Руководство по изучению дисциплины «Системы искусственного интеллекта»

Вид материала

Радиально-базисной функцией
Распознавание образов
Решатель (машина логического вывода, дедуктивная машина, интерпретатор)
Семантический анализ
Синтаксический анализ
Структурный метод.
Теорема сходимости персептрона
Технология синтеза экспертной системы
Хилтон – см. Вильямс
Экспертная система (система, основанная на знаниях)
Экстенсионал понятия
8. Материально-техническое обеспечение дисциплины

Подобный материал:

1 2 3 4

Радиально-базисной функцией (RBF) называется функция, радиально изменяющаяся вокруг некоторого центра, заданного вектором, и принимающая ненулевые значения только в окрестности этого центра. Ее аргументом является расстояние между текущим и заданным векторами. В некотором смысле нейроны, имеющие радиально-базисные активационные функции, являются логическим дополнением нейронов со ступенчатыми и сигмоидными активационными функциями.

Распознавание образов – одно из направлений развития искусственного интеллекта. К распознаванию образов в искусственном интеллекте относят широкий круг проблем: распознавание изображений, символов, текстов, запахов, звуков, шумов. На рынке программных средств имеются системы, основанные на распознавании по признакам, оснащенные базами данных и знаний, имеющих возможность адаптации и обучения. Однако в последнее время становятся популярными гибридные системы, в которых наряду с технологиями экспертных систем используются и нейросетевые технологии.

Решатель (машина логического вывода, дедуктивная машина, интерпретатор) – одна из составных частей экспертной системы. Решатель – (синонимы: дедуктивная машина, блок логического вывода) – программа, моделирующая ход рассуждений эксперта на основании знаний, имеющихся в базе знаний.

Розенблатт – ученый материализовавший в 1958 г идеи Мак-Каллока и Питтса сначала в виде компьютерной программы для ЭВМ IBM-794, а затем, спустя два года, в виде электронного устройства, моделирующего человеческий глаз. Это устройство, имеющее в качестве элементной базы модельные нейроны Мак-Каллока – Питтса и названное персептроном, удалось обучить решению сложнейшей интеллектуальной задачи – распознаванию букв латинского алфавита. Таким образом, удалось проверить основные гипотезы функционирования человеческого мозга и сам механизм его обучаемости. «Нельзя сказать, что мы точно воспроизводим работу человеческого мозга, – признавал Фрэнк Розенблатт, – но пока персептрон ближе всего к истине». Для некоторого класса интеллектуальных систем распознавания образов Фрэнком Розенблаттом в 1950-х гг был введен Термин «персептрон».

Румельхарт – см. Вильямс.

С

Саймон – американский экономист и социолог, исследователь в области теории управления, моделирования социальных процессов. В 1957 г он сделал ряд предсказаний по поводу развития искусственного интеллекта. Приведем некоторые из них:

в ближайшее десятилетие ЭВМ завоюет титул чемпиона мира по шахматам;
в пределах десяти лет ЭВМ откроет и сумеет доказать важную новую математическую теорему;
в десятилетний срок большинство теорий в области психологии примет вид программ для вычислительной машины.

Семантический анализ – анализ смысла каждого предложения на основе базы знаний, на которую ориентирована конкретная программа-переводчик.

Семантическая сеть представляет собой ориентированный граф, вершинами которого являются понятия, а дугами – отношения между ними. Сам термин «семантическая» означает смысловая.

Основным преимуществом этой модели является наглядность представления знаний, а также соответствие современным представлениям об организации долговременной памяти человека. Недостаток – сложность поиска вывода, а также сложность корректировки, т.е. удаления и дополнения сети новыми знаниями.

Сегментация – отнесение элементов изображения либо к компонентам образа, либо к фону. Обычно изображение состоит из двух частей: компонентов образа, подлежащего распознаванию, и фона. Существуют два метода сегментации – разделение по порогу и обнаружение края.

Синтаксический анализ – анализ предложений, грамматики и связей между словами.

