- •1. Определение и 2 направления развития искусственного интеллекта
- •2. Основные направления исследований в области ии
- •3)Моделирования биологических систем.
- •4. Условия для разработки и внедрения экспертных систем. Задачи, подходящие для создания экспертной системы.
- •Различие прототипов эс.
- •3. Интеллектуальные системы и признак структурированности задач.
- •Этапы проектирования эс: выбор проблемы. Коллектив разработчиков эс.
- •7. Основные программные блоки экспертной системы.
- •8. Этапы проектирования эс: оценка, стыковка и поддержка.
- •9. Различия бд и баз знаний
- •10. Продукционная модель знаний
- •11. Диагностические эс байесовского типа.
- •12. Семантические сети.
- •13. Фреймы.
- •14. Схема машины логического вывода. Особенности вывода на знаниях.
- •Стратегии получения знаний (извлечение, приобретение и формирование знаний).
- •Психологический аспект извлечения знаний.
- •Контактный слой:
- •Процедурный слой:
- •Когнитивный слой:
- •Лингвистический аспект извлечения знаний, общий код.
- •Проблема общего кода
- •Понятийная структура
- •Словарь пользователя
- •Текстологические и пассивные методы извлечения знаний.
- •Гносеологический аспект извлечения знаний, проблемы применения критериев научного знания.
- •Активные групповые методы извлечения знаний.
- •Активные индивидуальные методы извлечения знаний.
- •22. Структурирование знаний. Объектно–структурный подход и его свойства. Объектно-структурный анализ знаний о предметной области.
- •23. Алгоритм формирования поля знаний.
- •Уровни реализации моделей нейронных сетей (нс). Нейрокомпьютер. Сравнение архитектуры фон Неймана и архитектуры нейрокомпьютера.
- •Структура и свойства искусственного нейрона.
- •26. Типы нейронных сетей и типы нейронов в многослойной нс. Оценка числа нейронов в скрытых слоях.
- •27. Классы задач, решаемые нс. Примеры использования нс в различных предметных областях.
- •28. Определение и схема процесса обучения нс. От чего зависит качество обучения нс?
- •29. Алгоритм обратного распространения ошибки.
- •30. Обучение без учителя. Алгоритм Хебба.
- •Понятие самоорганизующейся нс. Настройка числа нейронов в скрытых слоях многослойной нс в процессе обучения.
- •1. Алгоритмы сокращения.
- •2. Конструктивные алгоритмы.
- •32. Нс с обратными связями (сеть Хопфилда и сеть Хемминга).
- •33. Когнитрон. Неокогнитрон.
- •34. Генетические алгоритмы. Отжиг.
- •35. Нечеткая логика. Лингвистическая переменная.
- •Основные понятия теории нечетких множеств: функция принадлежности, нечеткая переменная, нечеткое число.
Различие прототипов эс.
Разработчики информационной системы не ставят целью разработать сразу конечный полный вариант информационной системы, а разрабатывают вначале её упрощенный вариант — прототип.
Иногда при разработке промышленной системы выделяют дополнительные этапы для перехода: демонстрационный прототип - исследовательский прототип - действующий прототип - промышленная система.
Прототип |
БЗ |
Решаемая задача |
1Демонстрационный |
Несколько десятков правил (50-100) |
Простейшие тестовые задачи |
2Исследовательский |
Несколько сотен правил (200-500) |
Большинство задач неустойчивы в работе |
3Действующий |
Заполнена (до 3000 правил) |
Надёжное решение большинства задач на реальных примерах |
Демонстрационный прототип ЭС: система решает часть задач, демонстрируя целесообразность разработки ИС.
Исследовательский прототип ЭС: система решает большинство задач, но не устойчива в работе и не полностью проверена.
Действующий прототип ЭС: система надежно решает все задачи на реальных примерах, но для сложной задачи требует много времени и памяти.
Промышленная ЭС (готовая ЭС) – это программный комплекс, обеспечивающий высокое качество решений при минимальных затратах ресурсов (времени и памяти).
Коммерческая ЭС – это хорошо документированная и снабженная дополнительным сервисом система.
3. Интеллектуальные системы и признак структурированности задач.
Интеллектуальные системы представляют из себя класс систем, в рамках которых в той или иной степени моделируется рассудочная деятельность человека.
Все современные информационные системы можно классифицировать по следующим признакам:
тип решаемой задачи (признак структурированности задач);
1 вид решаемой задачи (функциональный признак);
2 уровень управления (иерархический признак);
3 степень автоматизации ИС;
4 характер использования информации;
5 сфера применения.
В соответствии с признаком структурированности задач информационные системы делятся на:
ИС для решения структурированных задач;
ИС для решения слабо структурированных
ИС для решения неструктурированных (творческих) задач.
Структурированная задача – это такая задача, для которой всегда можно построить математическую модель и найти точный алгоритм решения, так как известны все ее элементы и взаимосвязи между ними.
Обычно данные задачи приходиться решать на практике многократно, поэтому использование компьютерной техники значительно облегчает процесс нахождения решения задач. Причем участие человека в таких ИС сводится к минимуму.
Свойства структурированных задач:
Для решения подобного рода задач требуется чёткая входная информация
Для решения подобных задач имеется чётких алгоритм решения
Задачи подобного рода всегда решаются
Слабо структурированная задача – это такая задача, для которой существуют специальные методы построения модели и используются специальные методики решения. В такой задаче известны только часть элементов и связи между ними. Отличительной особенностью алгоритмов решения таких задач является то, что они могут давать или несколько решений или давать хороший, но не самый лучший результат.
В ИС, используемых для решения слабо структурированных задач, человек или непосредственно участвует в процессе решения или управляет этим процессом.
Свойства слабо структурированных задач:
Наряду с чёткой информацией, требуемой для решения, может использоваться неясная, неточная информация.
Вместо алгоритма при решении подобного рода задач используется понятие логического вывода. Процесс решения носит диалоговый характер, окончательный результат зависит от дополнительной информации, которая может запрашиваться по ходу решения.
Задачи подобного рода, как правило, имеют решение.
Неструктурированная (творческая) задача – это такая задача, для которой невозможно создать математическую модель и, соответственно, получить точный алгоритм решения, так как для данной задачи невозможно установить ее элементы и взаимосвязи.
Поэтому создание ИС для решения неструктурированных задач в настоящее время является затруднительным.
Свойства неструктурированных задач:
При решении подобного рода задач используются чаще всего так называемые универсальные знания, а также знания, связанные с интуицией, озарением.
Решение, а тем более алгоритмы подобного рода задач находятся лишь в одиночных случаях.
В тех случаях, когда решение удаётся отыскать, как правило, используются смежные области знаний и универсальные знания.