- •1. Процесс принятия решений. Три условия принятия решений.
- •2. Принятие решений в условиях определенности. Структура с одним иерархическим уровнем.
- •3. Принятие решений в условиях определенности. Структура с двумя иерархическими уровнями.
- •4. Принятие решений в условиях определенности. Понятие веса и комбинированного веса.
- •5. Принятие решений в условиях определенности. Понятие матрицы парных сравнений.
- •6. Принятие решений в условиях определенности. Понятие нормализованной матрицы.
- •7. Принятие решений в условиях определенности. Пример согласованной матрицы.
- •8. Принятие решений в условиях определенности. Условие согласованности.
- •9. Принятие решений в условиях определенности. Коэффициент согласованности.
- •10. Принятие решений в условиях риска. Сравнение альтернативных решений.
- •11. Принятие решений в условиях риска. Понятие дерева решений.
- •12. Принятие решений в условиях риска. Связь между «состоянием природы» и ожидаемым платежом.
- •13. Принятие решений в условиях риска. Альтернатива на примере ремонта автомобилей.
- •14. Принятие решений в условиях риска. Критерий выбора периодичности ремонта автомобилей.
- •15. Принятие решений в условиях риска. Зависимость вероятности поломки автомобиля от срока эксплуатации.
- •16. Принятие решений в условиях риска. Априорные вероятности.
- •17. Принятие решений в условиях риска. Апостериорные вероятности.
- •18. Принятие решений в условиях риска. Вероятностные соотношения, отражающие мнение специалиста при принятии решения на основе эксперимента над исследуемой системой.
- •19. Принятие решений в условиях риска. Дерево решений при использовании апостериорных вероятностей.
- •20. Принятие решений в условиях риска. Вероятность совместного появления событий m и .
- •21. Принятие решений в условиях риска. Абсолютная вероятность.
- •22. Принятие решений в условиях риска. Выражение для апостериорной вероятности.
- •23. Принятие решений в условиях риска. Понятие функции полезности.
- •24. Принятие решений в условиях риска. Графическое изображение функции полезности.
- •25. Принятие решений в условиях риска. Процедура построения функции полезности.
- •26. Принятие решений в условиях риска. Понятие критерия ожидаемого значения.
- •27. Принятие решений в условиях риска. Составляющие критерия ожидаемого значения – дисперсия.
- •28. Принятие решений в условиях риска. Понятие критерия предельного уровня.
- •29. Принятие решений в условиях риска. Использование критерия предельного уровня в сфере массового обслуживания.
- •30. Принятие решений в условиях риска. Критерий наиболее вероятного исхода.
- •31. Принятие решений в условиях неопределенности. Критерий Лапласа.
- •32. Принятие решений в условиях неопределенности. Минимаксный критерий.
- •33. Принятие решений в условиях неопределенности. Критерий Сэвиджа.
- •34. Принятие решений в условиях неопределенности. Критерий Гурвица.
- •35. Марковские процессы. Понятие матрицы переходных вероятностей и матрицы доходов.
- •36. Марковские процессы. Стационарная стратегия.
- •37. Марковские процессы. Основной смысл решений, принимаемых садовником.
- •38. Марковские процессы. Представление задачи садовника как задачи динамического программирования с конечным числом этапов (основные элементы).
- •39. Марковские процессы. Ожидаемый доход, обусловленный одним переходом.
- •40. Марковские процессы. Понятие обратной прогонки в задаче динамического программирования.
- •41. Марковские процессы. Рекуррентное уравнение динамического программирования при условии изменения переходных вероятностей и функции дохода во времени.
- •42. Марковские процессы. Коэффициент дисконтирования. Его учет в рекуррентном уравнении динамического программирования при конечном числе этапов.
- •43. Марковские процессы. Общая характеристика методов решения задачи с бесконечным числом этапов.
- •44. Марковские процессы. Алгоритм метода полного перебора. Общая характеристика.
- •45. Марковские процессы. Пример вычисления долгосрочных стационарных вероятностей в методе полного перебора в модели с бесконечным числом этапов.
