2.6.1. Общие сведения: Экспертная система (ЭС) – это система, обеспечивающая принятие

Содержание
  1. 2.6. Экспертные системы 2.6.1. Общие сведения
  2. Экспертные системы
  3. Структура экспертных систем
  4. Режимы функционирования
  5. Классификация экспертных систем
  6. Этапы разработки экспертной системы
  7. Наиболее известные экспертные системы
  8. Представления знаний в интеллектуальных системах, экспертные системы
  9. Экскурс в историю экспертных систем
  10. Структура экспертной системы
  11. Какие существуют модели представления знаний?
  12. Продукционная МПЗ
  13. Пример
  14. Среды разработки продукционных систем(CLIPS)
  15. Семантическая сеть МПЗ
  16. Фреймовая МПЗ
  17. Пример вырождающейся в сеть фреймов
  18. Языки разработки фреймовых моделей (Frame Representation Language)
  19. Формально логическая МПЗ
  20. Важно
  21. Заключение
  22. Понятие и назначение экспертной системы (ЭС). Классификация ЭС
  23. Лекция №1. ВВЕДЕНИЕ В ЭКСПЕРТНЫЕ СИСТЕМЫ. ОСНОВНЫЕ ПОНЯТИЯ И ОПРЕДЕЛЕНИЯ
  24. Экспертные системы (ЭС) Понятие, назначение, архитектура, отличительные особенности. Классификация ЭС. Этапы разработки ЭС. – PDF Скачать Бесплатно

2.6. Экспертные системы 2.6.1. Общие сведения

2.6.1. Общие сведения: Экспертная система (ЭС) – это система, обеспечивающая принятие

Экспертнаясистема (ЭС)– это система, обеспечивающая принятиерешения по исходной информации на основебазы знаний, хранящей знания экспертов,путем применения ЭВМ, позволяющейинтерпретировать эти знания. Экспертнаясистема это одно из проявленийискусственногоинтеллекта– моделирования процессов мышления.ЭС относятся к классуконсультативно-диагностических систем.

В медицине врачипринимают важное решение, котороеопределяет успех всей работы: ставятдиагноз. Точность диагностики зависитот квалификации специалиста (эксперта)– его умения правильно проанализироватьимеющуюся информацию.

Но бывают ситуации,когда нет высококвалифицированногоспециалиста по какой-либо специальности.

Поэтому, по мере развития вычислительнойтехники, возникла идея заложить знанияспециалистов в компьютер и использоватьего в качестве электронного эксперта.

По способу решениязадачи диагностики различают вероятностныесистемы и экспертные системы.В вероятностных системах диагностикаосуществляется реализацией одного изметодов распознавания образов илистатистических методов принятия решений.В экспертных системах – реализуетсялогика принятия диагностическогорешения опытным врачом.

Так как ЭС основанана знаниях – те, в свою очередь, должныбыть явными и доступными, высококачественными,полученными непременно на уровнепрофессионалов, более глубокими иполными, чем у обычного пользователя,и, таким образом, должны обеспечиватьглубину и компетентность системы.Система также должна уметь работать нетолько с количественной, но и с трудноформализуемой качественной информацией,что особенно важно для решения медицинскихзадач.

Экспертные системыпринадлежат к классу систем искусственногоинтеллекта. Разрабатываемые в настоящеевремя медицинские экспертные системыпросты и решают узкоспециализированныезадачи медицинской диагностики. По сутидела это диалоговые базы данных,сопряженные с базами знаний и подсистемамигенерации отчетов.

Самые важныеобласти применения экспертных систем:

  • неотложные и угрожающие состояния;
  • дефицит времени;
  • ограниченные возможности обследования;
  • скудная клиническая симптоматика;
  • быстрые темпы развития заболевания.

Необходимо отметить,что работа с экспертными системамиможет вестись удаленно.

Общий принцип,положенный в основу формирования ЭСдиагностических заключений, – включениев базу знаний синдромов, позволяющихконтролировать все основные системыорганизма.

Выводы, основанныена опыте работы с экспертной системой,весьма конкретны и обоснованы:

  • структурное представление медицинских знаний в виде иерархически организованных описаний;
  • этап формирования эталонных описаний развивает у молодых специалистов навыки систематизированного и логически обоснованного описания и представления клинической картины заболевания;
  • язык, встроенный в систему для описания заложенных в оболочку ЭС алгоритмов вывода заключений, должен быть прост и доступен практикующему врачу.

