- •Интеллектуальные информационные системы учебное пособие
- •Тула 2010
- •3. Экспертные системы 47
- •8. Системы с интеллектуальным интерфейсом 143
- •9. Многоагентные системы 158
- •Предисловие
- •1. Искусственный интеллект и интеллектуальные информационные системы
- •1.1. Введение в искусственный интеллект
- •1.1.1. Искусственный интеллект: основные понятия и решаемые задачи
- •1.1.2. Подходы к построению систем искусственного интеллекта
- •1.1.3. Интеллектуальные информационные системы: понятие и отличительные особенности
- •1.2. Основные классы интеллектуальных информационных систем
- •1.2.1. Экспертные системы
- •1.2.2. Самообучающиеся системы
- •1.2.3. Адаптивные информационные системы
- •1.2.4. Системы с интеллектуальным интерфейсом
- •1.2.5. Многоагентные системы
- •1.3. Основы проектирования интеллектуальных информационных систем
- •1.3.1. Структура и этапы разработки интеллектуальных информационных систем
- •1.3.2. Логическое проектирование
- •1.3.3. Физическое проектирование
- •1.3.4. Использование прототипного проектирования
- •Контрольные тесты
- •2. Традиционные способы представления и обработки знаний в интеллектуальных информационных системах
- •2.1. Знания и их использование в интеллектуальных информационных системах
- •2.1.1. Понятие знаний и их отличие от данных
- •2.1.2. Классификация знаний
- •2.1.3. Логический вывод. Использование дедукции, индукции и аналогии
- •2.1.4. Представление знаний в интеллектуальных информационных системах
- •2.2. Типичные модели представления знаний
- •2.2.1. Логическая модель
- •2.2.2. Продукционная модель
- •2.2.3. Семантическая сеть
- •2.2.4. Фреймовая модель
- •2.2.5. Объектно-ориентированная модель
- •2.3. Представление и формализация нечетких знаний
- •2.3.1. Основные определения нечетких множеств
- •2.3.2. Операции с нечеткими множествами
- •2.3.3. Нечеткие отношения
- •2.3.4. Нечеткая и лингвистическая переменные
- •Контрольные тесты
- •3. Экспертные системы
- •3.1. Структура и режимы работы экспертных систем
- •3.1.1. Основные элементы экспертных систем
- •3.1.2. Режимы работы экспертных систем
- •3.1.3. Участники разработки экспертных систем
- •3.2. Классификация экспертных систем
- •3.2.1. Классификация по сложности решаемых задач
- •3.2.2. Классификация по типу решаемых задач
- •3.2.3. Основные классы экспертных систем: классифицирующие, доопределяющие, трансформирующие, многоагентные
- •3.3. Поиск решений в экспертных системах
- •3.3.1. Поиск в одном пространстве
- •3.3.2. Поиск в иерархии пространств
- •3.3.3. Поиск в случае недетерминированности знаний
- •3.3.4. Алгоритм реализации логического вывода в экспертных системах
- •3.4. Методы извлечения знаний в экспертных системах
- •3.4.1. Классификация методов извлечения знаний
- •3.4.2. Коммуникативные методы извлечения знаний
- •3.4.3. Текстологические методы извлечения знаний
- •Контрольные тесты
- •4. Оlap-технология
- •4.1. Основные понятия
- •4.1.1. Хранилище данных
- •4.1.2. Применение информационных хранилищ. Извлечение знаний из данных
- •4.1.3. Основная идея olap-технологии
- •12 Признаков olap данных
- •4.1.4. Структура хранилища данных в оlap-системах
- •4.2. Модели и алгоритмы построения olap-систем
- •4.2.1. Rolap – обработка на основе запросов к реляционным базам данных
- •4.2.2. Molap – многомерное представление данных
- •4.2.3. Holap – гибридные системы
- •Контрольные тесты
- •5. Интеллектуальный анализ данных
- •5.1. Методы интеллектуального анализа данных
- •5.1.1. Основные понятия
- •5.1.2. Типы закономерностей, выявляемых методами интеллектуального анализа данных
- •5.1.3. Стадии интеллектуального анализа данных
- •5.1.4. Индуктивное и абдуктивное обучение
- •5.2. Алгоритмы интеллектуального анализа данных
- •5.2.2. Байесовская классификация
- •5.2.3. Деревья решений
- •5.2.4. Методы классификации с использованием функций
- •5.2.5. Метод "ближайшего соседа" или системы рассуждений на основе аналогичных случаев
- •5.2.6. Методы кластерного анализа
- •5.2.7. Развитие алгоритмов интеллектуального анализа данных
- •Контрольные тесты
- •6. Нейронные сети
- •6.1. Основные понятия
- •6.1.1. Модель искусственного нейрона
- •6.1.2. Модели нейронных сетей
- •6.1.3. Статические нейронные сети
- •6.1.4. Рекуррентные нейронные сети
- •6.2. Проектирование нейронных сетей
- •6.2.1. Этапы проектирования нейронных сетей
- •6.2.2. Метод обратного распространения ошибки
- •6.2.3. Методы обучения нейронных сетей: обучение без учителя
- •6.2.4. Нейронные сети Хопфилда и Хэмминга
- •6.2.5. Использование генетических алгоритмов для обучения нейронной сети
- •Контрольные тесты
- •5. Адаптивные системы
- •5.1. Основные классы адаптивных систем
- •5.1.1. Понятие и классификация адаптивных систем
- •5.1.2. Самонастраивающиеся адаптивные системы
- •5.1.3. Самоорганизующиеся адаптивные системы
- •5.1.4. Самообучающиеся адаптивные системы
- •5.2. Проектирование адаптивных систем
- •5.2.1. Общие подходы и требования к проектированию
- •5.2.2. Оригинальное проектирование адаптивных систем
- •5.2.3. Компонентное проектирование адаптивных систем
- •Контрольные тесты
- •8. Системы с интеллектуальным интерфейсом
