- •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.
7. Основные программные блоки экспертной системы.
Эксперт - высококвалифицированный специалист или группа лиц предметной области, умеющие находить решения слабоструктурированных задач и обладающие способностью четко формулировать правила, на основании которых он действует
Инженер по знаниям - специалист в области информационных технологий, выступающий в роли промежуточного буфера между экспертом и базой знаний.
Пользователь - специалист предметной области, для которого предназначена система.
Ядро ЭС – база знаний
Машина логического вывода - программа, моделирующая ход рассуждения эксперта на основании знаний из БЗ.
Подсистема объяснений - программа, позволяющая пользователю получить информацию о процессе размышлений.
Интерфейс пользователя - комплекс программ, реализующих диалог пользователя с ЭС на стадии ввода данных и получения результатов.
Интеллектуальный редактор БЗ – программа, позволяющая инженеру по знаниям создавать БЗ в диалоговом режиме.
8. Этапы проектирования эс: оценка, стыковка и поддержка.
Этапы проектирования ЭС:
Выбор проблемы
Разработка прототипа ЭС
Доработка до промышленной ЭС
Оценка ЭС
Стыковка ЭС
Поддержка ЭС
Этап 4. Оценка системы. После завершения этапа разработки промышленной экспертной системы необходимо провести ее тестирование. К тестированию привлекаются другие эксперты с целью проверки работоспособности системы на различных примерах. Экспертные системы оцениваются для того, чтобы проверить точность работы программы и ее полезность. Оценку можно проводить, исходя из различных критериев:
критерии пользователей (понятность и "прозрачность" работы системы, удобство интерфейсов и др.);
критерии приглашенных экспертов (оценка советов-решений, предлагаемых системой, сравнение ее с собственными решениями, оценка подсистемы объяснений и др.);
критерии коллектива разработчиков (эффективность реализации, производительность, время отклика, дизайн, количество тупиковых ситуаций, когда система не может принять решение и т.п.).
Этап 5. Стыковка системы. На этом этапе осуществляется стыковка экспертной системы с другими программными средствами в среде, в которой она будет работать, и обучение людей, которых она будет обслуживать. Под стыковкой подразумевается также разработка связей между экспертной системой и средой, в которой она действует.
Стыковка включает обеспечение связи ЭС с существующими базами данных и другими системами на предприятии, а также улучшение системных факторов, зависящих от времени, чтобы можно было обеспечить ее более эффективную работу и улучшить характеристики ее технических средств.
Этап 6. Поддержка системы. Экспертные языки могут быть переписаны на традиционные языки программирования, в результате чего повышается быстродействие системы и увеличивается её переносимость, но это отрицательно сказывается на возможность внесения изменений.
9. Различия бд и баз знаний
|
БД |
БЗ |
Определения |
Данные – это отдельные факты, характеризующие объекты, процессы их деятельности |
Знания – это закономерности предметной области, полученные в результате профессиональной деятельности |
Источники |
Данные – это результат измерений или наблюдений |
Знания – это результат человеческого мышления |
Бумажные носители |
Справочники, таблицы, протоколы |
Методические пособия, научные статьи |
Модели представления |
Иерархическая Сетевая Реляционная Объектно-ориентированная |
Продукционная Семантические сети Фреймы |
Языки программирования |
SQL |
PROLOG (язык представления данных) |
Объём |
Большой |
Небольшой |
Стоимость информации |
Невысокая |
Высокая (дорогие информационные массивы) |