Основныеучастники создания медицинских экспертныхсистем:

  • врач;
  • математик;
  • программист.

Основная роль вразработке такой системы – роль врача– постановщика задач. Такая расстановкаобязанностей не уменьшает значениеразработчиков ЭС, а лишь упорядочиваетвзаимоотношения между участникамисовместной работы.

Прежде всего, важноправильно определить, в какой формелучше хранить знания эксперта и как имипользоваться.

Также важно обеспечитьправильное применение знаний, позволяющеесформулировать достоверные выводы наоснове часто противоречивой исходнойинформации.

Желательно, чтобы системапо отдельному запросу объясняла своюлинию рассуждения в понятном пользователювиде. Хорошая экспертная система имеетблок для пополнения базы знаний.

Областиприменения экспертных систем

С помощью экспертныхсистем эффективно решаются задачи, длякоторых нет строгой устоявшейся теории.Наиболее эффективное применениеэкспертные системы получили в диагностике,не только медицинской, но и техническойи экономической.

Большое влияниена развитие экспертных систем оказаларазработанная еще в 1970-е годы в Стенфордскомуниверситете система MYCIN, которую считаютсейчас классической.

Эта системадиагностирует бактериальные инфекциикрови и дает рекомендации относительнотерапии.

База знаний системы MYCIN составляетсотни правил типа ЕСЛИ – ТО, которыеявляются вероятностными, что позволяетпринимать правильные решения приошибочности части данных. Система имеетблок объяснения рассуждений.

По типу MYCIN построенасистема PUFF, которая предназначена длядиагностики заболеваний легких. Практикапоказала: экспертные системы, подобныеMYCIN и PUFF, могут заменить человека в рядеобластей, хотя их возможности иограничены. Изистории развития искусственногоинтеллекта

Термин искусственныйинтеллект (artificial intelligence)предложен в 1956 году на семинаре вСтенфордском университете (США).

Идея созданияискусственного подобия человеческогоразума для решения сложных задач имоделирования мыслительной способностивитала в воздухе с древнейших времен.Впервые ее выразил Р. Луллий, которыйеще в XIV веке пытался создать машину длярешения различных задач на основевсеобщей классификации понятий.

Развитие жеискусственного интеллекта, как научногонаправления стало возможным толькопосле создания ЭВМ. Это произошло в 40-хгодах XX века. В это же время Н. Винерсоздал свои основополагающие работыпо новой науке – кибернетике.

В 1954 году в МГУ подруководством профессора А. А. Ляпунованачал свою работу семинар “Автоматыи мышление”. В этом семинаре принималиучастие крупнейшие физиологи, лингвисты,психологи, математики. Принято считать,что именно в это время родился искусственныйинтеллект в России.

Существенныйпрорыв в практических приложенияхискусственного интеллекта произошелв середине 70-х годов XX века, когда насмену поискам универсального алгоритмамышления пришла идея моделироватьконкретные знания специалистов-экспертов.

В США появились первые коммерческиесистемы, основанные на знаниях, илиэкспертные системы. Появился новыйподход к решению задач искусственногоинтеллекта – представлениезнаний.

Созданы MYCIN и DENDRAL – ставшие классическимиэкспертные системы для медицины и химии.

В 1980-1990 годыпроводятся активные исследования вобласти представления знаний,разрабатываются языки представлениязнаний, экспертные системы. Начиная ссередины 80-х годов XX века, происходиткоммерциализация искусственногоинтеллекта. Растут ежегодныекапиталовложения, создаются промышленныеэкспертные системы.

Экспертные системыне получили достаточно широкогораспространения в практической медицине.Они, в основном, используются каксоставная часть медицинскихприборно-компьютерных систем.

Связаноэто, прежде всего, с тем, что в реальнойжизни число всевозможных ситуаций и,соответственно, диагностических правилоказалось так велико, что система либоначинает требовать большое количестводополнительной информации о больном,либо резко снижается точность диагностики.

Источник: https://studfile.net/preview/7286489/page:9/

Экспертные системы

2.6.1. Общие сведения: Экспертная система (ЭС) – это система, обеспечивающая принятие

Определение 1

Экспертная система (ЭС) – компьютерная система, предназначенная для частичной замены специалиста-эксперта в разрешении проблемной ситуации.

ЭС разрабатывались с 1970-х гг. исследователями искусственного интеллекта. Прообраз ЭС был предложен в 1832 г. С.Н. Корсаковым, который создал механические устройства, называемые интеллектуальными машинами, которые позволяли находить решения по заданным условиям (например, позволяли определить нужные лекарства по симптомам заболевания).

