
- •Многокритериальное пр. Качественный и количественный анализ. Пространственные модели.
- •Пр в условиях неопределенности. Парадигма анализа решений. Деревья решений.
- •Теория полезности. Принцип максимальной ожидаемой полезности. Методы прямого построения функции полезности
- •Теория полезности. Основные свойства функции полезности. Учет отношения к риску в функции полезности.
- •Теория полезности. Обоснование s- образности кривой полезности.
- •Теория полезности. Определение отношения к риску на основе понятия детерминированного эквивалента.
- •Определение детерминированного эквивалента. Детерминированный эквивалент для выпуклой и вогнутой функции.
- •Стратегическая эквивалентность функций полезности. Линейная функция полезности.
- •Логарифмическая функция полезности. Пример.
- •Экспоненциальная функция полезности. Пример.
- •Квадратичная функция полезности. Пример.
- •Теоремы о несклонности к риску. Надбавка за риск.
- •Теоремы о склонности к риску. Надбавка за риск.
- •Пример функции полезности для лпр несклонного к риску.
- •Пример функции полезности для лпр склонного к риску.
- •Мера несклонности к риску. Обоснование. Интерпретация функции несклонности к риску.
- •Связь между надбавкой за риск и функцией несклонности к риску.
- •Особенности и признаки интеллектуальности информационных систем.
- •Классификация иис. Системы с интеллектуальным интерфейсом
- •Экспертные системы. Архитектура экспертной системы. Назначение составных частей эс.
- •База знаний и механизм вывода на знаниях. Сравнительный анализ.
- •22 Этапы создания экспертной системы. Идентификация предметной области. Построение концептуальной модели. Типы моделей
- •Этапы проектирования экспертной системы. Формализация базы знаний. Классификация моделей представления знаний
- •Особенности знаний и их отличие от данных. Декларативные и процедурные знания. Системы, основанные на знаниях. Этапы трансформации данных и знаний. Базы данных и базы знаний
- •Самообучающиеся системы. Технологии olap и Data Mining. Определение Data Mining. Основные типы закономерностей, извлекаемых с помощью Data Mining
- •Индукция и дедукция. Алгоритм индуктивного обучения. Деревья решений
- •Искусственные нейронные сети. Обучение нейронных сетей
- •Системы, основанные на прецедентах (Case Based Reasoning)
- •Прямой логический вывод в эс на основе правила Modus Ponens.
- •Обратный логический вывод в эс на основе правила Modus Ponens
- •Семантические сети. Основные типы отношений в семантических сетях. Правила построения семантических сетей
- •Теория фреймов. Структура фрейма. Слоты и присоединенные процедуры. Механизм вывода на фреймах
- •Механизм вероятностного вывода на основе правил Байеса и коэффициентов уверенности
- •Основные понятия теории нечетких множеств. Операции над нечеткими множествами. Понятия нечеткой и лингвистической переменной. Основы нечеткого логического вывода.
- •Понятие онтологии. Классификация онтологий и их применение.
- •Редакторы онтологий, формализмы и форматы представления онтологий
- •Элементы фреймовых онтологий – классы, экземпляры, слоты (типы значений, кардинальность), отношения и т.Д.
- •Подход к формированию онтологий в редакторе Protégé. Последовательность создания онтологий
- •Язык создания экспертных систем clips: поддерживаемые парадигмы, основные структуры данных, конструкции языка для обработки данных и осуществления вывода.
-
Редакторы онтологий, формализмы и форматы представления онтологий
Основная функция любого редактора онтологий состоит в поддержке процесса формализации знаний и представлении онтологии как спецификации (точного и полного описании).
Поддерживаемые редактором формализмы и форматы представления
Под формализмом понимается теоретический базис, лежащий в основе способа представления онтологических знаний. Примерами формализмов могут служить логика предикатов (First Order Logic - FOL), дескриптивная логика, фреймовые модели (Frames), концептуальные графы и т.п.
Формат представления онтологии задает вид хранения и способ передачи онтологических описаний. Под форматами подразумеваются языки представления онтологий: RDF, OWL, KIF, SCL.
По языку представления онтологических знаний онтологии классифицируются следующим образом:
1) RDF.
2) DAML+OIL
3) OWL
4) KIF (Knowledge Interchange Format или формат обмена знаниями)
5) CycL (язык описания онтологии Cyc)
6) OCML (Operational Conceptual Modeling Language) язык поддерживает построение нескольких типов конструкций представления знаний.
7) LOOM и PowerLoom® - языки представления знаний.
8) Loom это и язык и среда для построения интеллектуальных приложений.
9) F-Logic – онтологический язык, который базируется на логиках первого порядка, однако классы и свойства в нем представлены как термины, а не как предикаты.
Основные редакторы онтологий
-
Ontolingua
-
Protégé
Это свободно распространяемая Java-программа, предназначенная для построения (создания, редактирования и просмотра) онтологий той или иной прикладной области.
-
DOE
простой редактор, который позволяет пользователю создавать онтологии. Процесс спецификации онтологии состоит из трех этапов.
На первом этапе пользователь строит таксономию понятий и отношений.
На втором этапе две таксономии рассматриваются с разных точек зрения.
На третьем этапе онтология может быть переведена на язык представления знаний.
-
OntoEdit
инструментальное средство, обеспечивающее просмотр, проверку и модификацию онтологии.
-
WebOnto
представляет собой Java-апплет и разработан для просмотра, создания и редактирования онтологий.
-
ODE, WebODE
взаимодействует с пользователями на концептуальном уровне, обеспечивает их набором таблиц для заполнения (концептов, атрибутов, отношений) и автоматически генерирует код.
-
OilEd
автономный графический редактор онтологий.
-
Элементы фреймовых онтологий – классы, экземпляры, слоты (типы значений, кардинальность), отношения и т.Д.
Классы – абстрактные группы, коллекции или наборы объектов. Они могут включать в себя экземпляры, другие классы (подклассы), либо же сочетания и того, и другого. Подклассы представляют более конкретные понятия, чем надкласс.
Слоты - свойства каждого понятия, описывающие различные свойства и атрибуты понятия.
Мощность слота (кардинальность) определяет, сколько значений может иметь слот. В некоторых системах различаются только единичная (возможно только одно значение) и множественная (возможно любое число значений) мощности. Некоторые системы позволяют определить минимальную и максимальную мощности. Минимальная мощность N означает, что слот должен иметь не менее N значений. Установка «0» будет означать, что для определенного подкласса слот не может иметь значений.
Фацет типа значения слота описывает, какие типы значений можно ввести в слот. Наиболее часто используемыми типами значений являются:
- простые скалярные типы (строки, целые и вещественные числа, булевы величины и т. д.);
- списки разрешенных значений (нумерованные слоты; в Protege-2000 тип называется «Symbol» – «символ»);
- экземпляры
Экземпляры – это основные, нижнеуровневые компоненты онтологии. Экземпляры могут представлять собой как физические объекты (люди, дома, планеты), так и абстрактные (числа, слова).
Отношения – зависимость между объектами онтологии. Обычно отношением является атрибут, значением которого является другой объект.