
- •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
2.5. Виведення в логічних системах (лс)
Основні правила виведень в ЛС
Логічне правило полягає в утворенні з деякої сукупності початкових даних правильно побудованих формул (ППФ) нових формул, які є тавтологіями. Ця задача розв’язується за допомогою правил виведення з використанням наступних правил: Modus ponens (B→D), B D ( - означає виводимість); Modus tollens (B→D), ~D ~B; подвійного заперечення ~(~B) →B; силогізму (B→D)(D→P) (B→P).
Формула Q є вивідною, якщо вона може бути виведена з кінцевої сукупності початкових формул P1, P2,... ,Pn шляхом кінцевої кількості кроків застосування правил виведення P1→(P2→(...(Pn→Q)...)).
Для скорочення багаторазового використання основних правил застосовуються спеціальні правила.
Нехай задано формули P1, P2,... ,Pn та формулу Q. Кажуть, що Q є логічним наслідком формул P1, P2,... ,Pn (позначається (P1, P2,... ,Pn Q)) тоді і тільки тоді, коли для будь-якої інтерпретації, в якій формули P1, P2,... ,Pn є істинними, Q також істинна формула. Тут P1, P2,... ,Pn називаються аксіомами (постулатами, посиланнями) формули Q.
У дедуктивних системах пошуку необхідно доводити, що якась формула логічно випливає з інших формул. Твердження про це називається теоремою. Проблема пошуку розв’язка зводитися до проблеми доведення теореми, тобто до побудови міркувань, які встановлюють, що якась формула логічно випливає з інших формул. При автоматизації логічного міркування в межах певної СШІ постає проблема опису задачі або ПГ на основі прикладної системи математичної логіки та реалізації процедур пошуку розв’язання у процесі виведення.
У логіці висловлювань доведено дві теореми, на яких ґрунтується коротший і простіший спосіб виведення.
Теореми дедукції: Нехай задано формули P1, P2,... ,Pn і формулу Q. Тоді Q є логічним наслідком P1, P2,... ,Pn тоді і тільки тоді, коли (P1, P2,... ,Pn)→Q є вивідною формулою.
Теорема про суперечливість: Нехай задано формули P1, P2,... ,Pn і формулу Q. Тоді Q є логічним наслідком P1, P2,... ,Pn тоді і тільки тоді, коли (P1 P2 ... Pn)~Q є суперечливою формулою.
2.6. Метод резолюції
Ідея цього методу полягає в перевірці наявності в множині формул пустого (помилкового) диз’юнкта □. Якщо множина містить диз’юнкт □, то вона не виконувана, якщо не містить, то виводяться нові диз’юнкти, доки не буде знайдений диз’юнкт □.
Вирішується задача – виявити протиріччя, знайти порожню фразу. Для цього береться доповнення факту, істину якого треба встановити, і додається до наявного набору фраз. Послідовно застосовують правило резолюції. Якщо вдається вивести порожню фразу, то множина фраз не послідовна через наявність доповнення факту, але факт істинний, він є наслідком вихідної теорії.
Контрольні запитання.
1. Концептуальні умовиводи (КУ).
2. Дедуктивне виведення.
3. Виведення в продукційних системах (ПС).
4. Виведення в умовах невизначеності (ВУН)
5. Що називається фреймом?
Виведення в семантичних мережах(СМ)
6. Виведення в мережах фреймів (МФ)
7. Виведення в логічних системах (ЛС)
8. Які основні правила виведень в логічних системах?
8. Метод резолюції
Література.
1. Глибовець М.М., Олецький О.В. Штучний інтелект. –К.: КМ Академія, 2002. –с. 58-66, 66-92.
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: Нечітке виведення. Штучні нейронні мережі. Місткість мережі. Експертні системи. Класифікація, архітектура, методи та етапи проектування ЕС.
Мета: Ознайомлення структурою нечіткого виведення, формуванням нечіткого логічного висновку, поняттям штучної нейронної мережі, алгоритмом навчання Гебба, Когонена, процедурою зворотного поширення помилки, поняттям експертної системи, класифікацією експертних систем, архітектурою експертних систем, методами та етапами проектування експертних систем.
Перелік питань, що вивчаються.
1. Нечітке виведення (НВ).
1.1.Формування нечіткого логічного висновку.
2. Штучні нейронні мережі (ШНМ). Нейропарадигми.
2.1. Процес навчання.
2.2. Алгоритм навчання Гебба.
2.3. Алгоритм навчання Когонена.
2.4. Алгоритм навчання процедурою зворотного поширення помилки.
3. Експертні системи основні визначення.
4. Класифікація експертних систем.
5. Архітектура ЕС.