сии_шпора
.pdfОглавление |
|
||
1. |
Знания как основа принятия решений....................................................................................................... |
2 |
|
2. Понятие «система» ...................................................................................................................................... |
3 |
||
3. |
Понятия «данные», «информация», «знания» и связь между ними ...................................................... |
4 |
|
4. |
Формализованные знания. Сущность и сферы использования............................................................... |
5 |
|
5. |
Неформализованные знания и задачи ...................................................................................................... |
6 |
|
6.Слабоструктурированные задачи. Источники неопределенности при принятии решений.................. |
7 |
||
7. |
Основные виды неопределенности и способы ее уменьшения ............................................................. |
8 |
|
8. |
Понятие «искусственный интеллект». Задачи искусственного интеллекта ........................................... |
9 |
|
9. |
Основные этапы развития искусственного интеллекта.......................................................................... |
10 |
|
10. |
Понятие «экспертная система». Основные модели представления знаний в экспертных системах. |
||
.......................................................................................................................................................................... |
|
|
11 |
11. |
Логические модели представления знаний. Модель, основанная на логике высказываний.......... |
12 |
|
12. |
Логические модели представления знаний. Модель, использующая исчисление предикатов...... |
13 |
|
13. |
Продукционная модель представления знаний. Структура экспертных систем продукционного |
|
|
типа.................................................................................................................................................................. |
14 |
||
14. |
Механизм логического вывода в продукционных системах. Примеры логического вывода.......... |
15 |
|
15. |
Управляющий компонент продукционной экспертной системы. ...................................................... |
16 |
|
16. |
Компоненты базы знаний продукционной системы, их взаимодействие в процессе логического |
|
|
вывода............................................................................................................................................................. |
17 |
||
17.Основные проблемы, решаемые при помощи искусственных нейронных сетей.............................. |
18 |
||
18. |
Биологический прототип искусственных нейронных сетей................................................................. |
19 |
|
19. |
Понятие и основные идеи коннекционизма ......................................................................................... |
20 |
|
20. |
Схема формального нейрона. Роль его составных частей................................................................... |
21 |
|
21. |
Функции активации формального нейрона, их смысл и основные виды .......................................... |
22 |
|
22. |
Сравнение ветвей компьютерной эволюции ........................................................................................ |
23 |
|
23. |
Архитектура нейронных сетей. Понятие, основные виды. Примеры ................................................. |
24 |
|
24. |
Обучение нейронных сетей, сущность и основные алгоритмы обучения ......................................... |
25 |
1. Знания как основа принятия решений
Знания – это зафиксированная и проверенная практикой обработанная информация, которая использовалась и может многократно использоваться для принятия решений.
Знания – это вид информации, которая хранится в базе знаний и отображает знания специалиста в конкретной предметной области. Знания – это интеллектуальный капитал.
Принятие решений – это выбор наилучшего в некотором смысле варианта решения из множества допустимых на основании имеющейся информации.
Взаимосвязь данных, информации и знаний в процессе принятия решений представлена на рисунке.
2. Понятие «система»
Система - множество элементов, находящихся в отношениях и связях друг с другом, которое образует определённую целостность, единство.
Система обладает 6 основными признаками:
1)Система должна быть разделима на составные элементы, которые внутри системы взаимодействуют друг с другом.
2)Наличие достаточно сильных и устойчивых связей между элементами.
3)Наличие структуры (организации). Чтобы система могла выполнить надлежащее задание, она должна быть особым образом организована. Организация – упорядоченное распределение элементов и связей между ними в пространстве и времени.
4)В результате организации системы в ней должно быть достигнуто некоторое новое качество, которое не присутствовало ранее у элементов (это называется системный эффект или эмерджентность).
5)Существование цели функционирования системы. Цель – конечный результат действия системы, достижимый в некоторых пространственновременных рамках.
6)Наличие окружающей среды.
3. Понятия «данные», «информация», «знания» и связь между ними
Данные - это совокупность сведений, зафиксированных на определенном носителе в форме, пригодной для постоянного хранения, передачи и обработки. Преобразование и обработка данных позволяет получить информацию.
Информация - это результат преобразования и анализа данных. Отличие информации от данных состоит в том, что данные - это фиксированные сведения о событиях и явлениях, которые хранятся на определенных носителях, а информация появляется в результате обработки данных при решении конкретных задач. Например, в базах данных хранятся различные данные, а по определенному запросу система управления базой данных выдает требуемую информацию.
Существуют и другие определения информации, например, информация – это сведения об объектах и явлениях окружающей среды, их параметрах, свойствах и состоянии, которые уменьшают имеющуюся о них степень неопределенности, неполноты знаний.
Знания – это зафиксированная и проверенная практикой обработанная информация, которая использовалась и может многократно использоваться для принятия решений.
Знания – это вид информации, которая хранится в базе знаний и отображает знания специалиста в конкретной предметной области. Знания – это интеллектуальный капитал.