В начале 1980-х гг. в рамках исследований по искусственному интеллекту было сформировано самостоятельное направление, которое и получило название экспертных систем.

Основное назначение ЭС состоит в разработке программных средств, которые получают при решении задач результаты, не уступающие по качеству и эффективности решениям человека-эксперта.

ЭС используют для решения задач, не поддающихся формализации, например в следующих случаях:

  • задачи невозможно задать в числовой форме;
  • цель нельзя выразить с помощью точно определенной целевой функции;
  • невозможно составить алгоритм решения задачи;
  • если алгоритм составить можно, то его использование невозможно из-за ограниченности ресурсов (времени, памяти).

Ничего непонятно?

Попробуй обратиться за помощью к преподавателям

Определение 2

Таким образом, экспертная система – это программное средство, которое использует знания экспертов для обеспечения высокоэффективного решения неформализованных задач в узкой предметной области.

Замечание 1

В основе ЭС лежит база знаний (БЗ) о предметной области, которая способна накапливаться в процессе построения и эксплуатации ЭС. Важнейшим свойством всех экспертных систем является накопление и организация знаний.

Структура экспертных систем

  • Пользователь;
  • Интерфейс пользователя;
  • Редактор базы знаний;
  • Инженер по знаниям;
  • Эксперт;
  • Оперативная память;
  • База знаний – содержит правила анализа информации от пользователя по конкретной проблеме. ЭС анализирует ситуацию и, в зависимости от своей направленности, выводит рекомендации по разрешению проблемы. База знаний экспертной системы включает факты (статические сведения о предметной области) и правила – набор инструкций, с помощью которых из уже существующих фактов можно получать новые факты.
  • Механизм логического вывода;
  • Подсистема объяснений.

Режимы функционирования

Существует 2 режима, в которых может работать экспертная система:

  1. Режим ввода знаний – эксперт совместно с инженером по знаниям с помощью редактора базы знаний вводит данные о предметной области в базу знаний экспертной системы.
  2. Режим консультации – пользователь в диалоговом режиме сообщает экспертной системе сведения о текущей задаче и получает рекомендации ЭС. Например, по введенным сведениям о физическом состоянии больного экспертная система сообщает о диагнозе в виде списка заболеваний, которые являются наиболее вероятными при данных симптомах.

Классификация экспертных систем

Статические ЭС решают задачи в условиях, когда исходные данные и знания не изменяются во времени.

Квазидинамические ЭС объясняют ситуацию, которая изменяется с течением времени (некоторое фиксированное значение интервала времени)

Динамические ЭС решают задачи в условиях, когда исходные данные и знания изменяются во времени.

Этапы разработки экспертной системы

  1. Этап идентификации проблем – этап определения задач, подлежащих решению, выявления целей разработки, определение экспертов и типов пользователей.
  2. Этап извлечения знаний – проведение содержательного анализа проблемной области, выявление используемых понятий и их взаимосвязей, определение методов решения задач.
  3. Этап структурирования знаний – выбор ИС и определение способов представления всех видов знаний, формализация основных понятий, определение способов интерпретации знаний, моделирование работы системы, оценка адекватности целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.
  4. Этап формализации – наиболее важный и трудоемкий этап разработки ЭС, на котором база знаний наполняется экспертом. Процесс приобретения знаний делится на получение знаний от эксперта, организацию знаний, которая обеспечивает эффективную работу системы, и представление знаний в понятном для ЭС виде.

Наиболее известные экспертные системы

CLIPS – достаточно популярная оболочка для построения экспертных систем.

OpenCyc – мощная динамическая экспертная система.

MYCIN – достаточно известная диагностическая система, предназначенная для диагностики и наблюдения за состоянием больного менингитом и бактериальными инфекциями.

HASP/SIAP – интерпретирующая система, определяющая местоположение и тип судна в Тихом океане по данным, полученным с акустических систем слежения.

Акинатор – интернет-игра, в которой игрок загадывает персонаж, а программа должна его отгадать, задавая вопросы.

IBM Watson – суперкомпьютер фирмы IBM, который может понимать вопросы на естественном языке и отвечать на них.

Источник: https://spravochnick.ru/informacionnye_tehnologii/setevye_informacionnye_sistemy/ekspertnye_sistemy/

Представления знаний в интеллектуальных системах, экспертные системы

2.6.1. Общие сведения: Экспертная система (ЭС) – это система, обеспечивающая принятие

Экспертная система (далее по тексту — ЭС) — это информационная система, назначение которой частично или полностью заменить эксперта в той или иной предметной области.