Система с интеллектуальной поддержкой – система, способная самостоятельно принимать решения.

Под способностью системы самостоятельно принимать решение необходимо понимать способность системы получать и анализировать информацию, понимать ее и делать новые выводы (пополняя ее), формулировать заключения, т.е. «мыслить», помогая естественному интеллекту – человеку, который, в свою очередь, корректируя, «улучшает» принятое интегрированное решение.

Структурный метод. Распознаваемый объект описывается как граф, узлами которого являются элементы входного объекта, а дугами — пространственные отношения между ними. Системы, реализующие подобный подход, обычно работают с векторными изображениями.

Структурными элементами являются линии, составляющие символ. Так, для буквы «р» – это вертикальный отрезок и дуга.

Сущность – это объект произвольной природы, принадлежащий реальному или воображаемому (виртуальному) миру. На самом общем уровне сущности делятся на следующие категории (классы): предмет, свойство (атрибут), состояние, процесс, событие, оценка, модификатор, квантификатор, модальность. Любое понятие относится к одной из этих категорий .

Сущность предметной области необходимо адекватным образом представить в памяти вычислительной машины, чтобы с ее помощью обеспечить поиск, анализ, обработку и выдачу накопленной информации в форме, удобной для принятия решений. Эта задача может быть решена путем использования соответствующих средств описания предметной области, предоставляющих необходимые базовые понятия, инвариантные по отношению к любым предметным областям, и правила, позволяющие строить более сложные синтаксические конструкции на основе базовых. Средства предоставления информации о предметной области различные исследователи называют по-разному.

Под понятием (концептом) понимается класс сущностей, объединяемых на основе общности признанных (атрибутивных) структур.

Следует отметить, что наиболее естественным для человека способом описания любых сущностей предметных областей является соотнесение с ними в собственной памяти совокупности определенных понятий (простых и сложных), образующих понятийную структуру предметной области, а в памяти ЭВМ – как правило, некоторых объектов, состоящих из атрибутов со значениями (хотя это, безусловно, не единственный способ реализации описания понятий в памяти ЭВМ).

Т

Таксон – см. классификация.

Тестирование – один из этапов технологии разработки экспертной системы. На этом этапе эксперт и инженер по знаниям в интерактивном режиме, используя диалоговые и объяснительные средства, проверяют компетентность экспертной системы. Процесс тестирования продолжается до тех пор, пока эксперт не решит, что система достигла требуемого уровня компетентности.

Теорема сходимости персептрона Формулируется следующим образом. Если существует множество значений весов, которые обеспечивают конкретное различение образов, то в конечном итоге алгоритм обучения персептрона приводит либо к этому множеству, либо к эквивалентному ему множеству, такому, что данное различение образов будет достигнуто.

Интересно отметить, что по числу выполненных доказательств теорема сходимости персептрона занимает одно из первых мест в мире. Ранее самой доказанной в мире теоремой считалась теорема Пифагора.

Технология синтеза экспертной системы – технология создания на основе знаний экспертов систем, решающих неформализованные задачи в слабоструктурированных предметных областях.

В общем случае все интеллектуализированные системы можно подразделить на решающие задачи анализа и на решающие задачи синтеза. Примерами задач анализа являются задачи интерпретации данных и диагностики. Примерами задач синтеза являются задачи проектирования и планирования. Комбинированные задачи – задачи обучения, мониторинга, управления.

Типизация – группировка объектов на основе соответствия их интенсионалов некоторому эталону. Полученный при этом класс объектов именуется типом.

У

Усовершенствование прототипа – один из этапов технологии разработки экспертной системы. Усовершенствование прототипа осуществляется в процессе циклического прохождения через этапы выполнения и тестирования для отладки правил и процедур вывода.

Уидроу Б.– см. Хофф М.Е..

