«Оболочки» (shells ) это - «пустые» версии существующих ЭС-систем, то есть готовые экспертные системы без базы знаний.

3 достоинства логических моделей представления знаний: в качестве основы здесь используется классический аппарат математической логики, методы которой достаточно хорошо изучены и формально обоснованы; существуют достаточно эффективные процедуры вывода, особенно в логике первого порядка, реализованные в языке логического программирования Пролог; в базах знаний можно хранить лишь множество аксиом и правил вывода, а все остальные знания получать из них, используя механизмы логического вывода

3 недостатка логических моделей представления знаний: «закрытость» ФС; негибкость; модификация и расширение здесь всегда связаны с перестройкой всей ФС

3 недостатка сетевых моделей: сетевая модель не дает (точнее, не содержит) ясного представления о структуре предметной области, которая ей соответствует, поэтому формирование и модификация такой моде­ли затруднительны; сетевые модели представляют собой пассив­ные структуры, для обработки которых необходим специальный аппарат формального вывода и планирования.

3 ОСНОВНЫХ ЗАДАЧИ, ВОЗНИКАЮЩИЕ ПРИ СОЗДАНИИ ИНТЕЛЛЕКТУАЛЬНОЙ ОБУЧАЮЩЕЙ СИСТЕМЫ: разработка методов контроля и диагностики ошибок обучаемого; разработка методов управления обу­чением; представление и обработка знаний в предметной области составляющей предмет обучения.

3 основных типа семантических сетей классифицирующие сети, функциональные сети и сценарии

3 свойства продукционных моделей модульность, простота интерпретации, естественность

4 достоинства фреймовой модели способность отражать концептуальную основу организации памяти человека, а также естественность, наглядность представления, модульность, поддержка возможности использования значений слотов по умолчанию.

База знаний – это совокупность знаний, описанных с использованием выбранной формы их представления.

База знаний эс содержит...

БИОНИЧЕСКОЕ НАПРАВЛЕНИЕ ИИ – за­нимается проблемами искусственного воспроизведения тех струк­тур и процессов, которые характерны для человеческого мозга, в котором сформировалась наука нейроинформатика, практическим выходом которой явилась разработка нейрокомпьютера

Большинство нейросетей состоят из элементов, характерных для сетей трех основных типов: сетей прямого распространения; полносвязных сетей Хопфилда; карт Кохонена.

В ИИ ИНТЕРНЕТА МОЖНО ВЫДЕЛИТЬ 5 НАПРАВЛЕНИЙ: представление знаний в ГС, извлече­ние знаний из информационных ресурсов Сети, интеллектуальный поиск релевантной инфор­мации, интеграция информационных ресурсов и приложений управ­ления знаниями, построение глобальных систем знаний в Интерне­те и их обработка, построение и использова­ние Вэб-сервисов.

В ИС ОБУЧЕНИЯ ПОВТОРЯЕТСЯ СЛЕДУЮЩАЯ ПОСЛЕДОВАТЕЛЬНОСТЬ 3 ДЕЙСТВИЙ: на основании текущего состояния обучаемого и методики обу. чения генерируется очередная задача; ответ обучаемого сравнивается с эталонным решением и на основании различий производится диагностика ошибок обучаемого; по результатам диагностики корректируются текущие харак­теристики обучения

В любой момент времени в ЭС существуют три типа знаний-структурированные знания, структурированные динамические знания, рабочие знания.

В мире экономики нейронные сети широко применяются для двух основных задач – прогнозирования котировок основных инструментов, распознавания определенных ситуаций

В НАСТОЯЩЕЕ ВРЕМЯ ИИ В ЭКОНОМИКЕ И УПРАВЛЕНИИ ПРИМЕНЯЕСТЯ В СЛЕДУЮЩИХ НАПРАВЛЕНИЯХ: экспертные системы (ЭС); системы с базами знаний; интеллектуальное обучение; нейронные сети, интеллектуализация бизнеса, менеджмент знаний

В области ИС возникла концепция знаний, которая объединила многие черты в себе процедурной и декларативной информации

В общем виде структура протофрейма выглядит следующим образом: (Имя фрейма: имя слота 1 (значение слота 1); имя слота 2 (значение слота 2); … имя слота К (значение слота К)

В общем случае продукционное правило можно представить в следующем виде: I:S; L; A → B; Q.

В основе методов обучения многослойных нейросетей наибо­лее часто лежит так называемое дельта-правило

В России и Беларуси наиболее известными приложениями нейросетевых технологий в области экономики и управления мож­но признать следующие: прогнозирование котировок фьючерсов; краткосрочная динамика курсов валют; прогноз оптовых цен на продукты питания; оценка кредитных рисков; оценка объектов недвижимости; ряд задач медицинской и промышленной диагностики; построение высокодоходных тотализаторов; прогноз развития чрезвычайных ситуаций; авторизация доступа по индивидуальному «почерку» работы за клавиатурой компьютера.

В ФИНАНСОВОМ МИРЕ НЕЙРОННЫЕ СЕТИ ПРИМЕНЯЮТСЯ ДЛЯ ДВУХ ОСНОВНЫХ ЗАДАЧ: прогнозирования котировок основных инструментов и распознавания определенных ситуаций

В целом ЭС не рекомендуется применять для решения 3-х ти­пов задач математических, решаемых обычным путем формальных преобразований и процедурного анализа; распознавания, поскольку в общем случае они решаются чис­ленными методами; по которым невозможно построить базу знаний. Ограничения в применении экспертных систем.

В экспертных системах первого поколения знания представле­ны 3 особенностями: знаниями системы являются только знания эксперта, опыт накопления знаний не предусматривается; методы представления знаний позволяли описывать лишь статические предметные области; модели представления знаний ориентированы на простые области

Внутренняя интерпретируемость знаний – информационная единица должна иметь уникальное имя, по которому ИС находит ее, а также отвечает на запросы

Возможны 3 этапа при взаимодействии инженера по знаниям с экспертом: Подготовительный; Установление общего кода; Гносеологический этап.

Все нейроны сети Хопфилда связаны друг с другом связями W_ij причем сигнал с выхода нейрона может подаваться на его же вход и необязательно W_ij =W_ji

Всякая формальная теория F = (А, V, W, R), определяющая не­которую аксиоматическую систему, характеризуется: наличием алфавита, множеством синтаксических правил, множеством аксиом, лежащих в основе теории, множеством правил вывода

ГЛАВНЫЕ ДОСТИНСТВА ИС – возможность накапливать знания, сохранять их длительное время, обновлять и тем самым обеспечивать относительную независимость конкретной организации от наличия в ней квалифицированных специалистов.

Главным достоинством экспертных систем является: возможность накопления знаний и их сохранение.

Декларативные знания – это совокупность сведений о каче­ственных и количественных характеристиках конкретных объек­тов, явлений и их элементов, представленных в виде фактов и эври­стик.

Декларативные языки разделяются на функциональные и логические

Для построения ЭС используются языки: LISP, PROLOG

достоинства сетевых моделей: большие выразительные воз­можности; наглядность системы знаний, представленной графичес­ки; близость структуры сети, представляющей систему знаний, семантической структуре фраз на естественном языке; соответ­ствие современным представлениям об организации долговремен­ной памяти человека.

Если Z является отцом Х, Z является отцом У, то Х и У братья