Подобные интеллектуальные системы эффективно применяются в таких областях, как логистика, управление воздушными полетами, управление театром военных действий.

Основною направленной деятельностью предсказание, прогнозирование в рамках определенного аспекта в предметной области.

Экскурс в историю экспертных систем

История экспертных систем берет свое начало в 1965 году. Брюс Бучанан и Эдвард Фейгенбаум начали работу над созданием информационной системы для определения структуры химических соединений.

Результатом работы была система под названием Dendral. В основе системы формировалась последовательность правил подобных к «IF – THEN». Информационная система не перестала развиваться и получила множество наследников, таких как ONCOIN – информационная система для диагностики раковых заболеваний, MYCIN – информационная система для диагностики легочных инфекционных заболеваний.

Следующим этапом стали 70-е годы. Период не выделялся особыми разработками. Было создано множество разных прототипов системы Dendral.

Примером служит система PROSPECTOR, областью деятельности которой являлась геологические ископаемые и их разведка.
В 80-ых годах появляются профессия – инженер по знаниям.

Экспертные системы набирают популярность и выходят на новый этап эволюции интеллектуальных систем. Появились новые медицинские системы INTERNIS, CASNE.

С 90-ых годов развитие интеллектуальных систем приобретает новые и новые методы и особенности. Нововведением становится парадигма проектирования эффективных и перспективных систем. Гибкость, четкость решения поставленных задач дало новое название – мультиагентных систем.

Агент – фоновый процесс который действует в целях пользователя. Каждый агент имеет свою цель, «разум» и отвечает за свою область деятельности. Все агенты в совокупности образуют некий интеллект.

Агенты вступают в конкуренцию, настраивают отношения, кооперируются, все как у людей.

В 21 век, интеллектуальной системой уже не удивишь никого. Множество фирм внедряет экспертные системы в области своей деятельности.

Быстродействующая система OMEGAMON разрабатывается c 2004 года с IBM, цель которой отслеживание состояния корпоративной информационной сети. Служит для моментального принятия решений в критических или неблагоприятных ситуациях.

G2 – экспертная система от фирмы Gensym, направленная на работу с динамическими объектами. Особенность этой системы состоит в том, что в нее внедрили распараллеливание процессов мышления, что делает ее быстрее и эффективней.

Структура экспертной системы

1. База знаний Знания — это правила, законы, закономерности получены в результате профессиональной деятельности в пределах предметной области.

База знаний — база данных содержащая правила вывода и информацию о человеческом опыте и знаниях в некоторой предметной области. Другими словами, это набор таких закономерностей, которые устанавливают связи между вводимой и выводимой информацией.

2. Данные Данные — это совокупность фактов и идей представленных в формализованном виде.

Собственно на данных основываются закономерности для предсказания, прогнозирования. Продвинутые интеллектуальные системы способные учиться на основе этих данных, добавляя новые знания в базу знаний.

3. Модель представления данных Самая интересная часть экспертной системы.

Модель представления знаний (далее по тексту — МПЗ) — это способ задания знаний для хранения, удобного доступа и взаимодействия с ними, который подходит под задачу интеллектуальной системы.

4. Механизм логического вывода данных(Подсистема вывода)
Механизм логического вывода(далее по тексту — МЛВ) данных выполняет анализ и проделывает работу по получению новых знаний исходя из сопоставления исходных данных из базы данных и правил из базы знаний. Механизм логического вывода в структуре интеллектуальной системы занимает наиболее важное место.

Механизм логического вывода данных концептуально можно представить в виде : А — функция выбора из базы знаний и из базы данных закономерностей и фактов соответственно B — функция проверки правил, результатом которой определяется множество фактов из базы данных к которым применимы правила С — функция, которая определяет порядок применения правил, если в результате правила указаны одинаковые факты

D — функция, которая применяет действие.

Какие существуют модели представления знаний?

Распространены четыре основных МПЗ:

  • Продукционная МПЗ
  • Семантическая сеть МПЗ
  • Фреймовая МПЗ
  • Формально логическая МПЗ

Продукционная МПЗ

В основе продукционной модели представления знаний находится конструктивная часть, продукция(правило):
IF , THEN
Продукция состоит из двух частей: условие — антецендент, действие — консеквент. Условия можно сочетать с помощью логических функций AND, OR.
Антецеденты и консеквенты составленных правил формируются из атрибутов и значений.