Ф

Фрейм – это модель абстрактного образа, минимально возможное описание сущности какого-либо объекта, явления, события, ситуации, процесса. Фрейм состоит из имени и отдельных единиц, называемых слотами. Он имеет однородную структуру:

В качестве значения слота может выступать имя другого фрейма. Таким образом фреймы объединяются в сеть. Свойства фреймов наследуются сверху вниз, т.е. от вышестоящих к нижестоящим через АКО-связи (начальные буквы английских слов «A Kind Of», что можно перевести как «это»). Слот с именем АКО указывает на имя фрейма более высокого уровня иерархии. Если одно и тоже свойство указывается в нескольких связанных между собой фреймах, то приоритет отдается нижестоящему фрейму.

Основным преимуществом фреймов как способа представления знаний является наглядность и гибкость в употреблении. Кроме того, фреймовая структура согласуется с современными представлениями о хранении информации в памяти человека.

В основе этого способа представления знаний лежит идея о том, что любые знания можно представить в виде совокупности понятий (объектов) и отношений (связей).

Формализация – один из этапов технологии разработки экспертной системы. На этом этапе определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, оценивается адекватность целям системы зафиксированных понятий, методов решения, средств представления и манипулирования знаниями.

Х

Хофф М.Е. и Уидроу Б. – произвели обобщение персептрона. Вместо ступенчатой ввели непрерывную нелинейную функцию активации. Эту функцию назвали сигмоидой из-за того, что ее графическое изображение напоминает латинскую букву «S». Другое название сигмоиды – логистическая функция. Практически сигмоида обеспечивает непрерывную аппроксимацию классической пороговой функции. Персептроны с сигмоидными активационными функциями с одним выходом назвали адалайн, с несколькими выходами – мадалайн (от английских слов ADAptive Linear NEuron и Many ADALINE). Появление персептронов с непрерывными активационными функциями обусловило и новые подходы к их обучению. Уидроу и Хофф предложили минимизировать среднеквадратичную ошибку, определяемую как разность между требуемытребуемыми и реальными выходными сигналами персептрона:

Хилтон – см. Вильямс.

Хехт-Нильсен – доказал принципиальную возможность построения нейросети, выполняющей преобразование, заданное любой обучающей выборкой различающихся между собой примеров, и установил, что такой универсальной нейросетью является двухслойный персептрон (т.е. персептрон с одним скрытым слоем) с конечным числом нейронов и сигмоидными передаточными функциями. Его труды были основаны на работах Д. Гильберта, А. Н.Колмогорова и В. И.Арнольда.

Хопфилд - ученый, обративший внимание на то, что динамический процесс, возникающий в замкнутой самой на себя рекуррентной сети может привести к некоторому устойчивому состоянию, отличающемуся от исходного. Другими словами, итерационный процесс рекуррентной сети может вывести на стационарный режим, при котором состояние сети перестанет меняться. Причем это конечное стационарное состояние сети зависит как от ее первоначального состояния, так и от значений элементов матрицы синаптических весов (сеть Хопфилда).

Ш

Шаблонный метод. В большинстве систем шрифт, подлежащий распознаванию, хорошо известен и распознавание является лишь вопросом использования эталонов. В этом случае просто нужно ввести некоторый допуск на расхождение между символом и шаблоном с учетом дефектов печати и помарок на бумаге.

Э

Эксперт – высококвалифицированный специалист, согласившийся поделиться опытом в рассматриваемой предметной области.

Экспертная система (система, основанная на знаниях) – это сложный программный комплекс, аккумулирующий знания специалистов в конкретных предметных областях и тиражирующий эти знания для консультаций менее квалифицированных пользователей. Обычно в состав экспертной системы входят следующие взаимосвязанные между собой модули: база знаний; интеллектуальный редактор базы знаний; интерфейс пользователя; решатель; подсистема объяснений.

Экспертная система работает в двух режимах – приобретения знаний и решения задач или консультаций.

В режиме приобретения знаний происходит формирование базы знаний. В режиме решения задач общение с экспертной системой осуществляет конечный пользователь.

Экстенсионал понятия – это совокупность всех его допустимых денотатов, соответствующих концепту этого понятия.

