Единое окно доступа к образовательным ресурсам

  1. Фильтр ресурсов
  1. Отобранных ресурсов 63

    Аудитория
    1

    31

    62

    61

    Тип ресурса





    Уровень образования


  • Экспертные системы: структура и классификаця

    http://www.stu.ru/inform/glaves2/glava16/gl_16_2.htm

    Современные экспертные системы широко используются для тиражирования опытам знаний ведущих специалистов практически во всех сферах экономики. Традиционно знания существуют в двух видах - коллективный опыт и личный опыт. Если большая часть знаний в предметной области представлена в виде коллективного опыта (например, высшая математика), эта предметная область не нуждается в экспертных системах. Но, если в предметной области большая часть знаний является личным опытом специалистов высокого уровня (экспертов), если эти знания по каким-либо причинам слабо структурированы, такая предметная область скорее всего нуждается в экспертной системе. В материалах сайта Сибирского государственного университета путей сообщения рассматривается классификация экспертных систем и инструментальные средства их построения.

    Тип материала: Образовательный сайт; | Аудитория: Учащийся; Преподаватель; | Уровень образования: Высшее; Послевузовское;

  • Использование искусственных нейронных сетей для распознавания рукопечатных символов

    http://ocrai.narod.ru/hp.html

    В статье рассматривается задача распознавания символов в анкетах, заполняемых от руки печатными буквами. Сравнение качества различных алгоритмов распознавания символов затруднено тем, что относительное значение числа правильно распознанных символов существенно зависит от конкретной базы данных, на которой проводится тестирование. На качество распознавания также существенно влияют объем набора распознаваемых символов, технология обучения нейронной сети, методика и алгоритмы выделения первичных признаков, технология подготовки обучающей базы данных и другие факторы.

    Тип материала: Статья; | Аудитория: Учащийся; Преподаватель; Исследователь; | Уровень образования: Высшее; Послевузовское;

  • Интегральный путь создания искусственного интеллекта

    http://www.inftech.webservis.ru/it/ii/books/book002/index.html

    С точки зрения автора статьи, искусственный интеллект - не панацея, а пик научно-технического прогресса. Автор полагает, что искусственный интеллект не сможет излечить социальные недуги общества и сделать злых людей добрыми. Но ему под силу таким образом изменить общество, что некоторые отрицательные его стороны сильно ослабнут, а другие - исчезнут вовсе.

    Тип материала: Статья; | Аудитория: Учащийся; Преподаватель; Исследователь; | Уровень образования: Высшее; Послевузовское;

  • Реализация нейронов в семантических нейронных сетях

    http://eidolon.euro.ru/ai00003f.htm

    В статье рассмотрен принцип преобразования виртуальных машин. На его основе реализована виртуальная машина, которая обеспечивает функционирование семантической нейронной сети, понимающей тексты на естественном языке. Рассмотрена внутренняя структура нейрона и принципы организации хранилища данных нейронов.

    Тип материала: Статья; | Аудитория: Учащийся; Преподаватель; Исследователь; | Уровень образования: Высшее; Послевузовское;

  • Оптические технологии искусственного интеллекта. Учебное пособие

    Васильев В.Н., Павлов А.В.

    В пособии представлены методические материалы по курсу "Оптические технологии искусственного интеллекта". Кратко изложены сведения из области искусственного интеллекта, обсуждаются вопросы применения оптических технологий для реализации интеллектуальной обработки. Рекомендовано УМО по образованию в области приборостроения и оптотехники в качестве учебного пособия для студентов высших учебных заведений, обучающихся по направлению подготовки бакалавров и магистров 554600 - Фотоника и оптоинформатика.

    Тип материала: Учебник, учебное пособие; | Аудитория: Учащийся; Преподаватель; | Уровень образования: Высшее;

  • KG (Knowledge's Guide-book) - учебная система для проектирования информационных технологий и экспертных систем: Методические указания

    Кучуганов В.Н., Габдрахманов И.Н., Шутов Е.А.

    Система управления базами знаний (СУБЗ) KG (Knowledge's Guide-book - путеводитель по знаниям) предназначена для создания и управления базами знаний и данных, ориентированных на экспертные системы и информационные технологии сквозной поддержки жизненного цикла изделий (CALS-технологии). Методические указания предназначены для выполнения дипломного проекта, лабораторных и курсовых работ по дисциплинам "Информационные технологии", "Системы искусственного интеллекта", "Проектирование АСОИУ", "Разработка САПР" студентами специальностей 220300 "Системы автоматизированного проектирования", 220200 "Автоматизированные системы обработки информации и управления", направления 552800 "Информатика и вычислительная техника". Подготовлены на кафедре "Автоматизированные системы обработки информации и управления" ИжГТУ.

