
- •Основные направления исследований в области искусственного интеллекта.
- •Свойства и отношения. Классификация отношений.
- •Представление знаний и работа с ними. Обзор языков представления знаний.
- •Знания экспертов. Экспертные системы (области применения). Архитектура эс.
- •Система представления знаний.
- •Фреймы. Семантические сети. Классификация базовых понятий сс. Сущности и отношения.
- •Логическая модель представления знаний. Декларативное и процедурное представление знаний. Система логического вывода (слв).
- •Система приобретения знаний. Подсистемы объяснения эс. Организация интерфейса в эс. Жизненный цикл эс.
- •Данные и знания. Управление знаниями.
- •Исчисление предикатов. Правила вывода на основе исчисления предикатов.
- •Нечеткая логика. Модели нечеткой логики.
- •Онтологии. Разработка концептуальной модели предметной области на основе онтологического подхода.
- •Программные агенты и мультиагентные системы.
- •Стохастический подход к описанию неопределенностей.
- •Байесовские сети доверия.
- •Основы искусственных нейронных сетей. Обучение персептрона.
- •Процедура обратного распространения. Сети встречного распространения.
- •Слои Кохоненна
- •Слой Гроссберга
- •Применение стохастических методов для обучения искусственных нейронных сетей.
- •Сети Хопфилда.
- •Ассоциативная память. Адаптивная резонансная теория. Оптические нейронные сети.
- •Описание apt
- •Задачи распознавания образов. Когнитрон и неокогнитрон.
- •Структура
- •Алгоритмы обучения нейронных сетей. Обучение с учителем и без учителя. Самоорганизация. Алгоритмы обучения
- •Цель обучения
- •Обучение с учителем
- •Обучение без учителя
- •Нейронная сеть Хемминга. Нейронная сеть Хебба.
- •Генетические алгоритмы. Адаптивные методы поиска.
- •Алгоритмы роевого интеллекта. Алгоритм роя частиц.
- •Метод пчелиной колонии
- •Моделирование перемещения бактерий
- •Муравьиный алгоритм
- •Жадные алгоритмы
- •Эволюционные вычисления и эволюционное программирование
- •Алгоритм имитации отжига
- •Меметический алгоритм
- •Алгоритм культурного обмена
- •Системы поддержки принятия решений
- •Многомерные данные и olap-технологии
Представление знаний и работа с ними. Обзор языков представления знаний.
Первым этапом разработки смысловой модели является выбор метода представления инженерных знаний, который определяет форму описания фактов и закономерностей предметной области. По способам организации знаний и их обработки различают следующие основные группы методов представления: логические, продукционные, сетевые, фреймовые.
Принцип работы продукционных систем основан на поиске путей перевода исходного состояния задачи в целевое с использованием правил продукций [1], И]. Каждое такое правило имеет вид «ЕСЛИ - условие, ТО - действие». Пример правила: «ЕСЛИ двигатель не заводится и фары не горят, ТО проблема в аккумуляторе или проводах». Анализируя текущее состояние задачи, система определяет множество продукций, «условия» которых удовлетворяют рассматриваемому состоянию, и выбирает из них одну, реализуя определяемое продукцией «действие». Затем анализируется состояние, в которое перешла система, и выполняется следующее действие, т. е. процесс повторяется до тех пор, пока либо не найдется продукция, «условие» которой соответствует текущему состоянию, либо не будет достигнуто целевое состояние. ‘;
Наряду с такими положительными чертами, как простота создания и понимания отдельных правил, процедуры их пополнения и модификации, а также естественность организации логического вывода (см. раздел «Логический вывод»), продукционные системы обладают небольшим быстродействием вследствие необходимости периодического сопоставления реальной ситуации с образцом - «условием». В настоящее время разработано большое число алгоритмов поиска: прямой и обратный вывод с применением поиска в ширину и глубину, поиск с ограничением глубины, поиск с итеративным углублением, двунаправленный поиск [4], [5]. Алгоритм поиска оценивается на основе полноты, оптимальности, временной и пространственной сложности. Сложность зависит от коэффициента ветвления в пространстве состояний и глубины самого поверхностного решения.
Языки делятся на искусственные и естественные.
Естественные языки формировались и формируются национальными или профессиональными сообществами людей. Знания передаются от одного человека к другому, после их перевода на язык, который понимают человек источник знания и человек приемник знания.
Искусственные языки создавались и создаются для связи человека с машинами.
Знания экспертов. Экспертные системы (области применения). Архитектура эс.
Экспертная система (ЭС) – компьютерная система, использующая знания эксперта для высокоэффективного решения задач в проблемной области, для которой традиционные формальные методы решения неизвестны или неприменимы вследствие имеющихся ограничений.
В настоящее время ЭС широко используется в самых различных областях.
Отличительной чертой данного класса систем является использование для решения задач знаний опытного эксперта.
Кассы задач, в которых используются ЭС:
интерпретация – составление смыслового описания ситуации по наблюдаемым данным – распознавание образов, понимание речи и т. п. (SPE - определение концентрации гамма-глобулина в крови);
медицинская и техническая диагностика – определение причин неисправностей по результатам наблюдений (MYCIN - диагностика бактериальных инфекций);
прогнозирование – определение вероятных последствий наблюдаемых ситуаций – предсказание погоды, урожая, курса валют и т.п. (PLANT/cd - определения потерь урожая от черной совки);
планирование – определение последовательности действий, приводящих к желаемой цели – планирование действий робота, маршрута движения (TATR - планирование авиаударов по аэродромам противника);
управление – целенаправленное воздействие на объект (применяется в задачах, где традиционные модели автоматического управления неприменимы или неэффективны: управление деловой активностью, боем, воздушным движением и т.п.);
мониторинг – сравнение результатов наблюдений с ожидаемыми или желаемыми (медицинский и экологический мониторинг, атомные электростанции);
обучение – диагностика, формирование и коррекция знания и навыков обучаемого GUIDON - обучение студентов-медиков (антибактериальная терапия);.
отладка - составление рецептов исправления неправильного функционирования системы. ONCOCIN - планирование химиотерапевтического лечения;
ремонт - выполнение последовательности предписанных исправлений. TQMSTUNE - настройка масс-спектрометра.
проектирование - построение конфигурации объектов при заданных ограничениях. XCON (R1) - выбор оптимальной конфигурации аппаратных средств (VAX).