- •1 Направления искусственного интеллекта и понятие иис – 2 ч. [1; 2; 9]
- •1.1 Основные направления искусственного интеллекта и их характеристика. (Гаврилова)
- •1.1.1 Основные направления искусственного интеллекта и их характеристика. (Андрейчикова)
- •1.2 Состояние работ в области экспертных систем и направлениям искусственного интеллекта. (Попов)
- •1.3 Понятие интеллектуальной информационной системы (иис). (Андрейчикова)
- •1.5 Классификация иис. (Андрейчикова)
- •2 Понятие экспертных систем. – 2 ч. [1; 2; 3; 9]
- •2.1 2.2 2.3 Экспертные системы (эс). Назначение экспертных систем. Формальные основы экспертных систем. (Попов)
- •Назначение экспертных систем
- •Формальные основы экспертных систем
- •3 Архитектура экспертных систем и этапы разработки - 2 ч. [2; 8; 9]
- •3.3 Этапы разработки экспертных систем. (Попов)
- •5 Методы и модели представления знаний. (Попов)
- •5.1 Формальная логическая модель представления знаний. (Попов)
- •5.2. Семантическая модель представления знаний. (Попов)
- •5.3 Фреймовая модель представления знаний. (Попов)
- •5.4 Продукционная модель представления знаний. (Попов)
- •5.6 Модель представления знаний: “прецеденты”.
- •5.5 Модель доски объявлений для представления знаний.
- •5.7 Гибридные модели представления знаний
- •6 Методы поиска решений в эс
- •7 Понятие и определение нечетких знаний – 2 ч. [3; 14]
- •7.1 Нечеткие знания
- •7.2 Понятие лингвистической переменной, определение ее значения
- •7.3 Понятие нечеткого множества
- •7.4 Определение нечеткого множества (через базовую шкалу и функцию принадлежности)
- •7.5 Понятие функции принадлежности
- •7.6 Операции с нечеткими знаниями
- •8 Стратегии получения знаний - 2 ч. [3]
- •8.1 Извлечение знаний из данных, приобретение знаний, формирование знаний. Теоретические аспекты извлечения знаний.
- •Теоретические аспекты извлечения знаний
- •Психологический аспект извлечения знаний
- •Лингвистический аспект извлечения знаний
- •Гносеологический аспект извлечения знаний
- •Теоретические аспекты структурирования знаний
- •Историческая справка
- •Иерархический подход
- •Традиционные методологии структурирования
- •Объектно-структурный подход (осп)
- •9 Проектирование экспертных систем - 2ч. [1; 3]
- •9.1 Этапы проектирования экспертной системы: идентификация, концептуализация, формализация, реализация, тестирование, опытная эксплуатация.
- •9.4 Технология проектирования и разработки промышленных эс.
- •9.5 Характеристика этапов разработки эс.
- •9.6 Технология быстрого прототипирования эс.
- •9.7 Характеристика стадий разработки прототипа эс.
- •10 Понятие нейроинформатики, история развития
- •Задача обучения нейронной сети на примерах.
- •12.1 Интерфейс вывода нейросетевого блока
- •12.2 Интерпретатор нейросетевого блока
- •12.3 Блок «Учитель» нейроимитатора
- •12.4 Блок «Оценка»
- •4.3.8. Конструктор нейронной сети
- •12.7 Блок «Констрастер»
- •4.3.9. Контрастер нейронной сети
- •42. Схема работы интеллектуального компонента прогнозирования временных рядов показателей.
- •44. Персептрон Розенблатта.
- •46.Карта самоорганизации Кохонена.
- •45 Многослойный перцептрон и его обучение
5.4 Продукционная модель представления знаний. (Попов)
Продукционная модель или модель, основанная на правилах, позволяет представить знания в виде предложений типа "Если (условие), то (действие)".
Под "условием" (антецедентом) понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под "действием" (консеквентом) - действия, выполняемые при успешном исходе поиска (они могут быть промежуточными, выступающими далее как условия и терминальными или целевыми, завершающими работу системы).
Чаще всего вывод на такой базе знаний бывает прямой (от данных к поиску цели) или обратный (от цели для ее подтверждения - к данным). Данные - это исходные факты, хранящиеся в базе фактов, на основании которых запускается машина вывода или интерпретатор правил, перебирающий правила из продукционной базы знаний (см. далее).
Продукционная модель чаще всего применяется в промышленных экспертных системах. Она привлекает разработчиков своей наглядностью, высокой модульностью, легкостью внесения дополнений и изменений и простотой механизма логического вывода.
