Главная
страница 1страница 2страница 3страница 4

Вычислительные системы (Computing systems)

Objectives (цель изучения дисциплины):

Приложение компьютерных технологий в научных исследованиях.

Computer technologies application for scientific research.

Content (содержание дисциплины по разделам):

1. История и этапы эволюции вычислительной техники; классификация вычислительных комплексов и систем.

2. Разработка аппаратных средств и программного обеспечения для вычислительных систем.

3. Планирование процессов; уровни, цели, критерии, показатели и алгоритмы планирования, сотрудничество процессов и основные аспекты ее логику организации.

4. Гипермедиа и системы мультимедиа; распределенные базы данных и интеграции ресурсов с распределенными базами данных.

5. Жизненный цикл программных средств, технологий разработки программных комплексов, технологий оценки качества ПО.

6. Методы и алгоритмы объектно-ориентированного программирования.

7. Стандарты информационной поддержки продукции на стадиях жизненного цикла.

8. Технологии и средства электронного обучения; видеоконференции; основных телекоммуникационных систем, стандарты и протоколы связи.

9. Поиск научно-технической информации; современные принципы хранения информации, управление доступом к ресурсам; концепции электронных публикаций.


  1. History and stages of evolution of computer engineering; classification of computer complexes and systems.

  2. Designing of hardware and software for computing systems.

  3. Planning of processes; levels, the purposes, criteria, parameters and algorithms of planning; cooperation of processes and the basic aspects of its logic organization.

  4. Hypermedia and system multimedia; the distributed databases and integration of resources with the distributed databases.

  5. Software life cycle; technologies of working out of program complexes; technologies of an estimation of quality ON.

  6. Methods and algorithms of object-oriented programming.

  7. Standards of information support for products on stages of life cycle.

  8. Technologies and means of e-learning; videoconferences; basic telecommunication systems; standards and communication protocols.

  9. Searching of the scientific and technical information; modern principles of storage of the information; management of access to resources; concept of electronic publications.

Teaching and learning methods (количество часов: на лекции, практические занятия или лабораторные работы, самостоятельную работу магистранта):

Лекции - 18 часов

Лабораторные работы – 36 часов

Самостоятельная работа – 90 часов


Lectures - 18 hours

Laboratory work – 36 hours

Self studying – 90 hours


ECTS Creditsс (количество кредитных единиц из плана):

5

5

Assessment (итоговый результат по дисциплине: экзамен (в каком виде), зачет (в каком виде), курсовая работа (проект)):

Экзамен (36 часов)

Курсовой проект



Course project (36 hours)

Examination



История развития информатики и вычислительной техники (History and Methodology of Informatics and Computer Science)

Objectives (цель изучения дисциплины):

Курс посвящен современным направлениям и развитию компьютерных технологий, и рассмотрению операционных систем, обработку событий и потоков управления способности, историю и современное состояние реляционных и объектно-ориентированных баз данных, компьютерные сети и клиент-серверное взаимодействие.

The course deals with modern directions of computer science history and development, such as history and evaluation of operating systems; events processing and threads control ability; history and the present state of relational and object-oriented databases; computer networking and client-server interaction.

Content (содержание дисциплины по разделам):

1. математическая логика и теория алгоритмов;

2. кибернетика и информатика;

3. вычислительная математика, численные методы и аналитические вычисления;

4. Языки программирования и разработка технологий;

5. Компьютерная графика и мультимедиа системы.


  1. mathematical logic and the theory of algorithms;

  2. cybernetics and computer science;

  3. computer mathematics; numerical methods and analytical calculations;

  4. programming languages and technology development;

  5. computer graphics and multimedia systems.




Teaching and learning methods (количество часов: на лекции, практические занятия или лабораторные работы, самостоятельную работу магистранта):

Практические занятия – 36 часов

Самостоятельная работа – 54 часа



Practical training – 36 hours

Self studying – 54 hours



ECTS Credits (количество кредитных единиц из плана):

2.5

2.5

Assessment (итоговый результат по дисциплине: экзамен (в каком виде), зачет (в каком виде), курсовая работа (проект)):

Тест

Test

Интеллектуальные компьютеры (Intelligent Computing)

Objectives (цель изучения дисциплины):

Целью данного курса является изучение основных аспектов в области современной информатики, вычислительной техники, программного и аппаратного обеспечения интеллектуальных систем. В ходе этого курса студенты будут:

- Узнать основные технологии, подходы и методы вычислительного интеллекта;

- Изучить современные аспекты программного и аппаратного обеспечения интеллектуальных систем;

- Внедрять современные аспекты интеллектуальных вычислений и реализации нейрокомпьютеров и нечеткой логики для решения прикладных задач.



