- •История развития ии
- •История развития ии в России.
- •Философские аспекты в системе ии
- •Основные направления и функции иис Основные направления:
- •Самообучающиеся системы
- •Информационные хранилища.
- •Генетические алгоритмы
- •Классический генетический алгоритм.
- •Применение генетических алгоритмов.
- •Основные классы экспертных систем
- •Этапы разработки экспертных систем
- •Базовые функции экспертных систем
- •Интеллектуальный интерфейс
- •Нейронные сети
- •Правило вычисления сигнала активности
- •Функций активности
- •Модели нейронных сетей.
- •Достоинства нейронных сетей перед традиционными вычислительными системами.
- •Недостатки нейронных сетей
- •Основные режимы работы экспертных систем
- •Базовые функции экспертных систем
- •Получение знаний
- •Представление знаний
- •Логическая модель представления знаний.
- •Основные понятия логики высказываний и логики предикатов.
- •Семантические сети, их классификация и принципы построения
- •Продукционная модель представления знаний
- •Классификация ядер продукции.
- •Достоинства продукционной системы:
- •Недостатки продукционной системы:
- •Фреймовая модель (из лекции по дисциплине «Представление знаний») Характерные особенности моделей представления знаний применительно к процессу разработки бз
- •Проектирование базы знаний.
- •Структура бз и взаимодействие с другими компонентами ис.
Применение генетических алгоритмов.
Используются для создания вычислительных структур, таких как автоматы и сети сортировки. Самое частое распространение – при обучении нейронных сетей, а так же при моделировании в различных областях: биология, политика соц-экономической. Для оптимизации много программных функций. Используется для манипуляции управления роботами.
Адаптивные информационные системы
Потребность в адаптивных ИС возникает в тех случаях, когда поддерживаемые ими области постоянно развиваются. В связи с этим адаптивные системы должны обладать следующими требованиями: адекватно отображать знания проблемной области в каждый момент времени, быть пригодными для быстрой и лёгкой реконструкции при изменении проблемной среды. Адаптивное свойство ИС обеспечиваются за счёт интеллектуализации их архитектур. Ядром такой системы является постоянно развиваемая модель предметной области поддерживаемая в спец базе знаний репозитория. Ядро системы управляет процессами генерации или переконфигурирования ПО. В процессе разработки адаптивных ИС применяется оригинальное или типовое проектирование. Оригинальное проектирование предполагает разработку ИС с чистого листа на основе сформулированных требований. Реализация этого подхода основана на использовании CASE-технологии. При типовом проектировании осуществляется адаптация типовых разработок в особенностях проблемной области. Для реализации этого подхода применяется инструментальное средство компонентного………. RB, BAAN IV, Prodis. Достоинством применения компонентных систем перед CASE-технологии является накапливание опыта проектирования ИС для различных отраслей и типов производств в виде типовых моделей, которые поставляются вместе с программным продуктом в форме наполненного репозитория. Таким образом в месте с программным продуктом Юзер приобретает базу знаний об эффективных методах знаний и управления процессами которые можно адаптировать в соответствии со спецификой конкретного объекта. Базовая модель репозитория содержит описание объектов, функций, процессов, которые реализуются в программных модулях компонентной системы. Многообразие и гибкость определения процессов и соответствующих конфигурации ИС задаётся с помощью набора правил. Сформированная модель предприятия в виде мета-описания хранится в репозитории и при необходимости Мб откорректирована, далее сформулированная ….. автоматические открывается …….. в ходе которой выполняется семантический контроль по соответствующим правилам. Главное отличие подходов состоит в том, что при использовании CASE-технологии на основе репозитория при изменении предметной области каждый раз выполняется генерация ПО. А при использовании сборочной технологии (компонентной) конфигурирование программ и только в редких случаях их переработка.
Основные классы экспертных систем
ЭВМ применяется для решения не формализованных проблем, к которым относятся задачи обладающие следующими характеристиками: задачи не могут быть представлены в числовой форме, исходные данные и знания о предметной области обладают не однозначностью, неточностью и противоречивостью, цели нельзя выразить с помощью чётко определённой целевой функции; не существует однозначного решения задачи; алгоритмическое решение существует, но его нельзя использовать по причине большой размерности пространств решений и ограничений на ресурсы времени и памяти.
