1. Интеллектуальные системы и признак структурированности задач. Системы для частично структурированных задач
Вид материала | Документы |
- Рабочая программа учебной дисциплины (модуля) Интеллектуальные системы принятия проектных, 94.67kb.
- Говоря простым языком, системы баз знаний это искусство, которое использует достижения, 267.75kb.
- Программа вступительного испытания собеседования для магистерской программы «интеллектуальные, 135.51kb.
- Решение задач повышенной сложности по теме: «Уравнения и системы уравнений», 141.17kb.
- Экзаменационные билеты по дисциплине «операционные системы и среды», 429.29kb.
- А. М. Иванов Научно-информационный материал «Методические материалы к практическим, 91.96kb.
- Лекция №10: «Интеллектуальные системы принятия решений и управления в условиях конфликта», 581.94kb.
- Современные предприятия постепенно начинают понимать необходимость использования интегрированных, 22.91kb.
- Динамика Солнечной системы, 11.55kb.
- Курс лекций "Экспертные системы" (Для студентов заочного обучения юридического факультета, 84.44kb.
1. Интеллектуальные системы и признак структурированности задач. Системы для частично структурированных задач.
Структурированная информация - имеется вся входная информация и простой алгоритм.
Неструктурированная информация - нет полной входной информации и алгоритмов решения. Применяется эвристический подход на основе догадок и соображений (например при игр в шахматы). Практически не подлежит обработки на средствах вычислительной техники.
Слабоструктурированная информация – имеются отдельные связи между элементами входной информации, возможность создать алгоритм решения. На выходе даются несколько возможных вариантов ответов. Для них используют: ИС, которые разрабатывают альтернативные решения (модельные и экспертные системы) и ИС, создающие управленческие отчеты.
Экспертные системы – экспертная поддержка приминаемых пользователем решений.
Модельные системы – работают в среде типовых математических моделей при решении задач, отвечающих на 2 вопроса «что будет, если …» и « как сделать, чтобы …». Для них свойственно: достаточно быстрая и адекватная интерпретация результатов моделирования, оперативная подготовка и корректировка входных параметров и ограничений, возможность графического представления динамики, дружественный интерфейс.
ИС, создающие управленческие отчеты – информационная поддержка пользователей, обеспечение доступа к БД. Возможности: комбинация данных из различных источников, автоматическая смена источников при поиске данных, СУБД, логическая независимость данных из различных БД, автоматическое отслеживание потока информации дли наполнения БД.
2. Условия для разработки и внедрения экспертных систем.
- Нехватка специалистов, затрачивающих значительное время на оказание помощи другим.
- Снижение производительности.
- Большое расхождение между решениями самых квалифицированных и неквалифицированных специалистов данной области.
- Наличие конкурентов, которые лучше справляются с поставленной задачей.
3. Задачи, подходящие для создания для экспертных систем.
- Должны быть узкоспециализированной
- Не зависят в значительной степени от общечеловеческих знаний или соображений здравого смысла.
- Для эксперта задача не является слишком сложной или слишком простой.
4. Этапы проектирования ЭС.
- Выбор проблемы: определение предметной области и задачи, которой требуется решение, поиск эксперта и коллектива разработчиков, предварительный подход к решению проблемы, анализ расходов и прибыли, подробный план разработки.
- Разработка прототипа ЭС: возможность проверки правильности кодирования факта, связей и стратегий рассуждения эксперта, идентификация проблемы, извлечение знаний (получение от эксперта наиболее полного представления о предметной области и способах принятия решения), структурирование знаний, формализация знаний, реализация, тестирование.
- Доработка допромышленной системы: демонстрационный прототип, исследовательский прототип (наполнение правилами), действующий прототип (решение задач на реальных примерах, промышленная ЭС.
- Стыковка ЭС.
- Поддержка.
6. Основные блоки ЭС.
Пользователь – специалист предметной области, для которого предназначена система.
Инженер по знаниям – человек / группа лиц, которые обладают знаниями в области информационных технологий и выступают в роли промежуточного звена между экспертом и БЗ.
Эксперт – высококвалифицированный специалист(ы) выбранной предметной области.
Интерфейс пользователя – комплекс программ, реализующих диалог пользователя с ЭС на стадии ввода данных и получения результатов.
Машина логического вывода – программа, моделирующая ход рассуждения эксперта на основании знаний из БЗ.
Подсистема объяснений – программа, позволяющая пользователю получить информацию о процессе размышлений.
Интеллектуальный редактор БЗ – программа, позволяющая инженеру по знаниям создавать БЗ в диалоговом режиме.
7. Коллектив разработчиков ЭС.
Пользователь – специалист предметной области, для которого предназначена система.
