Вопросы по курсу СИИ
1. Математические, программные и аппаратные методы искусственного интеллекта. 
2. Краткая история направления искусственный интеллект [Оськина]. 
3. Нейро-бионическое и программно-прагматические направления искусственного интеллекта. 
4. Использование интеллектуальных  систем в  прикладных областях [Ермишин]
5. Данные и знания. Абстрактные типы данных. Внутренняя структура  знаний. Отличие знаний от данных..
6. Представление знаний. Использование логических моделей для представления знаний. 
7. Системы продукций и их свойства. 
8. Семантические сети [Лазовский].
9. Понятие фрейма и сети фреймов - Расскосов
10. Базы знаний, основанные на системах продукций
11. Сетевые базы знаний. 
12. Использование каузальных сетей в базах знаний. 
13. СУБЗ. 
14. Инженерия знаний. 
15. Немонотонность процедур представления знаний. 
16. Требования к знаниям, используемым в схемах дедуктивного типа. 
17. Язык Пролог и вывод на знаниях
18. Экспертные системы. Составные части экспертной системы [Мацай]
19. Функциональные возможности и характеристики ЭС. Необходимость человека в контуре управления вместе с ЭС.
20. Области применения ЭС. 
21. Статические и динамические экспертные системы.
22. Типы, источники и причины возникновения неопределенной информации в ИС.
23. Нечеткие арифметические операции
24. Нечеткие графы и отношения. 
25. Свойства нечетких отношений типа 2. 
26. Типы транзитивного замыкания.
27. Иерархическая кластеризация на основе нечетких отношений.
28. Нечеткие рассуждения.
29. Специальная нечеткая логика. 
30. Многозначная и нечетко-значная логики. 
31. Основные схемы нечетких рассуждений. 
32. Модели управления неопределенностью в продукционном выводе. 
33. Использование Т-норм в нечетких рассуждениях. 
34. Нечеткие логические регуляторы и их приложения. 
35. Извлечение нечетких данных и знаний.
36. Настройка моделей приближенных рассуждений на логику эксперта.
37. Нечеткие экспертные системы. 
38. Организация системы объяснений при работе нечетких экспертных систем.
39. Применение нечетких экспертных систем.
40. Нейросетевая парадигма в искусственном интеллекте. 
41. Искусственный нейрон. [Багдасарова]
42. Однослойные и многослойные искусственные нейронные сети. [Голубев] 
43. Обучение искусственных нейронных сетей. 
44. Персептроны. 
45. Линейная разделимость и преодоление ограничения линейной разделимости. Алгоритм обучения персептрона. 
46. Процедура обратного распространения. 
47. Сети РБФ. 
48. Сети встречного распространения .
49. Стохастические нейронные сети. 
50. Сети Хопфильда. [Парамонова]
51. Карты Кохонена (SOM).[Зуй] 
52. Нейросети на основе методов адаптивного резонанса (ART-сети). 
53. Ассоциативная память. [Фонтанов]
54. Нечеткие нейронные сети на примере ANFIS (MATLAB Fuzzy Toolbox).
55. Обучение нечетких нейронных сетей. 
56. Применения нейросетей в задачах распознавания, классификации, идентификации и прогнозирования.
57. Генетическая  парадигма в искусственном интеллекте. 
58. Традиционные генетические алгоритмы [Болохов]. 
59. Параллельные генетические алгоритмы.  
60. Эволюционные стратегии [Гавриш]. 
61. Эволюционное программирование.
62. Генетическое программирование. [Седова]
63. Экономические модели на базе генетических алгоритмов. 
64. Искусственная жизнь.
65. Муравьиные алгоритмы [Никитина].
66. Парадигма иммунных систем в искусственном интеллекте.
67. Приложения искусственных иммунных систем.
68. Искусственные иммунные системы в принятии решении. 
69. Система Jisys для разработки практических приложений на базе  искусственных иммунных систем.
70. Вычислительный интеллект и гибридные модели вычислений в ИИ.
71. Мягкие вычисления и их составляющие. 
72. Нейро-нечеткие, генетико-нечеткие и нейро-генетические системы. 
73. Основные понятия гибридных интеллектуальных систем, их классификация и перспективы развития.
74. Инструментальные средства для гибридных  интеллектуальных систем.
75. Методология построения гибридной модели на основе интеграции нечеткой когнитивной модели и нечеткой иерархической модели 
76. Принципы семиотического моделирования в системах управления. Описание ситуаций на объекте управления и в управляющей системе.
77. Системы ситуационного управления и области их применения. 
78. Прикладная семиотика.
79. Формальные семиотические системы. 
80. Нечеткие семиотические системы управления

Основная литература:
1. Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы: Пер. с польск. И. Д. Рудинского. - М.: Горячая линия - Телеком, 2004. - 452 с.
2. Искусственные иммунные системы/ под ред. Д.Дасгупта,  М: ФИЗМАТЛИТ, 2006 г., 344 стр.
3. Гладков Л.А., В.В. Курейчик,  В.М.Курейчик. Генетические алгоритмы // М.:Физматлит, 2006.-320с.
4. Хайкин С. Нейронные сети. Полный курс. М.: Вильямс, 2006 .,  1104 стр.
5. Люгер Д.Ф. Искусственный интеллект: Пер. с англ. М.: Издательский дом "Вильямс", 2003, 863 стр.
6. Рассел С., Норвиг П. Искусственный интеллект. Современный подход. 2-е изд. Вильямс, 2007

Дополнительная:
1. Аверкин А. Н., Гаазе-Рапопорт М. Г., Поспелов Д. А. Толковый словарь по искусственному интеллекту М.: Радио и связь, 1992. 
2. Поспелов Д. А. История искусственного интеллекта до середины 80-х годов // Новости искусственного интеллекта, 1994, № 4, с. 74-95. 
3. Поспелов Д. А. Ситуационное управление: Теория и практика.- М.: Наука.- Гл. ред. физ.-мат. Лит., 1986.-288 с
4. Аверкин А.Н. и др. Нечеткие множества в моделях управления и искусственного интеллекта.- М.: Наука.- Гл. ред. физ.-мат. лит.1986