Комп'ютерне моделювання та інтелектуальні системи RUS UA ENG

Математичні основи представлень знаний (МОПЗ) - Експертні системи (ЕС)

Робоча програма
  1. Робоча навчальна програма дисципліни "Математичні основи представлення знань"  для студентів спеціальності 8.080403 "Програмне забезпечення автоматизованих систем" / С.О. Субботін. – Запоріжжя: ЗНТУ (кредитно-модульна система) [doc]
  2. Робоча навчальна програма дисципліни "Математичні основи представлення знань"  для студентів спеціальності 8.080403 "Програмне забезпечення автоматизованих систем" / С.О. Субботін. – Запоріжжя: ЗНТУ (стара система) [doc]
  3. Робоча навчальна програма дисципліни "Експертні системи" студентів спеціальності 8.080403 "Програмне забезпечення автоматизованих систем" / С.О. Субботін. – Запоріжжя: ГУ "ЗІДМУ" (стара система) [doc]
Конспект лекцій
  1. Субботін С.О. Подання й обробка знань у системах штучного інтелекту та підтримки прийняття рішень: Навчальний посібник. – Запоріжжя: ЗНТУ, 2008. – 341 с. (має гриф Міністерства освіти і науки України)[pdf]

Методичні вказівки
  1. Бази знань експертних систем. Методичні вказівки до виконання лабораторних робіт з дисципліни "Математичні основи представлення знань" для студентів спеціальності 8.080403 "Програмне забезпечення автоматизованих систем" усіх форм навчання / С.О. Субботін. – Запоріжжя: ЗНТУ, 2006. – 46 с. [doc]
  2. Нечітка логіка та нейро-нечіткі мережі. Методичні вказівки до виконання самостійних робіт з дисципліни "Математичні основи представлення знань" для студентів спеціальності 8.080403 "Програмне забезпечення автоматизованих систем" усіх форм навчання / С.О. Субботін . – Запоріжжя: ЗНТУ, 2006. – 51 с. [doc]
Посилання на додаткові матеріали з курсу
  1. Модуль SNToolbox для моделирования семантических сетей в пакете MATLAB - Модуль SNToolbox для моделювання семантичних мереж у пакеті MATLAB [rar]
  2. http://www.matlab.ru
  3. http://exponenta.ru
  4. http://www.mathworks.com

  5. Субботин С.А. Синтез вейвлет-нейро-нечетких моделей для диагностики деталей авиадвигателей // Вісник двигунобудування. - 2006. - № 2. - С. 163-168.[doc]

  6. Субботин С.А. Cинтез распознающих нейро-нечетких моделей с учетом информативности признаков // Нейрокомпьютеры: разработка, применение. -2006. - № 10. [doc]

  7. Субботин С.А. Неитеративный синтез и редукция нейро-нечетких моделей // Искусственный интеллект.-2006.-№ 3.-С. 323-330. [doc]

  8. Субботин С.А. Методы синтеза нейро-нечетких классификаторов для случая нескольких классов // Информационные технологии.-2006.-№ 11.-С. 31-36. [doc]

  9. Субботин С.А. Подсистема моделирования семантических сетей // Материалы IX Всероссийского семинара "Моделирование неравновесных систем-2006", 13-15 октября 2006 г. / Под ред. В.В. Слабко. Отв.за выпуск М.Ю. Сенашова. -Красноярск: ИВМ СО РАН, 2006.- С.172-174. [doc]

  10. Субботин С.А. Метод формирования баз знаний для нейро-нечетких моделей // Нейроинформатика и ее приложения: Материалы XIV Всероссийского семинара, 6-8 октября 2006 г. / Под ред. А.Н. Горбаня, Е.М. Миркеса. Отв. За выпуск Г.М. Садовская. -Красноярск: ИВМ СО РАН, 2006.- С.116-118. [doc]

  11. Субботин С.А. Синтез нейро-нечетких сетей с группировкой признаков // Программные продукты и системы. – 2006. – № 4. – С. 3–7. [doc]

  12. Субботин С.А. Синтез нейро-нечетких моделей для выделения и распознавания объектов на сложном фоне по двумерному изображению // Комп’ютерне моделювання та інтелектуальні системи: Збірник наукових праць / За ред. Д.М. Пізи, С.О. Субботіна. – Запоріжжя: ЗНТУ, 2007. – С. 68–91. [doc]

  13. Субботин С.А. Нейро-нечеткая кластер-регрессионная аппроксимация // Нейроинформатика и ее приложения: Материалы XV Всероссийского семинара / Под ред. А.Н. Горбаня, Е.М. Миркеса. Отв. За выпуск Г.М. Садовская. – Красноярск: ИВМ СО РАН, 2007. – С. 143–146.

  14. Субботин С.А. Метод синтеза нейро-нечетких аппроксиматоров // Автоматизация и современные технологии. – 2007. – № 11. – С. 14–18.

  15. Субботин С. А. Метод синтеза классифицирующих нейронечетких сетей с учетом значимости термов признаков // Информационные технологии. – 2008. – № 7.