- •46. Марковские процессы. Характеристика результирующей таблицы в методе полного перебора в методе с бесконечным числом этапов.
- •47. Марковские процессы. Недостаток метода полного перебора в модели с бесконечным числом этапов.
- •48. Марковские процессы. Модификация рекуррентного уравнения в методе итераций по стратегиям при бесконечном числе этапов.
- •49. Марковские процессы. Необходимость применения итеративной процедуры в методе итераций по стратегиям при бесконечном числе этапов.
- •50. Марковские процессы. Алгоритм метода итераций по стратегиям при бесконечном числе этапов. Общая характеристика.
- •1.Шаг оценивания параметров:
- •2.Шаг улучшения стратегии:
- •51. Марковские процессы. Критерий выбора оптимального решения в методе итераций по стратегиям при бесконечном числе этапов.
- •52. Марковские процессы. Пример шага оценивания параметров в методе итераций по стратегиям при бесконечном числе этапов.
- •53. Марковские процессы. Пример шага улучшения стратегии в методе итераций по стратегиям при бесконечном числе этапов.
- •58. Марковские процессы. Выражение (основа) для формулировки марковской задачи в виде задачи линейного программирования.
- •59. Марковские процессы. Формулировка Марковской задачи в виде задачи линейного программирования. Постановка задачи.
- •60. Марковские процессы. Пример формулировки задачи садовника без дисконтирования при бесконечном числе этапов в виде задачи линейного программирования.
- •76. Понятие регрессионного анализа.
- •77. Метод наименьших квадратов.
- •78. Понятие доверительный интервал для среднего значения оценки.
- •79. Понятие интервала предсказаний
- •80. Понятие коэффициента корреляции
- •81. Понятие тренда во временном ряду.
- •82. Модель аддитивных компонентов.
- •83. Модель мультипликативных компонентов.
- •1. Понятие эс
- •2. Назначение и области применения экспертных систем
- •3 . Структура экспертной системы
- •4. Основные классы и виды экспертных систем
- •5. Продукционные экспертные системы. Основные компоненты продукционной экспертной системы
- •6. Продукционные экспертные системы. Прямая и обратная цепочки вывода
- •7. Продукционные экспертные системы. Простая диагностирующая экспертная система
- •8. Продукционные экспертные системы. Формальное представление продукционной экспертной системы
- •9. Нейлоровские диагностирующие системы. Общие понятия
- •10. Нейлоровские диагностирующие системы. Байесовский подход
- •11. Нейлоровские диагностирующие системы. Элементы механизма логического вывода
- •12. Нейлоровские диагностирующие системы. Цены свидетельств — косвенная цепочка рассуждений
- •13. Нейлоровские диагностирующие системы. Правила остановки
- •14. Нейлоровские диагностирующие системы. Структура базы знаний
- •15. Нейлоровские диагностирующие системы. Алгоритм логического вывода
3 . Структура экспертной системы
ЭС содержит следующие основные компоненты: база знаний; механизм вывода (средство компьютерного мышления).
Кроме основных компонентов ЭС включает дополнительные подсистемы, обеспечивающие: общение с пользователем, перенос знаний от эксперта в компьютерную программу, объяснение и обоснование результатов вывода и т. д.
Типовая структура ЭС и схема взаимодействия участников процесса построения и использования ЭС представлены на рис. 12.2. Собственно ЭС обведена пунктиром.
Знания, которыми владеет эксперт в конкретной предметной области, делятся на декларативные (Д) и процедурные (П).
Декларативные знания (или факты) дают описание фактов и явлений внешнего мира, относительно которых можно установить, есть они в наличии или нет. Например, у больного температура может быть повышенной или нормальной ("есть температура или нет").