ЭС используется для решения некоторых типов задач: принятие решений в условиях неопределённости, интерпретация символов и сигналов, предсказаний, диагностика, конструирование, планирование и управление. Экспертные системы не отвергают и не заменят традиционного подхода к программированию, они отличаются от них тем что ориентированы на решение не формализованных задач и обладают следующими особенностями: алгоритм решения не известен заранее, а строится самой экспертной системой с помощью символьных рассуждений базирующихся на эвристических приёмах: ясность с полученных решений, способность анализа и объяснения своих действий и знаний, способность приобретения новых знаний от юзера эксперта к незнающему программирования, обеспечение дружественного и звукового интерфейса пользователя.
Во многих случаях экспертная система является инструментов усиливающем интеллектуальные способности эксперта и может выступать в роли: консультанта для не профессиональных пользователей, эксперт ассистента человека в течение анализа решения и партнёра эксперта в решении задач требующие привлечение знаний в различных областях. Для классификации ЭС используются следующие признаки: способ формирования решения, способ учёта временного признака, вид используемых данных и знаний, число используемых данных и знаний. По способу формирования решения ЭС можно разделить на анализирующие и синтезирующие. В системах 1го типа осуществляется выбор решения из множества известных решений на основе анализа знаний. В системах 2го типа решения синтезируются из отдельных фрагментов знаний.
В зависимости от способа учёта временного признака ЭС делятся на статические и динамические. Статические ЭС предназначены для решения задач с не изменяемыми в процессе решения данными и знаниями, а динамические ЭС допускают такие изменения.
По виду использования данных и знаний различают ЭС с детерминированными и не определёнными. ЭС могут создаваться с помощью одного или нескольких источников знаний. В соответствии с 4 признаками выделяются 4 класса систем: классифицирующий, доопределяющий, трансформирующий и муль-тиагентный.
ЭС решающие задачи распознавания ситуаций называются классифицирующими, поскольку определяют принадлежность анализируемой ситуации к некоторому классу. В качестве основного метода формирования решения используется метод логического дедуктивного вывода от общего к частному, когда путём подстановки исходных данных в некоторую совокупность взаимосвязанных общих утверждений получается частное заключение.
Доопределяющие ЭС используются для решения более сложного типа аналитических задач, с не полностью определёнными данными. В таких ЭС возникают задачи интерпритации не чётких знаний и выбора альтернативных направлений поиска в пространстве возможных решений, ЭС должна как бы доопределять недостающие знания. В качестве методов обработки неопределённых знаний могут использоваться Байесовский вероятностный подход, коэффициента уверенности и не чёткая логика. Для определяющей ЭС могут использоваться для формирования решения несколько источников знаний. В этом случае используются эвристические приёмы выбора единиц знаний из конфликтного набора, например, на основе использования приоритетов важности или значения функции предпочтения.
Применение классифицирующих и доопределяющих ЭС:
интерпретация данных - выбор решения из множества альтернатив.
диагностика – выявление причин приводящих к возникновению отклонений.
Коррекция – диагностика дополненной возможностью оценки и рекомендации действий по исполнению отклонений от нормального состояния
Трансформирующие ЭС относятся к синтезирующим динамическим ЭС в которых предполагается повторяющееся представление знаний в процессе решения задач, что связано с характером результата, которое нельзя заранее предупредить, а так же динамичностью самой проблемной области. В ЭС данного класса используется различные способы обработки знаний:
генерация и проверка гипотез, когда по исходным данным осуществляется генерация гипотез, а затем проверка условий на подтверждение поступающими фактами.
метод предположений и умолчаний, когда по неполным данным подбираются знания …. аналогичным классам объектов, которые в дальнейшем динамически адаптируются к конкретной ситуации в зависимости от её развития.
использование метазнаний, для устранения неопределённости ситуаций.,
Многоагентная система – для таких динамических систем характерна интеграция в базе знаний, обменивающихся между собой получаемыми результатами на динамической основе (например через доску объявлений)
Система данного класса имеет след возможности: реализация альтернативных рассуждений на основе использования различных источников знаний и механизма устранения противоречий, распределённое решение проблем, декомпозируемое на параллельном решаемой подзадачи с самостоятельными источниками знаний.
Применение различных стратегий выбора заключений в зависимости от типа решаемой проблемы; обработка больших массивов информации из БД; использование мат моделей и внешних процедур для имитации развития ситуации.
ЗНАТЬ!!! На ЭКЗ!!
Классификация ЭС (примеры), структура и базовые компоненты, блоки ЭС, структура динамический ЭС, состав участников ЭС