- •Суми 2009
- •Напрямки робіт у галузі ші
- •Когнітивні процеси
- •Загальна структура смислового простору
- •Поняття знань.
- •Схеми проблем
- •Евристичні моделі подання знань.
- •1. Продукційне подання знань
- •2. Мережна модель (мм)
- •3. Подання знань у вигляді фреймів
- •Логічні моделі(лм) подання знань
- •1. Логіка висловлювань
- •Нечітка модель (нм) подання знань
- •Штучні нейронні мережі (шнм)
- •Біологічний нейрон
- •Штучний нейрон
- •Штучна нейромережа
- •Стратегії та методи виведення знань
- •І. Виведення за аналогією (вза)
- •Іі. Індуктивне умовиведення (ів)
- •Ііі. Виведення на основі категоріальних знань (вкз)
- •1. Концептуальні умовиводи (ку)
- •2. Дедуктивне виведення
- •2. 1. Виведення в продукційних системах (пс)
- •2.2. Виведення в умовах невизначеності (вун)
- •2.3. Виведення в семантичних мережах(см)
- •2.4. Виведення в мережах фреймів (мф)
- •2.5. Виведення в логічних системах (лс)
- •2.6. Метод резолюції
- •1. Нечітке виведення (нв)
- •1.1.Формування нечіткого логічного висновку:
- •2. Штучні нейронні мережі (шнм). Нейропарадигми.
- •2. 1. Процес навчання
- •2.2. Алгоритм навчання хебба
- •2.3. Алгоритм навчання кохонена
- •2.4. Алгоритм навчання процедурою зворотного поширення помилки
- •3. Експертні системи. Основні визначення
- •3.Класифікація експертних систем (ес)
- •4. Архітектура ес
- •2. Методи машинного навчання
- •2.1. Індуктивне навчання (ін)
- •2.2. Навчання формування гіпотез на основі зростаючих пірамідальних мереж
- •1. Стан і тенденції розвитку штучного інтелекту
- •2. Успіхи систем штучного інтелекту і їхньої причини
- •3. Експертні системи реального часу - основний напрямок штучного інтелекту
- •4. Основні виробники
- •5. Архітектура експертної системи реального часу
- •6. Розширення прототипу до додатка
- •7. Тестування додатка на наявність помилок
- •8. Тестування логіки додатка й обмежень (за часом і пам'яттю)
- •9. Супровід додатка
- •2. Стисла історія розвитку систем підтримки прийняття рішень
- •2.1. Зародження і розвиток концепції сппр
- •2.2. Теорія розроблення сппр
- •2.3. Розширення рамок сппр
- •2.4. Технологічні просування
- •3. Цілі сппр та чинники,що сприяють їх досягненню
- •4. Посилення конкурентної переваги завдяки сппр
- •1. Еволюція концепції і структури сппр
- •2. Способи взаємодії особи, що приймає рішення, з сппр
- •3. Еволюція сппр
- •4. Характеристика сучасних сппр
- •5. Підсистеми програмного забезпечення сппр
- •1. Галузі застосування сппр
- •2. Приклади застосування сппр
- •3. Сппр Marketing Expert
- •4. Сппр Decision Grid
- •5. Сппр RealPlan
- •6. Сппр tax advisor
- •7. Сппр Advanced Scout
- •8. Система бізнесової інформації(Business Intelligence) FedEx
- •9. Сппр ShopKo
- •1. Архітектура систем підтримки прийняття рішень
- •2. Компоненти користувацького інтерфейсу
- •2.1. Призначення та загальні ознаки користувацького інтерфейсу
- •2.1.1. Важливість та ефективність користувацького інтерфейсу сппр
- •2.1.2. Основні теми та механізмистворення користувацького інтерфейсу
- •2.1.3. Загальні висновки щодо користувацького інтерфейсу
- •2.1.4. Компоненти мови відображень (презентацій)
- •2.1.4. Роль знань у користувацькому інтерфейсі
- •2.1.5. Питання проектування користувацького інтерфейсу
- •Тема: Класифікаційні групи та моделі систем підтримки прийняття рішень.
- •1. Класифікація на основі інструментального підходу
- •2. Класифікація за ступенем залежності опр у процесі прийняття рішень
- •3. Класифікація за часовим горизонтом
- •Характеристика інформаціїдля різних управлінських рівнів
- •4. Інституційні сппр та сппр на даний випадок
- •1. Моделі в аспекті інформаційного підходу
- •2. Модель, основана на знаннях
- •3. Модель єрархії управління
- •4. Моделі, орієнтовані на особистість опр
- •Характерні аспекти процесів оброблення інформації людиною
- •5. Моделі для планування та прогнозування
- •6. Модель для конторської діяльності
- •1. Облікові і фінансові моделі
- •1.1. Аналіз беззбитковості
- •1.2. Моделі фінансового планування
- •1.3. Орієнтовні фінансові звіти (баланси)
- •1.4. Аналіз на основі розрахунку коефіцієнтів за даними звітності
- •2. Моделі аналізу рішень
- •2.1. Аналітичний єрархічний процес (ahp)
- •2.2. Дерева рішень і моделі багатоатрибутної корисності
- •2.3. Діаграми впливу
- •2.4. Прийняття ризикованих рішень за допомогою функції вигідності
- •3. Моделі прогнозування
- •4. Сітьові і оптимізаційні моделі
- •5. Імітаційні (симуляційні) моделі
- •6. Мови моделювання і електронні таблиці
- •1. Стратегія оцінювання і вибору методів підтримки прийняття рішень у сппр
- •2. Процес прийняття рішень
- •3. Ситуації, пов’язані з прийняттям рішень
- •4. Функції і завдання прийняття рішень
- •5. Узагальнена матриця методів/ситуацій, пов’язаних з прийняттям рішень
- •1. Генетичні успадкування — концептуальна засада генетичних алгоритмів
- •2. Загальна схема генетичних алгоритмів
- •3. Доступне програмне забезпечення генетичних алгоритмів
- •1. Визначення виконавчих інформаційних систем
- •2. Призначення віс
- •3. Визначальні характеристики віс
- •Інформаційні потреби опр, реалізовані засобами віс
- •Вимоги щодо моделювання у віс
- •Вимоги щодо користувацького інтерфейсу віс
Стратегії та методи виведення знань
Виведення – це процес одержання нових знань на основі раніше відомих даних (фактів).