Процедурные знания заключаются в правилах манипулирования фактами для получения заключений, приводящих к новым знаниям (как декларативным, так, возможно, и процедурным). Весьма распространенная форма представления процедурных знаний связана с уже упоминавшейся в этой книге продукцией ЕСЛИ ... ТО... . Например, запись ЕСЛИ А ТО В, где А и В — факты, позволяет по факту А установить наличие факта 5, если указанная продукция (элемент множества процедурных знаний) присутствует в базе знаний ЭС.
На рис. 12.2 представлены знания первого (I) и второго (II) рода. К знаниям первого рода относятся общезначимые, общеизвестные декларативные и процедурные знания, например, отражающие законы сохранения в физике.
Такие знания доступны не только эксперту в данной предметной области (предметному эксперту), но и, в частности, инженеру знаний. Знания второго рода являются в определенном смысле более ценными. Они включают различные "know-how", эмпирические и интуитивные соображения, которыми владеет данный предметный эксперт. Так же как и знания первого рода, эти знания могут быть как декларативными, так и процедурными.
Предметный эксперт — это человек, являющийся признанным специалистом в конкретной предметной области и умеющий (а главное— желающий) ясно объяснить свои методы, приемы и стратегии решения проблем. Инженер знаний общается с экспертами и форматирует полученные знания для их введения в базу знаний ЭС.
Конечный пользователь использует ЭС по прямому назначению — для получения ответов на свои вопросы из области компетентности данной ЭС. Он общается с ЭС через подсистему общения на языке, максимально приближенном к профессиональному языку в конкретной области экспертизы.
4. Основные классы и виды экспертных систем
Классификацию объектов производят по каким-либо признакам. В данном случае мы кратко на эвристическом уровне рассмотрим основные виды ЭС в зависимости от методов представления знаний.
Методы, основанные на правилах, — продукционные экспертные системы. Как уже отмечалось, продукционные системы в качестве базы процедурных знаний имеют набор продукций (правил) вида ЕСЛИ А ТО В, где А и В— элементы множества декларативных знаний. (В ряде случаев могут быть использованы и более сложные продукционные структуры.) Здесь А называется условием, г. В— следствием. Если факт А породил В, то теперь уже В может выступать как условие в новой продукции и т. д. Организуется так называемая цепочка логического вывода, которая заканчивается фактом или фактами, играющими роль результатов экспертизы. С помощью правил-продукций в отличие от традиционных приемов программирования удается реализовать более гибкую стратегию организации ветвления программы (передачи управления), которое должно управляться самими данными. Кроме того, при этом достигается логическая цельность и ясность программы, что важно как для понимания ее работы во время создания самого программного продукта, так и для его последующей модификации в процессе эксплуатации.
Фреймы (фреймовые системы). Под фреймовыми системами понимаются ЭС, основанные на специальных методах представления знаний в виде объектов и отношений между объектами. Представление знаний, основанное на фреймах, является по сравнению с продукционными методами альтернативным способом структурирования, хранения и обработки знаний.
По существу речь идет о хорошо известной технологии объектно-ориентированного программирования, применяемой для целей создания ЭС. Основными понятиями являются понятия структуры, объекта, слота, атрибута, значения.
Структура дает общее описание объекта с указанием списка атрибутов как имен слотов (мест хранения информации). При этом объект выступает как некоторая конкретизация структуры, содержащая уже конкретную информацию (значения) по всем слотам.
Организация представления знаний на основе объектно-ориентированного подхода имеет ряд особенностей, важнейшим из которых является принцип наследования. Во фреймовой ЭС предметная область описывается некоторой иерархической фреймовой структурой, в которой фреймы, занимающие более низкое положение в иерархии, наследуют свойства фреймов более высокого уровня. Это, в частности, позволяет экономить память компьютера (т. к. исключается дублирование при описании свойств объектов), а также уменьшать вероятность возникновения ошибок и противоречий в системе знаний.
К недостаткам фреймовых систем обычно относят их относительно высокую сложность и низкое быстродействие. Кроме того, достаточно сложным оказывается процесс изменения принятой иерархической структуры (родовидовой иерархии).
Прочие методы. Существует множество других концепций построения ЭС, например, семантические сети и нейлоровские диагностирующие системы.