях МЧС России по специальности 27.04.03 - «Системный анализ и управление».
Рассматриваются примеры создания и применения нечетких систем, нейронных сетей и генетических алгоритмов. Представлены краткие теоретические сведения, необходимые для ввода данных, пояснения по результатам, получаемым в ходе работы, и контрольные вопросы. В заключение приведены ссылки на актуальные курсы по программированию нейросетей от различных авторов. Предназначено для широкого круга студентов естественных и технических специальностей, интересующихся основами искусственного интеллекта. Представленные в учебном пособии примеры сосредоточены на сути этих технологий и не требуют навыков программирования.
Данная книга является продолжением учебного пособия [30]. В этом пособии рассмотрены теоретические основы нейронных сетей (НС), а также различные виды НС, их архитектура, обучение и примеры практического использования.
Приведены алгоритмы численных методов одномерной и многомерной безусловной оптимизации, а также задачи для лабораторных работ по курсу «Методы оптимизации». Предназначено для студентов бакалавриата, обучающихся по направлению 09.03.01 «Информатика и вычислительная техника» по профилю «Искусственный интеллект».
Рассмотрены вопросы, связанные с использованием современных систем обработки больших данных. Рассматриваются фреймворк Apache Spark, его архитектура и принципы создания программного обеспечения на его основе как для статических, так и для потоковых данных. Приводится описание алгоритмов машинного обучения на больших данных. Предназначено для студентов магистратуры, обучающихся по направлению 09.04.01 «Информатика и вычислительная техника» по профилю «Искусственный интеллект».
Приведено описание лабораторных работ и примера выполнения контрольной работы по предмету «Узлы и устройства систем телекоммуникаций». Предназначено для студентов бакалавриата, обучающихся по направлению 09.03.01 «Информатика и вычислительная техника» по профилю «Искусственный интеллект».
Приведены описание лабораторных работ и материалы для выполнения курсовой работы по предмету «Схемотехника». Даются примеры реализации
различных устройств комбинационной и последовательностной логики, цифровых автоматов на ПЛИС с использованием языков описания аппаратуры
VHDL и Verilog. Предназначено для студентов бакалавриата, обучающихся по направлению 09.03.01 «Информатика и вычислительная техника» по профилю «Искусственный интеллект»
Практикум является дополнением к основной литературе
дисциплины. Создан на базе прочитанного материала. Каждое задание в практикуме начинается с необходимого теоретического минимума, включающего важнейшие определения, теоремы и формулы. Затем
следует блок рассмотрения решения задачи. В конце находятся задачи для самостоятельного решения и контрольные вопросы, позволяющие обучающимся оценить освоенность представленного материала. Предназначен для всех технических специальностей и направлений подготовки, включающих реализацию дисциплин «Моделирование систем» и «Моделирование систем и сетей телекоммуникаций».
Приведены основные сведения из теории случайных процессов; спектральные характеристики временных рядов; передаточные функции непрерывных и дискретных систем; цифровые фильтры; корреляционные функции. Излагаемый материал пособия проиллюстрирован необходимыми рисунками, решениями типовых задач и результатами математического моделирования. Предназначено для обучающихся по специальности 09.04.01 «Информатика и вычислительная техника» по профилю «Искусственный интеллект», а
также для студентов технических вузов, обучающихся по смежным специаль-
ностям магистратур, и аспирантов соответствующих специальностей.
Необходимо для формирования у бакалавров теоретических знаний и практических навыков предварительной обработки визуальной информации и использования функции для обнаружения объектов. Приведены основные модули библиотеки OpenCV, описаны этапы установки и настройки. Во второй, третьей и четвертой частях рассматриваются наиболее востребованные функции для работы с изображениями, улучшения визуального восприятия, извлечения геометрических характеристик. Примеры сопровождаются рисунками и программным кодом, подробно иллюстрирующим технику работы
с библиотекой. Для обучающихся по направлению подготовки 09.03.02 — Информационные системы и технологии очной формы обучения, а также может быть использовано при изучении дисциплины «Компьютерная обработка изображений».
