- •Глава 1
- •Искусственный интеллект
- •Фактуальное и операционное знание
- •Признаки иис
- •Системы с интеллектуальным интерфейсом
- •Экспертные системы
- •Самообучающиеся системы
- •Адаптивные информационные системы
- •Языки программирования для ии и языки представления знаний
- •Глава 2
- •Данные и знания
- •Модели представления знаний
- •Глава 3
- •Системы продукций
- •Стратегии поиска в пространстве состояний
- •Рекурсивный поиск
- •Глава 4
- •Введение в экспертные системы. Определение и структура
- •Классификация экспертных систем
- •Коллектив разработчиков
- •Технология проектирования и разработки
- •Глава 5
- •Поле знаний
- •Стратегии получения знаний
- •Теоретические аспекты извлечения знаний
- •Теоретические аспекты структурирования знаний
- •Технологии инженерии знаний
- •Глава 6
- •Задача классификации
- •Деревья решений
- •Искусственные нейронные сети
- •Глава 7
- •Способы аналитической обработки данных
- •Некоторые бизнес-приложения Data Mining
- •Типы закономерностей
- •Процесс нахождения нового знания
- •Глава 1 2
- •Глава 2 15
- •Глава 3 23
- •Глава 4 45
- •Глава 5 54
- •Глава 6 62
- •Глава 7 88
Глава 6 62
Некоторые методы машинного обучения 62
6.1. Задача классификации 62
6.1.1. Феномен восприятия 62
6.1.2. Постановка задачи классификации 62
6.1.3. Математическая постановка задачи обучения 63
p(x), 63
6.1.4. Практическое применение методов классификации 64
6.1.5. Дискриминантный анализ 65
6.2. Деревья решений 67
6.2.1. Деревья решений и области их применения 67
6.2.2. Структура дерева решений 69
6.2.3. Алгоритм формирования дерева решения по обучающей выборке 71
6.3. Искусственные нейронные сети 75
6.3.1. Основные проблемы, решаемые искусственными нейронными сетями 75
6.3.2. Классификация ИНС 76
6.3.3. Нейрон как составная часть ИНС 77
6.3.4. Архитектура многослойной сети прямого распространения 78
6.3.6. Обучение многослойной сети прямого распространения 81
Алгоритм обратного распространения ошибки 82
Выводы по использованию нейронных сетей для решения различных задач прогнозирования 87
Глава 7 88
Интеллектуальный анализ данных 88
7.1. Способы аналитической обработки данных 88
Хранилища данных 88
OLAP-средства 88
Информационно-аналитические системы 89
Средства интеллектуального анализа данных (Data Mining) 89
Инструменты конечного пользователя для выполнения запросов и построения отчетов (query and reporting tools) 90
Структура информационно-аналитической системы 90
7.2. Некоторые бизнес-приложения Data Mining 91
7.3. Типы закономерностей 93
7.4. Процесс нахождения нового знания 94
Список рекомендуемой литературы 100
Оглавление 100
Сидоров Сергей Петрович,
Дудов Сергей Иванович
ВВЕДЕНИЕ В ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ
Учебное пособие для студентов механико-математического факультета, обучающихся по специальности «Прикладная информатика (по областям)»
2-е издание, переработанное, дополненное
Ответственный за выпуск О. Л. Багаева Технический редактор Л. В. Агальцова Корректор Е. Б. Крылова
Оригинал-макет подготовлен в пакете LTEX 2г в лаборатории «Информационные системы в экономике»
Подписано в печать 23.04.07. Формат 60х 84 1/16.
Бумага офсетная. Гарнитура Компьютер Модерн. Печать офсетная. Усл. печ. л. 6,51(7). Уч.-изд. л. 5,9. Тираж 350. Заказ 44
Издательство Саратовского университета. 410012, Саратов, Астраханская, 83. Типография Издательства Саратовского университета. 410012, Саратов, Астраханская, 83.
• узлов—листьев, каждый из которых представляет определенный класс;
1 в задачах распознавания графических образов: X — «оцифрованное» отображение, у — имя образа, соответствующее данному изображению;
