1

Оглавление

1. Системы оперативной обработки транзакций 3

2. Традиционные экспертные системы 4

3. Информационные хранилища 6

4. Многомерные базы данных 7

5. Системы оперативной аналитической обработки данных 8

6. Трактовка терминов: “Информационно-поисковая система”, “Информационно-справочная система”, ”База знаний”. Понятие поискового образа объекта ИПС и связь его с базой данных. 9

7. Архитектуры приложений баз данных. Локальное приложение. Информационная система с архитектурой “файл - сервер”. Информационная система с архитектурой “клиент-сервер”. 11

8. Понятие о сервере баз данных. Общие сведения о SQL-серверах на примере MS SQL Server 2008. Понятие об администрировании сервером. Основные сведения об утилитах администрирования SQL-сервером. 13

9. Архитектура ADO.NET. 15

10. Общие сведения о подключении к данным в Visual Studio. 17

11. Строки подключения 18

12. Установка соединения посредством кода в ADO.NET 19

13. Подключения на этапе разработки в обозревателе серверов/обозревателе баз данных 21

14. Уровни объектной модели ADO.NET 22

15. Хранение данных в наборах данных. Создание набора данных 23

16. Взаимодействие с базой данных через объект DataSet 25

17. Общие сведения об адаптере таблиц 27

18. Общие сведения об объекте DataTableReader 28

19. Мастер настройки источников данных 30

20. Конструктор наборов данных 32

21. Связанные таблицы и объекты DataRelation 33

22. Заполнение набора данных 36

23. Редактирование данных в приложении 38

24. Общие сведения о сохранении данных 40

25. Представление объекта DataTable 42

26. Технология LINQ. 43

27. Введение в запросы LINQ. 45

28. LINQ to DataSet. 47

29. LINQ to SQL. Создание проекта LINQ. 48

30. LINQ to SQL. Три части операции запроса. 49

31. LINQ to SQL. Синтаксис запроса и метода. 52

32. LINQ to DataSet. Общие сведения о LINQ to DataSet. 54

33. LINQ to DataSet. Запросы к одиночным таблицам. 56

34. LINQ to DataSet. Универсальные методы Field и SetField. 58

35. Понятие метаданных и способы их представления в структурах данных. Основные сведения о представлении знаний. Сравнительное определение терминов “Знание” и “Информация”. 60

36. Нелинейные структуры данных. Общие понятия о деревьях. 63

37. Представление сетевых структур. 65

38. Методы реализации древовидных и сетевых структур в реляционных СУБД. 67

39. Дескрипторная компонента проектной среды поддержки принятия решений в САПР. Реализация дескрипторной компоненты средствами реляционных СУБД. 68

40. – 41. Классификационная компонента проектной среды принятия решений в САПР. Обоснование необходимости присутствия классификационной компоненты в информационных системах САПР. 72

42. Продукционная компонента проектной среды принятия решений в САПР. 75

43. Компонента структурных объектов проектной среды принятия решений в САПР. Общее понятие о методах реализации структурной компоненты в информационных системах САПР. 77

44. Представление инженерных знаний в форме информационно-логических таблиц (ИЛТ). 81

45. Справочные таблицы без условий. Реляционное представление справочных таблиц без условий. 82

46. Справочные таблицы с условиями. Реляционное представление справочных таблиц с условиями. 84

1. Системы оперативной обработки транзакций

Информационная среда принятия проектных решений в условиях современных информационных технологий реализуется посредством информационных систем различных типов. Условно выделяют шесть типов информационных систем:

• системы оперативной обработки транзакций (OLTP system);

• традиционные экспертные системы (Expert system);

• информационные хранилища данных (Data warehouse);

• многомерные базы данных (MDDBMS – multidimensional database management system);

• системы оперативной аналитической обработки данных (OLAP – on-line analytical processing);

• системы оперативной аналитической обработки реляционных данных (ROLAP – Relational on-line analytical processing).

Системы оперативной обработки транзакций представляют собой традиционные базы данных обычно реляционного типа, ориентированные на управление данными для ряда приложений в относительно узкой предметной области. Такие системы являются сегодня наиболее широко распространёнными и используются как инструмент анализа и обработки данных с помощью традиционных запросов к базе данных. Данные в таких системах детализированы и подвержены частым модификациям.

