
- •Теоретичні відомості
- •Визначення складу знань та їх розподіл
- •Побудова моделі предметної області
- •Методи побудови системи понять предметної області
- •Методи встановлення взаємозв'язків між поняттями предметної області:
- •Методи встановлення семантичних відношень між поняттями предметної області
- •Контрольні питання
- •Варіанти завдань
- •Побудувати модель визначеної предметної області, використовуючи методи побудови системи понять та встановлення семантичних відношень між поняттями:
- •несправності комп’ютера;
- •Тема: Експертні системи. Побудова баз знань ЕС.
- •Структура експертних систем
- •атрибутивні зв’язки (має властивість, має значення).
- •Семантичні мережі можуть мати складну та громіздку структуру.
- •Рівні представлення і рівні детальності
- •Організація знань у базі знань
- •Контрольні питання
- •Варіанти завдань
- •Теоретичні відомості
- •Контрольні питання
- •Варіанти завдань
- •Теоретичні відомості
- •Рис. 2. Методика розробки ЕС
- •Прототипи і життєвий цикл експертної системи
- •Прикладами областей застосування, що потребують гнучкості з боку створення та поповнення бази знань, є: планування виробництва, проектування і діагностика в області електроніки, обчислювальної техніки та машинобудування.
- •Контрольні питання
- •Варіанти завдань
- •Створити та протестувати прототип ЕС відповідно варіанту. Вказати сильні та слабкі сторони створеного прототипу, шляхи його вдосконалення.
- •Вимоги до експертної системи і звіту
- •Тема: Нейронні мережі. Персептрон. Побудова та дослідження персептрона.
- •Теоретичні відомості
- •Рис. 3. Штучний нейрон
- •Навчання персептрона
- •Розглянемо алгоритм навчання з учителем.
- •Контрольні питання
- •Варіанти завдань
- •Оцінка алгоритму зворотнього поширення
- •Контрольні питання
- •Варіанти завдань
- •Тема: Нейронні мережі. Побудова та навчання нейромережі для вирішення задачі прогнозування.
- •Постановка задачі прогнозування курсу UKB/USD
- •Контрольні питання
- •Методичні рекомендації по вирішенню задачі та вимоги до звіту
- •Тема: Нейронні мережі. Побудова та навчання нейромережі для розпізнавання образів.
- •Рис.7. Структурна схема мережі Хопфілда
- •2. Розраховується новий стан нейронів
- •Рис. 9. Структурна схема мережі Хемінга
- •Алгоритм функціонування мережі Хемінга наступний:
- •Завдання: побудувати ЕС в області медичної діагностики.
- •Частина 1
- •Частина 2
- •Частина 3
- •Частина 4
- •Частина 5
відношення. Для кожної предметної області крім загальних базових відношень можуть існувати й унікальні відношення.
“Прямий метод” встановлення семантичних відношень базується на безпосередньому осмисленні кожного взаємозв'язку. У тому випадку, коли експерт не може дати інтерпретацію виділеного взаємозв'язку, йому пропонується наступна процедура. Формуються трійки: поняття 1 — зв'язок — поняття 2. Поруч з кожною трійкою записується коротке речення чи фраза, побудована так, щоб поняття 1 і поняття 2 входили у це речення. Як зв'язки використовуються тільки змістовні відношення і не застосовуються невизначені зв’язки типу «схожий на» чи «зв'язаний з».
Для “непрямого методу” необов'язково мати взаємозв'язки, а досить лише наявності системи понять. Формулюється деякий критерій, для якого із системи понять обирається визначена сукупність концептів. Ця сукупність пред'являється експерту з проханням дати вербальний опис сформульованого критерію. Концепти пред'являються експерту усі відразу (бажано на картках). У випадку ускладнень експерти звертаються до розподілу відібраних концептів на групи за допомогою більш дрібних критеріїв. Вихідна кількість концептів може бути довільною, але після розподіл на групи в кожній з таких груп повинно бути не більш десяти концептів. Після того, як складені описи по всіх групах, експерту пропонують об'єднати ці описи в один. Наступний крок у непрямому методі встановлення семантичних відношень — це аналіз тексту, складеного експертом. Концепти заміняють цифрами (це може бути вихідна нумерація), а зв'язки залишаються. Тим самим будується деякий граф, вершинами якого служать концепти, а дугами — зв'язки (наприклад, «через», «приводить до», «обумовлюючи», «сполучаючись», «визначає», «аж до» і т.д.) Цей метод дозволяє встановлювати не тільки базові відношення, але і відношення, специфічні для конкретної предметної області.
Контрольні питання
1.Експертні системи, їх призначення.
2.Поняття бази знань ЕС.
3.Визначення складу знань та їх розподіл.
4.Побудова моделі предметної області.
5.Методи побудови системи понять предметної області.
6.Методи встановлення семантичних відношень між поняттями предметної області.
Варіанти завдань
11
Побудувати модель визначеної предметної області, використовуючи методи побудови системи понять та встановлення семантичних відношень між поняттями:
несправності комп’ютера;
1)апаратно-програмні складові для побудови локальної мережі;
2)апаратні складові комп’ютера;
3)тестування знань у визначеній області;
4)створення інформаційної системи для офісу;
5)розробка WEB-сторінок;
6)психологічні особливості особистості;
7)несправності автомобіля;
8)двигун автомобіля;
9)виготовлення одягу;
10)мови програмування;
11)прогноз погоди;
12)класифікація видів тварин.
Зміст звіту
Звіт про виконання лабораторної роботи повинен містити розширену постановку задачі з описом предметної області та методів, які використовувались для побудови системи понять предметної області та встановлення семантичних відношень між ними.
Лабораторна робота № 2
Тема: Експертні системи. Побудова баз знань ЕС.
Мета: Ознайомитися із структурою експертних систем та методами представлення знань у базах знань ЕС. Одержати практичні навички побудови баз знань експертних систем.
Теоретичні відомості Експертні системи (ЕС) - це прикладні системи штучного
інтелекту, які, оперуючи знаннями визначеної предметної області, вирішують задачі з цієї області або дають людині рекомендації щодо їх вирішення.
Приклади експертних систем.
12
MICIN — експертна система для медичної діагностики. Розроблена групою по інфекційних захворюваннях Стенфордського університету. Ставить відповідний діагноз, виходячи з представлених їй симптомів, і рекомендує курс медикаментозного лікування кожної з діагностованих інфекцій. База даних складається з 450 правил.
PUFF — аналіз порушення дихання. Дана система являє собою MICIN, з якої видалили дані по інфекціях і вставили дані про легеневі захворювання.
DENDRAL — розпізнавання хімічних структур. Дана система найстарша, з тих, що мають назву експертних. Перші версії даної системи з'явилися ще в 1965 році в Стенфордському університеті. Користувач дає системі DENDRAL деяку інформацію про речовину, а також дані спектрометрії (інфрачервоної, ядерного магнітного резонансу і мас-спектрометрії), і та у свою чергу видає діагноз у вигляді відповідної хімічної структури.
PROSPECTOR — експертна система, створена для сприяння пошуку комерційно виправданих родовищ корисних копалин.
13