Эвристическое программирование. Невозможность или неумение алгоритмически описать процедуру решения задачи привели к попыткам алгоритмического описания действий людей, решающих подобные задачи. На основе анализа этих описаний строятся алгоритмы, повторяющие действия, которые используются для решения задачи. Это направление получило наименование эвристического программирования. Практика показала, что эвристические программы часто приводят к цели, однако гарантировать достижение цели всегда, а также приобрести уверенность, что с их помощью получается оптимальное решение, невозможно. Если удается найти точные оценки применимости и результативности эвристических программ, то они перестают быть эвристическими и превращаются в обычные программы для алгоритмизированных задач.

Ограниченность эвристического подхода демонстрирует система простых эвристических правил, рекомендуемых при решении школьных геометрических задач:

выпишите, что дано;
выпишите, что следует доказать;
сделайте чертеж;
выпишите перечень относящихся или могущих относиться к задаче теорем;
наметьте план решения, т.е. сформируйте промежуточные подцели;
приступите к процедуре решения (доказательства).

Выполнение этих правил помогает решить задачу, однако их недостаточно. Необходимы еще знание геометрии, удача, интуиция или знание при выборе подцелей, т.е. знание предметной области, из которой взята задача

Таким образом, основной недостаток эвристических программ заключается в том, что, используя знания о поведении человека при решении творческих задач, они не используют в достаточной мере знания о свойствах и особенностях той предметной области, в рамках которой должна решаться задача.

Я

Ясницкий Л.Н. предложил в 1973 г геометрическую интерпретацию процесса решения краевых задач, обеспечивающую успех применения метода Треффтца. Ясницкий Л.Н. решил проблему сходимости и корректности, построил методику выбора базисных функций.

7. Средства обеспечения освоения дисциплины

Стандартное программное обеспечение с установленным программным пакетам Neural Network Wizard.

8. Материально-техническое обеспечение дисциплины

Стандартный компьютерный класс с установленными программами из п.7.

9. Перечень лабораторных работ

Выбор оптимальной конфигурации нейронной сети с использованием программы Neural Network Wizard
Интеллектуальные системы распознания образов
Интеллектуальные системы распознания текстов
Системы интеллектуального математического моделирования
1. Рейтинг-план

ОЦЕНКИ: «отлично» - более 850 баллов; «хорошо» - 701-850 баллов; «удовлетворительно» - 551-700 баллов		По дисциплине «Системы искусственного интеллекта»			Курсовая работа – нет Лекции – 17 час. Лабор. работы – 17 час. Практические занятия – нет Реферат - 8 семестр
		Для студентов специальности 080801 “Прикладная информатика (в экономике)”
		На 8 семестр 2005/2006 уч. года
		Лектор – Меньшенин С.Е..
Номер модуля	Тема количество баллов						Рубежный контроль	Макс. балл модуля
	Лекции		Лабораторные занятия	Домашнее задание (реферат)
1	2		3	4			5	6
Модуль 1	Направления развития искусственного интеллекта. Системы, основанные на знаниях и нейроинформатика		1. Выбор оптимальной конфигурации нейронной сети с использованием программы Neural Network Wizard				Текущий контроль
	50		100					150
Модуль 2	Распознавание образов и интеллектуальные игры		1. Интеллектуальные системы распознания образов 2. Интеллектуальные системы распознания текстов	Выполнение 60-80% работы над рефератом			Текущий контроль
	50		200	100				350
Модуль 3	Компьютерное творчество и интеллектуальное математическое моделирование		1. Системы интеллектуального математического моделирования	Защита реферата			Текущий контроль
	50		100	150				300
Итого	150		400	250				800
Текущая аттестация – зачет								200
Всего по дисциплине								1000
Преподаватель						Меньшенин С.Е.
Зав. кафедрой МиСТ доцент, д.т.н.						Безуглов А.М.

Blog

Руководство по изучению дисциплины «Системы искусственного интеллекта»