- •1. Знания как основа принятия решений
- •2. Понятие «система»
- •4. Формализованные знания. Сущность и сферы использования. Примеры.
- •5. Неформализованные знания и задачи
- •6. Слабоструктурированные задачи. Источники неопределенности при принятии решений.
- •7. Основные виды неопределенности и способы ее уменьшения
- •8. Понятие «искусственный интеллект». Задачи ии. Основные этапы развития ии
- •9. Особенности человеческого мышления. Принципы построения систем ии
- •11. Двойственная природа знаний, используемых в интеллектуальных системах
- •10. Особенности и признаки интеллектуальных информационных систем.
- •12. Понятие «экспертная система». Основные модели представления знаний в экспертных системах.
- •13. Логические модели представления знаний. Модель, основанная на логике высказываний
- •14. Логические модели представления знаний. Модель, использующая исчисление предикатов (э-существует y-любой!!!!!!)
- •15. Продукционная модель представления знаний. Структура экспертных систем продукционного типа.
- •16) Механизм логического вывода в продукционных системах. Примеры логического вывода
- •17 Управляющий компонент продукционной экспертной системы
- •27. Способы дефазификации результатов нечеткого вывода.
- •18. Общая хар-ка матем-го аппарата теории нечетких множеств.
- •19. Основные идеи теории нечетких множеств. Сравнение обычных и нечетких множеств.
- •21. Алгебраические операции над нечеткими множествами.
- •20. Операции над нечеткими множествами (кроме алгебраических).
- •22. Нечеткая и лингвистическая переменные.
- •23. Нечеткие отношения.
- •24. Операции композиции нечетких отношений и нечеткой импликации, их значение для нечеткого логического вывода.
- •26. Особенности нечеткого логического вывода по Мамдани и Ларсену
- •28. Нечеткие аппроксиматоры.
- •29. Основные проблемы, решаемые при помощи искусственных нейронных сетей.
- •30. Биологический нейрон.
- •Биологический нейрон 2
- •31. Понятие коннекционизма
- •32 Схема формального нейрона
- •33. Функции активации формального нейрона, их смысл и основные виды
- •34. Сравнение ветвей компьютерной эволюции.
- •35 Архитектуры нейронных сетей
- •36. Обучение нейросетей.
- •Цель обучения
- •37. Обучение нейронных сетей как задача оптимизации
- •38. Сравнение ветвей компьютерной эволюции.
- •39. Генетические алгоритмы. Основные понятия, принципы и особенности построения.
- •40. Обучение нейронных сетей методом статистических испытаний.
- •Знания как основа принятия решений
- •Понятие «система»
12. Понятие «экспертная система». Основные модели представления знаний в экспертных системах.
Экспертная система (ЭС) - это программное обеспечение, которое выполняет функции эксперта при решении какой-либо задачи в области его компетенции. 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.
БЗ тогда стоится на знаниях экспертов. Эффективны в медицине, в финансовой сфере.
Причины эффективности:
1)ориентированны на конечных пользователей, они общаются с пользователем в диалоговом режиме на понятном языке.
2)принимаемые решения поддерживаются знаниями экспертов высшей квалификации и другими знаниями, аккумулированными в экспертной системе.
3)Появляется возможность решения плохоформализованных задач.
При разработке ЭС принято делить ее на модули: 1)БЗ; 2)Машина логического вывода; 3)Интерфейс пользователя
2) и 3) вместе-это оболочка ЭС, которая не зависит от предметной области.
Основные модели представления знаний в экспертных системах.
1)Логические: Модели, в которых вычисления представляются с помощью логики предикатов, называются логическими. Достоинства-четкое обоснование и возможность реализации формально точных определений и выводов. В основе логических моделей лежит понятие формальной системы. Наиболее распространенной формальной системой, используемой для представления знаний, является исчисление предикатов первого порядка.
2)Продукционные: Это системы, в которых в качестве основы БЗ являются знания экспертов, представленные в форме правил. В противоположность классической схеме Фон-Неймана, вычислительный процесс в продукц системе совсем иной и эти системы практически полностью управляются данными.
Продукц системы включают => компоненты:
а)База правил б)Рабочая память(БД) в)Механизм вывода
3)Семантические сети -это ориентированный граф, вершины которого - понятия, а дуги - отношения между ними. Понятиями обычно выступают абстрактные или конкретные объекты, а отношения - это связи типа: "это" ("is"), "имеет частью" ("has part"), "принадлежит", "любит".
4)Фреймовые модели
Все, что касается понятия или ситуации, не «размывается по сети», а представляется во фрейме.
Фреймом называется структура для описания понятия или ситуации, состоящая из характеристик этой ситуации и их значений.
узел во фреймовой системе имеет вид фрейма, структуру которого можно представить так:
ИМЯ ФРЕЙМА :
(имя 1-го слота: значение 1-го слота),
(имя 2-го слота: значение 2-го слота),
- - - -
(имя N-го слота: значение N-гo слота).
13. Логические модели представления знаний. Модель, основанная на логике высказываний
Логика изучает правила формирования неопровержимых рассуждений. Главной частью формирования является логический вывод рассуждений из посылок. Самая ранняя система формальной логики была разработана Аристотелем в 4 веке до н.э. (построена на понятии силлогизма, кот имеет 2 посылки и одно заключение). Формальная логика изучает только синтаксис, то есть форму логических рассуждений, но не их семантику.
В основе логических моделей лежит понятие формальной системы <T,S,A,B>, где словарь Т-это множество простых высказываний; S- это правила построения предложений языка (формул) из терминов словаря; А-аксиомы, В-правила вывода.
Логическое высказывание — утверждение, которому всегда можно поставить в соответствие одно из двух логических значений: ложь (0, ложно, false) или истина (1, истинно, true).
Логика высказываний — это формальная теория, основным объектом которой служит понятие логического высказывания. В логике высказываний каждое элементарное высказывание есть неделимое целое, поэтому многие заключения нельзя получить средствами логики высказываний.
Система аксиом состоит из множества аксиом (тавтологий) и правил вывода, которые позволяют строить новые тождественно истинные предложения.
Одним из возможных вариантов аксиоматизации логики высказываний является следующая система аксиом:
P-> (Q->P)
(P->(Q->R)) ->((P->Q) ->(P->R))
(неP->неQ) ->((неP->Q) ->P)
Это набор последовательных заключений, если мы будем их упрощать, то получим тождественно истинные выражения, из которых можно вывести любую тавтологию.
Правило вывода:
С помощью правила modus ponens из истинных высказываний можно получить только истинные. Modus Ponens-правило отделения.
Если P-тавтология, и Р->Q тавтология, то Q-тавтология
Если Р-тавтология, то Q->P тавтология. Следует из 1) и Modus Ponens.
Если P->Q и Q->К тавтологии, то P->R тавтологии.
Если А ->В истинно, и А-истинно, то и В-истинно. Pollendo Ponens
Если А->В истинно, и В-ложно, то А- ложно
Tollendo Ponens
Если A-истинно, и A*B- ложно, то В-ложно.
Если А-ложно и A+B-истинно, то B-истинно Tollendo Ponens
Логика предикатов является расширением логики высказываний и все законы логики высказываний являются также законами логики предикатов, но не наоборот.
