- •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
Схеми проблем
Зв’язаність свідчить про те, що знання пов’язані структурно, фактами, процесами, явищами і причинно-наслідковими зв’язками між ними. У середині ПГ деякі поняття можуть бути пов’язані (часом, функціональною залежністю). Зв’язки можуть характеризувати відношення між інформаційними одиницями. (Деклараційні відношення - одночасно, причина-наслідок, поряд; процедурні – аргумент-функція; структурні – предок-нащадок; функціональні, що дозволяють обчислювати одні інформаційні одиниці через інші). Інші види зв’язків: порядок вибору з пам’яті, несумісність інформаційних одиниць в однім описі. Знання нижчих рівнів (напр., факти) можуть мати відношення до різних ПГ. Для ознаки зв’язаності практично не можна знайти аналогів в БД. Відношення мають вірогідність їх дій або присутності.
Інтерпретованість, структурованість, зв’язаність дозволяють будувати мережну модель знань.
Пізнавальна активність обумовлюється виявленням протиріч у знаннях, неповнотою знань і прагненням людини це перебороти.
Семантична метрика – виділення повторюваних подібних ситуацій. На множині інформативних одиниць можна знайти асоціативний зв’язок деяких з них. Такі відношення називають відношенням релевантності.
Контрольні запитання.
1. Наведіть власні приклади ієрархії класів.
2. Чим відрізняється відношення "екземпляр — клас" від відношення "підклас — клас"?
3. Охарактеризуйте відношення "підклас — клас" як відношення часткового порядку.
4. Чим відрізняється відношення "екземпляр — клас" від відношення "елемент — множина"?
5. Охарактеризуйте проблему винятків. Як вона пов'язана з монотонністю логічного виведення?
6. Що таке канонічна форма складної системи (за Бучем)?
7. Перелічіть основні властивості знань.
8. Перелічіть моделі задания знань.
9. Перелічіть області знань, характерні для діалогових експертних систем.
10. У чому полягає необхідність у виокремленні областей і рівнів знань?
11. Опишіть поняття "концептуальна одиниця".
12. Яким чином можна розкласти деякий складний предикат на бінарні предикати? Наведіть приклади.
13. Яким чином можна перетворити унарний предикат на бінарний? Наведіть приклади.
14. Охарактеризуйте поняття "об'єкт — атрибут — значення".
15. Що означає "постулат замкненості світу"?
Література.
1. Глибовець М.М., Олецький О.В. Штучний інтелект. –К.: КМ Академія, 2002. –с. 32-46.
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. 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: Логічні моделі подання знань. Логіка висловлювань. Логіка предикатів.
Мета: ознайомлення з логічними моделями подання знань, а також з логікою мислення та логікою предикатів.
Перелік питань, що вивчаються.
Еврестичні моделі подання знань.
Подання знань у вигляді фреймів.
Логіка висловлювань.
Логіка предикатів.
Правило резолюцій.