- •Лекции по курсу «Системы обработки экономической информации»
- •Тема 1. Общее представление о Data Mining
- •1. Что такое Data Mining
- •2. Области использования Data Mining
- •3. Типы закономерностей
- •Классы систем Data Mining
- •Тема «Документальные (полнотекстовые) системы данных и знаний»
- •1. Назначение и основные понятия
- •Общая функциональная структура дипс
- •3. Формальное представление смыслового содержания текста
- •Тема «Обработка и поиск текстовой информации»
- •Обработка входящей текстовой информации
- •Поиск текстовой информации
- •Эффективность дипс
- •1. Обработка входящей текстовой информации
- •2. Поиск текстовой информации
- •Оценка качества дипс
- •Тема «знания и их представление»
- •Понятие о знании
- •Логические модели
- •3. Продукционные модели
- •4. Фреймовая модель представления знаний
- •5.Семантические сети
- •Тема «Особенности обработки информации у человека»
- •1. Основные понятия
- •2. Конструкт как единица мыслительной деятельности
- •3. Понятие как единица мыслительной деятельности
- •4. Мысленные модели
- •5. Когнитивные модели.
- •6. Объектно-схемные или качественные модели.
- •7. Синтез моделей с различными уровнями семантики и формализации
- •Тема «Нейросети»
- •Назначение и основные понятия
- •Одиночный нейрон
- •Простые нейросети
- •Назначение и основные понятия
- •2. Структура нейросетей
- •Тема «Нейросети»
- •1. Методы обучения нейронных сетей
- •2. Модель нейронной сети с обратным распространением ошибки
- •1. Методы обучения нейронных сетей
- •Применение нейросетей
- •1) Общая характеристика нейросетевых технологий
- •2 Классы решаемых задач
- •3) Области использования нейросетей
- •Общая характеристика нейросетевых технологий
- •2. Классы решаемых задач
- •3. Области использования нейросетей
- •Тема «Генетические алгоритмы»
- •Классы задач оптимизации
- •Методы решения оптимизационных задач
- •Эволюционные вычисления
- •Основы теории генетических алгоритмов
- •Решение задач с помощью генетических алгоритмов
- •Генетические алгоритмы и нейросети
- •Тема «Метод группового учета аргументов»
- •Особенности моделирования экономических систем
- •Идеология и использование мгуа
- •Общее описание метода мгуа
- •Особенности моделирования экономических систем
- •Идеология и использование мгуа
- •Общее описание метода мгуа
- •Вопросы к 1 модулю «Системы обработки экономической информации»
- •1. Что такое Data Mining
- •Области использования Data Mining
- •Классы систем Data Mining
Тема «знания и их представление»
Вопросы:
Понятие о знании
Логическая модель представления знаний
Продукционная модель представления знаний
Фреймовая модель представления знаний
Семантические сети
Понятие о знании
Информация об окружающем человека мире может быть представлена в двух основных формах: в виде данных, и в виде знаний.
Под данными принято понимать отдельные факты, характеризующие объекты, процессы и явления предметной области, а также их свойства. Для сбора, анализа и хранения данных используются технологии, лежащие в основе современных баз данных (СУБД).
Знания – это закономерности предметной области (принципы, связи, законы), полученные в результате практического опыта и теоретических исследований, позволяющие решать задачи данной предметной области.
Знания возможны только как результат переработки (анализа, обобщения) некоторых исходных фактов и других знаний. Сама глубина этих новых знаний и форма их представления существенно зависят от способов их получения.
Человечество в процессе своего развития выработало и вырабатывает некоторые стандартные процедуры работы со знаниями, ускоряющие и облегчающие анализ данных и знаний и получение новых знаний. Поскольку способ представления знаний жестко связан со способом их представления, то эти стандартные процедуры можно назвать еще методами формализации знаний. Исторически первым инструментом формализации знаний можно считать логику Аристотеля, вторым – математику. С появлением компьютеров возникли компьютерные подходы к формализации знаний.
Первый из таких подходов к формализации знаний стал алгоритмический, или процедурный подход. Такой подход использует для получения новых результатов традиционные языки программирования – от машинных кодов, до Паскаля и Си. Этот подход хорошо справляется с теми задачами, которые можно представить в полностью формализованном виде, однако непригоден для решения слабоформализованных или неформализованных задач. Но большинство практических задач относятся именно к этому классу. Для формализации представления таких слабоформализованных задач были созданы с использованием достижений компьютерных технологий и психологии новые более гибкие способы формализации человеческих знаний. Все эти способы в формализованном виде представляют характерные черты представления информации (знаний), человеком, фактически моделируют те или иные аспекты человеческого мышления, в связи с чем получили название моделей представления знаний. Сейчас известны десятки таких моделей, а практика их применения привела к появлению новой науки – инженерии знаний. Методы инженерии знаний широко используются в так называемой когнитивной психологии с целью лучшего понимания и представления, как мыслит человек. Однако основное назначение инженерии знаний в настоящее время – это формализованное представления человеческих знаний с помощью компьютерных технологий. Собранные вместе такие формализованные знания, описывающие какую-либо предметную область, либо предназначенные для решения определенного круга задач, представляют собой базы знаний. Такие базы знаний являются центральной частью современных экспертных систем и систем поддержки принятия решений.
Наиболее известны и широко используются четыре модели представления знаний:
логические модели;
продукционные модели;
фреймовые модели;
семантические сети.