- •Лекция 1
- •Системы искусственного интеллекта -
- •Существуют два понятия:
- •Подходы к построению систем искусственного интеллекта
- •Логический подход (логическое моделирование)
- •Примеры записей на основе логики предикатов:
- •Фреймовое представление знаний.
- •Продукционное представление знаний — модель основанная на правилах, позволяет представить знание в виде
- •Языки сентенционного программирования
- •Экспертная система (ЭС) – это программное обеспечение, которое выполняет функции эксперта при решении
- •Семантическая сеть является одной из моделей представления знаний. Основное преимущество этой модели -
- •Концептуальный поиск на основе семантических сетей привнёс элементы искусственного интеллекта в информационно- поисковые
- •Наиболее часто в семантических сетях используются следующие отношения:
- •Структурный подход (структурное моделирование)
- •Потенциальными областями применения искусственных нейронных сетей являются те, где традиционные вычисления трудоемки или
- •Эволюционный подход (эволюционное моделирование)
- •Имитационный подход
- •Лекция 2
- •Рассматриваемые вопросы:
- •Параметры нейрона
- •лица 2. 1.Виды активационных функций F
- •Продолжение таблицы 2.1. Виды активационных функций F
- •Классификация нейронных сетей
- •1.2.2.2 Сети прямого распространения:
- •№2 Классификация по типам структур:
- •Методы обучения НС делятся на
- •Входная
- •Нейронные сети прямого распространения:
- •2.Многослойный перцептрон - один из наиболее
- •Методики обучения нейронных сетей
- •Вывод формул для определения градиентов ошибок на входе выходного нейрона и нейрона j
- •Третий множитель
- •Подставляя в формулу 9 вторую часть формулы 7, получим рекурсивную
- •Для выходного слоя при гиперболической функции активации нейрона:
- •Пошаговое описание алгоритма обратного распространения ошибок
- •Шаг 5. Веса сети корректируются так, чтобы минимизировать ошибку (формула 2). Вычисление приращения
- •Входные элементы с линейной функцией активации передают входной сигнал
- •Вычислим значения приращений весовых коэффициентов по формуле (15), когда момент инерции µ равен
- •Вычислим новые значения весовых коэффициентов по формуле (17)
- •Новые значения весов
- •АЛГОРИТМЫ ОБУЧЕНИЯ НС
- •Парадиг
- •Лекция 3
- •Алгоритм Кохонена формирования карт признаков:
- •Шаг 5. Настройка весов нейрона j* и его соседей:
- •Рис.3.3.Вид основных окон программы Statistica Neurel Networks при моделировании сети Кохонена
- •Нейронная сеть Хопфилда
- •Рекуррентная сеть Хопфилда представлена в виде системы с обратной связью выхода сети с
- •В качестве входных данных сети Хопфилда можно использовать двоичные значения. Здесь мы будем
- •Когда элемент обновляется, его состояние изменяется в соответствии с правилом:
- •Сеть Хопфилда ведет себя как память и процедура сохранения отдельного вектора (образца) представляет
- •Рассмотрим практический пример использования сети
- •Первый элемент обновляется путем умножения образца на первый столбец матрицы весов
- •Проверим устойчивое состояние сети Хопфилда для найденных весов W, но для искаженного образца:
- •Рассмотрим состояние для элемента 4-го:
- •Рассмотрим состояние для элемента 2-го:
- •Определим весовую матрицу сети Хопфилда для двух образцов:
- •Существует зависимость между количеством элементов сети N и количеством образцов, которые она может
- •Запустить программу для моделирования работы сети Хопфилда по распознаванию образов
Лекция 1
Введение в системы искусственного
интеллекта
Рассматриваемые вопросы:
1.Главные определения дисциплины Системы искусственного интеллекта.
2.Подходы к построению систем искусственного интеллекта.
Системы искусственного интеллекта -
научное направление, в рамках которого ставятся и решаются задачи аппаратного или программного моделирования тех видов человеческой деятельности, которые традиционно считаются интеллектуальными.
Концепции создания искусственного интеллекта:
1.интеллект – это умение решать сложные задачи.
2.интеллект – способность к обучению.
3.интеллект – это возможность взаимодействовать с внешним миром путем восприятия и осознания воспринятого.
Существуют два понятия:
универсальный искусственный интеллект
узкоспециализированный искусственный интеллект
Универсальный искусственный интеллект – это многогранная интеллектуальная система будущего, приближенная к человеку, аналогичная ему или превосходящая его.
Узкоспециализированный искусственный интеллект – это система, построенная по определённым интеллектуальным моделям, способная решать частные интеллектуальные задачи.
Подходы к построению систем искусственного интеллекта
•Логический
•Структурный
•Эволюционный
•Имитационный
Логический подход (логическое моделирование)
Это построение искусственного интеллекта путём моделирования логического мышления.
