- •1. Характеристика основных направлений в исследованиях по искусственному интеллекту
- •2. Перспективы искусственного интеллекта
- •3. Проблемы нейрокибернетики и возможные пути их решения.
- •4. Искусственный интеллект. Основные понятия
- •5. Характеристика программно-прагматического направления в исследованиях по искусственному интеллекту
- •6. Характеристика бионического направления в исследованиях по искусственному интеллекту
- •7. Знания и модели их представления
- •8. Логические модели представления знаний
- •9. Продукционные модели представления знаний
- •10. Сетевые модели представления знаний (семантические сети)
- •11. Фреймовые модели представления знаний
- •12.Экспертные системы. Основные понятия и определения
- •14. Нейрокомпьютер и основы нейроинформатики
- •15. Нейрон, нейронные сети, основные понятия
- •16. Классификации нейронных сетей
- •17. Характеристика моделей нейронных сетей
- •18 Характеристика многослойных однонаправленных сетей
- •19. Характеристика полносвязных сетей Хопфилда
- •20. Характеристика двунаправленной ассоциативной памяти
- •21. Двунаправленная ассоциативная память. Режим обучения бинарными образами
- •22. Двунаправленная ассоциативная память. Режим распознавания
- •23. Характеристика самоорганизующихся сетей Кохонена
- •24. Области применения нейроинформатики
- •25. Характеристика этапов проектирования экспертной системы
- •26. Классификация интеллектуальных информационных систем
- •27. Организация базы знаний. Формы представления знаний
- •28. Методы рассуждения в интеллектуальных информационных системах
- •29. Характеристика этапа постановки задачи и концептуализации при разработке экспертной системы
- •30. Развитие прототипа до промышленной экспертной системы
- •31. Характеристика этапа формализации проектирования экспертной системы
- •32. Характеристика этапов реализации при проектировании экспертной системы
- •33. Характеристика этапа тестирования экспертной системы
- •34. Характеристика этапа опытной эксплуатации экспертной системы
- •37. Приобретение знаний
- •38. Извлечение знаний из данных
- •39. Технология разработки экспертных систем
- •40. Характеристика этапов оценки, стыковки и поддержки экспертной системы при её разработке
- •41. Аспекты получения знаний: психологический, лингвистический, гносеологический
- •Процедурный слой
- •Когнитивный слой
- •Лингвистический аспект
- •Проблема общего кода
- •Понятийная структура
- •Словарь пользователя
- •Гносеологический аспект
- •42. Стратегии получения знаний
- •43. Практические методы извлечения знаний. Их классификация и характеристика
- •44. Структурирование знаний. Концептуальная и функциональная структура предметной области
- •46. Инструментальные средства построения экспертных систем
30. Развитие прототипа до промышленной экспертной системы
1. Демонстрационный прототип – позволяет решать ряд задач, демонстрирует жизнеспособность подхода в целом (несколько десятков правил или понятий).
2. Исследовательский прототип – система решает большинство задач, но не устойчива в работе и не полностью проверена (несколько сотен правил или понятий)
3. Действующий прототип – система решает все задачи на реальных примерах, но для решения сложной задачи требуется много времени и памяти.
4. Промышленная ЭС – обеспечивает высокую эффективность решений при минимизации затрат (памяти) (переписывается при помощи более эффективных средств)
5. Коммерческая ЭС – это промышленная ЭС, снабженная документацией и сервисом
Развитие прототипа до промышленной ЭС. При неудовлетворительном функционировании прототипа эксперт и инженер по знаниям имеют возможность оценить, что именно будет включено в разработку окончательного варианта системы. Если первоначально выбранные объекты или свойства оказываются неподходящими, их необходимо изменить. Можно сделать оценку общего числа эвристических правил, необходимых для создания окончательного варианта экспертной системы. Иногда при разработке промышленной системы выделяют дополнительные этапы для перехода: демонстрационный прототип - исследовательский прототип - действующий прототип - промышленная система. Однако чаще реализуется плавный переход от демонстрационного прототипа к промышленной системе, при этом, если программный инструментарий выбран удачно, необязательна перепись другими программными средствами.
Основное на третьем этапе заключается в добавлении большого числа дополнительных эвристик. После установления основной структуры ЭС инженер по знаниям приступает к разработке и адаптации интерфейсов, с помощью которых система будет общаться с пользователем и экспертом. Необходимо обратить особое внимание на языковые возможности интерфейсов, их простоту и удобство для управления работой ЭС. Система должна обеспечивать пользователю возможность легким и естественным образом спрашивать непонятное, приостанавливать работу и т.д. В частности, могут оказаться полезными графические представления. На этом этапе разработки большинство экспертов узнают достаточно о вводе правил и могут сами вводить в систему новые правила. Таким образом, начинается процесс, во время которого инженер по знаниям передает право собственности и контроля за системой эксперту для уточнения, детальной разработки и обслуживания.
31. Характеристика этапа формализации проектирования экспертной системы
Все ключевые понятия и отношения выражаются на некотором формальном языке, который либо выбирается из числа уже существующих, либо создается заново. Другими словами, на данном этапе определяются состав средств и способы представления декларативных и процедурных знаний, осуществляется это представление и в итоге формируется описание решения задачи ЭС на предложенном (инженером по знаниям) формальном языке.
Выходом этапа формализации является описание того, как рассматриваемая задача может быть представлена в выбранном или разработанном формализме. Сюда относится указание способов представления знаний (фреймы, сценарии, семантические сети и т.д.) и определение способов манипулирования этими знаниями (логический вывод, аналитическая модель, статистическая модель и др.) и интерпретации знаний.