- •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
 
Структура експертних систем
Рис. 1 Узагальнена структура експертної системи
База знань призначена для зберігання експертних знань про предметну область.
База даних призначена для тимчасового зберігання фактів або гіпотез, що є проміжними рішеннями або результатом спілкування системи із зовнішнім середовищем (людиною, що веде діалог з експертною системою).
Машина логічного висновку (інтерпретатор) - програмно реалізований механізм, що оперує знаннями і даними з метою одержання нових даних із знань і інших даних, які є у робочій пам’яті. Для цього звичайно використовується механізм дедуктивного логічного висновку або механізм пошуку рішення в фреймовій чи семантичній мережі.
Підсистема спілкування потрібна для ведення діалогу з користувачем у ході якого ЕС запитує в користувача факти, яких недостатньо для процесу міркування, а також дає можливість користувачу корегувати хід міркувань експертної системи.
Підсистема пояснень - необхідна для того, щоб дати можливість користувачу контролювати хід міркувань і, в деяких випадках, навчатися в експертної системи. Якщо немає цієї підсистеми, експертна система виглядає для користувача як “річ у собі”, висновкам і рішенням котрої можна вірити або ні.
14
Підсистема синтезу знань служить для корегування та поповнення бази знань. У найпростішому випадку це інтелектуальний редактор бази знань, у більш складних експертних системах - засіб для здобування знань із баз даних, неструктурованого тексту, графічної інформації та ін.
Засоби представлення знань Продукційні системи. ЕС продукційного типу базуються на
правилах. Продукційні правила складаються з двох частин:
−антецеденту (ЯКЩО . . .І. . .АБО. .) і
−консеквенту (ТО . . .) .
[ ім’я правила ]: ЯКЩО < умова> ТО <дія> (1.1) , умова і дія правила (продукції) можуть складатися з довільних
систем (комбінацій) знань і дій. При формуванні з окремих правил системи потрібно подбати, щоб у цій системі не було протиріч.
Приклад продукції:
ЯКЩО <логічна конструкція має вид (1.1) > ТО <ми маємо продукцію (правило, продукційне правило) >
У продукційних системах використовуються 2 основні механізми логічного висновку: прямий та зворотній – від даних до цілі і навпаки. У першому випадку рухаються від відомих фактів і на кожному кроці використовують усі допустимі правила, які породжують нові факти – і так до тих пір, поки не дійдемо до факту-цілі. У другому випадку висновок іде у зворотньому напрямку – якщо ціль узгоджується з висновком правила, то умову правила приймають за підціль або гіпотезу. Процес повторюється до тих пір, поки не буде отримано співпадання підцілі з відомими фактами. Найбільш вдалим є використання комбінованого варіанту логічного висновку. При роботі з неповними (неточними) даними система повинна вміти робити припущення, використовуючи значення за умовчанням або інші методи.
Продукційні системи є прозорими для користувача, та легко піддаються модифікації.
Таблиці рішень. Таблицею рішень називається таблиця, складена з двох частин: умов і дій, співвіднесених із набором об’єктів. Наприклад: якщо деяка умова (дія) має місце, це позначається у відповідній клітині таблиці символом “1”, у протилежному випадку використовується символ “0”.
Перевага таблиць рішень - вони будуються регулярним (алгоритмічним) способом і можуть нарощуватися до нескінченності, тобто є універсальним засобом вирішення задач визначеного класу.
15
Фрейми. У структурі таблиць рішень всі ознаки (умови) однорідні (рівноправні). Якщо об’єкти мають ієрархічну структуру (наприклад, частини об’єкта і частини цих частин), то більш природньо цю ієрархічність відобразити у вигляді конструкції, названої ФРЕЙМ (frame - рамка, основа). Кожен фрейм відповідає деякому об’єкту предметної області, а дані, які описують цей об’єкт, знаходяться у СЛОТАХ. За допомогою спеціальних слотів фрейми можуть об’єднуватися в дерева. Крім того, між фреймами можуть існувати і довільні зв’язки через звичайні слоти (значенням слота в цьому випадку є ім’я іншого фрейма).
Приклад опису структури фрейма: FRAME (<тип фрейма>) = <ім’я фрейма> PARENT: <ім’я фрейма-предка> OWNER: <ім’я фрейма-власника>
<ім’я слота 1> (<тип слота>) [<питання слота>?]: (<значення 1>; <значення 2>; ... ;
<значення k>)
<ім’я слота 2> (<тип слота>) [<питання слота>?]: (<значення 1>; <значення 2>; ... ;
<значення k>)
.
.
.
<ім’я слота n> (<тип слота>) [<питання слота>?]: (<значення 1>; <значення 2>; ... ;
<значення m>) ENDF
Імена фрейма, фрейма-предка, фрейма-власника, слота - це послідовність символів (російські чи латинські букви, цифри, пробіли, знаки підкреслення).
Тип слота
Тип слота може належати до одного з трьох типів: символьний, чисельний, лінгвістичний. Опис типу слота визначає тип можливих значень слота.
Питання слота
Питання слота - будь-яка послідовність символів. Наявність питання слота не є обов’язковим. У такому випадку, у процесі логічного висновку, при виникненні необхідності поставити запитання користувачу, що стосується визначення значення даного
16
