Інфопакет

Нечіткі логіки

ОК.06

Обов’язкова дисципліна для ОП

Другий

2023/2024

1 Семестр

3

ПРН01. Знати і системно застосовувати методи аналізу та моделювання прикладної області, виявлення інформаційних потреб і збору вихідних даних для проектування програмного забезпечення. ПРН03. Знати і застосовувати базові концепції і методології моделювання інформаційних процесів. ПРН08. Проводити аналітичне дослідження параметрів функціонування програмних систем для їх валідації та верифікації, а також проводити аналіз обраних методів, засобів автоматизованого проектування та реалізації програмного забезпечення. ПРН13. Оформляти результати досліджень у вигляді статей у наукових виданнях та тез доповідей на науково-технічних конференціях. ПРН14. Пояснити, аналізувати, цілеспрямовано шукати і обирати необхідні для вирішення фахових наукових і прикладних задач інформаційно-довідкові та науково-технічні ресурси і джерела знань з урахуванням сучасних досягнень науки і техніки.

Дистанційне навчання

1. Знати базові відомості про розробку програмного забезпечення з використанням сучасних мов програмування, деякі глави математичного аналізу, алгебри, програмування та теорії ймовірностей. 2. Вміти: розв’язувати рівняння та системи лінійних алгебраїчних рівнянь. 3. Володіти навичками: елементами інтегрального числення та теорії ймовірностей.

Мета дисципліни – опанування теоретичними питаннями нечіткої алгоритмізації, основними методами розв’язування задач в нечіткій постановці, засобами побудови нечітких моделей задач з різних предметних областей. В результаті вивчення навчальної дисципліни студент повинен: знати відомості про основні поняття і визначення теорії нечітких множин, принципи проектування інтелектуальних програмних систем з нечіткими моделями подання знань; вміти проектувати та розробляти нечіткі моделі подання знань, вибирати найбільш вдалі функції належності для реалізації програмного проекту; використовувати інструментальні засоби розробки.

1. Д. Рутковская, М. Пилиньский, Л. Рутковский. Нейронные сети, генетические алгоритмы и нечеткие системы. М.: Телеком, 2006. – 382 с. 2. J. Leski. Systemy neuronowo-rozmyte. Warszawa: Naukowo-Techniczne, 2008. – 690 c. 3. Zadeh L.A. Fuzzy sets as a basis for a theory of possibility // Fuzzy Sets and Systems, 1978, N1, p. 3–28.

Лекції, самостійна робота, контрольні роботи, домашні завдання, іспит.

- семестрове оцінювання: 1. Контрольна робота 1: РН1.1, РН1.2, РН2.1 – 10/6 балів. 2. Контрольна робота 2: РН1.2, РН1.3, РН2.1 – 10/6 балів. 3. Самостійна робота 1 (проект): РН1.2, РН1.3, РН2.1, РН3.1 – 20/12 балів. 4. Самостійна робота 2 (проект): РН1.2, РН1.3, РН2.1, РН3.1 – 20/12 балів. - підсумкове оцінювання (у формі іспиту) - максимальна кількість балів які можуть бути отримані студентом: 40 балів; - результати навчання які будуть оцінюватись: PH1.1, PH1.2, PH1.3, PH2.1, PH3.1; - форма проведення і види завдань: письмова робота. - Види завдань: 4 письмових завдань.

Українська