The objective of this course is to study the base aspects in the fields of modern computer science, computational intelligence, software and hardware of intellectual systems. During this course students will:

- learn main technologies, approaches and methods of computational intelligence;

- learn modern aspects in software and hardware of intellectual systems;

- implement modern aspects of intellectual computing, and implement neuro-computers and fuzzy processors for solving variable applied tasks.



Content (содержание дисциплины по разделам):

1 Введение в интеллектуальные вычисления.

2. Робототехнические системы

3. Нейронные сети

4. Нечеткая логика

5. Предварительная обработка

6. Адаптивная резонансная теория

7. Экспертные системы

8. Искусственные иммунные системы

9. ДНК-компьютеры

10. Пакетные вычисления

11. Гибридные системы

12. Эволюционные вычисления

13. Интеллектуальное оборудование

14. Интеллектуальные программы



1. Introduction in computation intelligence.

2. Robotics systems

3. Neural Networks

4. Fuzzy Logic

5. Preprocessing

6. Adaptive Resonance Theory

7. Expert Systems

8. Artificial Immune Systems

9. DNA-computing

10. Swarm Intelligence

11. Hybrid Systems

12. Evolutionary Computation

13. Intellectual Hardware

14. Intellectual Software



Teaching and learning methods (количество часов: на лекции, практические занятия или лабораторные работы, самостоятельную работу магистранта):

Лекции - 18 часов

Лабораторные работы – 18 часов

Практические занятия – 18 часов

Самостоятельная работа – 144 часа



Lectures - 18 hours

Laboratory work – 18 hours

Practical training – 18 hours

Self studying – 144 hours



ECTS Credits (количество кредитных единиц из плана):

7

7

Assessment (итоговый результат по дисциплине: экзамен (в каком виде), зачет (в каком виде), курсовая работа (проект)):

Экзамен (36 часов)

Курсовой проект



Examination (36 hours)

Course project



Распределенные базы данных (Distributed Data Bases)

Objectives (цель изучения дисциплины):

Разработка моделей данных. Дать опыт программирования запросов и активных элементов. Разработка клиентских приложений для связи с базой данных. Оценить возможности многомерной базы данных. Обеспечение понимания опережающих алгоритмов анализа данных.

To develop models of data. To give experience of programming queries and active elements. To develop the client applications for database communication. To appreciate the capabilities of multidimensional database

To provide understanding of advance algorithms of data analyzes.



Content (содержание дисциплины по разделам):

Развитие БД, реляционных и пост реляционными баз данных, склады, OLAP системы. Интеллектуальный анализ данных и проблемы обнаружения знаний. Моделирование данных, диаграммы сущность-связь и реляционной модели данных. Отношения, атрибуты, кортежи, схемы. Операции реляционной алгебры. Простые запросы, умножение и объединения в SQL, спецификация атрибута, запросы пересечения и вычитания. Агрегации, группировка в SQL, таблицы модификации, обновления, вставки и кортежи индексов. PL / SQL языка для СУБД Oracle. Разделяемые переменные, курсоры и транзакции. Параллелизм задач, преждевременное чтение, неповторимое чтение, обновление, фантомная вставка. Активные элементы базы данных: триггеры и ограничения. Приложений баз данных задаются в Oracle PL / SQL. Студенты изучают системные аспекты SQL и транзакций, SQL и Java-языковую интеграцию с помощью SQLJ и JDBC. Базы данных для локальной сети и глобальной сети, клиент-серверные и распределенные типы баз данных.

Создание многомерной информационной системы MOLAP, ROLAP архитектуры. Oracle OLAP сервер, коммерческих OLAP и инструменты поддержки принятия решений. Модели интеллектуального анализа данных. Классификации данных, поиск ассоциативных ролей. Применение интеллектуального анализа данных в интернет-технологий, торговли, телекоммуникаций, промышленности, медицине.



Databases development, relational and post relational databases, warehouses, OLAP systems. Data mining and knowledge discovery problems. Data modelling, entity-relationship diagrams and relational data model. Relations, attributes, tuples, schemas. Operations of relation algebra. Simple queries, multiplication and union in SQL, attribute specification, quarries intersection and subtraction, sub-queries implementation. Aggregation, grouping in SQL, tables modification, updating, tuples insertion and indexes creation. PL/SQL language for Oracle DBMS. Sheared variables, cursors and transactions. Parallelism problems, premature reading, unrepeatable reading, lost update, phantom insert. Active database elements: triggers and restrictions. The applications of database design are given by Oracle PL/SQL programming. Students study system aspects of SQL and transactions, SQL and java language integration by means of SQLJ and JDBC. Databases for local area network and for wide area network, the client-server and distributed databases types.

