- •Тверской государственный университет н.А. Семенов Интеллектуальные информационные технологии
- •Введение
- •Глава 1. Интеллектуальные информационные системы
- •1.2. Данные и знания
- •Эволюция развития информационных систем
- •1.4. Основные разновидности иис и характеристики решаемых задач
- •1.5. Классификация иис
- •Глава 2. Модели представления знаний
- •2.1. Продукционная модель
- •2.2. Формально-логическая модель
- •2.3. Фреймовая модель
- •2.4. Семантические сети
- •Глава 3. Структура и технология проектирования экспертных систем
- •3.1. Структура статической и динамической эс
- •3.2. Характеристики, стадии существования и этапы проектирования статических эс
- •Глава 4. Методы обработки знаний в интеллектуальных системах. Нечеткие знания
- •4.1. Интерпретатор правил и управление выводом
- •4.2. Нечеткие знания и нечеткая логика
- •Глава 5. Теоретические основы инженерии знаний
- •5.1. Процедура извлечения знаний
- •С применением
- •5.3. Методы извлечения знаний
- •Глава 6. Нейронные сети
- •6.1. Искусственный нейрон и функции активации
- •6.2. Нейронные сети с прямой связью
- •6.3. Алгоритмы обучения нейронных сетей
- •Глава 7. Технология создания экономических советующих систем
- •7.1. Определение и виды информационных технологий
- •7.2. Технология «Ресурс – Обучение – Цель»
- •7.3. Определение коэффициента важности целей
- •Глава 8. Программный инструментарий разработки систем, основанных на знаниях
- •8.1. Цели и принципы технологии разработки программных средств
- •8.2. Технология и инструментарий разработки программных средств
- •Глава 9. Интеллектуальные Интернет-технологии
- •9.1. Интеллектуальные агенты
- •9.2. Мультиагентные системы
- •Мультиагентные системы различного функционального назначения
- •Глава 10. Новые тенденции инженерии знаний,
- •10.1. Методы извлечения глубинных пластов экспертного знания
- •10.2. Хранилища данных
- •10.3. Управление знаниями
- •10.4. Технология создания систем управления знаниями
- •Глава 11. Интеллектуальные информационные системы в условиях неопределенности и риска
- •11.1. Понятие риска в сппр слабоструктурированных проблем
- •11.2. Реализация эс инвестиционного проектирования
- •* Эс определения целей инвестирования капитала.
- •Глава 12. Системы, ориентированные на естественно-языковые запросы. Машинное обучение
- •12.1. Естественно-языковые интерфейсы
- •12.2. Машинное обучение
- •Библиографический список
- •Оглавление
1.4. Основные разновидности иис и характеристики решаемых задач
ИИС предназначены для решения задач, требующих высочайшей квалификации исполнения. Характерной особенностью ИИС является наличие БЗ – совокупности знаний, записанной на магнитный носитель в форме, понятной эксперту и пользователю. Эксперт – высококвалифицированный специалист, готовый к передаче своей компетентности и опыта БЗ. Пользователь – специалист предметной области, для которого предназначена ИИС. Под предметной областью понимается множество объектов, значений их характеристик и связывающих их отношений. Проблемная область определяется характеристиками соответствующей предметной области и характеристиками типов решаемых в ней задач.
Потребность отражения человеческих знаний в памяти компьютера породила новое направление в информатике – инженерию знаний. Инженер по знаниям (когнитолог) – специалист, выступающий в роли буфера между экспертом и БЗ.
Основными разновидностями ИИС являются экспертные системы, системы поддержки принятия решений и экономические советующие системы.
ЭС применяются для решения неформализованных задач, которые обладают одной или несколькими из следующих характеристик [4,5]:
задачи не могут быть заданы полностью в числовой форме;
исходные данные и знания о предметной области обладают неоднозначностью, ошибочностью и противоречивостью;
цели не могут быть выражены в терминах точно определенной целевой функции;
алгоритмическое решение задач отсутствует;
алгоритмическое решение существует, но его нельзя использовать по причине большой размерности пространства решения и ограниченности ресурсов компьютера.
