27.Общая характеристика экспертных систем. Структура экспертных систем.

Экспертные системы (ЭС) – это яркое и быстро прогрессирующее направление в области искусственного интеллекта (ИИ). ЭС – это набор программ или 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.

Главное достоинство ЭС – возможность накапливать знания, сохранять их длительное время, обновлять и тем самым обеспечивать относительную независимость конкретной организации от наличия в ней квалифицированных специалистов. Накопление знаний позволяет повышать квалификацию специалистов, работающих на предприятии, используя наилучшие, проверенные решения.

Основными отличиями ЭС от других программных продуктов являются использование не только данных, но и знаний, а также специального механизма вывода решений и новых знаний на основе имеющихся. Знания в ЭС представляются в такой форме, которая может быть легко обработана на ЭВМ. В ЭС известен алгоритм обработки знаний, а не алгоритм решения задачи.

ЭС состоит из следующих основных компонентов: решателя (интерпретатора), рабочей памяти или БД, базы знаний, компонентов приобретения знаний, объяснительного и диалогового компонентов.

БД предназначены для хранения исходных и промежуточных данных решаемой в текущий момент задачи.

База знаний предназначена для хранения долгосрочных данных, описывающих рассматриваемую область (а не текущих данных), и правил, описывающих целесообразные преобразования данных этой области.

Решатель, используя исходные данные из рабочей памяти и знания из базы знаний, формирует такую последовательность правил, которые, будучи примененными, к исходным данным, приводят к решению задачи.

Объяснительный компонент объясняет, как система получила решение задачи, и какие знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату.

Диалоговый компонент ориентирован на организацию дружелюбного общения со всеми категориями пользователей, как в ходе решения задач, так и приобретения знаний, объяснения результатов.

В разработке ЭС участвуют следующие специалисты:

- эксперт в той проблемной области, задачи которой будет решать ЭС;

- инженер по знаниям – специалист по разработке ЭС;

- программист – специалист по разработке инструментальных средств.

ЭС работает в двух режимах: приобретения знаний и решения задачи.

28.Современные нейронные сети. Основные понятия и задачи.

В основу искусственных нейронных сетей положены следующие черты живых нейронных сетей, позволяющие хорошо справляться с нерегулярными задачами:

- простой обрабатывающий элемент – нейрон;

- очень большое число нейрона участвует обработке информации;

- один нейрон связан с большим числом других нейронов (глобальные связи);

- изменяющиеся по весу связи между нейронами;

- массированная параллельность обработки информации.

Для создания нейрона послужил биологический нейрон головного мозга. Биологический нейрон имеет тело, совокупность отростков – дендритов, по которым в нейрон поступают входные сигналы, и отросток – аксон, передающий выходной сигнал нейрона другим клеткам.. Точка соединения дендрита и аксона называется синапсом.

Поведение искусственной нейронной сети зависит как от значения весовых параметров, так и от функции возбуждения нейронов. Известны три основных вида функции возбуждения: пороговая, линейная и сигмоидальная. Для пороговых элементов выход устанавливается на одном из двух уровней в зависимости от того, больше или меньше суммарный сигнал на входе нейрона некоторого порогового значения. Для линейных элементов выходная активность пропорциональна суммарному взвешенному входу нейрона. Для сигмоидальных элементов в зависимости от входного сигнала, выход варьируется непрерывно, но не линейно, по мере изменения входа. Сигмоидальные элементы имеют больше сходства с реальными нейронами, чем линейные или пороговые, но любой из этих типов можно рассматривать лишь как приближение.Нейронная сеть представляет собой совокупность большого числа сравнительно простых элементов – нейронов, топология соединений которых зависит от типа сети. Чтобы создать нейронную сеть для решения какой-либо конкретной задачи, мы должны выбрать, каким образом следует соединять нейроны друг с другом, и соответствующим образом подобрать значения весовых параметров на этих связях.

Задачи, решаемые на основе нейронных сетей.

Встречается значительное число признаков, которыми должна обладать задача, чтобы применение НС было оправдано:

- отсутствует алгоритм или не известны принципы решения задач, но накоплено достаточное число примеров;

- проблема характеризуется большими объемами входной информации;

- данные неполны или избыточны, зашумлены, частично противоречивы.

Перечень возможных промышленных применений нейронных сетей,:

Банки и страховые компании:

- автоматическое считывание чеков и финансовых документов;

- проверка достоверности подписей;

- оценка риска для займов;

-прогнозирование изменений экономических показателей.

Военная промышленность:

- обработка звуковых сигналов (разделение, идентификация, локализация, устранение шума, интерпретация);

- обработка радарных сигналов (распознавание целей, идентификация и локализация источников);

- обработка инфракрасных сигналов (локализация);

- обобщение информации.

Служба безопасности:

- распознавание лиц, голосов, отпечатков пальцев.

Телевидение и связь:

- адаптивное управление сетью связи;

- сжатие и восстановление изображения.