Пример: IF температура реактора подымается THEN добавить стержни в реактор
В базе данных продукционной системы хранятся правила, истинность которых установлена к за ранее при решении определенной задачи. Правило срабатывает, если при сопоставлении фактов, содержащихся в базе данных с антецедентом правила, которое подвергается проверке, имеет место совпадение.

Результат работы правила заносится в базу данных.

Пример

Диагноз Температура Давление Кашель
Грипп39100-120Есть
Бронхит40110-130Есть
Аллергия38120-130Нет

Пример продукции:
IF Температура = 39 AND Кашель = Есть AND Давление = 110-130 THEN Бронхит

Продукционная модель представления знаний нашла широкое применение в АСУТП

Среды разработки продукционных систем(CLIPS)

CLIPS (C Language Integrated Production System) — среда разработки продукционной модели разработана NASA в 1984 году. Среда реализована на языке С, именно потому является быстрой и эффективной.
Пример:

(defrule bronchitis // deftule зарезервированное слово, которое вводит новое правило за ним следует название правила(symptoms (temperature 39) (cough true)(pressure “110-130”)) //симптом с температурой 39, наличием кашля, и давлением 110-130=> (printout t “Диагноз – бронхит” crlf)) //это симптомы бронхита

Подобное правило будет активировано только тогда, когда в базе данных появится факт симптома с подобными параметрами.

Семантическая сеть МПЗ

В основе продукционной модели лежит ориентированный граф. Вершины графа — понятия, дуги — отношения между понятиями.
Особенностью является наличие трех типов отношений:

  • класс — подкласс
  • свойство — значение
  • пример элемента класса

По количеству типов отношений выделяют однородные и неоднородные семантические сети. Однородные имею один тип отношения между всеми понятиями, следовательно, не однородные имею множество типов отношений.

Все типы отношений:

  • часть — целое
  • класс — подкласс
  • элемент — количество
  • атрибутивный
  • логический
  • лингвистический

Фреймовая МПЗ

Предложил Марвин Мински в 1970 году. В основе фреймовой модели МПЗ лежит фрейм. Фрейм — это образ, рамка, шаблон, которая описывает объект предметной области, с помощью слотов. Слот — это атрибут объекта.

Слот имеет имя, значение, тип хранимых данных, демон. Демон — процедура автоматически выполняющаяся при определенных условиях. Имя фрейма должно быть уникальным в пределах одной фреймовой модели.

Имя слота должно быть уникальным в пределах одного фрейма.

Слот может хранить другой фрейм, тогда фреймовая модель вырождается в сеть фреймов.

Пример вырождающейся в сеть фреймов

На своей практике, мне доводилось встречать системы на основе фреймовой МПЗ. В университете в Финляндии была установлена система для управления электроэнергией во всем здании.

Языки разработки фреймовых моделей (Frame Representation Language)

FRL (Frame Representation Language) — технология создана для проектирования интеллектуальных систем на основе фреймовой модели представления знаний. В основном применяется для проектирования вырождающихся в сеть фреймовой модели.

Запись фрейма на языке FRL будет иметь вид:

(frame Room // вводим новый фрейм Room (windows (value(4), demon(open))) //Слот windows со значением 4 и демоном open (doors (value(1), demon(open))) //Слот doors со значением 1 и демоном open (conditioners (value(2), demon(turn on))) //Слот conditioners со значением 2 и демоном turn on (sokets (value(10), demon(turn on))) //Слот sokets со значением 10 и демоном turn on)

Существуют и другие среды: KRL (Knowledge Representation Language), фреймовая оболочка Kappa, PILOT/2.

Формально логическая МПЗ

В основе формально логической МПЗ лежит предикат первого порядка. Подразумевается, что существует конечное, не пустое множество объектов предметной области. На этом множестве с помощью функций интерпретаторов установлены связи между объектами.

В свою очередь на основе этих связей строятся все закономерности и правила предметной области.

Важное замечание: если представление предметной области не правильное, то есть связи между объектами настроены не верно или не в полной мере, то правильная работоспособность системы будет под угрозой.

Важно

Любая экспертная система должна иметь вывод данных и последовательность “мышления” системы. Это нужно для того чтобы увидеть дефекты в проектировании системы.