- •8.1. Взаимодействие пользователя с информационной системой на естественном языке
- •8.1.1. Компьютерно-лингвистический подход к диалогу. Проблемы формализации естественном языке
- •8.1.2. Задачи обработки текстов на естественном языке
- •8.1.3. Уровни понимания текста на естественном языке
- •8.2. Построение естественно-языковых интерфейсов
- •8.2.1. Лингвистическая трансляция
- •8.2.2. Обобщенная схема естественно-языковой системы
- •8.2.3. Компонент понимания высказываний
- •8.2.4. Компонент генерации высказываний
- •8.3. Прикладные системы с интеллектуальным интерфейсом
- •8.3.1. Интеллектуальные базы данных
- •8.3.2. Интеллектуальные гипертекстовые системы
- •8.3.3. Системы когнитивной графики
- •Контрольные тесты
- •9. Многоагентные системы
- •9.1. Характеристика агента как элемента многоагентной системы
- •9.1.1. Агент: понятие и классификация
- •9.1.2. Отличительные свойства агента
- •9.2. Процесс самоорганизации в многоагентных системах
- •9.2.1. Понятие многоагентной системы
- •9.2.2. Структура памяти и принципы мышление агента
- •9.2.3. Самоорганизация многоагентной системы
- •9.2.4. Архитектура и интерфейс многоагентной системы
- •Контрольные тесты
- •Библиографический список
- •Приложение
- •Интеллектуальные информационные системы
- •3000600, Г.Тула, пр.Ленина, 92.
- •3000600, Г.Тула, ул.Болдина, 151
Контрольные тесты
1. Для прохождения теста Тьюринга какими минимальными возможностями должен обладать компьютер?
А) Средства робототехники. Б) Обработка текстов на естественном языке.
В) Машинное зрение. Г) Логический вывод.
Д) Машинное обучение и адаптация. Е) Внутримашинное представление знаний.
2. В чем принципиальное отличие интеллектуальных систем?
А) Интеллектуальные системы предполагают построение «универсального сверхалгоритма», который способен создавать алгоритмы решения конкретных задач.
Б) Интеллектуальные системы строятся на основе алгоритмов решения задач проблемной области.
3. Задачи, решающиеся путем приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам – это…
А) искусственный интеллект Б) интеллектуальные задачи В) задачи робототехники.
4. В рамках какого подхода к построению интеллектуальных систем моделируется способность человека копировать действия других?
А) Структурный. Б) Логический. В) Имитационный. Г) Эволюционный.
5. В рамках какого подхода разработана теория нечеткой логики?
А) Структурный. Б) Логический. В) Имитационный. Г) Эволюционный.
6. Какой признак интеллектуальности информационных систем предполагает возможность решать задачи, которые требуют построения оригинального алгоритма решения в зависимости от конкретной ситуации?
А) Адаптивность. Б) Умение решать сложные плохо формализуемые задачи.
В) Развитые коммуникативные способности. Г) способность к самообучению.
7. Способность ИИС к самообучению – это …
А) возможность автоматического извлечения знаний для решения задач из накопленного опыта конкретных ситуаций.
Б) адаптация к различным ситуациям проблемной области.
В) способность к развитию системы в соответствии с объективными изменениями модели проблемной области.
8. К какому классу относятся нейронные сети?
А) Экспертные системы. Б) Адаптивные системы.
В) Самообучающиеся системы. Г) Интеллектуальные интерфейсы.
9. Расставьте последовательно этапы создания СБЗ.
А) Формализация БЗ. Б) Идентификация проблемной области.
В) Тестирование СБЗ. Г) Концептуализация проблемной области.
Д) Реализация СБЗ.
10. Какая модель описывает преобразования фактов, зависимости между ними, показывает, как одни факты образуются из других?
А) Поведенческая модель. Б) Объектная модель.
В) Логическая модель. Г) Функциональная модель.
2. Традиционные способы представления и обработки знаний в интеллектуальных информационных системах
2.1. Знания и их использование в интеллектуальных информационных системах
2.1.1. Понятие знаний и их отличие от данных
Отличительной особенностью ИИС по сравнению с ИС является использование знаний. Специалистами предложены десятки различных толкований понятия «знание». Определение знаний вне контекста искусственного интеллекта звучит следующим образом: «Проверенный практикой результат познания действительности, верное ее отражение в мышлении человека». Исследователями в области искусственного интеллекта даются более конкретные определения знаний. Знания – это:
- закономерности предметной области, полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области;
- метаданные;
- формализованная информация, которую используют в процессе логического вывода.
Чем же знания отличаются от данных? Можно выделить пять свойств, отличающих знания от данных: внутренняя интерпретируемость, рекурсивная структуризуемость, взаимосвязь единиц, наличие семантического пространства с метрикой, активность.
С точки зрения инженерии знаний определение понятие «знание» и его отличие от данных необходимо увязать с логическим выводом. Знания – это формализованная информация, которую непосредственно используют в процессе логического вывода, на которой строят те или иные умозаключения. На основании знаний путем логических рассуждений можно вывести новые знания, тогда как данные такими свойствами не обладают.