- •Автоматизированные информационные системы
- •1 Информационное обеспечение управления. Информационная система, информационная технология. Информационные ресурсы. Информационные продукты и услуги
- •2 Компоненты информационной системы. Автоматизированные и неавтоматизированные информационные системы
- •3 Классификационные признаки информационных систем. Основные направления автоматизации управления: сапр, асу тп, асуп, асу гпс, иасу
- •4 База знаний, Методы принятия решений. Компьютерная поддержка принятия управленческих решений
- •5 Система поддержки принятия решений и ее состав. Внешние данные, система управления данными и ее возможности. Модели: стратегические, тактические, оперативные, математические.
- •Области применения экспертных систем.
- •7 Компоненты информационной технологии в экспертной системе. Решение, объяснение решения, система правил, семантические модели, интерпретатор, модуль создания системы, оболочка экспертных систем
- •А теперь кратко
- •Второй вариант ответа на этот же вопрос:
- •Подсистема приобретения знаний
- •База знаний
- •Подсистема вывода
- •2.4.1 Подсистема вывода, способы логического вывода
- •2.4.2. Компонент вывода
- •2.4.3. Управляющий компонент.
- •2.5. Диалог с эс. Объяснение.
- •8 Общее понятие о системе искусственного интеллекта. Основные сферы использования систем искусственного интеллекта
- •9 Моделирование ис. Математические модели системы. Классификация математических моделей
- •10 Подходы к построению ис. Ис как среда реализации функций управления. Основные модули ис
- •11 Стандарты рекомендаций по управлению производством (mrp II, erp, csrp, и другие подходы). Типичные представители данного подхода.
- •12.Автоматизация управления как процесс – ориентированной деятельности. Понятие бизнес – процесса. Основные характеристики данного подхода. Workflow диаграммы.
- •13. Технологии виртуальных предприятий и разработка ис под конкретную организацию.
- •14.Реинжиниринг бизнес – процессов. Управление процессом разработки ис.
- •16.Построение ис на основе прототипов. Достоинства и недостатки данного подхода к построению ис.
- •17.Построение ис на основе пакетов программ. Критерии оценки пакетов программ. Достоинства и недостатки данного подхода к построению ис.
2.5. Диалог с эс. Объяснение.
Поскольку системы, основанные на знаниях, реализуются на компьютерах, то и входная информация воспринимается или в виде, понятном компьютеру, т.е. в битах и байтах. Однако для того чтобы мог взаимодействовать неподготовленный пользователь, в нее требуется включить средства общения на естественном языке. Подавляющее большинство систем, основанных на знаниях, обладают достаточно примитивным интерфейсом на естественном языке- допустимые входные сообщения пользователя ограничены набором понятий, содержащихся в базе знаний.
В ЭС принято представлять процесс логического вывода в виде схемы, которая называется деревом вывода.
8 Общее понятие о системе искусственного интеллекта. Основные сферы использования систем искусственного интеллекта
Искусственный интеллект (ИИ) - это наука о концепциях, позволяющих ВМ делать такие вещи, которые у людей выглядят разумными. Центральные задачи ИИ состоят в том, что бы сделать ВМ более полезными и чтобы понять принципы, лежащие в основе интеллекта. Ученым и инженерам, специализирующимся в вычислительной технике, необходимо знать, каким образом ИИ может помочь им в разрешение трудных проблем.
Помимо информационно-вычислительных задач, решение которых осуществляется по заданному алгоритму, в последнее десятилетие компьютерные технологии все активнее пытаются применить для реализации интеллектуальных процессов, то есть, процессов поиска решения, при которых конечный результат непредсказуем и является плодом логических самостоятельных заключений и выводов компьютера.
В основу мыслительной деятельности компьютера положен программный принцип реализации. Однако принципы моделирования интеллектуальных процессов - процессов приобретения, накопления, и использования знаний имеют свои ярко выраженные особенности, которые позволяют выделить их в отдельный класс компьютерных систем и технологий, относящихся к системам искусственного интеллекта.
Под системами, обладающими искусственным интеллектом (ИИ), понимают устройства или программы, имеющие такие характеристики, присущие человеческому интеллектуальному поведению, как понимание и использование языка, причинная обусловленность поведения, способность гибко реагировать на ситуацию, использовать преимущество благоприятных ситуаций, проводить разграничения между сходными ситуациями, выводить новые идеи, заключения и др. Разграничение интеллектуального и неинтеллектуального поведения весьма условно. Программные системы, основанные на естественно - научных теориях о природных процессах и математических методах, не относят к интеллектуальным.
Программные системы, реализующие алгоритмы, для которых не существует формальной модели решения, называют эвристическими и относят к классу интеллектуальных систем (или систем искусственного интеллекта). Принципиальное отличие интеллектуальных систем от традиционных компьютерных программ состоит в следующем. К творческим, интеллектуальным задачам относят задачи, для которых пока еще не существует формальной модели решения, например, игра в шахматы.
Задачи искусственного интеллекта - это такие задачи, в которых формализуется не процесс решения, а процесс поиска решения. В связи с этим развиваются такие направления, как экспертные системы, база знаний, нейронные сети, нейрокомпьютеры, DM - системы.
Область применения.
Доказательства теорем;
Игры;
Распознавание образов;
Принятие решений;
Адаптивное программирование;
Сочинение машинной музыки;
Обработка данных на естественном языке;
Обучающиеся сети (нейросети);
Вербальные концептуальные обучения.
Итак, задачей систем-классификаторов является установление принадлежности образа к одному из формально определенных классов. Формальные признаки могут быть определены посредством правил типа “если..-то..”, а системы, оперирующие с такими правилами, получили название экспертных систем. Традиционной областью применения классификаторов на нейронных сетях является экспериментальная физика высоких энергий, где одной из актуальных задач выступает выделение среди множества зарегистрированных в эксперименте событий с элементарными частицами событий, представляющих интерес для данного эксперимента.
Проблема категоризации находится на ступеньку выше по сложности в сравнении с класиификацией. Особенность ее заключается в том, что помимо отнесения образа к какой-либо группе, требуется определить сами эти группы, т.е. сформировать категории.
В случае обучения с учителем (например, в персептроне) формирование категорий происходит методом проб и ошибок на основе примеров с известными ответами, предоставляемыми экспертом. Формирование категорий весьма напоминает процесс обучения у живых организмов, поэтому обычно эксперта называют “супервизором” или учителем. Учитель управляет обучением при помощи изменения параметров связей и, реже, самой топологии сети.
Задачей системы-категоризатора является формирование обобщающих признаков в совокупности примеров. При увеличении числа примеров несущественные, случайные признаки сглаживаются, а часто встречающиеся - усиливаются, при этом происходит постепенное уточнение границ категорий. Хорошо обученная нейросетевая система способна извлекать признаки из новыхпримеров, ранее неизвестных системе, и принимать на их основе приемлемые решения.
Нейронные сети применяютмся кроме перечисленных областей и в задачах с плохо структурированной информацией, например при распознавании образов, рукописного текста, анализе речи и т.д.