
- •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
Данные и знания. Управление знаниями.
Данные - это отдельные факты, характеризующие объекты, процессы и явления предметной области, а также значения их свойств. При обработке в информационных системах данные меняются, проходя несколько этапов преобразований: от результатов измерений и наблюдений до баз данных на машинных носителях информации. Знания основаны на данных, полученных эмпирическим путем. Они представляют собой результат мыслительной деятельности человека, направленной на обобщение его опыта, полученного в результате практической деятельности. Знания — это закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области. Отличительными свойствами знаний являются внутренняя интерпретируемость, структурированность, связность, активность.
Часть знаний представлена в явном виде, т. е. они зафиксированы в печатных источниках - книгах, статьях, руководствах, нормативных материалах, содержатся в электронных системах хранения информации и т. п. Это так называемые явные (эксплицитные) знания. Другая часть знаний находится в головах людей и представляет собой опыт и экспертные знания специалиста, которые могут быть потеряны для организации с его уходом. Это - неявные (имплицитные) знания. В последнее время внимание многих научных и производственных структур обращено на направление, которое пытается разработать методы, средства и технологии для эффективного использования всех видов знаний. Оно получило название управление знаниями (Knowledge Management, КМ).
Концепция управления знаниями (УЗ) действительно помогает поменять взгляд на автоматизацию корпорации, так как акцент в ней ставится на ценность информации. Новизна концепции УЗ заключается в принципиально новой цели - копить не разрозненную информацию, а знания, т. е. закономерности и принципы, позволяющие решать реальные бизнес-задачи. При этом в расчет берутся и те знания, которые «невидимы» - они хранятся в памяти специалистов, а не на материальных носителях.
Существует множество трактовок термина Knowledge Management. Управление знаниями - это установленный в организации формальный порядок работы с информационными ресурсами для облегчения доступа к знаниям и совместного их использования с помощью современных информационных технологий. Основная цель КМ — сделать знания доступными и совместно используемыми на уровне всего предприятия. В последние годы управление знаниями все чаще трактуется как междисциплинарное научное направление, целью которого является оптимизация использования интеллектуальных и информационных ресурсов, доступных предприятию, для повышения его эффекгивности.
УЗ можно рассматривать и как новое направление в менеджменте, и как направление в информатике для поддержки процессов создания, распространения, обработки и использования знаний внутри предприятия (рис. 1). Ресурсы знаний различаются в зависимости от отраслей индустрии и приложений, но в любой области полезные сведения содержатся в письмах, руководствах, сведениях о партнерах, заказчиках и конкурентах. Данные могут быть рассредоточены по всему предприятию. Традиционно проектировщики систем УЗ (СУЗ) ориентировались лишь на отдельные группы потребителей - главным образом, менеджеров. В рамках этого направления КМ называют не только собственно знания, но и данные. Современные СУЗ спроектированы уже в расчете на целую организацию.