Building multidimensional information system MOLAP, ROLAP architectures. Oracle OLAP server, commercial OLAP and decision support tools. Data mining models. Data classification, retrieval for associative roles, data clusterization and regression analyses. Application of data mining in internet technology, trade, telecommunications, industry, medicine.



Teaching and learning methods (количество часов: на лекции, практические занятия или лабораторные работы, самостоятельную работу магистранта):

Лекции - 18 часов

Лабораторные работы – 18 часов

Практические занятия – 18 часов

Самостоятельная работа – 144 часа



Lectures - 18 hours

Laboratory work – 18 hours

Practical training – 18 hours

Self studying – 144 hours



ECTS Credits (количество кредитных единиц из плана):

7

7

Assessment (итоговый результат по дисциплине: экзамен (в каком виде), зачет (в каком виде), курсовая работа (проект)):

Экзамен (36 часов)

Курсовой проект



Examination (36 hours)

Course project



Когнитивные и мультиагентные системы (Cognitive and Multiagent Systems)

Objectives (цель изучения дисциплины):

Развитие понимания когнитивных принципов и их использование для создания когнитивных агентов различных архитектур.

Обучение разработке мультиагентной системы с когнитивными агентами для различных распределенных приложений.

Обеспечение понимания основных когнитивных приемов и методов для принятия решений и обучения, основанного на знаниях

Дать опыт решения некоторых вариантов задач с когнитивными агентами.

Обеспечение понимания основных моделей и алгоритмов когнитивной обработки информации и обучения.

Оценка возможностей и ограничений когнитивных мультиагентных систем для различных областей применения.



To develop an understanding of cognition principles and their use to build cognitive agents of different architectures

To study to design multiagency systems with the cognitive agents for various distributed applications

To provide an appreciation of the basic cognitive techniques and methods for decision making and learning based on knowledge

To give experience of solving some variants of tasks in multiagency manner with cognitive agents

To provide understanding of basic models and algorithms cognitive processing of information and learning

To appreciate the capabilities and limitations of the cognitive multiagency systems for different application areas



Content (содержание дисциплины по разделам):

Когнитивные принципы человеческой нервной системы: когнитивные и эффективные системы; структуры интеллекта и знаний, восприятия, принятия решений и исполнения; обучения, самообучения и самоорганизации; когнитивный подход в интеллектуальных системах.

Когнитивные компоненты: логические, нейронные, и нейрологические модули; когнитивная обработка информации, обучения и самообучения; здания из различных модулей, обрезка и растущих структур, моделей и алгоритмов обработки и обучения.

Когнитивные системы и агенты: структура и уровни когнитивных систем, функциональные компоненты; поведенческие аспекты; когнитивные структуры, разработка когнитивных структур и систем.

Когнитивные агенты и мультиагентные системы: архитектура когнитивных агентов - реактивных, совещательных; взаимодействие когнитивных агентов, протоколы взаимодействия; инструменты для дизайна.

Применение когнитивного системы: виртуальная командная игры - футбол, баскетбол и т. д.; распределенные промышленные системы управления, военно-стратегические и тактические системы планирования; робот-гуманоид и групповые систем управления роботами.

Лабораторные работы:

- Использовать нечеткую логика и нейронные алгоритмы сети Matlab для изучения когнитивных модулей архитектуры

- Построить когнитивную мультиагентную систему с использованием множества когнитивных модулей и специальных инструментов для моделирования мультиагентной системы



Cognitive principles of the human nervous system: cognitive and effective systems; intelligence and knowledge structure, perception, decision-making, and execution; learning, self-learning, and self-organization; cognitive approach in intelligent systems.

Cognitive components: logical, neural, and neurological modules; cognitive information processing; learning and self-learning; building of various modules; pruning and growing structures; models and algorithms of processing and learning.

Cognitive systems and agents: structure and levels of cognitive systems; functional components; behavioral aspects; cognitive structures; design of cognitive structures and systems.

Cognitive agents and multi-agency systems: architectures of cognitive agents - reactive, deliberative, and combining; multi-agency systems and cognitive agents; interaction of cognitive agents, interaction protocols; tools for multi-agency design.