Формальные знания могут быть в виде документов (стандартов, нормативов), регламентирующих принятие решений или учебников, инструкций с описанием решения задач. Неформальные знания – это знания и опыт специалистов в определенной предметной области.
Принятия решений осуществляются на основе полученной информации и имеющихся знаний. Взаимосвязь данных, информации и знаний в процессе принятия решений представлена на рисунке.
Для решения поставленной задачи фиксированные данные обрабатываются на основании имеющихся знаний, далее полученная информация анализируется с помощью имеющихся знаний. На основании анализа, предлагаются все допустимые решения, а в результате выбора принимается одно наилучшее в некотором смысле решение. Результаты решения пополняют знания.
4. Формализованные знания. Сущность и сферы использования.
Знания, которыми обладает специалист в какой-либо области, можно разделить на формализованные и неформализованные.
Формализованное (явное) знание — вид знания, которое легко формализуется и систематизируется, то есть легко передаётся. Оно не требует постоянных тренировок для его получения, как, например, неявное знание. Человек может самостоятельно ему научиться, пользуясь ясными и чётко сформулированными правилами данного знания. К явным знаниям относятся, например, многие науки, такие как математика, физика, история и лингвистика.
Формализованные знания формулируются в книгах и руководствах в виде общих и строгих суждений (законов, формул, моделей, алгоритмов и т. п.), отражающих универсальные знания. Эти знания образуют формальную систему:
F = <A, P, X, I>,
где A – алфавит (набор символов, из которых строятся предложения формальной системы),
P – синтаксические правила (правила построения предложений из алфавита A; предложения, соответствующие синтаксическим правилам, называются правильно построенными формами - ППФ),
X – аксиомы (тождественно истинные ППФ),
I – семантические правила, или, правила вывода (правила построения истинных ППФ из аксиом; ППФ, соответствующие семантическим правилам, называются теоремами).
Схема формализации знаний:
Достоинства форм-х знаний: чёткие, конкретные, пригодны для алгоритмизации.
Недостатки: слишком жёсткие, точные и конкретные для описания современного мира.
Формализованные знания необходимы для работы экспертной системы (ЭС - это программное обеспечение, которое выполняет функции эксперта при решении какойлибо задачи в области его компетенции). Области применения ЭС весьма разнообразны: военные приложения, медицина, электроника, вычислительная техника, геология, математика, космос, сельское хозяйство, управление, финансы, юриспруденция и т. д. ЭС используются при решении задач следующих типов: принятие решений в условиях неопределенности (неполноты), интерпретация символов и сигналов, предсказание, диагностика, конструирование, планирование, управление, контроль и др.
5. Неформализованные знания и задачи
Неформализованные знания — продукт личного опыта человека, который отражает его убеждения, моральные ценности и взгляды. Эти знания нельзя увидеть пли задокументировать, а передать их можно только посредством личного и непосредственного общения. Неформализованные знания содержатся в книгах и других рукописных изданиях в описательной словесной форме. Они не используют какого-либо математического аппарата, а как результат неформализованные знания не могут быть применены автоматически. Такие знания конкретны, субъективны и приблизительны. Примерами могут послужить знания, передаваемые опытным коллегой новичку при рассказе о том, как нужно себя вести с агрессивно настроенными клиентами. Опытный сотрудник приводит случаи из своей практики, делится опытом работы, излагает подходы, которые выработались в компании в отношении таких клиентов.
Задачи, которые можно решить с помощью неформализованных знаний, называют неформализованными. Следует заметить, что эти задачи может быть и реально формализовать, но формализация их на данный момент остается неизвестной. Такие задачи обычно неполные, противоречивые, неоднозначные и зачастую ошибочные.
Неформализованная задача обладает некоторыми основными свойствами. К таким свойствам относятся:
1.Неизвестен алгоритм решения задачи. Если же он и известен, то может возникнуть такая ситуация, когда использовать его невозможно из-за каких-либо причин.
2.Ошибочность, неоднозначность, неполнота и противоречивость исходных данных или проблемной области.
3.Большая размерность пространства решения.
4.Динамическое изменение данных и знаний
5.Задача не может быть определена в числовой форме
6.Цели задачи нельзя выразить в терминах, которые точно определят целевую функцию
P/S (Не уверена стоит ли это писать!!!)
Процедурное программирование в качестве основы для разработки программы использует алгоритм, т. е. формализованное знание и напрямую не подходит для решения неформализованных задач
6.Слабоструктурированные задачи. Источники неопределенности при принятии решений
Слабоструктурированные задачи – это задачи, в которых существует формальная модель проблемы, но задача является многокритериальная. Под многокритериальностью принято понимать тот факт, что у рассматриваемой задачи имеется несколько несовпадающих целей, которые могут противоречить друг другу и тем самым затрудняют её решение.
Слабоструктурированные задачи занимают промежуточное положение и сочетают в себе как количественные так и качественные зависимости, причем малоизвестные и неопределенные стороны задачи имеют чаще всего доминируют в этом случае.