Основывается на применении теории логик, как исчисления высказываний и исчисления предикатов, а также нечёткой логики и других логик: модальной, временной, пространственной и т.п.
При логическом моделировании большое значение имеет выбор модели представления знаний (МПЗ). Различают три типа МПЗ:
•формальные модели представления знаний( построенные на основе исчисления высказываний и исчисления предикатов),
•неформальные (семантические, продукционные, фреймовые, реляционные)
•интегрированные (совмещают модели различных типов)
К логическим системам искусственного интеллекта относятся: экспертные системы, интеллектуальные поисковые системы, и др.
Примеры записей на основе логики предикатов:
По русски: Каждый человек прогуливается Логически: V x ( Человек(x) Прогуливается(x)).
По русски: Некоторые люди прогуливаются Логически: Ǝ x (Человек(x) ʌ Прогуливается(x))
По русски: Ни один человек не прогуливается Логически: ¬ (Ǝ x (Человек(x) ʌ Прогуливается(x)))
По русски: Если для любой ячейки (i,j) записывается
её значение x(i,j), то это означает, что не существует ячейки, для которой не определено значение x. Логически: V (i,j) x(i,j) ≡ ¬ Ǝ (i,j) ¬ x(i,j)
Фреймовое представление знаний.
Создатель теории фреймов - американский ученый в области искусственного интеллекта М. Минский. По его мнению, процессы мышления базируются на хранящихся в памяти многочисленных структурах данных - фреймов, с помощью коих человек:
1)осознает образы зрительные - фреймы восприятия визуального;
2)понимает слова - фреймы семантические;
3)понимает рассуждения, действия - фреймы-сценарии;
4)понимает повествования - фреймы-рассказы.
Таким образом, Фрейм – это минимальное описание некоего явления, факта или объекта, обладающее свойством целостности: удаление из этого описания любой составляющей приводит к тому, что данное явление перестает правильно опознаваться (классифицироваться).
В фреймовых базах данных экспертных систем фрейм представляет собой именованную таблицу с некоторым количеством слотов- ячеек, имевших свои имена и получающих в процессе работы машины вывода некоторые значения. В качестве значений могут присутствовать константы, ссылки на фреймы более высокого или более низкого уровня, а также некоторые вычислительные процедуры.
Продукционное представление знаний — модель основанная на правилах, позволяет представить знание в виде предложений типа «Если (условие), то (действие)».
Правила продукций в виде: Если пациент болен гриппом И стадия заболевания начальная, ТО температура высокая с вероятностью = 0.95 И головная боль есть с вероятностью = 0.8. Правило продукции состоит из двух частей: посылки (ЕСЛИ) и заключения (ТО), каждая из которых состоит из конъюнкции утверждений более низкого уровня детализации.
В общем случае продукционную модель можно представить в следующем виде:
,где:
• — описание класса ситуаций;
• — условие, при котором продукция активизируется;
•— ядро продукции;
• — постусловие продукционного правила.
Языки сентенционного программирования
Пролог ( Prolog) — язык и система логического программирования, основанные на языке предикатов математической логики.
Рефал - Название языка происходит от "РЕкурсивных Функций АЛгоритмический язык", вся информация в этом языке представляется в виде правил конкретизации. Каждое правило записывается в виде предложения, которое представляет собой продукцию с определенными синтаксисом и семантикой. Каждое правило конкретизации определяет раскрытие смысла некоторого понятия через более элементарные. Операцию конкретизации можно также определить как переход от имени к значению.
Лисп (LISP, LISt Processing language) — «обработка списков»; современное написание: Lisp) — семейство языков программирования, программы, данные в которых представляются системами линейных списков символов. Современные пакеты Lisp позволяют выполнять функциональное программирование, объектно-ориентированное программирование, ситуационное программирование, продукционное программирование и логическое программирование(необходимо запрограммировать алгоритм доказательства).
FRL (язык фреймовых представлений).
Экспертная система (ЭС) – это программное обеспечение, которое выполняет функции эксперта при решении какой-либо задачи в области его компетенции. ЭС, как и эксперт-человек, в процессе своей работы оперирует со знаниями. Знания о предметной области, необходимые для работы ЭС, определенным образом формализованы и представлены в памяти ЭВМ в виде базы знаний, которая может изменяться и дополняться в процессе развития системы. ЭС решают задачи в узкой предметной области на основе дедуктивных рассуждений.
Любая экспертная система включает в себя три основных компонента.
1.База знаний и интегрированные базы знаний.
2.Машина вывода с механизмом логического вывода, реализацией функции, а также синтаксис логических выводов.
3.Интерфейс разумных умозаключений.
Таблица1.1.Состав первых двух компонентов экспертной системы
База знаний |
Машина вывода |
|
Объекты, факты |
Механизм логического |
|
Правила, связи |
вывода |
|
Реализация различных |
||
Атрибуты |
||
функций |
||
Значения |
||
Синтаксис методов |
||
|
||
|
логического вывода |