- •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.
Этапы проектирования эс: выбор проблемы. Коллектив разработчиков эс.
Этапы проектирования ЭС:
Выбор проблемы
Разработка прототипа ЭС
Доработка до промышленной ЭС
Оценка ЭС
Стыковка ЭС
Поддержка ЭС
Этап «Выбор проблемы»:
Определение проблемной области и задачи
Поиск аналогов и определение класса решаемой задачи
Процесс получения знаний
Нахождение эксперта
Назначение коллектива разработчиков
Предварительный подход к решению проблемы
Анализ расходов и прибыли от разработки
Подобный план разработки
Процесс получения знаний
Можно выделить три стратегии проведения стадии получения знаний при разработке экспертных систем (приобретение, извлечение, формирование).
Идентификация проблемы – это определение цели, ресурсов и источников знаний, поиск аналогов, создание неформальной формулировки проблемы.
Получение знаний – это получение наиболее полного из возможных представлений о предметной области и способа принятия решений.
Структурирование знаний – это разработка неформального описания знаний, которая отражает основные концепции и взаимосвязи между понятиями предметной области.
Извлечение знаний - это процедура взаимодействия эксперта с источником знаний, в результате которой становятся явными процесс рассуждений специалистов при принятии решения и структура их представлений о предметной области.
Приобретение знаний – это процесс наполнения базы знаний экспертом и использование специализированных программных средств.
Формирование знаний – процесс анализа данных и выявления скрытых закономерностей с использованием специального математического аппарата и программных средств.
Коллектив разработчиков ЭС.
В коллектив разработчиков ЭС входят (как минимум):
эксперт;
инженер по знаниям;
программист;
пользователь
+менеджер
+технический помощник.
Возглавляет коллектив инженер по знаниям, это ключевая фигура при разработке систем, основанных на знаниях.
Инженер по знаниям – это человек, который обладает знаниями в области IT, который выступает в роли посредника между экспертом и базой знаний.
Инженер знаний опрашивает экспертов, организует знания, решает, каким образом они должны быть представлены в экспертной системе и может помочь программисту в написании программ.
Эксперт – высококвалифицированный специалист данной предметной области, умеющий находить решение слабо структурованных задач и обладающий способностью чётко формулировать правила на основании которых он это делает.
Эксперт использует свои приёмы и ухищрения, чтобы сделать поиск решения более эффективным, и экспертная система моделирует все его стратегии.
Программист разрабатывает инструментальное средство (если оно разрабатывается заново или впервые), содержащее в пределе все основные компоненты экспертной системы, и осуществляет его сопряжение с той средой, в которой оно будет использовано.
После разработки экспертной системы с ней начинают работу пользователи.
Пользователь – это человек, который использует уже построенную экспертную систему.
Необходимо отметить, что отсутствие среди участников разработки инженеров по знаниям (т.е. их замена программистами) либо приводит к неудаче процесс создания экспертной системы, либо значительно удлиняет его.