Принято считать, что задача будет считаться слабоструктурированной в том случае, если не выполняется хотя бы одно из следующих свойств:
1.Цели задачи могут быть выражены с помощью единственной четко определенной числовой функции.
2.Термины переменных, при помощи которых можно описать рассматриваемую задачу, принимают числовые значения. Эти числовые значения могут быть как в векторной форме так и в скалярной.
3.Для рассматриваемой задачи существует определенный алгоритм получения числового решения.
Источники неопределенности при принятии решения бывают разные:
1.Объективная неопределенность (неопределенность в природе)
2.Гносеологическая неопределенность (неопределенность, вызванная отсутствием достаточной информации, необходимой для решения задачи)
3.Стратегическая неопределенность (она вызвана зависимостью от действия других лиц, например, партнеров, противников или организаций)
4.Неопределенность, которая возникает из-за слабоструктурированных проблем.
5.Неопределенность, вызванная нечеткостью, расплывчатостью информации, которая описывает процессы и явления.
7. Основные виды неопределенности и способы ее уменьшения
По источникам принято разделять следующие виды неопределенности:
1)Объективная неопределенность (неопределенность в природе)
2)Неопределенность гносеологическая (неопределенность, вызванная отсутствием достоверной информации)
3)Стратегическая неопределенность (неопределенность вызванная зависимостью от других объектов – конкурентов, врагов)
4)Неопределенность, связанная с восприятием (неопределенность,
вызванная нечеткостью данных описывающих реальные процессы, т.к. человеку свойственно видеть реальность нечетко)
По характеру проявления:
1) Абсолютная неопределенность (имеет место в случае, когда неизвестно, какое событие произойдет, где и когда произойдет и почему произойдет)
3)Полная неопределенность (если нам неизвестно ничего о множествах Q и
G)
4)Дурная неопределенность
5)Байесовская неопределенность
Природа неопределенности в рассматриваемой проблеме – очень важный пункт, который должен быть внимательно проанализирован до того, как будут выбраны методы обработки информации. В случае неопределенностей случайной природы необходимо использовать теорию вероятностей, а в случае неопределенностей нечеткой природы – теории, базирующиеся на теории нечетких множеств.
8. Понятие «искусственный интеллект». Задачи искусственного интеллекта
Понятием *искусственный интеллект* обозначают функциональные возможности машины решать человеческие задачи. Другими словами, ИИ - это возможность решения задач машинным способом с помощью неких программных средств. Искусственный интеллект направлен на повышение эффективности различных форм умственного труда человека.
Задачей ИИ является придание системам способности обучаться и «думать». При этом предполагается, что алгоритм решения задачи, выполняемой ИИ, не известен.
Основные типы задач, решение которых относится к области ИИ:
1.автоматическое решение вычислительной задачи по её описанию, включая синтез алгоритма решения и построение вычислительной процедуры;
2.распознавание образов, которое включает: распознавание видеоизображений в виде отдельных объектов или анализа сцен, распознавание слуховых образов, например, речевых команд;
3.доказательство математических теорем;
4.моделирование интеллектуальных игр, в том числе имитационные деловые игры и развлекательные игры;
5.обучение и самообучение;
6.использование естественного языка в диалоговых системах с естественно-языковым интерфейсом и системах автоматического перевода с одного языка на другой;
7.создание интеллектуальных роботов;
8.выявление и представление различных видов знания, и их взаимодействия при решении задач, включая разработку экспертных систем.
9.Основные этапы развития искусственного интеллекта
1)Нейрон и нейронные сети (50-е). Появление первых машин последовательного действия. Задачи были вычислительного характера, для которых были известны схемы решений и которые можно описать на некотором формальном языке. Алан Тьюринг начал занимался проблемой машинного интеллекта, по меньшей мере, с 1941 года. Одно из самых первых его упоминаний о «компьютерном интеллекте» было сделано в 1947 году. В дальнейшем Тьюринг предложил тест на разумность машины. В 1950 году Тьюринг была опубликована статья «Вычислительные машины и разум».
Термин «искусственный интеллект» был предложен на семинаре Дартсмутского колледжа (США) в 1956 году.
2)Эвристический поиск(60-е). В «интеллект» машины добавились механизмы поиска, сортировки, простейшие операции по обобщению информации, не зависящие от смысла обрабатываемых данных.
3)Представление знаний (70-е). В 1969г. состоялась первая конференция по ИИ в Вашингтоне. Задача: придание искусственным системам способности обучаться. Отказ от поиска универсального алгоритма мышления, моделирование конкретных знаний экспертов. Появление понятия «экспертная система».
4)Обучающие машины (80-е). Появление интеллектуальных систем - консультантов, которые предлагали варианты решений, обосновывали их, способны были к обучению и к развитию, общались с человеком на привычном для него, хотя и ограниченном, естественном языке.