    Тип материала: Методические указания; | Аудитория: Учащийся; Преподаватель; | Уровень образования: Высшее;

  • Интеллектуальные САПР для разработки современных конструкций и технологических процессов: Курс Интернет-университета информационных технологий

    http://www.intuit.ru/department/hardware/sapr/

    Цель курса - изложение основных путей повышения интеллектуальности существующих систем проектирования с использованием идей искусственного интеллекта. Курс посвящен вопросам, которые представляют собой следующий виток в развитии современных систем автоматизированного проектирования: повышению интеллектуальности систем проектирования. Рассматриваются пути повышения интеллектуальности систем проектирования, излагаются основные идеи и направления исследования искусственного интеллекта, структура и разновидности интеллектуальных систем, а также интеллектуальные системы автоматизированного проектирования. Как класс интеллектуальных систем представлены экспертные системы, их особенности, структура и режимы использования, а также организация знаний в экспертных системах. Кроме того, изложены современные методы и алгоритмы автоматизированных систем технологической подготовки производства - последней стадии проектирования. Последние лекции данного курса носят справочный характер, полезный при изучении данной дисциплины: краткий обзор современных технологий, информационные технологии электронной САПР, оценка качества информационных систем, стандарты управления качеством промышленной продукции, экономическая эффективность информационных систем проектирования и другие.

    Тип материала: Электронный учебный курс; | Аудитория: Учащийся; Преподаватель; | Уровень образования: Высшее; Послевузовское; Переподготовка и повышение квалификации;

  • Системы искусственного интеллекта. Практический курс: Учебное пособие

    Чулюков В.А., Астахова И.Ф., Потапов А.С., Каширина И.Л., Миловская Л.С., Богданова М.В., Просветова Ю.В.

    Учебное пособие посвящено изучению систем искусственного интеллекта. Содержит обширный теоретический материал и большое количество примеров, упражнений и лабораторных работ, построенных на основе различных программных продуктов. Для студентов физико-математических специальностей.

    Тип материала: Учебник, учебное пособие; | Аудитория: Учащийся; Преподаватель; | Уровень образования: Высшее;

  • Искусственный интеллект: Учебное пособие

    Бессмертный И.А.

    Учебное пособие разработано в рамках дисциплины "Искусственный интеллект", преподаваемой на кафедре вычислительной техники СПбГУ ИТМО, и включает в себя основы программирования на языке Prolog, решение задач методом поиска, вероятностные методы, основы нейронных сетей, а также принципы представления знаний с помощью семантических сетей. Каждый из разделов учебного пособия обеспечен практическими и лабораторными работами. В приложениях содержатся краткие описания среды SWI-Prolog, программы нейросетевого моделирования NeuroGenetic Optimizer и программы визуализации знаний Semantic.

    Тип материала: Учебник, учебное пособие; | Аудитория: Учащийся; Преподаватель; | Уровень образования: Высшее;

  • Информационно-аналитический ресурс MachineLearning.ru: машинное обучение, распознавание образов и интеллектуальный анализ данных

    http://www.machinelearning.ru

    Профессиональный информационно-аналитический ресурс, посвященный машинному обучению, распознаванию образов и интеллектуальному анализу данных. Цели ресурса: Сконцентрировать информацию о достижениях ведущих российских научных школ в области машинного обучения, распознавания образов, анализа данных; Способствовать обмену опытом, накоплению и распространению научных знаний в этой области; Предоставить площадку для виртуальных научных семинаров и обсуждений; Предоставить доступ к Полигону алгоритмов классификации - распределенной системе тестирования алгоритмов классификации на реальных прикладных задачах. Ресурс строится по принципам Википедии - свободной энциклопедии. Содержимое Ресурса создаётся всеми его пользователями и является общественным достоянием. Работа над созданием Ресурса MachineLearning.ru ведется при поддержке РФФИ и компании Forecsys.

    Тип материала: Научно-образовательные и культурные проекты; | Аудитория: Учащийся; Преподаватель; Исследователь; | Уровень образования: Высшее; Послевузовское;

Яндекс цитирования Яндекс.Метрика