Оглавление
-
ВВЕДЕНИЕ 4
-
Глава 1 СИСТЕМЫ, ОСНОВАННЫЕ НА ЗНАНИЯХ 4
1.1. История создания искусственного интеллекта 4
1.2. Процесс мышления 6
1.3. Основные понятия и классификация систем, основанных на знаниях 9
1.4. Экспертные системы как элемент искусственного интеллекта 12
1.5. Теоретические аспекты извлечения знаний 17
1.6. Коммуникативные методы извлечения знаний 21
1.7. Текстологические методы извлечения знаний 28
-
Глава 2 МОДЕЛИ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ 31
2.1. Представление знаний и выводы в экспертных системах 31
2.2. Модель представления знаний средствами 32
логики предикатов первого порядка 32
2.3. Представление знаний продукционными правилами 38
2.4. Модель представления знаний в виде фреймов 41
2.5. Представление знаний в виде семантической сети 45
2.6. Модель доски объявлений 47
2.7. Модель представления знаний в виде сценария 50
-
Глава 3 АРХИТЕКТУРА И ТЕХНОЛОГИЯ РАЗРАБОТКИ ЭКСПЕРТНЫХ СИСТЕМ 52
3.1. Основные положения 52
3.2. Технология разработки экспертной системы 55
3.3. Механизм вывода (интерпретатор правил) 58
3.4. Взаимодействие пользователей с экспертной системой 62
3.5. Подсистема анализа и синтеза сообщений 66
3.6. Морфологический анализ входных сообщений 69
3.7. Синтаксический анализ входных сообщений 71
3.8. Семантический анализ входных сообщений 74
3.9. Синтез выходных сообщений 75
3.10. Диалоговая подсистема 77
3.11. Объяснительные способности ЭС 79
-
Глава 4 ПРИМЕНЕНИЕ НЕЧЕТКОЙ ЛОГИКИ В ЭКСПЕРТнЫХ СИСТЕМАХ 84
4.1. Предпосылки возникновения нечеткой логики 84
4.2. Нечеткая логика 85
4.3. Нечеткие подмножества 91
4.4. Нечеткие правила вывода в экспертных системах 94
4.5. Задания для разработки экспертных систем 97
-
Глава 5 ГенетическиЙ алгоритм 99
5.1. Предисловие 99
5.2. Генетический алгоритм 100
5.3. Параметры и этапы генетического алгоритма 102
5.3.1. Кодирование информации и формирование популяции 102
5.3.2. Оценивание популяции 104
5.3.3. Селекция 105
5.3.4. Скрещивание и формирование нового поколения 105
7.3.5. Мутация 110
5.4. Настройка параметров генетического алгоритма 111
5.5. Канонический генетический алгоритм 113
5.6. Пример работы и анализа генетического алгоритма 113
5.7. Общие рекомендации к программной реализации 119
генетического алгоритма 119
5.8. Задания для лабораторных работ 121
-
Глава 6 ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ 123
6.1. Биологические нейронные сети 123
6.2. Формальный нейрон 124
6.3 Нейронные сети 126
6.4. Обучение ИНС 130
8.5. Алгоритм обратного распространения ошибки 133
6.6. Работа нейронной сети 135
6.7. Пример работы и обучения нейронной сети 140
6.8. Программная реализация 145
6.9. Задания для лабораторных работ 149
-
ЗАКЛЮЧЕНИЕ 152
-
ПРИЛОЖЕНИЕ 1 153
Контрольные вопросы 153
-
ПРИЛОЖЕНИЕ 2 156
Темы рефератов и индивидуальных заданий 156
-
ПРИЛОЖЕНИЕ 3 157
Ресурсы в сети Интернет 157
-
список ЛИТЕРАТУРы 159
-
ОГЛАВЛЕНИЕ 163
Владимир Григорьевич Спицын
Юрий Робертович Цой
ПРЕДСТАВЛЕНИЕ ЗНАНИЙ
В ИНФОРМАЦИОННЫХ СИСТЕМАХ
Учебное пособие
Редактор
О.Н. Свинцова
Подписано к печати
Формат 60х84/16. Бумага офсетная.
Печать RISO. Усл. печ. л. 8,49. Уч.-изд. л. 7,68.
Тираж 120 экз. 3аказ . Цена свободная.
И
здательство
ТПУ. 634050, Томск, пр. Ленина, 30.
1 Для этого в англоязычной литературе для обозначения нейрона в ИНС часто используют термин «node» – узел, вершина.