- •1 Основные понятия и структурная схема приборного комплекса.
- •17 Принципы построения измерителей навигационных параметров в живом организме.
- •2.Комплексы оборудования самолетов.
- •10 . Основные направления развития исследований и систем искусственного интеллекта
- •4. Основные характеристики и требования, предъявляемые к системам отображения информации.
- •5. Навигационные комплексы. Общие сведения и классификация.
- •11.Диалоговые системы искусственного интеллекта.
- •12 Бионика, как наука.
- •6.Основные закономерности построения навигационных комплексов.
- •7.Навигационные комплексы на базе микропроцессоров.
- •8.Иерархические структуры навигационных комплексов. Системы искусственного интеллекта в навигационных комплексах.
- •18 Общие принципы построения биологических навигационных комплексов.
- •22 Интеллектуальный биологический навигационный комплекс.
- •9.Понятие об искусственном интеллекте. Интеллектуальные системы.
- •13 Обобщенная модель живого организма.
- •14 Основные функции живого организма.
- •15 Навигационная бионика. Общность задач и основных принципов навигации в живой природе и технике.
- •16 Общая характеристика методов навигации.
- •19 Информационное обеспечение пространственной навигации животных.
- •20 Обеспечение точности и надежности функционирования навигационных биосистем.
- •21 .Накопление априорной информации в биологических навигационных комплексах при обучении.
- •23 Основные особенности биологических навигационных комплексов.
- •24 Системы искусственного интеллекта – системы, базирующиеся на знаниях.
- •25 Основные структуры систем искусственного интеллекта.
- •26 Представление знаний.
- •27. Семантические сети.
- •28 Фреймовые модели.
- •29 Логические модели знаний и системы логического вывода.
- •30 Продукции и продукционные системы.
- •31. База знаний систем искусственного интеллекта.
- •32 Стратегия управления и механизм вывода в системах искусственного интеллекта.
- •33 Прямая цепочка рассуждений. База знаний. Обобщенный алгоритм работы.
- •34 Обратная цепочка рассуждений. Дерево решений. База знаний. Обобщенный алгоритм работы.
- •35 Общие методы поиска решений в пространстве состояний.
- •41)Нечеткие множества и лингвистические переменные.
- •42)Операции с нечеткими множествами.
- •37 Особенности разработки баз знаний бортовых экспертных систем.
- •43)Нечеткие алгоритмы.
- •47) Программная и аппаратная реализация нечетких регуляторов.
- •44)Общие принципы построения интеллектуальных систем управления на основе нечеткой логики.
- •45) Процедура синтеза нечетких регуляторов.
- •46) Синтез адаптивной сау с эталонной моделью на основе нечеткой логики.
- •48)Общая характеристика проблемы построения искусственных нейронных сетей. История проблемы.
- •49)Моделирование механизмов человеческого мышления. Модели нейронов.
- •50_Реализация логических функций на формальных нейронах. Проблема «Исключающего или».
- •51 .Искусственные нейронные сети. Общие положения.
- •52 . Персептрон ф. Розенблатта.
- •53 .Адаптивный пороговый элемент.
- •55. Общие принципы построения интеллектуальных сау с использованием нейронных сетей.
- •39 Нечеткая логика: история проблемы, практические приложения.
- •54. Многослойные персептроны. Алгоритм обратного распространения.
- •57 Применение нейронных сетей в задачах адаптации алгоритмов управления нелинейными объектами.
- •62. Нейрокомпьютер фирмы аас.
- •61. Способы реализации нейронных сетей. Примеры реализации нейрокомпьютеров.
- •1. Нейрокомпьютеры на базе транспьютеров.
- •58. Применение нейронных сетей в задачах идентификации математических моделей динамических объектов.
- •59 Обзор возможных вариантов построения нейронных сетей.
- •63.Генетические алгоритмы. Особенности построения и реализации
- •38 Системы искусственного интеллекта с использованием нечеткой логики.
- •36.Проблемы разработки бортовых оперативно-советующих экспертных систем.
26 Представление знаний.
Знания представляют собой совокупность сведений (у индивидуума, общества или у системы ИИ) о мире (конкретной предметной области, совокупности объектов или объекта), включающих в себя информацию о свойствах объектов, закономерностях процессов и явлений, правилах использования этой информации для принятия решений.
В общем виде модели представления знаний могут быть условно разделены на концептуальные и эмпирические.
Концептуальная модель дает эвристический метод для решения некоторой проблемы. Метод эвристичен, поскольку концептуальное описание не дает гарантии того, что он может быть применен во всех соответствующих практических ситуациях. Концептуальная модель делает возможным распознавание проблемы, позволяет уменьшать время для ее предварительного анализа.
Практическое использование концептуальной модели влечет за собой необходимость преобразования ее в эмпирическую. Знания могут быть накоплены в виде эмпирических моделей, как правило, описательного характера. Эти модели могут варьировать от простого набора правил до полного описания того, как ЛПР решает задачу.
Модели представления знаний можно условно разделить на декларативные и процедуральные.
Декларативные модели представляют собой множество утверждений. Предметная область представляется в виде синтаксического описания ее состояния. Вывод решений основывается в основном на процедурах поиска в пространстве состояний.
В процедуральном представление знаний содержится в процедурах – небольших программах, которые определяют как выполнять специфические действия (как поступать в специфических ситуациях). При этот множество описывает все возможные состояния среды или объекта для реального вывода.
Процедуральные представляют собой набор правил в виде условий – действий. Где условия являются утверждения о содержимом БД, а действия есть некоторые процедуры, которые могут модифицировать содержимое БД.
27. Семантические сети.
Под семантической сетью понимают направленный граф с помеченными вершинами и дугами, в котором вершины соответствуют конкретным объектам, а дуги, их соединяющие, отражают имеющиеся между ними отношения.
Отношения, используемые в семантических сетях, можно разделить, на следующие:
лингвистические, в частности падежные, включающие в себя отношения типа «объект», «агент», «условие», «место», «инструмент», «цель», «время» и др.;
атрибутивные, к которым относят форму, размер, цвет и т.д.;
характеризации глаголов, т. е. род, время, наклонение, залог, число;
логические, обеспечивающие выполнение операций для исчисления высказываний (дизъюнкция, конъюнкция, импликация, отрицание) ;
квалифицированные, т. е. использующие кванторы общности и существования;
теоретико-множественные, включающие понятия «элемент множества», «подмножество», «супермножество» и др.
Рис. 11.1. Интенсиональная семантическая сеть
Интенсионал — это те общие понятия и отношения, которые характеризуют множество объектов, предметов явлений.
Рис. 11.2. Экстенсиональная семантическая сеть
Экстенсионалом будем называть конкретные характеристики каждого элемента этого множества понятий и отношений.
Возьмем, например, следующую фразу: «Рыбак сел на плот, переехал на другой берег и взял корзину с рыбой».
Здесь выделяется пять объектов: рыбак (а1), плот (а2), другой берег (а3), корзина (а4) и рыба (a5). Эти объекты связаны отношениями:
Рис. 11.3. Пример семантической сети фразы
сел на (r1), переехал (r2), взял (r3) и находиться в (r4). Сеть, соответствующая этому тексту, показана на рис. 1.5 (с учетом отношений, обозначенных сплошными линиями). К отношениям, явно выраженным в тексте, отнесено и отношение «находиться на» («корзина на другом берегу»).