- •1).Теоретико-множественные операции над расплывчатыми множествами
- •2)Расплывчатое включение и расплывчатое равенство множеств
- •5). Расплывчатые высказывания и операции над ними.
- •6) . Расплывчатые логические формулы и их свойства
- •7) . Сложные нечеткие высказывания
- •8) . Нечеткая и лингвистическая переменные
- •9) Построение функций принадлежности нечетких множеств.
- •10) Задача о нечетких интервалах.
- •11). Данные и знания.
- •12). Исчисление высказываний. Синтаксис и семантика.
- •13) .Вывод в логике предикатов
- •14) .Методы решения задач исчисления предикатов
- •15). Сетевые модели представления данных
- •16). Продукционные модели представления знаний
- •17). Вывод на знаниях.
- •18). Онтологии. Модель онтологии.
- •19). Задачи, решаемые с помощью онтологии.
- •20). Основные технологии баз знаний. Система операция для работы со знаниями
- •21) Комплексные операции для работы со знаниями. Анализ структурной семантики.
- •Анализ семантических зависимостей.
- •22) Структура экспертной системы. Экспертные системы
- •Структура экспертной системы
- •Диалоговый компонент экспертной системы
- •23) Интерпретатор экспертной системы
- •24) Компонент приобретения знаний экспертной системы. Когнитивные карты.
- •27). Экспертные оценки. Основные типы шкал и методы проведения экспертизы.
- •(3) Методы экспертного оценивания
- •28). Методы обработки экспертной информации.
- •29.) Структура системы нечеткой логики
- •30). Нечеткий вывод на основе правила композиции.
- •31). Модель нейрона Мак-Каллока и Питтса. Модель формального нейрона.
- •32).Модель персептрона Розенблата.
- •33) Линейные многослойные нейронные сети
- •34). Радиальные нейронные сети
- •Решение проблемы линейности
- •Обобщенная структура радиальной сети рбф
- •35.Дискретная (Рекурентная) сеть Хопфилда
- •36). Двунаправленная ассоциативная память
- •37) Сеть Хэмминга.
- •38) .Рекурентная сеть Эльмана
- •39). Персептронная сеть с обратной связью rmlp.
- •40).Гибридные нейронные сети. Нейросетевые элементы нечетких систем.
- •Нейросетевая реализация нечетких отношений
- •41). Нейросетевая модель нечеткого композиционного вывода.
- •42). Нечеткие элементы нейросетевых систем
- •43). Семантическое эквивалентирование.
- •44). Задача о диверсификации портфеля ценных бумаг
- •45). Элементы характеризационного анализа
- •Преобразование графа в двудольный
19). Задачи, решаемые с помощью онтологии.
Концептуализация – процесс перехода от представления предметной области на естественном языке к точной спецификации этого описания на некотором формальном языке, ориентированном на формальном представлении.
Онтология – точная выраженная формальными средствами спецификация концептуализации.
Онтология – базы знаний специального типа, которые могут читаться и пониматься и отчуждаться от разработчика и физически разделяться их пользователями.
Онтология – важная разновидность сетевой модели преставления знаний.
Задачи, решаемые с помощью онтологии:
-
Организация баз знаний
-
Организация поиска в базе знаний по ключевым словам
-
Семантический поиск в Internet
База знаний — это особого рода база данных, разработанная для оперирования знаниями (метаданными). База знаний содержит структурированную информацию, покрывающую некоторую область знаний, для использования кибернетическим устройством(или человеком) с конкретной целью. Современные базы знаний работают совместно с системами поиска информации, имеют классификационную структуру и формат представления знаний.
Полноценные базы знаний содержат в себе не только фактическую информацию, но и правила вывода, допускающие автоматические умозаключения о вновь вводимых фактах и, как следствие, осмысленную обработку информации.
Иерархический способ представления в базе знаний набора понятий и их отношений называется онтологией. Онтологию некоторой области знаний вместе со сведениями о свойствах конкретных объектов также можно назвать базой знаний.
База знаний — важный компонент интеллектуальной системы. Наиболее известный класс таких программ — это экспертные системы. Они предназначены для поиска способов решения проблем из некоторой предметной области, основываясь на записях БЗ и на пользовательском описании ситуации.
Простые базы знаний могут использоваться для создания экспертных систем хранения данных в организации: документации, руководств, статей технического обеспечения.
В языке Пролог базы знаний описываются в форме конкретных фактов и правил логического вывода над базами данных и процедурами обработки информации, представляющих сведения и знания о людях, предметах, фактах событиях и процессах в логической форме. В ответах на простейшие запросы к базам знаний системалогического программирования Пролог выдает значения «истина» и «ложь» в зависимости от наличия соответствующих фактов.
Семантический поиск в Internet:
В простейшем случае онтологии можно использовать для повышения точности поиска в Internet - поисковая система будет выдавать только такие сайты, где упоминается в точности искомое понятие, а не произвольные страницы, в тексте которых встретилось заданное ключевое слово.
Общеизвестно, что в различных предметных областях одни и те же понятия могут быть представлены разными терминами. Механизм онтологий в этих случаях позволяет формировать осмысленные иерархические взаимосвязи между объектами, обобщать и совместно использовать глобальные сведения, т.е. реализовать нечеткий поиск, способный находить даже такие необходимые пользователю ресурсы, в которых не будет ни одного слова из исходного запроса.
Предполагается, что "интеллектуальные" приложения будут использовать онтологии, чтобы получаемую в результате поиска информацию со связанной с ней структурой знаний и правилами вывода. Механизмы поиска могут применять онтологии и для выборки страниц с синтаксически различными, но семантически одинаковыми словами. Онтологии также могут использоваться для организации обмена данными и интеграции программ.