Механізм виведення – сукупність правил виведення та способів застосування цих правил.
Механізм виведення = функція пошуку в базі знань (БЗ) + послідовність операцій для здобуття висновків.
Стратегія виведення (стратегія керування виведенням) – спосіб застосування правил та використання фактів.
Пряме виведення (висхідне виведення, forward chaining) – стратегія, за якою виведення виконується з вихідних посилок до цільового висновку. При цьому здійснюється просування до поставленої мети послідовним застосуванням правил до фактів, які приймаються за відправну точку. Вибирається один з фактів, які є в БЗ, і якщо при порівняння цей елемент узгоджується з посиланням правила, то робиться відповідний висновок, який заноситься в БЗ. Пряме виведення надає всі необхідні проміжні кроки і відповідні умови для досягнення висновку, тобто є таким, що керується даними (орієнтованим на дані).
Обернене виведення (низхідне, зворотне, backward chaining) – стратегія, при якій виведення виконується добором відповідних посилань під наявний висновок. Починається з постановленої мети і, якщо вона узгоджується з висновком правила (консеквентом), то посилання правила береться за підмету (гіпотезу) цей процес повторюється, доки підмета (гіпотеза) не збіжиться з фактами. Обернене виведення є таким що керується метою (орієнтованим на мету).
Двонаправлений пошук – стратегія, яка використовує пряме і обернене виведення одночасно, тобто обхід простору пошуку йде одночасно від фактів до цільових вузлів і від цільових вузлів до фактів.
Пошук ушир – спосіб обходу простору пошуку, за яким спочатку аналізуються структури на всіх вузлах одного рівня, а потім на всіх вузлах наступного рівня.
Пошук углиб - спосіб обходу простору пошуку, за яким спочатку аналізується структура певного вузла, а потім структура у вузлі іншого рівня.
Імовірне виведення – стратегія, яка використовує всі вище вказані стратегії, але для скорочення часу на пошук оцінює достовірність отриманого висновку на кожному кроці. (Підвид імовірного виведення – монотонне виведення, при якому істинність висновків не зменшується). Для використання цієї стратегії твердженню приписують чинник (показник) впевненості.
Маніпулювання знаннями здійснюється на логічних методах доведення:
виведення за аналогією;
індуктивне виведення (власне індуктивне та індуктивне, що використовує статистику);
нечітке виведення;
дедуктивне виведення (метод резолюції, натуральне виведення, секвенціальне виведення, метод синтаксичних дерев);
комбіноване (поєднання вищевказані методи).
Контрольні запитання.
Нечіткі моделі подання знань.
Штучні нейронні мережі.
Біологічний нейрон.
Штучний нейрон.
Штучна нейромережа.
Література.
1. Глибовець М.М., Олецький О.В. Штучний інтелект. –К.: КМ Академія, 2002. –с. 314-338.
2. Ходаков В.Є., Пилипенко М.В., Соколова Н.А. Вступ до комп’ютерних наук. –К.: Центр навчальної літератури, 2005. –496с.
3. Попов Э.В. Экспертные системы. М.: Наука, 1987.
4. Хейес-Рот Ф., Уотерман Д., Ленат Д. Построение экспертных систем. М.: Мир, 1987.
5. Уотерман Д. Руководство по экспертным системам. М.: Мир, 1989.
6. Стефанюк В.Л. Некоторые аспекты теории экспертных систем// Известия АН СССР. Техническая кибернетика, 1987. №2. С. 85-91.
7. Элти Дж., Кумбс Н. Экспертные системы: концепция и примеры. М.: Финансы и статистика, 1987.
8. Искусственный интеллект: Справочник. В 3-х томах. М.: Радио и связь, 1990.
Тема: Виведення за аналогією. Індуктивні умовиводи. Виведення на основі категоріальних знань.
Мета: Ознайомлення з поняттям виведення за аналогією, класифікацією видів аналології, правилами встановлення аналогій, індуктивним умови веденням, виведенням на основі категоріальних знань.
Перелік питань, що вивчаються.
1. Виведення за аналогією (ВЗА).
2. Індуктивне умови ведення (ІВ).
3. Виведення на основі категоріальних знань (ВЗА