Для принятия решений в условиях определенности используются методы математического программирования. Однако в условиях неопределенности, неполноты и нечеткости знаний задача многократно усложняется. Для того чтобы СППР оставалась работоспособной в условиях изменяющегося окружения, необходима реализация механизмов ее самообучения. Основные требования, предъявляемые к СППР:
оказание квалифицированной поддержки процесса принятия решения на уровне консультанта;
обладание возможностями самообучения, то есть умение добавлять новые знания в БЗ, накапливать их и обрабатывать;
умение работать с неполной и нечеткой информацией;
поддержка многовариантных процессов принятия решений;
оценка последствий принимаемых решений.
ЭСС являются ИИС, ориентированными на решение широкого круга экономических задач, и могут быть разделены на два класса [6]:
Системы, воспроизводящие осознанные мыслительные усилия человека (дедуктивные).
Системы, воспроизводящие неосознанные (подсознательные) мыслительные действия человека (индуктивные).
К первому классу относятся:
расчетно-диагностические системы, в основе которых лежит ясное понимание целей принятия решений. Цель, трансформируемая в дерево целей, накладывается на дерево экономических показателей предприятия. В результате получается синтезированное дерево «цель – показатель», которое способно обеспечить расчет нужных для достижения целей ресурсов и резервов;
ЭС приближенных рассуждений. Создаются в том случае, если цель принятия решений сформулировать невозможно или нецелесообразно, однако ее можно заменить гипотезой. Для создания систем данного класса формулируются правила вывода типа «ЕСЛИ-ТО», которые синтезируются в дерево вывода. Результатом использования системы является оценка правдивости заданной пользователем гипотезы;
системы поддержки исполнения решений. Подразделяются на обучающие и рекомендательно-контролирующие системы.
Основная цель – предоставить управленческому персоналу недостающие знания, обучить конкретным действиям, необходимым для выполнения рекомендаций, предоставленных СППР, с последующим контролем исполнения.
Ко второму классу относятся:
системы нейросетевых вычислений. Осознанные знания являются лишь небольшой частью от общего объема знаний, которыми оперирует человек в повседневной жизни. Многие действия человек выполняет подсознательно или неосознанно. В данном случае классические модели бесполезны, так как предполагают наличие четко или нечетко сформулированных правил. Используемый для создания ЭСС нейросетевых вычислений эволюционный подход ориентирован на индуктивное обобщение и вывод. В основе построения систем индуктивного характера лежат нейросетевые технологии. Искусственная нейросеть предназначена главным образом для того, чтобы на основе анализа большого объема информации, отражающей частные случаи какого-либо явления, выявить общие закономерности, которые в свою очередь могут быть использованы для распознавания новых частных случаев. Нейросеть рассматривается в качестве «черного ящика», для которого известны лишь вход, выход и некоторые другие внешние параметры;
системы, ориентированные на естественно-языковые запросы. Исследования в этой области находятся на начальном этапе развития. Основная сложность заключается в предоставлении неосознанных (ассоциативных) знаний. БЗ представляется в форме семантической сети, то есть ориентированного графа, вершина которого соответствует понятиям, а дуги – отношениям между ними, отражающим осознанные (логические) знания.
Кроме этого, ЭСС содержит лингвистический процессор и базу ассоциаций. Лингвистический процессор предназначен для выявления с помощью лингвистических структур той БЗ, которая касается данного запроса. Выявленная часть семантической сети используется блоком обработки для последующей выдачи информации пользователю. Если в БЗ явно не присутствуют необходимые знания, то подключается база ассоциаций, которая пытается восполнить недостающую информацию. В ней подобно нейросетям активизируются те ассоциации, которые по специально рассчитанным коэффициентам наиболее близки к анализируемому запросу.