- •1. Понятия «система».
- •2. Понятия, «информация», «неопределенность»
- •3. Особенности и признаки интеллектуальных информационных систем
- •4. Функции информационных систем. Двойственная природа знаний, используемых в информационных системах
- •5. Способы объединения операционного и фактуального знания в традиционных информационных системах.
- •6. Способы объединения операционного и фактуального знания в интеллектуальных информационных системах. Сравнение с традиционными системами
- •7. Интеллектуальные информационные системы с базами данных
- •8. Интеллектуальные информационные системы, основанные на моделях
- •9.Понятия «предметная область» и «проблемная область»
- •Представление знаний.
- •Поведение.
- •10.Признаки интеллектуальности информационных систем
- •Понятие «искусственный интеллект (ии)». Задачи ии. История развития и основные этапы исследований по ии.
- •Основные направления исследований в области искусственного интеллекта (задачи)
- •13.Системы с интеллектуальным интерфейсом
- •14. Системы с естественно-языковым интерфейсом
- •15.Интеллектуальные базы данных. Гипертекстовые системы. Системы контекстной помощи
- •16. Системы когнитивной графики (общая характеристика)
- •19. Способы обучения в интеллектуальных системах
- •20. Индуктивные системы (основные понятия). Системы, основанные на прецедентах (общая характеристика)
- •21.Нейронные сети (основные понятия)
- •22.Хранилища данных
- •Дизайн хранилищ данных
- •Процессы работы с данными
- •23.Адаптивные информационные системы
- •24.Формализация и неформальные знания.Понятие “’экспертная система”.
- •25. Основные особенности экспертных систем. Основные модели представления знаний в классических экспертных системах
- •26. Структура экспертной системы
- •29. Общая характеристика математического аппарата теории нечетких множеств.
- •30. Основные идеи теории нечетких множеств. Сравнение обычных и нечетких множеств.
- •31. Операции над нечеткими множествами (кроме алгебраических)
- •33. Нечеткая и лингвистическая переменные.
- •34. Нечеткие отношения
- •35. Операции над нечеткими отношениями
- •36. Операции композиции нечетких отношений и нечеткой импликации, их значение для нечеткого логического вывода.
- •37. Нечеткий логический вывод.
- •38. Особенности нечеткого логического вывода по Мамдани и Ларсену.
- •Алгоритм Мамдани
- •40. Основные проблемы, решаемые при помощи искусственных нейронных сетей.
- •42. Понятие и основные идеи коннекционизма
- •43. Схема формального нейрона. Роль его составных частей
- •44. Функции активации формального нейрона, их смысл и основные виды.
- •1. Жесткая ступенька :
- •3. Гиперболический тангенс
- •4. Пологая ступенька
- •5. Экспонента:
- •7. Участки синусоиды:
- •8. Гауссова кривая:
- •Сравнение ветвей компьютерной эволюции
- •Архитектура нейронных сетей. Понятие, основные виды. Примеры
- •(Звезды Гроссберга, модели Липпмана-Хемминга)
- •Обучение нейронных сетей, сущность и основные алгоритмы обучения
- •Обучение нейронных сетей как задача оптимизации.
5. Способы объединения операционного и фактуального знания в традиционных информационных системах.
Знания (knowledge) — совокупность сведений (данных или программ), отражающих знания человека-специалиста (эксперта) в определенной предметной области и предназначенных для хранения в базах знаний. Знания отражают множество возможных ситуаций, связанных с состоянием и конкретной реализацией объектов определенного типа, способы перехода от одного описания объекта к другому. Для знаний характерны внутренняя интерпретируемость, структурированность, связанность и активность. Условно можно записать, знания=факты+убеждения+правила.
Информация не является знаниями до тех пор, пока она не востребована и не решает никаких задач.
Знание имеет двоякую природу: фактуальную и операционную. Фактуальное знание — это осмысленные и понятые данные (структура данных). Операционное знание — это те общие зависимости между фактами, которые позволяют интерпретировать данные и извлекать из них информацию (алгоритм).
Процесс извлечения информации из данных сводится к адекватному соединению операционного и фактуального знаний и в различных типах ИС выполняется по разному.
1 тип: это соединение операционного знания и фактуального в рамках одного приложения: Программа=Алгоритм +Структура данных
Таким образом операционное знание (алгоритм) и фактуальное знание (структура данных) неотделимы друг от друга. Однако если в ходе эксплуатации ИС выяснится потребность в модификации одного из двух компонентов программы, то возникнет необходимость ее переписывания. Следствием является не адаптивность ИС к изменениям информационных потребностей.
2 тип: это ИС, основанные на использовании БД, в которых происходит отделение фактуального и операционного знаний друг от друга. Фактуальное знание организуется в виде БД, операционное знание в виде приложений. В качестве посредника между приложением и БД выступает СУБД: АИС=Программа - СУБД - БД
Факты (данные) — это различия в физических состояниях. Данные существуют независимо от мыслительных процессов человека, воспринимающих их. 1. Как соединяется фактуальное и операционное знание в системах, основанных на обработке баз данных (СБД - Data Base Systems? В системах, основанных на обработке баз данных (СБД - Data Base Systems), происходит отделение фактуального и операционного знаний друг от друга. Первое организуется в виде базы данных, второе - в виде программ. Причем программа может автоматически генерироваться по запросу пользователя (например, реализация SQL или QBE запросов). В качестве посредника между программой и базой данных выступает программный инструмент доступа к данным - система управления базой данных (СУБД). 2. Как соединяется фактуальное и операционное знание в системах, основанных на обработке знаний? Анализ структуры программы показывает возможность выделения из программы операционного знания (правил преобразования данных) в так называемую базу знаний, которая в декларативной форме хранит общие для различных задач единицы знаний. При этом управляющая структура приобретает характер универсального механизма решения задач (механизма вывода), который связывает единицы знаний в исполняемые цепочки (генерируемые алгоритмы) в зависимости от конкретной постановки задачи (сформулированной в запросе цели и исходных условий). Такие ИС становятся системами, основанными на обработке знаний (СБЗ - Knowledge Base (Based) Systems).