
- •1. Понятия «система».
- •2. Понятия, «информация», «неопределенность»
- •3. Особенности и признаки интеллектуальных информационных систем
- •4. Функции информационных систем. Двойственная природа знаний, используемых в информационных системах
- •5. Способы объединения операционного и фактуального знания в традиционных информационных системах.
- •6. Способы объединения операционного и фактуального знания в интеллектуальных информационных системах. Сравнение с традиционными системами
- •7. Интеллектуальные информационные системы с базами данных
- •8. Интеллектуальные информационные системы, основанные на моделях
- •9.Понятия «предметная область» и «проблемная область»
- •Представление знаний.
- •Поведение.
- •10.Признаки интеллектуальности информационных систем
- •Понятие «искусственный интеллект (ии)». Задачи ии. История развития и основные этапы исследований по ии.
- •Основные направления исследований в области искусственного интеллекта (задачи)
- •13.Системы с интеллектуальным интерфейсом
- •14. Системы с естественно-языковым интерфейсом
- •15.Интеллектуальные базы данных. Гипертекстовые системы. Системы контекстной помощи
- •16. Системы когнитивной графики (общая характеристика)
- •19. Способы обучения в интеллектуальных системах
- •20. Индуктивные системы (основные понятия). Системы, основанные на прецедентах (общая характеристика)
- •21.Нейронные сети (основные понятия)
- •22.Хранилища данных
- •Дизайн хранилищ данных
- •Процессы работы с данными
- •23.Адаптивные информационные системы
- •24.Формализация и неформальные знания.Понятие “’экспертная система”.
- •25. Основные особенности экспертных систем. Основные модели представления знаний в классических экспертных системах
- •26. Структура экспертной системы
- •29. Общая характеристика математического аппарата теории нечетких множеств.
- •30. Основные идеи теории нечетких множеств. Сравнение обычных и нечетких множеств.
- •31. Операции над нечеткими множествами (кроме алгебраических)
- •33. Нечеткая и лингвистическая переменные.
- •34. Нечеткие отношения
- •35. Операции над нечеткими отношениями
- •36. Операции композиции нечетких отношений и нечеткой импликации, их значение для нечеткого логического вывода.
- •37. Нечеткий логический вывод.
- •38. Особенности нечеткого логического вывода по Мамдани и Ларсену.
- •Алгоритм Мамдани
- •40. Основные проблемы, решаемые при помощи искусственных нейронных сетей.
- •42. Понятие и основные идеи коннекционизма
- •43. Схема формального нейрона. Роль его составных частей
- •44. Функции активации формального нейрона, их смысл и основные виды.
- •1. Жесткая ступенька :
- •3. Гиперболический тангенс
- •4. Пологая ступенька
- •5. Экспонента:
- •7. Участки синусоиды:
- •8. Гауссова кривая:
- •Сравнение ветвей компьютерной эволюции
- •Архитектура нейронных сетей. Понятие, основные виды. Примеры
- •(Звезды Гроссберга, модели Липпмана-Хемминга)
- •Обучение нейронных сетей, сущность и основные алгоритмы обучения
- •Обучение нейронных сетей как задача оптимизации.
8. Интеллектуальные информационные системы, основанные на моделях
Интеллектуальная информационная система - это компьютерная модель интеллектуальных возможностей человека в целенаправленном поиске, анализе и синтезе текущей информации об окружающей действительности для получения о ней новых знаний и решения на этой основе различных жизненно важных задач. Каждому из этих этапов соответствует своя информационная модель предметной области.
Для первых информационных систем такой моделью служили каталоги или классификаторы, для АИС это были массивы информации, организованные в виде баз и банков данных, а для ИИС модель предметной области представлена системой структурированных данных, получившей название базы знаний. Информационные системы, основанные на каталогах, создавались в основном для реализации в той или иной мере механизированного поиска необходимой информации. АИС, основанные на высоко организованных базах данных, позволяли не только вести автоматизированный и многоаспектный поиск информации, но и достаточно сложную обработку найденной информации, ее организованное хранение и передачу. ИИС, основанные на базах знаний, должны (в дополнение к возможностям АИС) решать задачи, получившие название «интеллектуальных». Развитие ИИС на современном этапе идет в соответствии с тремя направлениями исследований, целью которых – моделирование возможностей человека в решении интеллектуальных задач. Первое направление объектом исследований рассматривает структуру и механизмы работы мозга человека, а конечной целью - раскрытие тайн мышления. Необходимыми этапами исследований в этом направлении являются построение моделей на основе психофизиологических данных, проведение экспериментов с ними, выдвижение новых гипотез относительно механизмов интеллектуальной деятельности, совершенствование ранее созданных моделей и т.д. Второе направление в качестве объекта исследования рассматривает искусственную интеллектуальную систему. Здесь речь идет о моделировании интеллектуальной деятельности с помощью вычислительных машин или автоматов иного принципа действия. Целью работ в этом направлении является создание алгоритмического и программного обеспечения вычислительных таких машин, позволяющего решать некоторые виды интеллектуальных задач так же, как их решил бы человек. Третье направление ориентировано на создание человеко-машинных, или, как еще говорят – интерактивных, интеллектуальных систем, являющих собой симбиоз возможностей естественного и искусственного интеллекта. Важнейшими проблемами в этих исследованиях является оптимальное сочетание возможностей человека и искусственной системы, моделирующей интеллектуальные возможности человека, и организация семантически безупречного диалога между человеком и такой системой.
Физический подход объединяет методы моделирования интеллектуальных возможностей человека с помощью компьютера и различных физических устройств. Одной из первых таких попыток был перцептрон Фрэнка Розенблатта. Структурной единицей перцептрона (как и большинства других вариантов такого моделирования) является компьютерная модель нейрона – нервной клетки. Позднее возникли модели, которые получили известность под термином "искусственные нейронные сети" (ИНС). Эти модели относятся к структурам, основанным на примерах. Они используют как различные по физической реализации модели нервных клеток, так и различные топологии связей между ними. Широкое распространение получило в последние годы эволюционное моделирование. Принцип, лежащий в основе этого метода, заимствован у природы – у живых организмов и систем. Во многих источниках он определяется как воспроизведение процесса естественной эволюции с помощью специальных алгоритмов и программ. Еще одним, широко используемым методом этого подхода к построению ИИС является имитационное моделирование. Оно связано с классическим для кибернетики, одним из ее базовых понятий - "черным ящиком" (ЧЯ). Так называют устройство, информация о внутренней структуре и содержании которого отсутствуют полностью, но известна матрица обязательного соответствия сигналов на входе в него и сигналов на его выходе. Объект, поведение которого имитируется моделью, как раз и представляет собой такой "черный ящик".