- •Електронний конспект лекцій з дисципліни «Інтелектуальний аналіз даних»
- •Тема 1. Інтелект як високоорганізована кібернетична система
- •2. Формалізація понять алгоритмічності та декларативності
- •3. Означення інтелектуальної системи
- •Тема 2. Знання як інформаційна основа інтелектуальних систем
- •1. Знання як основа інформаційної системи
- •2. Моделі знань
- •3. Методи інтелектуального аналізу даних
- •1. Знання як основа інформаційної системи
- •2. Моделі знань
- •Тема 3. Концепція інтелектуального аналізу даних.
- •1. Розвиток і призначення дейтамайнінгу (data mining)
- •2. Характеристика процесів і активностей інтелектуального аналізу даних.
- •3. Методи інтелектуального аналізу даних
- •Mineset — візуальний інструмент аналітика
- •2. Характеристика процесів і активностей інтелектуального аналізу даних.
- •3. Методи інтелектуального аналізу даних
- •Збереження даних
- •Дистиляція даних
- •Тема 4. Методи інтелектуального аналізу даних
- •2. Основні етапи та алгоритми інтелектуального аналізу даних
- •3. Огляд алгоритмів та іс Data Mining
- •Тема 5. Особливості статистичного аналізу даних.
- •1. Логіка прикладного статистичного моделювання
- •2. Типи моделей взаємозв’язку. Задача регресії в іад. Сутність і види статистичних прогнозів
- •3. Ідентифікація часових рядів. Аналіз та коригування рівнів часового ряду
- •2.Типи моделей взаємозв’язку. Задача регресії в іад
- •Забезпечення адекватності регресійної моделі
- •2. Сутність і види статистичних прогнозів
- •3. Ідентифікація часових рядів. Перевірка на стаціонарність
- •Тема 6. Перспективні прикладні системи іад
- •2. Орієнтовані на знання системи підтримки прийняття рішень
- •3. Нейронні мережі. Визначення та еволюція нейронних мереж
- •1. Головна їх властивість — здібність до навчання.
- •Застосування нейронних мереж
- •Математична модель біологічного нейрона
- •Математична модель штучного нейрона
- •Загальна схема генетичних алгоритмів
- •Узагальнена схема реалізації генетичного алгоритму
Тема 1. Інтелект як високоорганізована кібернетична система
Загальні підходи до керування складними системами
Формалізація понять алгоритмічності та декларативності
Означення інтелектуальної системи
Загальні підходи до керування складними системами
Ключовим поняттям кібернетики є кібернетична система. Вона є сукупністю пов’язаних один з одним об’єктів (елементів системи), що здатні сприймати, зберігати, перетворювати інформацію, а також обмінюватися нею.
Так, людський організм можна розглядати як систему, що складається з окремих елементів-клітин; органи людського тіла при цьому розглядаються як підсистеми.
Системою називається сукупність порівняно простих елементарних структур або процесів, що взаємодіють між собою та об’єднані в єдине ціле для «виконання певної спільної функції», що не зводиться до функції окремих компонент.
Система має такі компоненти:
Взаємодіє із зовнішнім середовищем та іншими системами як єдине ціле;
Є ієрархією підсистем більш низького рівня;
Є підсистемою для деякої системи вищого рівня;
Зберігає загальну структуру взаємодії елементів при зміні зовнішніх умов і внутрішнього стану.
У кібернетиці дуже важливою є проблема керування складними системами.
Завдання керування можна сформулювати так:
Перевести керований об’єкт до бажаного стану або забезпечити перебування його у потрібному стані. При цьому важливо мінімізувати затрати, пов’язані з керуванням.
Традиційно розрізняють два підходи до керування складними системами та до програмування роботів і комп’ютерів, які могли б розв’язувати ті чи інші задачі.
У разі розв’язання задачі на сучасних комп’ютерах реалізують традиційний алгоритмічний підхід, який можна ще назвати імперативним. Цей підхід вимагає заздалегідь продумати та докладно розписати, як потрібно вирішувати певну проблему. Написання програми вимагає задання чітких послідовних інструкцій. Якщо таку послідовність вдається написати, комп’ютер зможе вирішувати поставлену задачу, якою б складною вона не була. Але, зрозуміло, він виконуватиме інструкції, абсолютно не «розуміючи» їх змісту.
Інший підхід – декларативний. Інтелектуальному виконавцеві (людині, комп’ютеру чи роботу) досить сказати, що потрібно зробити, тобто лише сформулювати завдання, побудувати всі взаємозв’язки між об’єктами предметної області (галузі). Як це завдання виконуватиметься – повинен визначити виконавець.
Наведемо для приладу дві задачі. Різниця в складності їх розв’язання зумовлена тим, що в одному випадку вдається формалізувати постановку і запропонувати чіткі алгоритми розв’язку, в іншому – ні. Отже, потрібно запустити космічний корабель так, щоби він досяг місяця, взяв зразки ґрунту та повернувся на землю. Задача дуже складна, але вона піддається точній алгоритмізації. Математичні методи дозволяють чітко розрахувати траекторію руху корабля. Навіть, якщо він випадково відхилиться від цієї траекторії, існують методи автоматичного регулювання, які дозволяють ліквідувати це відхилення.
А ось відправити слухняного робота до магазину за пляшкою молока – задача на кілька порядків складніша. Не кажучи вже про власне процес спілкування з продавцем, робот повинен вирішити цілу низку не зовсім формалізованих підзадач. Заздалегідь розрахувати траекторію руху неможливо, оскільки робот повинен уникнути зіткнень з людьми та автомобілями. Якщо з певних причин магазин зачинений, робот повинен знайти інший магазин. Неможливо передбачити всі ситуації, які можуть виникнути, а відтак - алгоритмізувати розв’язання задачі. Тому виконання такого завдання можливе лише за допомогою інтелектуальної системи, яка вміє орієнтуватися в зовнішньому світі, аналізувати поточні ситуації та коректувати, адаптуати свою поведінку на засадах такого аналізу.
Зовнішній світ настільки багатий, складний, що неможливо попередньо описати життєві ситуації з тим ступенем деталізації й однозначності, які б дозволили закласти в системи, що проектуються, жорсткі детерміновані алгоритми поведінки. Тому інтелектуальні системи повинні мати механізми адаптації, як дозволяли б їм вирішувати поставлені перед ними задачі на основі аналізу поточної інформації.