Applications of cognitive multi-agency systems: virtual teamwork games – soccer, basketball and so on; distributed industrial control systems; military strategic and tactic planning systems; humanoid robot and group robots control systems.

Laboratory Work - use basic fuzzy logic and neural network algorithms of Matlab for examine cognitive module architectures

- construct an cognitive multi-agency systems using set of cognitive modules and special tools for modelling multi-agency systems


Teaching and learning methods (количество часов: на лекции, практические занятия или лабораторные работы, самостоятельную работу магистранта):

Лекции - 18 часов

Лабораторные работы – 18 часов

Практические занятия – 18 часов

Самостоятельная работа – 216 часов



Lectures - 18 hours

Laboratory work – 18 hours

Practical training – 18 hours

Self studying – 216 hours



ECTS Credits (количество кредитных единиц из плана):

8.5

8.5

Assessment (итоговый результат по дисциплине: экзамен (в каком виде), зачет (в каком виде), курсовая работа (проект)):

Экзамен (36 часов)


Examination (36 hours)


Интеллектуальные системы управления (Intelligent Control Systems)

Objectives (цель изучения дисциплины):

Курс охватывает получение и понимание функциональных возможностей интеллектуального управления, изучение управления теоретических основ, а также использование компьютеров для моделирования и разработки интеллектуальных систем управления.

The course covers gaining and understanding of the functional operation of intelligent control techniques varieties and their bio-foundations, the study of control-theoretic foundations, and use of the computer for simulation and design of intelligent control systems.

Content (содержание дисциплины по разделам):

Теория и архитектуры интеллектуальных систем управления. Введение в интеллектуальные системы управления с высокой степенью автономии. Модель архитектуры на основе концепции автономных систем проектирования и моделирования. Проектирование структуры на основе иерархии для распределенного интеллектуального управления. Моделирование и проектирование распределенных интеллектуальных систем.

Подходы и методы интеллектуальной конструкции системы управления. Экспертное и основанное на правилах управление. Моделирование и анализ искусственных интеллектуальных систем планирования. Нечеткие и нейронные системы управления. Обучение управления: методы, потребностей и архитектуры.

Применение интеллектуального управления. Интеллектуальные робототехнические системы с недостаточностью диагностических возможностей. Каркасы для основанной на знаниях диагностики в процессе обработки.


Theory and architectures of intelligent control systems. Introduction to intelligent control systems with high degrees of autonomy. Model-based architecture concepts for autonomous systems design and simulation. Design of structure-based hierarchies for distributed intelligent control. Modeling and design of distributed intelligence systems. Nested hierarchical control

Approaches and techniques to intelligent control system design. Expert and rule-based control. Modeling and analysis of artificially intelligent planning systems. Fuzzy and neural control systems. Learning control: methods, needs and architectures.

Applications of intelligent control. Intelligent robotic systems with failure diagnostic capabilities. A framework for knowledge-based diagnosis in process operations.


Teaching and learning methods (количество часов: на лекции, практические занятия или лабораторные работы, самостоятельную работу магистранта):

Лекции - 18 часов

Лабораторные работы – 18 часов

Практические занятия – 18 часов

Самостоятельная работа – 216 часов



Lectures - 18 hours

Laboratory work – 18 hours

Practical training – 18 hours

Self studying – 216 hours



ECTS Credits (количество кредитных единиц из плана):

8.5

8.5


<< предыдущая страница   следующая страница >>
Смотрите также:
Программа «Интеллектуальные лазерные навигационные системы»
118.07kb.
1 стр.
Программа «российские интеллектуальные ресурсы»
96.23kb.
1 стр.
Программа «Интеллектуальные системы»
470.18kb.
4 стр.
Интеллектуальные системы
46.21kb.
1 стр.
Практический семинар «Интеллектуальные транспортно-логистические системы»
53.44kb.
1 стр.
Моу «Инжавинская сош» Интеллектуальные разминки.
146.48kb.
1 стр.
Программа 4-й Международной научно-практической конференции
44.62kb.
1 стр.
Урок по теме «Атмосфера и атмосферные явления». Загадки атмосферы и погода
48.01kb.
1 стр.
Оценивание состояния сложных систем на основе иммунокомпьютинга
617.55kb.
12 стр.
Президент Российского нок eurobot салмина Мария Алексеевна
8.21kb.
1 стр.
Программа по курсу: «Современные радиотехнические и волоконно-оптические телекоммуникационные сети и системы»
144.18kb.
1 стр.
Iv международная специализированная выставка Робототехника, интеллектуальные системы, мехатроника, техническая кибернетика
123.12kb.
1 стр.