- •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
15.Правила продукции
-с-мы, в кот-х код вычисл-я упр-ся предусл-ми правил.
Продукционная м-ль сост. из 3 осн. компонентов:
-набор правил, исп-мых как БЗ;
-рабочая память, в к-рой хр-ся предпосылки, касающиеся конкрет. задач предм. области, и рзты выводов, получ-х на их основании
-мех-м логич. вывода, исп-щий правила в соотв-вии с содержимым раб. памяти
Особен-ти правил продукции по сравн-ю с др. моделями:
-предст-е зн-й весьма просто, а выводы, к-рые проводятся на основе формализма «если-то», легко понимаемы
-легкость модификации зн-й
-независ-ть правил, выр-щих самост-ные фрагменты зн-й
-дан. м-ль способствует прозрачности БЗ, т.е. возможности объянения хода реш-я
-метод легко исп-ся в простых однородных по св-вам задачах и приводит к резкому падению эф-ности реш-я таких проблем, к-рые состоят сложных и неск-ких разнородных задач
-особ-ть с-мы зн-й сост. в том, что пол-ль м. в теч. длительного периода накапливать и тщательно отрабатывать зн-я. Однако в этом сл. возможно, что по некот. причинам м. возникнуть зн-я, противореч-е полученным ранее
-для дан. типа зн-й имеется большое мн-во разл. стратегий вывода на продукцю, основными из к-рых явл. стратегии прямого и обратного вывода. Чаще всего в гибридных м-лях предст-я зн-й исп-ся правила пр-ции
16.Модель доски объявлений
Это комбинированный метод предст-я зн-й. Дан модель наиб. применима в случае, когда одна проблема конструируется из неск-ких частных проблем с разл. св-вами. При этом все источники зн-й м. работать независимо друг от друга и при возм-ти даже паралл-но. Для эф-ной реал-ции процесса обр-ки зн-й с-ма содержит мех-м управ-ния запуском источников зн-й в соотв-вии с тек. ситуацией.
Особ-ти м-ли доски объяв-й:
- явл одной из развитых модиф-ций продукционной с-мы
-целью созд-я доски об-ний явл созд-е такой с-мы, к-рая компенс-ет огранич-ть монотонных выводов, и м. примен-ся для реш-я сложных проблем за счет использ-я мех-ма разделения источников зн-й и согласования действий общей раб. памяти
-преим-вом доски об-ний при реш-и слож задач явл ярко выраж-ная независ-ть отд. подзадач
Одной из таких проблем явл задача распознования речи Hearsay-II. Она закл-ся в понимании разговора и сост. из неск-ких различ-хся по св-вам частных проблем, начиная с этапа обнаруж-я сигнала с голосовых детекторов, вплоть до понимания на выс. ур-не абстракций, когда послед-но провод-ся вычленение фонем, распознавание слов, постр-ние предлож-я и поним-е предл-ний.
17.Модель прецедентов
Осн идея формир-я БЗ на основе прец-тов (примеров): в с-ме поддерж-ся БЗ, сод-щая сов-ть прец-тов, т.е. рассм-х ранее ситуаций (фомально точек в многомерном простр-ве, некоторых признаков-атрибутов вместе с их решениями). С-ма позволяет сопоставлять имеющуюся ситуацию с прец-тами в БЗ и отыскивать один или неск-ко прец-тов, наиболее близких в смысле некот. метрики к имеющейся ситуации, предлагая тем самым возможные пути реш-я проблемы. Для осущ-я эф-ного доступа к прец-там произв-ся индексир-ние базы прец-тов, а индекс-е – это построение дерева реш-й. Обучение д-х с-м осущ-ся либо чел-ком, либо автом-ки с исп-нием мех-мов правил.
Преим-ва CBR-с-м (с-м прец-тов):
-в дан. с-мах эксперт рассуждает в привычных для него терминах – ситуациях реш-я (нет необх-ти формир-ть правила)
-дан с-мы м. автом-ки дообучаться без участия экспертов (самообучаемы)