Имеется большое число программных средств, реализующих продукционный подход (язык OPS 5; "оболочки" или "пустые" ЭС - EXSYS Professional, Kappa, ЭКСПЕРТ; ЭКО, инструментальные системы ПИЭС [Хорошевский, 1993] и СПЭИС [Ковригин, Перфильев, 1988] и др.), а также промышленных ЭС на его основе (например, ЭС, созданных средствами G2 [Попов, 1996]) и др.
5.6 Модель представления знаний: “прецеденты”.
Помимо перечисленных существуют также и другие стратегии получения знаний, например, в случае обучения на примерах (case-based reasoning), когда источник знаний - это множество примеров предметной области [Осипов, 1997; Попов, Фоминых, Кисель, 1996]. Обучение на основе примеров (прецедентов) включает настройку алгоритма распознавания на задачу посредством предъявления примеров, классификация которых известна [Иберла, 1980].
Обучение на примерах тесно связано с машинным обучением. Различие заключается в том, что результат обучения в рассматриваемом здесь случае должен быть интерпретирован в некоторой модели, в которой, возможно, уже содержатся факты и закономерности предметной области, и преобразован в способ представления, который допускает использование результата обучения в базе знаний, для моделирования рассуждений, для работы механизма объяснения и т. д., то есть делает результат обучения элементом соответствующей технологии. Например, в системе INDUCE [Коов и др., 1988] порождается непротиворечивое описание некоторого класса объектов по множествам примеров и контр-примеров данного класса. В качестве языка представления используется язык переменно-значной логики первого порядка (вариант языка многозначной логики первого порядка).
5.5 Модель доски объявлений для представления знаний.
Дальнейшим развитием стратегий управления выводом стали системы black board (дословный перевод - системы с классной доской). Точнее отражает суть этой системы вывода название «доска объявлений».
Понятия об укрупненных модульных источниках знаний и организации широких взаимосвязей посредством общей структурированной доски объявлений были введены для системы HEARSA. Далее они развивались в других модификациях этой системы [97, 87]. Достаточно подробно работа систем с доской объявления описана в [94, 50].
Системы с доской объявлений организуют взаимодействие источников знаний через общую область памяти - так называемую доску объявлений. В нее помещаются активные источники знаний, текущий план решения, промежуточные результаты и текущие данные для решения задачи. Доска объявлений укрупнено содержит зону для предметной области и зону для планирования. Зона для предметной области предназначена для экспертных знаний по решаемой проблеме в пределах предметной области. Зона для планирования содержит рассуждения о функционировании.
Системы с доской объявлений основываются на понятии глобально доступной структуры данных и независимых источников знаний, которые связываются при последовательном формировании гипотез на доске объявлений. Процесс поиска решений в этих системах практически представляет собой процесс планирования формирования на доске объявлений гипотез и их проверки. Формирование гипотез - это выбор и активизация источников знаний и внесение последовательных изменений на доску объявлений. Следовательно, структуру данных, содержащую входные и промежуточные данные, а также окончательные результаты, можно рассматривать как структуру гипотезы. Кроме этой структуры, доска объявлений содержит информацию, связанную с управляющими действиями. Источники знаний могут иметь доступ к управляющей информации на доске объявлений; они строятся как управляющие или планирующие.
Элементом гипотезы является помеченный узел (или объект) в структуре гипотезы. Разбиение пространства поиска на доске объявлений наотдельные зоны (для предметной области и планирования) реализуется как декомпозиция узлов. Таким образом, зона для предметной области состоит из предметных узлов, зона для планирования - из узлов планирования. Узлы связываются между собой дугами, образуя структуры.
Источники знаний рассматриваются как порождающие правила, которые реагируют на изменения доски объявлений, вызываемые другими источниками знаний, и сами создают новые изменения. Для активизации источника знания про изводится операция сопоставления образца с содержимым доски объявлений. При сопоставимости создается узел записи активизации для источника знаний. Записи активизации конкурируют между собой за выполнение. Преодолению конфликтных требований может способствовать процедура планирования. Она заключается в том, что в конце выполнения каждого источника знаний исходя из текущего состояния определяется, какой источник знаний реализовывать следующим. Узел записи активизации на доске объявлений в зоне для планирования используется в качестве механизма для представления состояния активизации.
Управляющие (планирующие) источники знаний могут вносить в зону планирования дополнительные изменения, которые облегчают выбор записей активизации. Управляющие источники знаний могут вносить изменения также и в зону для предметной области. Зона для планирования является основой для решения задач планирования.