- •1. Понятия «система».
- •2. Понятия, «информация», «неопределенность»
- •3. Особенности и признаки интеллектуальных информационных систем
- •4. Функции информационных систем. Двойственная природа знаний, используемых в информационных системах
- •5. Способы объединения операционного и фактуального знания в традиционных информационных системах.
- •6. Способы объединения операционного и фактуального знания в интеллектуальных информационных системах. Сравнение с традиционными системами
- •7. Интеллектуальные информационные системы с базами данных
- •8. Интеллектуальные информационные системы, основанные на моделях
- •Представление знаний.
- •Поведение.
- •10.Признаки интеллектуальности информационных систем
- •9.Понятия «предметная область» и «проблемная область»
- •Понятие «искусственный интеллект (ии)». Задачи ии. История развития и основные этапы исследований по ии.
- •Основные направления исследований в области искусственного интеллекта (задачи)
- •13.Системы с интеллектуальным интерфейсом
- •14. Системы с естественно-языковым интерфейсом
- •15.Интеллектуальные базы данных. Гипертекстовые системы. Системы контекстной помощи
- •16. Системы когнитивной графики (общая характеристика)
- •19. Способы обучения в интеллектуальных системах
- •20. Индуктивные системы (основные понятия). Системы, основанные на прецедентах (общая характеристика)
- •21.Нейронные сети (основные понятия)
- •22.Хранилища данных
- •Дизайн хранилищ данных
- •Процессы работы с данными
- •23.Адаптивные информационные системы
- •24.Формализация и неформальные знания.Понятие “’экспертная система”.
- •25. Основные особенности экспертных систем. Основные модели представления знаний в классических экспертных системах
- •26. Структура экспертной системы
- •29. Общая характеристика математического аппарата теории нечетких множеств.
- •30. Основные идеи теории нечетких множеств. Сравнение обычных и нечетких множеств.
- •31. Операции над нечеткими множествами (кроме алгебраических)
- •33. Нечеткая и лингвистическая переменные.
- •34. Нечеткие отношения
- •35. Операции над нечеткими отношениями
- •36. Операции композиции нечетких отношений и нечеткой импликации, их значение для нечеткого логического вывода.
- •37. Нечеткий логический вывод.
- •38. Особенности нечеткого логического вывода по Мамдани и Ларсену.
- •Алгоритм Мамдани
- •40. Основные проблемы, решаемые при помощи искусственных нейронных сетей.
- •42. Понятие и основные идеи коннекционизма
- •43. Схема формального нейрона. Роль его составных частей
- •44. Функции активации формального нейрона, их смысл и основные виды.
- •1. Жесткая ступенька :
- •3. Гиперболический тангенс
- •4. Пологая ступенька
- •5. Экспонента:
- •7. Участки синусоиды:
- •8. Гауссова кривая:
- •Сравнение ветвей компьютерной эволюции
- •Архитектура нейронных сетей. Понятие, основные виды. Примеры
- •(Звезды Гроссберга, модели Липпмана-Хемминга)
- •Обучение нейронных сетей, сущность и основные алгоритмы обучения
- •Обучение нейронных сетей как задача оптимизации.
Основные направления исследований в области искусственного интеллекта (задачи)
Представление знаний и разработка систем, основанных на знаниях Программное обеспечение систем искусственного интеллекта Разработка естественно-языковых интерфейсов и машинный перевод Интеллектуальные роботы Обучение и самообучение Распознавание образов Новые архитектуры компьютеров Игры Машинное творчество Нечеткие модели и мягкие вычисления. Эвристическое программирование Искусственная жизнь Когнитивное моделирование Эволюционное моделирование Многоагентные системы Онтологии Компьютерные вирусы Интеллектуальное математическое моделирование
Классификация интеллектуальных информационных систем (развернутая)
Интеллектуальная информационная система (ИИС) – это информационная система, которая основана на концепции использования базы знаний для генерации алгоритмов решения экономических задач различных классов в зависимости от конкретных информационных потребностей пользователей.
Интеллектуальные информационные системы охватывают от 3 до 6 направлений.
Классификация ИИС (рис. 7.1). В зависимости от своей природы знание бывает фактуальное и операционное.
Фактуальное знание – осмысленные данные. Операционное знание – общие зависимости между фактами, которые позволяют интерпретировать данные или извлекать из них новую информацию.
К главным недостаткам традиционной ИС относятся:
1. Слабая адаптируемость к информационным потребностям пользователя.
2. Невозможность решать плохо формализуемые задачи.
Перечисленные недостатки устраняются в ИИС. ИИС имеют следующие характерные признаки:
развитые коммуникативные способности;
умение решать сложные, плохо формализуемые задачи (характеризуются наполовину качественным и количественным описанием, а хорошо формализуемые задачи – полностью количественным описанием);
способность к развитию и самообучению.
Условно каждому из этих признаков соответствует свой класс ИИС:
1 кл.класс: системы с интеллектуальным интерфейсом (коммуникативные способности):
1. Интеллектуальные БД;2. Естественно-языковой интерфейс;
3. Гипертекстовые системы;4. Контекстные системы;5. Когнитивная графика.
II класс: экспертные системы (решение сложных задач):
1. Классифицирующие системы;2. Доопределяющие системы;
3. Трансформирующие системы;4. Многоагентные системы.
III класс: самообучающиеся системы (способность к самообучению):
1. Индуктивные системы;2. Нейронные сети;
3. Системы, основанные на прецедентах;4. Информационные хранилища.
Рис. 7.1. Классификация ИИС
Интеллектуальные БД – отличаются от обычных возможностью выборки по запросу информации, которая может явно не храниться, а выводиться из имеющейся БД (например, вывести список товаров, цена которых выше отраслевой).
Естественно-языковой интерфейс предполагает трансляцию естественно-языковых конструкций на машинный уровень представления знаний. При этом осуществляется распознавание и проверка написанных слов по словарям и синтаксическим правилам. Данный интерфейс облегчает обращение к интеллектуальным БД, а также голосовой ввод команд в системах управления.
Гипертекстовые системы предназначены для поиска текстовой информации по ключевым словам в базах.
Системы контекстной помощи – частный случай гипертекстовых и естественно-языковых систем.
Системы когнитивной графики позволяют осуществлять взаимодействие пользователя ИИС с помощью графических образов.
