Информационные технологии управления
Методическое пособие - Компьютеры, программирование
Другие методички по предмету Компьютеры, программирование
?остранных языков.
Для реализации естественно-языкового интерфейса решаются проблемы морфологического, синтаксического и семантического анализа, а также задач синтеза высказываний на ЕЯ. Так, морфологический анализ предполагает распознавание и проверку правильности написания слов по словарям, синтаксический контроль - разложение входных сообщений на отдельные компоненты (определение структуры) с проверкой соответствия грамматическим правилам внутреннего представления знаний и выявления недостающих частей, и, наконец, семантический анализ - управление смысловой правильности синтаксических конструкций.
Синтез высказываний решает обратную задачу преобразования внутреннего представления информации в естественно-языковую.
Гипертекстовые системы используются для реализации поиска по ключевым словам в базах данных с текстовой информацией. Для более полного отражения различных смысловых отношений терминов требуется сложная семантическая организация ключевых слов.
Решение этих задач осуществляется с помощью интеллектуальных гипертекстовых систем, в которых механизм поиска работает сначала с базой знаний ключевых слов, а затем - с самим текстом.
Системы контекстной помощи относятся к классам систем распространения знаний. Также системы, как правило, являются приложениями к документации. Системы контекстной помощи - частный случай гипертекстовых и ЕЯ-систем.
Системы когнитивной графики - ориентированы на общение с пользователем ИИС посредством графических образов, которые генерируются в соответствии с изменениями параметров моделируемых или наблюдаемых процессов. Когнитивная графика позволяет в наглядном и выразительном виде представить множество параметров, характеризующих изучаемое явление.
Индивидуализм субъекта восприятия внешнего мира и себя сквозь призму (познавательной системы - персональных конструкторов).
Под экспертными системами понимается программные системы, выполняющие действия, аналогичные тем, которые выполняет эксперт в некоторой прикладной предметной области, делая определённые заключения в ходе выдачи советов и консультаций.
Самообучающиеся ИИС основаны на методиках автоматической классификации ситуации из реальной практики, или на методах обучения на примерах. Примеры реальных ситуаций составляют так называемую обучающую выборку. Её элементы описываются множеством классификационных признаков.
Стратегия обучения с учителем предполагает задание специалистом для каждого примера значений признаков, показывающих его отношение к определённому классу ситуаций.
При обучении без учителя система должна самостоятельно выделять классы ситуаций по степени близости классификационных признаков.
В результате обучения системы автоматически строятся обобщённые правила или функции, определяющие принадлежность ситуаций классам, которыми обученная система пользуется при интерпретации новых возникающих ситуаций.
Таким образом, автоматически формируется база знаний, используемая при решении задач классификации и прогнозирования. Эта база знаний периодически автоматически корректируется по мере накопления опыта реальных ситуаций, что позволяет сократит затраты на её создание и обновление.
Индуктивные системы позволяют обобщать примеры на основе принципа индукции от частного к общему. Процедура обобщения сводится к классификации примеров по значимым признакам. Алгоритм классификации включает следующие основные шаги:
Выбор классификационного признака из множества заданных.
Разбиение множества примеров на подмножества по значению выбранного признака.
Проверка принадлежности каждого подмножества примеров одному из классов.
Проверка окончания процесса классификации по совпадению классификационного признака.
При несовпадении признаков процесс повторяется снова.
Примером инструментальных средств, поддерживающих индуктивный вывод знаний, являются
1.1st Class (Programs in Motion)
.Rule master (Radian Corp.)
3.ИЛИАС (Argus Soft)
.KAD (ИПС Переяславль-Залесский)
Нейронные сети - в результате обучения на примерах строятся математические решающие функции (передаточные функции или функции активации), которые определяют зависимости между входными и выходными признаками (сигналами).
Каждая такая функция, называемая по аналогии с элементарной единицей человеческого мозга - нейроном, отображает зависимость значения выходного признака от взвешенной суммы значений входных признаков, в которой вес входного признака показывает степень влияния входного признака на выходной.
Чтобы создать нейронную сеть для решения какой-либо конкретной задачи, следует выбрать способ соединения и подобрать значения параметров межнейронных соединений.
Примеры:
1.Система прогнозирования динамики биржевых курсов для Chemical Bank
.Система прогнозирования для Лондонской фондовой биржи
.Управление инвестициями для Mellon Bank
В системах, основанных на прецедентах БЗ содержит описания конкретных ситуаций (прецедентов).
Поиск решения основывается на базе аналогий и включает следующие этапы:
1.Получение информации о текущей проблеме.
.Сопоставление полученной информации со значениями признаков прецедентов из базы знаний.
.Выбор прецедента из базы знаний