
- •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
Іі. Індуктивне умовиведення (ів)
ІВ застосовуються для виведення від окремих фактів до загальних висновків.
В основі ІВ може бути індуктивна резолюція:
1. |
|
2. |
|
Такі схеми застосовуються разом з алгоритмом антиуніфікації.
Правило виведення
гіпотези Н із фактів F
(
)
індуктивне, якщо з істинності Н
випливає F, а обернене
хибне.
Основні правила індукції:
1. |
Слідування |
2. |
Можливої підстановки |
3. |
Суперечливого припущення |
|
|
|
|
|
|
Якщо посилання в індуктивній формі обрані правильно, то одержувані з їхньою допомогою висновки можуть бути як істинними, так і помилковими, що залежить від ступеня суб’єктивної впевненості в достатності посилань для одержання висновку. Застосовується оцінка правдоподібності.
Напрямки автоматизації індуктивних процесів формування гіпотез:
Створення програмних засобів підтримки процесів ІВ.
Методи виявлення закономірностей і формування гіпотез на основі аналізу даних.
В обох напрямках будується модель класу об’єктів. При формуванні понять до моделі висуваються вимоги не тільки розпізнавати класи, але і генерувати конкретні об’єкти, тому до неї включають знакові, структурні та логічні характеристики класів. В основі методів індуктивного формування понять лежить добір сполучення ознак, що характеризують класи позитивних (приклади об’єктів класу) та негативних (контрприклади) об’єктів.
Ііі. Виведення на основі категоріальних знань (вкз)
При застосуванні ВКЗ гіпотези по властивості, зв’язки і стан об’єктів формуються на основі моделей світу або моделей ПГ. Модель світу –відображення в базі знань (БЗ) знань про зовнішнє середовище. Модель ПР – формалізований опис об’єктів і понять ПГ і співвідношень між ними.
Категоріальна модель світу – граф, у якого вершини відповідають категоріям, а дуги подають зв’язки на основі узагальнених відношень між ними. («діє», «є наслідком», «є засобом» та інш.)
Процедура ВКЗ є людино-машинною. В ній чергуються дві основні дій:
Генерація гіпотез системою на основі вкладених у неї категоріальних знань (поняття і зв’язки, що відбивають уявлення про об’єкт моделювання). Гіпотези пропонуються щодо відсутніх зв’язків формованої понятійної моделі, шляхом перенесення в неї зв’язків між категоріями, що відповідають поняттям формованої моделі.
Добір і конкретизація (заміна імен категорій на конкретні поняття) гіпотез експертом.
Процедура повторюється, поки не закінчено аналіз всіх гіпотез про зв’язки понять, введених у формовану понятійну модель.
Контрольні запитання.
1. Поняття виведення за аналогією.
2. Класифікація видів аналогії.
3. Правила встановлення аналогій.
4. Індуктивні умови виведення.
5. Виведення на основі категоріальних знань.
6. Ступінь аналогії об’єктів.
7. Основні правила індукції.
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. –с. 105-118.
3. Попов Э.В. Экспертные системы. М.: Наука, 1987.
4. Хейес-Рот Ф., Уотерман Д., Ленат Д. Построение экспертных систем. М.: Мир, 1987.
5. Стефанюк В.Л. Некоторые аспекты теории экспертных систем// Известия АН СССР. Техническая кибернетика, 1987. №2. С. 85-91.
6. Поспелов Д.А. Ситуационное управление: Теория и практика. М.: Наука, 1986.
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: Концептуальні умовиводи. Дедуктивне виведення.
Мета: Ознайомлення з концептуальними умовиводами (причинами невірогідності концептуальних умовиводів), дедуктивними виведенням (виведенням в продукційних системах, виведенням в умовах невизначеності, виведення в семантичних мережах, виведенням в мережах фрейлів, виведенням в логічних системах).
Перелік питань, що вивчаються.
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