Области применения экспертных систем Создание эс позволяет:
«Обессмертить» опыт наиболее ценных специалистов, закрепив его в компьютерных программах.
Способствуют широкому распространению опыта лучших специалистов.
Области применения:
Проектирование экспертных систем;
Медицинский диагноз и консультации по лечению;
Автоматическое программирование, проверка и анализ программного обеспечения;
Проектирование сверхбольших интегральных схем. Обучение в различных предметных областях;
Техническая диагностика и разработка рекомендаций по ремонту оборудования;
Прогнозирование – предсказывают возможные результаты или события на основе данных о текущем состоянии объекта;
Планирование в различных предметных областях;
Интерпретация – обладают способностью получать определенные заключения на основе результатов наблюдения (в геологоразведке, оценка степени риска в экономике и др.);
Контроль и управление – используются в качестве интеллектуальных систем контроля, могут принимать решения, анализируя данные, поступающие от нескольких источников. Работают на атомных электростанциях, управляют воздушным движением, осуществляют медицинский контроль, используются при регулировании финансовой деятельности предприятия и оказывают помощь при выработке решений в критических ситуациях;
Примеры эс:
В 1965 г. учеными Стэндфордского НИИ (США) была создана ЭС, предназначенная для определения молекулярной структуры химических соединений - "Дэндрал ". В настоящее время она используется в химических лабораториях всего мира для определения неизвестных химических соединений (их молекулярной структуры). Ученые-химики упоминают Дендрал в своих статьях как равноправного сотрудника.
Экспертная система MYCIN (Мицин) (Стэндфордский университет) одна из первых и наиболее известных ЭС, разработана в середине 70-х годов двадцатого столетия. Система предназначена для диагностики инфекционных заболеваний.
PROSPECTOR – экспертная система, которая помогает геологам в поиске новых полезных ископаемых. На основании информации, введенной в ЭВМ с географических карт, из обзоров, и ответов на вопросы, которые задаются геологам, PROSPECTOR предсказывает местоположение новых залежей. Использование этой системы позволило обнаружить залежи молибдена в Британской Колумбии.
ТЭКА - система оценки эффективности мер по отражению угрозы, использующая 400 правил вывода. Решает такие вопросы (в помощь офицерам): отвечает ли отметка на экране радара вражеским кораблям или самолетам, у какой из оборонительных мер наибольшие шансы по отражению угрозы и т.д. (ВМС США)
Концерн Шелл - это система для оценки целесообразности капвложений за рубежом с учетом возможных политических и экономических изменений в стране и т.д.
4.Нейронные сети.
Нейросетевыми технологиями называют комплекс информационных технологий, основанных на применении искусственных нейронных сетей. Искусственные нейронные сети (ИНС) – это программно или аппаратно реализованные системы, построенные по принципу организации и функционирования их биологического аналога – нервной системы человека.
По данным нейробиологии нервная система человека и животных состоит из отдельных клеток – нейронов. Каждая такая клетка выполняет сравнительно простые действия: нейрон способен принимать сигналы от других клеток, и, в свою очередь, передавать сигнал другим клеткам. Исходящий сигнал формируется лишь в случае особой комбинации входящих сигналов. Таким образом, нейрон можно представить как простейший вычислительный элемент: он преобразует входящую информацию в исходящую. Это преобразование происходит в сравнительно короткий срок: время срабатывания нейрона – 2–5 мс.
Биологически нейрон человека состоит из ядра (сомы), дендритов, через которые информация поступает в клетку, и длинного и тонкого отростка - аксона, передающего сигналы в другие клетки. На конце аксон также разветвляется и образует контакты с дендритами других нейронов - синапсы.
Рис. 2. Схема межнейронного взаимодействия
В основе нейросетевых технологий лежит идея о том, что функционирование биологического нейрона можно промоделировать относительно простыми математическими моделями, а вся глубина и гибкость человеческого мышления и другие важнейшие качества нервной системы определяются не сложностью нейронов, а их большим числом и наличием сложной системы связей между ними.
Мозг человека содержит около 10 млрд. различных нейронов, связанных между собой в большую сеть. Каждый нейрон можно рассматривать как обладающий определенными весовыми коэффициентами пороговый элемент, имеющий около 200 тыс. входов и всего один выход. В живом организме все нервные клетки посредством синапсов (точек соединений входов и выходов нейронов) связаны друг с другом в длинные цепочки и образуют единую сеть, постоянно обучаемую в течение жизни. Процесс обучения состоит в образовании новых синапсов и в установке весовых коэффициентов, определяющих условия появления нервного сигнала на выходе того или иного нейрона. Накопление опыта выражается в изменении характера и силы связей между нейронами.
Математическую модель нейрона, а также разработанные на ее основе программные и аппаратные реализации называют искусственным, или формальным нейроном.
Первые разработки в области нейромоделирования относятся к середине XX века. В 1943 году американские ученые У. Мак-Каллок и У. Питтс предложили первую модель формального нейрона – математической абстракции от нейрофизиологических данных (модель Мак-Каллока–Питтса). Через несколько лет канадский физиолог Д. Хебб предложил теорию обучения нейронов. В 1957 году американский психолог Ф. Розенблатт впервые реализовал техническую модель процесса восприятия, получившую название персептрона (перцептрона).
Однако ограниченные возможности одиночного персептрона и построенных на его основе одноуровневых сетей были наглядно показаны в книге М.Минского и С.Пейперта, вышедшей в 1969. Это вызвало резкое снижение интереса к тематике искусственных нейронных сетей во всем мире. Только отдельные исследователи (Т.Кохонен, С.Гроссберг, Дж.Андерсон, И.Фукусима, В.Л.Дунин-Барковский, А.А.Фролов и др.) продолжали исследования нейросетей в 70-х годах.
Лишь в начале 80-х годов искусственные нейронные сети вновь привлекли интерес научного сообщества. Это связано, с одной стороны, с появлением ряда работ Дж.Хопфилда и других ученых, в которых были предложены эффективные модели многослойных искусственных нейронных сетей, и, с другой стороны, с бурным развитием технологии производства полупроводниковых устройств сверхбольшой степени интеграции. В последующие два десятилетия теория нейронных сетей развивалась стремительными темпами, и превратилась в высокоразвитую отрасль знаний.
Одним из направлений бионического подхода к созданию интеллектуальных компьютерных систем являются исследования в области создания нейрокомпьютера.
В основе этих работ лежат исследования:
Структуры и процессов функционирования человеческого мозга;
Нейронных сетей низших типов животных;
Методов получения мономолекулярных органических пленок и многослойных структур на их основе;
Методов получения биологических проводников электрического тока;
По созданию искусственных нейронных сетей в виде специализированных электронных схем, состоящих из электронных аналогов клеток головного мозга.
Рис. 3. Схема многослойной нейронной сети
Подобно живому мозгу нейрокомпьютеры состоят из электронных нейросхем, весьма упрощенно моделирующих поведение реальных нейронов. Поведение обученного до рождения или в процессе жизни нейрокомпьютера определяется набором весовых коэффициентов или синоптической матрицей.