Инженер по знаниям – человек / группа лиц, которые обладают знаниями в области информационных технологий и выступают в роли промежуточного звена между экспертом и БЗ.
Эксперт – высококвалифицированный специалист(ы) выбранной предметной области.
8. Различия БД и БЗ.
Данные – отдельный факты, характеризующие объекты, процессы и явления предметной области, а так же их свойства. Источник – результаты наблюдений, измерений, справочники, таблицы, … Язык описания – язык описания данных SQL. Хранение – БД. Модели представления – иерархическая, сетевая, реляционная.
Знания – закономерности предметной области, полученные в результате профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области. Источники – результаты мышления, пособия, учебники. Язык описания – язык описания знаний Пролог. Хранение – БЗ. Модели представления – продукционная модель, семантические сети, фреймы.
9. Свойства знаний.
- Внутренняя интерпретация – в памяти хранятся не разрозненные объекты, а объекты и связи между ними (предприятие «1», местонахождения «2», номенклатура «3»).
- Внутренняя структура связей – информационные единицы находятся в определенном отношении, имеющем классификацию (ВУЗ – фак-тет – курс – группа – студент).
- Внешняя структура связи – позволяет описать отдельный объект в отношении к другому объекту. («ВУЗ – фак-тет – курс – группа – студент» проходит практику «предприятие «1», местонахождения «2», номенклатура «3»»)
- Шкалирование – ведение соотношения между различными информационными единицами и упорядочение информационных единиц путем измерения интенсивности отношений и свойств.
- Наличие семантической метрики.
Семантики:
- значение или объективное содержание информации
- концептуальный смысл (определенная связь между различными понятиями)
- личностный смысл (отражение системы взглядов эксперта)
- прагматический смысл (текущие знания о конкретной ситуации)
- Наличие активности – знания позволяют выводить новые знания, что дает возможность решать не только типовые задачи, но и принципиально новые.
10. Продукционная модель знаний.
Если (условие), то (действие). Условие – некоторое предложение, образец для поиска в БЗ. Действие – то, что происходит при успешном поиске. Действие может быть промежуточным (продолжение вывода по правилам) и целевым (получение конечного результата).
1 – Если А, то В; 2 – Если В, то С; 3 – Если С, то Д. (1 и 2 – промежуточные, 3 – целевое).
Плюсы: наглядность, высокая модульность, мягкость внесения дополнения и изменений, простота механизма логического вывода.
Минусы: трудность обеспечения непротиворечивости, при большом количестве условий и действий (Если С, то А – приведет к цикличности).
12. Семантические сети.
Семантическая сеть – ориентированны граф, вершины которого – понятия, а дуги – отношения между понятиями. Соответствуют представлению об организации долговременной памяти человека.
Понятия: понятие (существительное), события (глаголы), свойства (прилагательные).
Отношения: лингвистическое, логическое (И ИЛИ), теорико-множественное (ЧАСТЬ ЧЕЛОЕ), кванторы общности (ЛЮБОЙ СУЩЕСТВУЕТ).
Основной недостаток – сложность внесения изменений и построения машины логического вывода.
13. Фреймы.
Частный случай семантической сети с более строгой структурой.
Любой фрейм имеет: имя фрейма, имя слота, значение слота, способ получения значения, присоединенная процедура.
Способы получения: явно из диалога с пользователем, наследование свойств, по формуле, через присоединенную процедуру (Демоны – пользователь их не вызывает, они активируются при изменении информации в слоте, ЕСЛИ ДОБАВЛЕНО, ЕСЛИ УДАЛЕНО, ЕСЛИ ИЗМЕНЕНО. Слуги – работают по запросу и определяются пользователем при создании фрейма.)
Плюсы: отображение концептуальной основы организации памяти человека, гибкость, наглядность.
Минусы: сложно построить машину логического вывода.
15.Стратегия получения знаний.
Идентификация проблемы – Получение знаний – Структурирование.
Получение знаний: Без применения ЭВМ – извлечение знаний; С применением ЭВМ – приобретение знаний, формирование знаний.
Извлечение знаний – процедура взаимодействия эксперта с источником знаний, в результате которой становятся явными процесс рассуждения специалиста при принятии решения и структура их представления.
Приобретение знаний – процесс наполнения БЗ экспертом с использованием спец ПО.
Формирование знаний – процесс анализа данных и выявления скрытых закономерностей с использованием специального математического аппарата и программных средств.
16. Психологический аспект извлечения знаний.
- Контактный слой – атмосфера в коллективе разработчиков ЭС
- Процедурный слой – ситуация общения (место, время)
- Когнитивный слой – это механизмы при использовании которых человек познает окружающий мир.
Инженер по знаниям не должен навязывать эксперту свою модель.
