- •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
3. Експертні системи. Основні визначення
Експертна система (ЕС) – інтелектуальна система, призначена для розв’язування задач у певній предметній галузі на основі знань, наданих експертами, що включає базу знань, і яка підтримає функції обґрунтування, пояснення та виправдання.
ЕС дозволяють ефективно застосовувати ЕОМ в таких галузях і сферах діяльності, які математично важко формалізуються або їх зовсім неможливо формалізувати. Інтерес до ЕС обумовлений такими причинами:
ЕС орієнтовані на розв’язання широкого кола задач у галузях, що неформалізовані;
ЕС розв’язують задачі в діалоговому режимі з користувачами, які не знають програмування;
ЕС посилюють можливості користувачів у даній галузі знань.
ЕС застосовуються в тих випадках, коли задача не формалізується за допомогою алгоритмів, коли неможливо використати експертів для розв’язання задач, коли для розв’язування задачі експерту потрібно багато часу, коли треба збільшити можливості користувачів у цьому процесі.
ЕС найбільше застосовуються в таких галузях:
консультації та допомога при розв’язуванні задач у різних предметних галузях;
проектування ЕС;
медична діагностика та консультація по лікуванню;
автоматизація програмування, перевірка і аналіз програмного забезпечення.
3.Класифікація експертних систем (ес)
ЕС поділяють на три види:
інструментальна, яка потрібна для автоматизації процесу розробки ЕС;
традиційна з засобами подання та маніпулювання знаннями або гібридна, в якій інтегровані пакети прикладних програм на алгоритмічних мовах і засоби подання та маніпулювання знаннями;
порожня (або оболонка), в якій база знань не заповнена.
За призначенням ЕС поділяються за метою і за користувачем:
за метою ЕС поділяються на такі, що призначені для розв’язання задач, навчання спеціалістів, тиражування знань експерта тощо;
за користувачем розглядають ЕС для спеціалістів, ля нефахівців, для тих, що навчаються.
Проблемна галузь (ПГ), де застосовується ЕС, розглядається:
з точки зору користувача (діагностика, користування тощо);
з точки зору розробника (статична, динамічна, де вихідні дані змінюються під час розв’язування задачі);
за глибиною аналізу ПГ або простору пошуку (середня кількість послідовно виконуваних правил);
за шириною простору пошуку або середньою кількістю правил, які одночасно доступні для аналізу.
Класифікація ЕС за виведенням:
з прямим виведенням, що використовується для передбачення, або для екстраполяції, тобто коли згідно початкових знань і правил можна зробити висновки про результати якої-небудь діяльності і про результати дій правил;
зі зворотним виведенням, що використовується в діагностиці, коли за наявністю відмов або збоїв необхідно виявити їх причину (факт);
Класифікація за стадією існування:
демонстраційна (реалізується лише частина задач і можна перевірити правильність обраного напрямку);
дослідницька (розв’язує всі задачі, але ще не тестована);
діюча (не оптимізована за обсягом пам’яті, за часом виконання);
промислова (має все, що потрібно для розробника);
к омерційна, що придатна для користувача.