- •Основные направления исследований в области искусственного интеллекта.
- •Свойства и отношения. Классификация отношений.
- •Представление знаний и работа с ними. Обзор языков представления знаний.
- •Знания экспертов. Экспертные системы (области применения). Архитектура эс.
- •Система представления знаний.
- •Фреймы. Семантические сети. Классификация базовых понятий сс. Сущности и отношения.
- •Логическая модель представления знаний. Декларативное и процедурное представление знаний. Система логического вывода (слв).
- •Система приобретения знаний. Подсистемы объяснения эс. Организация интерфейса в эс. Жизненный цикл эс.
- •Данные и знания. Управление знаниями.
- •Исчисление предикатов. Правила вывода на основе исчисления предикатов.
- •Нечеткая логика. Модели нечеткой логики.
- •Онтологии. Разработка концептуальной модели предметной области на основе онтологического подхода.
- •Программные агенты и мультиагентные системы.
- •Стохастический подход к описанию неопределенностей.
- •Байесовские сети доверия.
- •Основы искусственных нейронных сетей. Обучение персептрона.
- •Процедура обратного распространения. Сети встречного распространения.
- •Слои Кохоненна
- •Слой Гроссберга
- •Применение стохастических методов для обучения искусственных нейронных сетей.
- •Сети Хопфилда.
- •Ассоциативная память. Адаптивная резонансная теория. Оптические нейронные сети.
- •Описание apt
- •Задачи распознавания образов. Когнитрон и неокогнитрон.
- •Структура
- •Алгоритмы обучения нейронных сетей. Обучение с учителем и без учителя. Самоорганизация. Алгоритмы обучения
- •Цель обучения
- •Обучение с учителем
- •Обучение без учителя
- •Нейронная сеть Хемминга. Нейронная сеть Хебба.
- •Генетические алгоритмы. Адаптивные методы поиска.
- •Алгоритмы роевого интеллекта. Алгоритм роя частиц.
- •Метод пчелиной колонии
- •Моделирование перемещения бактерий
- •Муравьиный алгоритм
- •Жадные алгоритмы
- •Эволюционные вычисления и эволюционное программирование
- •Алгоритм имитации отжига
- •Меметический алгоритм
- •Алгоритм культурного обмена
- •Системы поддержки принятия решений
- •Многомерные данные и olap-технологии
Программные агенты и мультиагентные системы.
Для решения таких задач управления знаниями, как сбор информации, ее фильтрация и использование для принятия решения необходимо процедурное представление знаний. Для решения этой проблемы наиболее подходящим является применение интеллектуальных агентов. Такие свойства агентов, как автономность, активность, реактивность, коммуникативность, способность генерировать цели, наличие базовых знаний, убеждений и намерений делают агентные технологии наиболее подходящими для описания распределенной интеллектуальной среды проектирования. Одна из задач управления знаниями - рациональное планирование интеллектуальных ресурсов- Активный элемент (агент) действует в некотором окружении (среде) и пытается достичь поставленной цели. В каждый момент времени среда находится в некотором состоянии, при этом агент может выполнять действия, изменяющие состояние среды. Задача планирования состояний состоит в нахождении последовательности действий, которые позволяют агенту перевести систему из некоторого исходного состояния в заданное целевое состояние. В общем случае целевое множество может состоять из нескольких состояний, достижение каждого из них означает достижение цели. Возможна также ситуация, когда ни одно из этих состояний недостижимо, например, в силу того или иного поведения среды.
Технология многоагентных систем - это новая парадигма информационной технологии, ориентированной на совместное использование научных и технических достижений и преимуществ, которые дают идеи и методы искусственного интеллекта, современные локальные и глобальные компьютерные сета, распределенные базы данных и распределенные вычисления, аппаратные и программные средства поддержки теории распределенности и открытости. Принципиальным отличием новой парадигмы построения прикладных систем является то, что в ней определяющим являются данные (факты), которые указывают направление вычислений.
В модели многоагентной системы необходимо учесть следующие особенности взаимодействия агентов:
потребность в едином промежуточном формате для передачи информации между агентами, поддерживающими различные структуры узлов;
безопасность передачи информации с учетом распределенного характера ее хранения, различных форм представления данных и особенностей преобразования форм их представления;
безопасность взаимодействия агентов, учитывающая их «разные веса» - агенты «общедоступные» не обеспечивают нужный уровень информа ционной безопасности, поэтому их нужно ограничивать по уровню доступной информации и возможностей манипуляции с этой информацией;
наличие транзакций, обеспечивающих агентам «память» - собственно, это обязательное условие интеллектуальных агентов, имеющих возможность самообучения.
Агент - это развитие известного понятия «объект», представляющего абстракцию множества экземпляров предметов реального мира, имеющих одни и те же свойства и правила поведения. Такие свойства агентов, как автономность, активность, реактивность, коммуникативность, способность генерировать цели, наличие базовых знаний, убеждений и намерений, делают агентные технологии наиболее подходящими для описания распределенной интеллектуальной среды проектирования. Автономность агентов определяется тем, что они функционируют без прямого вмешательства людей и кого- либо другого и обладают определенной способностью контролировать свои действия и внутреннее состояние. Агенты способны взаимодействовать с другими агентами (и, возможно, людьми) посредством какого-либо коммуникационного языка. Агенты обладают способностью воспринимать среду (которая может быть физическим миром, пользователем, взаимодействующим посредством графического интерфейса, коллекцией других агентов, Интернетом или, возможно, всем вместе взятым) и адекватно реагировать в определенных временных рамках на происходящие изменения. Активность агентов заключается в том, что они не просто реагируют на изменения Среды, но и обладают целенаправленным поведением и способностью проявлять инициативу.