Инженер по знаниям и эксперт должны четко осознавать цель процедуры извлечения знаний и по мере возможностей рисовать схему рассуждений эксперта.
17. Лингвистический аспект извлечения знаний. Общий код.
Общий код состоит из: Бытовой язык (Эксперт и инженер), Спец. термины (Эксперт), Спец. термины из литературы (Инженер), Общенаучные термины (Эксперт и Инженер).
Разработка общего кода заканчивается формированием словаря терминов предметной области с группировкой их по смыслу.
Словарь пользователя – доработка словаря общего кода.
18. Гносеологический аспект извлечения знаний. Проблемы применения критериев научного знания.
Гносеологический аспект касается методологических проблем получения нового знания.
Действительность – Сознание эксперта – Сознание инженера по знаниям – Поле знаний – БЗ экспертной системы.
19. Текстологические методы извлечения знаний.
Пригодны для хорошо документированной предметной области. Задача извлечения знаний из текста ставится, как задача понимания и выделения смысла текста. Текстологические методы способствуют составлению словаря предметной области.
20. Пассивные методы извлечения знаний.
Наблюдение.
«Мысли вслух» - рассуждение эксперта.
Лекция – готовит эксперт 2-5 штук – изложение основных понятий. Инженер по знаниям уточняет, задавая вопросы.
Типы инженера по знаниям и эксперта: мыслитель, собеседник, практик.
21. Активные групповые методы извлечения знаний.
«Круглый стол». Обычно не умеют слушать друг друга. Не смысла проводить 2 раза.
«Мозговой штурм» (применим в предметной области, где нет четко выраженного способа принять решение) – трудно протоколировать, эффективен в 1 раз.
«Ролевые игры» - интересно экспертам, сомнительная продуктивность.
22. Активные индивидуальные методы извлечения знаний.
Анкетирование эксперта – возможность анкетирования нескольких экспертов, но без обратной связи.
Интервью – наличие обратной связи.
Свободный диалог – имеет смысл при слабом документировании предметной области. Инженер по знаниям должен иметь больше знаний, чем при интервью.
Экспертные игры – создание программы, моделирующей ситуацию.
24. Объектно-структурный анализ знаний о предметной области.
Уровни Статьи | Предметная область | Проблема | Задача | Подзадачи |
Зачем знания? Кто знания? Что знания? Как знания? Где знания? Когда знания? Почему знания? Сколько знания? | | | | |
Знания – стратегический анализ назначений функции ЭС.
Кто … - организационный анализ коллектив разработчика системы.
Что … - концептуальный анализ – основные понятия и структура понятий.
Как … - функциональный анализ – методы и модели принятия решений.
Где … - пространственный анализ – окружение, оборудование, коммуникации.
Когда … - временной анализ – временные параметры и ограничения.
Почему … - причинно-следственный анализ для формирования подсистемы объяснений.
Сколько … - экономический анализ – затраты, прибыль, окупаемость.
25. Алгоритм формирования поля знаний.
- Определение входных и выходных данных. Их структура существенно влияет на форму и содержание поля знаний.
- Составление словаря терминов и набора ключевых слов.
- Выявление объектов и их характеристик.
- Выявление связей между понятиями.
- Выявление метапонятий (более общих) и детализация понятий.
- Построение пирамиды знаний.
- Определение отношений.
11. Стратегии управления выводом на знаниях.
Прямой вывод. Имеется ряд правил и ограничений. При подставлении их в условия получаем искомый результат. (Вход «любит солнце», «активный человек». Получаем: «любит солнце» - «отдыхать летом»; «любит солнце» и «активный человек» - «ехать в горы»).
Обратный вывод. Имея определенные условия и желаемый результат находим необходимые правила и ограничения.
14. Схема машины логического вывода. Особенности вывода на знаниях.
Критерии остановки машины логического выводы: появилась достоверная гипотеза, заданы все вопросы по свидетельству, если все гипотезы вероятны.
26. Уровни реализации модели НС. Нейрокомпьютер.
Нейрокомпьютер – программно-техническая система, которая реализует некоторую формальную модель естественной нейронной сети.
Уровни моделирования НС:
0 – теоретический.
1 – программный – реализация НС с помощью традиционных языком программирования на обычных компьютерах.
2 – программно-аппаратный – предполагает наличие сопроцессоров для ускорения НС.
3 – аппаратный – физическая реализация НС.
28. Типы нейронных сетей и типы нейронов в сети.
Входные. Вход – кодированный образ внешней среды.
Выходные – с которых определяется выход результата.
Промежуточные – принимают сигнал одних и передают другим.
29. Классы задач, решаемые НС.
Задача классификации образов – связаны с распознаванием текста и изображений.
Кластеризация.
Аппроксимация функции.
Задачи прогнозов.
Задачи оптимизации.