- •1.Эс для интерпретации и диагностики.
- •2.Эс для мониторинга, прогнозирования, планирования, обучения.
- •3.База знаний эс
- •4.Механизм логического вывода эс
- •5.Интерфейс эс
- •6.Преимущества эс перед человеком – экспертом.
- •7.При каких условиях и для решения, каких задач применяются нейронные сети.
- •8.Модель биологического нейрона.
- •9.Математическая модель искусственного нейрона.
- •10. Обучение нейросети.
- •11.Генетические алгоритмы – понятие, причины возникновения.
- •12.Модель биологической эволюции, кроссинговер.
- •13.Схема генетических алгоритмов:
- •14.Пример поиска глобального экстремума функции с помощью ген. Алгоритма.
- •15.Агенты, свойства.
- •16.Программный агент StaffCop.
- •17.Поисковые и коммерческие агенты.
- •18.Коллаборативная фильтрация.
- •19.Принцип новых задач, первого руководителя, однократного ввода информации.
- •20.Принцип единой информационной базы, непрерывного развития системы.
- •21.Принцип типизации проектных решений, системного подхода, автоматизации документооборота.
- •22.Подходы к разработке ит-стратегии.
- •23.Бизнес – моделирование и реинжениринг деят-ти компании.
- •24.Оценка эконом. Эффективности ис, разработка тз.
- •25.Вероятностный подход к измерению количества информации.
- •26.Смысловой подход к измерению количества информации.
- •27.Системы кодирования экономической информации.
- •2 8.Угрозы для компьютерной безопасности организации, основные каналы утечки информации.
- •29.Сетевые черви.
- •30.Классические компьютерные вирусы.
- •31.Троянские программы.
- •32.Авторское право, имущественные и неимущественные права.
- •33.Основные позиции и заблуждения по отношению к авторскому праву.
- •34.Авторские права на компьютерные программы.
- •35.Свободное программное обеспечение.
- •36.Информационный кризис (взрыв), простейшая модель информационного взрыва.
- •37.Нанотехнологии, перспективы развития.
1.Эс для интерпретации и диагностики.
Диагностика - обнаружение неисправности (отклонения от нормы) в некоторой системе. В сфере техники экспертные системы используются при ремонте машин и механизмов, а также при устранении проблем в аппаратном и программном обеспечении компьютеров.
Интерпретация
Интерпретирующие системы могут делать определённые выводы на основе результатов наблюдения. Например, HASP/SIAP- определяет местоположение и типы судов в Тихом океане по данным акустических систем слежения.
2.Эс для мониторинга, прогнозирования, планирования, обучения.
Мониторинг
Основная задача мониторинга - непрерывный анализ данных. Системы мониторинга не только контролируют ситуацию, но и могут принимать решения.
Прогнозирование
Прогнозирующие системы формируют вероятностные прогнозы на основе данных о текущем состоянии объекта. Для получения выводов в прогнозирующей экспертной системы используется динамическая модель с большим числом переменных.
Планирование
Планирующие экспертные системы формируют программы действий для достижения определенного результата.
Обучение
Обучающие экспертные системы используется для получения знаний и оценивания результатов обучения. Сначала накапливается информация о способностях обучаемого, а затем формируется его характеристика. На основании характерных ошибок, которые допускают студенты при изучении какой-либо дисциплины, система может предлагать свои рекомендации по повышению эффективности учебного процесса.
3.База знаний эс
База знаний (БЗ) - используется для хранения знаний человека-эксперта о предметной области.
Знания, полученные от эксперта, в ЭС представляются в виде правил, количество которых может измеряться тысячами. Некоторые из этих правил однозначны и имеют вид: «Если то-то И то-то, ТО получается такой-то результат». Другие правила менее определены, и предполагают вероятностные оценки: «Если (до известной степени) то-то И (до известной степени) то-то ТО, (до известной степени) справедлив такой-то результат. Эти правила называются «эвристики» - теоретически не обоснованные правила, которые формируются у каждого специалиста при длительной работе в конкретной предметной области, «квинтэссенция» его профессионального опыта.
Формируя БЗ эксперт в какой-либо области работает вместе с так называемым инженером по представлению знаний. Эксперт и инженер по представлению знаний определяют, какими должны быть правила и как они взаимосвязаны между собой.
Один из сложнейших моментов формирования БЗ - это получение знаний от эксперта для их формализации. Поскольку много выводов эксперт считает очевидными, и некоторые использует интуитивно, бывает очень тяжело получить от него связанную, логически последовательную информацию о процессе решения задачи.
4.Механизм логического вывода эс
Механизм логического вывода (МЛВ)
Механизм логического вывода - это "интеллект" экспертной системы, который решает поставленную задачу путём построения цепочки логических выводов.
МЛВ имитирует процесс мышления эксперта. Логический вывод формируется МЛВ на основе правил из базы знаний в прямой или обратной последовательности.
На примере простейшей базы знаний проиллюстрируем прямую и обратную последовательности логического вывода.
При прямой последовательности - правила рассматриваются одно за другим по порядку. Каждое правило проверяется на истинность. Возможны три исхода: правило истинно либо нет, либо не хватает исходных данных для его оценки.
Если после 1-го цикла остаются правила, которые еще могут быть активизированы, то МЛВ запускает 2-й цикл. Циклы продолжаются до тех пор, пока возможна активизация правил.
При обратной последовательности МЛВ двигается от противного - логический вывод N принимается за правильный и задача заключается в доказательстве вывода.
Анализируя подходы можно сделать вывод, что обратная последовательность занимает меньше времени, чем прямая так как: нет необходимости рассматривать все правила; не надо многократно проделывать несколько циклов.
Вместе с тем при обратной последовательности может быть пропущен более эффективный способ решения задачи, что является недостатком