Добавил:
Upload
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:ВВС_Заочникам / Lectures_6-7.pptx
X
- •Кафедра «Информационные технологии»
- •Лекции 6, 7
- •Понятие искусственного интеллекта
- •Понятие ИИ – другие определения
- •Возможные классификации систем ИИ
- •Основные классы задач,
- •Терминология
- •Терминология
- •Три закона робототехники
- •«Поколения» роботов
- •«Поколения» роботов
- •Тест Тьюринга
- •Тест Тьюринга
- •Тьюринг считал:
- •Пока - ни одна программа и близко не подошла к прохождению теста. Такие
- •Ежегодно - соревнование между
- •Гипотеза Ньюэлла — Саймона
- •ИИ – некоторые основные понятия
- •ИИ – некоторые основные понятия
- •Интеллектуальная система (ИС) - адаптивная система для создания программ целесообразной деятельности по решению
- •Интеллектуальная система (ИС) - адаптивная система для создания программ целесообразной деятельности по решению
- •Понятие знания - центральное понятие в ИС
- •4) Знания - совокупность фактов и правил.
- •Процесс логического вывода в ИС
- •Статические знания - знания, введенные в ИС на этапе проектирования.
- •Пример структуры ИС – обобщенная структура ИРС
- •ЭЛЕМЕНТЫ ИРС
- •ЭЛЕМЕНТЫ ИРС
- •Схема структуры и работы систем ИИ
- •Подходы к изучению (разработке) ИИ
- •1. Логический подход к ИИ
- •2. Структурный подход к ИИ
- •Перцептрон должен был передавать сигналы
- •2. Структурный подход к ИИ
- •2. Структурный подход к ИИ
- •Как устроен нейрон ?
- •Примеры «работы» нейронной сети
- •Многоуровневый персептрон. Трехуровневая сеть принимает входные данные со снимка, сделанного в 6 волновых
- •(a) Реальная карта землепользования и (б) карта землепользования, сформированная с помощью нейронной сети.
- •3. Эволюционный подход к ИИ
- •3. Эволюционный подход к ИИ
- •Генетический алгоритм
- •Генетический алгоритм
- •Схема работы генетического алгоритма
- •Генетические алгоритмы служат для поиска решений
- •4. Имитационный подход
- •Методы построения экспертных
- •Области использования экспертных систем
- •Основу успеха ЭС составили свойства:
- •Структура ЭС
- •Структура ЭС
- •Структура ЭС
- •Структура ЭС
- •Структура ЭС
- •Структура ЭС
- •Основа ЭС - подсистема логического вывода - использует информацию из базы знаний, генерирует
- •Реальные ЭС используют также БД. Одновременная работа со знаниями и
- •Инструментальные средства создания ЭС
- •Prolog — «несбывшаяся мечта» об ЭВМ V
- •Примеры программ на языке Prolog
- •Примеры ЭС
- •Примеры ЭС (продолжение)
- •Классификации ЭС
- •Классификации ЭС
- •Классификации ЭС
- •Классификации ЭС
- •Классификации ЭС
- •Классификации ЭС
- •Модели представления данных в ЭС
- •Продукционная модель
- •Семантические сети
- •Пример 1 - семантическая сеть
- •Пример 2 - семантическая сеть
- •Фреймы
- •Фреймы
- •Фреймы
- •Пример сети фреймов
- •Фреймы
- •Классификации ЭС – еще одна
- •Интерпретация данных - одна из традиционных задач для ЭС - процесс определения смысла
- •Диагностика - соотнесение объекта с некоторым классом объектов и/или обнаружение неисправности.
- •Мониторинг. Основная задача- непрерывная интерпретация данных в реальном масштабе времени и сигнализация о
- •Проектирование - подготовка спецификаций (чертёж, пояснительная записка, …) на создание «объектов» с заранее
- •В задачах проектирования тесно связываются два основных процесса, выполняемых в рамках ЭС:
- •Прогнозирование - предсказание следствий
- •Планирование - нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции.
- •Обучение
- •Обучение
- •Управление - поддерживают определенный режим деятельности, управляют поведением сложных систем в соответствии с
- •Поддержка принятия решений -
- •Основы теории нейронных сетей
- •Основы теории нейронных сетей
- •Нейроны человека
- •Нейроны человека
- •Нейроны человека
- •Нейроны человека
- •На сегодняшний день - две взаимно обогащающие друг друга цели нейронного моделирования:
- •Искусственный нейрон
- •Искусственный нейрон
- •Искусственный нейрон
- •3) S-образной функцией, точнее моделирующей нелинейную передаточную характеристику нейрона и дающей больше возможностей
- •Однослойные искусственные нейронные сети
- •Однослойные искусственные нейронные сети
- •Каждый элемент из множества входов X отдельным весом соединен с каждым искусственным нейроном,
- •Однослойные искусственные нейронные сети
- •Многослойные искусственные НС
- •Многослойные искусственные нейронные сети
- •Многослойные искусственные нейронные сети
- •Виды НС
- •Виды НС Сети с обратными связями - сети более
- •Обучение искусственных нейронных сетей
- •Обучение искусственных нейронных сетей
- •Обучение с учителем
- •Обучение с учителем
- •Обучение без учителя
- •Обучение без учителя
- •Приложения НС – распознавание образов
- •Приложения НС – распознавание образов
Обучение без учителя
Обучение выделяет статистические свойства
обучающего множества и группирует сходные векторы в классы. Предъявление на вход вектора из данного класса даст определенный выходной вектор, но до обучения невозможно предсказать, какой
выход даст данный класс входных векторов.
122
Приложения НС – распознавание образов
Приложения НС – распознавание образов
Соседние файлы в папке ВВС_Заочникам