- •1.Назначение эс
- •Важность эс состоит в следующем
- •К неформальным задачам относятся такие, кот обладают одной или неск хар-ми:
- •Особенности неформальных задач
- •Формальные основы эс (хрень, но вдруг пригодится)
- •2.Архитектура эс
- •3.Этапы разработки эс
- •Требования
- •Технология разработки эс
- •4.Основные направления исскуственного интелекта
- •5. Состояние работ в области экспертных систем и направлениям искусственного интеллекта.
- •Состояние работ в области экспертных систем
- •Состояние работ по новым напр-ям искусственного интеллекта
- •6.Клас-ция эс
- •7. Клас-ция инструм-ных ср-в
- •8. Характеристики типов задач
- •9. Представление знаний в эс
- •10.Состав и организачия знаний в эс Круг задач решаемых при представлении знаний включает след положения
- •11.Модели представления знаний
- •12.Логическая модель предст-я зн-й
- •Осн. Понятия логики предикатов
- •13.Семантические сети
- •14.Фреймы
- •15.Правила продукции
- •16.Модель доски объявлений
- •17.Модель прецедентов
- •18.Методы поиска решений в эс
- •19.Стратегии поиска решений в эс
- •20.Эвристические методы поиска в эс
- •21. Понятие нейроинформатики, история развития
- •22. Биологический и формальный нейрон.
- •23.Элементы нейронных сетей их обозначение
- •24. Типы нейронных сетей их обозначение
- •25 Основные достоинства и недостатки нс по сравнению с эс
- •26. Состав и структура нейросетевого интеллектуального блока
- •28. Интерпретатор нейросетевого блока
- •29 Блок «Учитель» нейроимитатора
- •30 Блок «Оценка»
- •34. Задачник нейросетевого блока
- •40. Понятие логически прозрачных нейронных систем.
- •1) Контрастирование нс – сведение ее связей до минимума для данных 2)Вербальное описание (формирование явных знаний).
- •Метод дифференциального обучения Хэбба
- •Теорема об обучении персептрона.
- •45 Многослойный перцептрон и его обучение
- •Обучение методом обратного распространения ошибок.
- •Формула1.
- •Формула 2
- •Формула 3
- •46.Карта самоорганизации Кохонена.
- •47. Гибридные модели представления знаний
25 Основные достоинства и недостатки нс по сравнению с эс
Важно отметить различие в характере неявных “знаний”, запомненных искусственной нейронной сетью, и явных, формальных “знаний”, заложенных в экспертных системах. Некоторые сходства и различия представлены в следующей таблице.
|
Экспертные системы (ЭС) |
Нейросетевые системы (НС) |
Источник знаний |
Формализованный опыт эксперта, выраженный в виде логических утверждений - правил и фактов, безусловно принимаемых системой |
Совокупный опыт эксперта-учителя, отбирающего примеры для обучения + индивидуальный опыт обучающейся на этих примерах нейронной сети |
Характер знаний |
Формально-логическое “левополушарное” знание в виде правил |
Ассоциативное “правополушарное” знание в виде связей между нейронами сети |
Развитие знаний |
В форме расширения совокупности правил и фактов (базы знаний) |
В форме дообучения на дополнительной последовательности примеров, с уточнением границ категорий и формированием новых категорий |
Роль эксперта |
Задает на основе правил полный объем знаний экспертной системы |
Отбирает характерные примеры, не формулируя специально обоснование своего выбора |
Роль искусст-й системы |
Поиск цепочки фактов и правил для доказательства суждения |
Формирование индивидуального опыта в форме категорий, получаемых на основе примеров и категоризация образов |
Различия в характере экспертных и нейросетевых ситем обуславливают и различия в их сферах применения. Экспертные системы применяются в узких предметных областях с хорошо структурированными знаниями, наример в классификации неисправностей конкретного типа оборудования, фармокологии, анализе химсостава проб и т.д. Нейронные сети применяютмся кроме перечисленных областей и в задачах с плохо структурированной информацией, например при распознавании образов, рукописного текста, анализе речи и т.д.
26. Состав и структура нейросетевого интеллектуального блока
Интерпретатор – преобразует выборку в тот вид, который понимает пользователь
Учитель – настраивает коэф-ты a1…a3, используя методы оптимизации
Оценка – блок определения ошибки сети
Конструктор – формирует структуру, начиная с минимальной до достаточной сложности, обеспечивающей требуемые параметры обучения
Контрастер – сводит число связей до минимально необходимого, но обеспечивающего заданную точность или оценку
Задачник – формирует выборки
Предобработчик – фильтрует данные
Интерфейс вывода – выдает информацию пользователю
27 = 36 Интерфейс вывода нейросетевого блока
Каждую вычислительную систему при рассмотрении интерфейса человек-компьютер можно оценивать двумя критериями: точность и удобство. Точность означает, что при поступлении на вход системы заданных значений на ее выходе получаются заданные результаты (проверяют тестированием).
Стратегия разработки интерфейса человек-компьютер:
интерфейс может являться отдельным компонентом системы.
максимальное использование возможностей аппаратных и программных средств, современных информационных технологий, мультимедиа и графики;
использование библиотек стандартных программных средств, классов, обеспечивающих стандартизированный подход к построению интерфейса;
учет возможностей конкретных технических средств при построении интерфейса;
учет возможностей потенциальных пользователей системы;
активное привлечение пользователя при разработке интерфейса системы,
разработка средств адаптации в рамках интерфейса, т.е. возможность его настройки на нужды разных пользователей, а также одного пользователя в разные периоды его работы.
Интерфейс включает два основных компонента:
процесс диалога,
набор процессов ввода-вывода,.
Процесс диалога – это механизм обмена информацией, который можно рассматривать как оболочку, включающую все входящие в систему процессы по выполнению определенных заданий.
Диалоговые процессы можно классифицировать по формату поддерживаемых входных сообщений (грамматике) и способу ведения диалога.
Обычные интерфейсы иначе называют «слепыми». Пересылка информации осуществляется в виде простого (механического преобразования), т.е. нажатия клавиш вызывают выполнение определенных фиксированных процедур без анализа действий пользователя и вводимой информации. Интерфейс вывода нейросетевого блока является интеллектуальным, т.е. адаптивным.
Адаптивные интерфейсы обеспечивают расширение обычных в определенных пределах, т.е., начиная от простейшего контроля сообщений и до полной адаптации пользователя.
Интеллектуальные интерфейсы как бы пытаются расширить взаимодействия между человеком и компьютером с помощью: увеличения диапазона способов ввода и вывода, посредством которых происходит взаимодействие; обогащения грамматике ввода вывода; попытки кооперации с пользователем в достижении целей задачи.