2. Традиционные экспертные системы

Информационная среда принятия проектных решений в условиях современных информационных технологий реализуется посредством информационных систем различных типов. Условно выделяют шесть типов информационных систем:

• системы оперативной обработки транзакций (OLTP system);

• традиционные экспертные системы (Expert system);

• информационные хранилища данных (Data warehouse);

• многомерные базы данных (MDDBMS – multidimensional database management system);

• системы оперативной аналитической обработки данных (OLAP – on-line analytical processing);

• системы оперативной аналитической обработки реляционных данных (ROLAP – Relational on-line analytical processing).

Экспертные системы представляют собой информационные системы из области искусственного интеллекта (Artificial intelligence), использующие экспертные знания для обеспечения эффективного решения задач в некоторой узкой предметной области. Ядро экспертной системы образуют база знаний и данных, а также машина вывода. Для представления знаний используется та или иная модель знаний, зависящая от особенностей решаемой задачи. Современные экспертные системы опираются на четыре модели представления знаний: логическую, продукционную (основанную на использовании правил ЕСЛИ-ТО), фреймовую и семантическую сеть. Машина вывода - это программа извлечения (вывода или доказательства) ответа на поставленный вопрос (цель). Стратегия или алгоритм вывода, реализуемый машиной вывода, связана с используемой моделью знаний.

В рамках логической модели знания представляются в системе логики предикатов первого порядка. Приведенные ниже примеры являются логическими долями представления фактов (в данном случае - "Петров посещает лекции" и "Петров - студент") с помощью предикатов и носят название атомарной формулы.

ПОСЕЩЕНИЕ (Петров, лекции)

СТУДЕНТ (Петров)

Логический вывод осуществляется с помощью силлогизма (если из А следует В, а из В следует С, то из А следует С).

Достоинствами логической модели представления знаний являются единственность теоретического обоснования и возможность реализации системы формально точных определений и выводов.

Однако при решении сложных задач попытка представить неформализованные знания эксперта, среди которых преобладают эвристики, в системе строгой логики наталкивается на серьезные препятствия. Это связано с тем, что в отличие от строгой логики, так называемая, "человеческая логика" обладает нечеткой структурой. Поэтому большая часть достижений в области систем с базами знаний до настоящего момента была связана с применением нелогических моделей.

Фреймовая модель, или модель представления знаний, основанная на фреймовой теории М. Минского, представляет собой систематизированную в виде единой теории психологическую модель памяти человека и его сознания. Однако из-за отсутствия конкретных идей, позволяющих создать язык представления знаний только на основе этой теории, она носит довольно абстрактный характер. Важным моментом в этой теории является понимание фрейма - структуры данных для представления некоторого концептуального объекта. Каждый фрейм описывает один концептуальный объект, а конкретные свойства этого объекта и факты, относящиеся к нему, описываются в слотах - структурных элементах данного фрейма. Различают фреймы-образцы, или прототипы, хранящиеся в базе знаний, и фреймы-экземпляры, которые создаются для отображения реальных фактических ситуаций на основе поступающих данных. Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знание о мире через:

Фреймы-структуры, использующиеся для обозначения объектов и понятий (заем, залог, вексель);

Фреймы-роли (менеджер, кассир, клиент);

Фреймы-сценарии (банкротство, собрание акционеров);

Фреймы-ситуации (тревога, авария).

В общем случае фрейм можно представить в виде следующей структуры.

(Имя фрейма:

Имя слота 1 (значение слота 1);

Имя слота 2 (значение слота 2);

Имя слота N (значение слота N)).

Значением слота может быть практически что угодно: числа, формулы, тек­сты на естественном языке или программы, правила вывода или ссылки на дру­гие слоты данного фрейма или других фреймов. В качестве значения слота может выступать набор слотов более низкого уровня, что позволяет реализовывать во фреймовых представлениях "принцип матрешки". Например, фрейм служащего выглядит следующим образом:

(Служащий:

Фамилия (Иванов);

Год рождения (1974);

Специальность (Программист);

Стаж (3)) .

Термин семантическая означает «смысловая», а сама семантика — это наука, ус­танавливающая отношения между символами и объектами, которые они обозна­чают, то есть наука, определяющая смысл знаков. Семантическая сеть – это ориентированный граф, вершины которого - понятия, а дуги – отношения между ними.

В качестве понятий обычно выступают абстрактные или конкретные объекты, а отношения — это связи типа: «это» («АКО — А-Кind - Of», «is»), «имеет частью» («Has рагt»), «принадлежит», «любит». Характерной особенностью семантичес­ких сетей является обязательное наличие трех типов отношений:

• класс — элемент класса (цветок — роза);

• свойство — значение (цвет — желтый);

• пример элемента класса (роза — чайная).