5.Интерфейс эс
Интерфейс экспертной системе включает подсистему пополнения знаний и подсистему объяснения.
Подсистема пополнения знаний предназначена для добавления в базу знаний новых правил и модификации имеющихся. такая подсистема может работать как обычный текстовый редактор, с помощью которого вводятся и изменяются правила.
Подсистема объяснения может работать в активном режиме - в виде информационных сообщений, сопровождающих полученные системой результаты, либо в пассивном режиме - выдавать ответы на запросы пользователя. По запросу пользователя экспертная система должна объяснить, что она делает в данный момент - какое правило проверяет, либо вывести всю цепочку логического вывода, который формируется.
6.Преимущества эс перед человеком – экспертом.
У них нет предубеждений.
Они не делают поспешных выводов.
Экспертные системы выбирают наилучшую альтернативу из всех возможных.
База знаний предметной области может быть очень большой.
Экспертные системы устойчивы к "помехам".
7.При каких условиях и для решения, каких задач применяются нейронные сети.
Нейрон состоит из трех основных элементов:
-один или несколько дендритов (вход нейрона - принимает импульсы);
- сома (тело нейрона - обрабатывает входящие импульсы);
- аксон (выход нейрона - передача импульса другому нейрону).
Аксон контактирует с дендритами других нейронов через синапсы. Синапсы - это такие образования, которые регулируют входящие импульсы. Синапсы могут усиливать или уменьшать импульс. Каждый синапс имеет свою «силу» - ее называют весом синапса. Вес синапса - это его способность усиливать или уменьшать входящий импульс.
8.Модель биологического нейрона.
Модель биологического нейрона состоит из:
Дендриты – вход нейрона (прием) входящих импульсов)
Сома – тело нейрона (отвечают за обработку входящих импульсов)
Аксон – выход нейрона (через него передается обработанный импульс)
Синапсы (м/у дендритами и аксонами других нейронов) – регулирование (вверх, вниз) входящих импульсов; расставляют приоритеты входящих сигналов
Вес синапса – сила, способность регулировать входящих импульс.
Если суммарный импульс в соме превышает ее пороговое значение, то нейрон активизируется.
9.Математическая модель искусственного нейрона.
х – суммарный импульс
х1, х2, х3 – исходные данные, поступившие в нейронную сеть
w1, w2, w3 – коэффициенты, играют роль весов синапса
f(x) - функция активации (передаточная функция)
Матем. Процесс:
1 а – пороговое значение
х = x1*w1 + x2*w2 + x3*w3
2. Если х>a то нейрон расчитывает функции активации и передают импульс дальше
10. Обучение нейросети.
Для того чтобы нейросеть начала работать (решать задачи), необходимо выполнить два этапа:
выбрать архитектуру нейросети;
обучить нейросеть (подобрать веса).
Обучение нейросети осуществляется по принципу обратной связи.
Обучить нейронную сеть - значит, сообщить ей, чего мы от нее добиваемся. Этот процесс очень похож на обучение ребенка алфавиту.
Для обучения подбирается ряд успешных примеров решения поставленной задачи. Примеры включают исходные данные и ответы, которые мы бы хотели получать от нейросети.
Количество необходимых примеров зависит от сложности задачи. Одно из простейших эвристических правил гласит, что число примеров должно быть в десять раз больше числа связей в сети.