Хорошая интеллектуальная система должна иметь право ввода данных, которое реализуется через интеллектуальный редактор, право редактора на перекрестное “мышление” представлений при проектировании системы и полноту баз знаний(реализуется при проектировки закономерностей предметной области между инженером по знаниям и экспертом).

Заключение

Экспертные системы действительно имеют широкое применение в нашей жизни. Они позволяют экономить время реальных экспертов в определенной предметной области. Модели представления знаний это неотъемлемая часть интеллектуальных систем любого уровня. Поэтому, я считаю, что каждый уважающий себя IT-специалист, должен иметь даже поверхностные знания в этих областях.

Спасибо за внимание!

Источник: https://habr.com/post/346236/

Понятие и назначение экспертной системы (ЭС). Классификация ЭС

2.6.1. Общие сведения: Экспертная система (ЭС) – это система, обеспечивающая принятие

В повседневной жизни мы постоянно сталкиваемся с экспертами в самых различных областях человеческой деятельности- врачи, преподаватели, референты и т.д. Имея огромный багаж знаний, касающихся предметной области, они умеют точно сформулировать и правильно решить задачу.

В течение последних десятилетий многочисленные попытки исследователей были направлены на создание систем, способных заменить специалиста в конкретной предметной области, т.е. решать задачи в отсутствии людей- экспертов.

Эти системы получили название экспертных систем .

В ходе исследований выяснилось, что среди задач, решаемых экспертами, формализованные задачи составляют лишь малую часть, в то время как основная их масса относится к числу неформализованных.

Экспертные системы отличаются и от других видов информационных систем:

· Экспертные системы имеют дело с предметами реального мира, операции с которыми обычно требуют наличия значительного опыта, накопленного человеком.

· Экспертная система должна за приемлемое время (достаточно малое) найти решение, которое было бы не хуже, чем то, которое может предложить специалист в этой предметной области.

· Экспертная система должна обладать способностью объяснить, почему предложено именно такое решение, и доказать его обоснованность.

Пользователь должен получить всю информацию, необходимую ему для того, чтобы быть уверенным, что решение принято “не с потолка”.

Экспертная система проектируется в расчете на взаимодействие с разными пользователями, для которых ее работа должна быть, по возможности, прозрачной.

В настоящее время существует несколько определений экспертных систем (их иногда называют также «инженерия знаний» или «системы, основанные на знаниях»).

Одним из наиболее популярных определений экспертной системы яв­ляется следующее:

Под экспертной системой понимается система, объе­диняющая возможности компьютера со знаниями и опытом эксперта в та­кой форме, что система может предложить разумный совет или осуществить разумное решение поставленной задачи. Дополнительно желаемой харак­теристикой такой системы является способность системы пояснять по требованию ход своих рас­суждений в понятной для спрашивающего форме.

Приведенное определение, позволяют выделить ряд базовых структурных элементов экспертной системы.

Как и любая система, основанная на знаниях, экспертная система обя­зательно содержит в своем составе базу знаний и механизм логических выво­дов.

Зачастую для представления фактический знаний используется отдель­ный механизм – база данных, а в базе знаний остаются лишь процедурные знания.

Кроме того, для ведения базы знаний и дополнения ее при необхо­димости знаниями, полученными от эксперта, требуется отдельный модуль приобретения знаний.

Другим важным компонентом экспертной системы является пользова­тельский интерфейс, необходимый для правильной передачи ответов пользователю в удобной для него форме. Кроме того, пользовательский интерфейс необходим и эксперту для осуществления манипуляций со зна­ниями.

И наконец, в экспертной системе должен присутствовать модуль, кото­рый способен при помощи механизма логического вывода, “предложить разумный совет или осуществить разумное решение поставленной зада­чи”, сопровождая его по требованию пользователя различными коммен­тариями, поясняющими ход проведенных рассуждений.

Модуль, реализу­ющий эти функции, называется модулем советов и объяснений. Следует от­метить, что механизм объяснений играет весьма важную роль, позволяя повысить степень доверия пользователя к полученному результату.

Кроме того, он важен не только для пользователя системы, но и для эксперта, который с его помощью определяет, как работает система и как использу­ются предоставленные им знания.

Базовая структура экспертной системы показана на рис.1.

Пе­речисленные структурные элементы являются наиболее характерными для большинства экспертных систем, хотя в реальных условиях некоторые из них могут отсутствовать.

Экспертная система может полностью взять на себя функции, выполнение которых обычно требует привлечения опыта человека-специалиста, или играть роль ассистента для человека, принимающего решение.

Другими словами, система (техническая или социальная), требующая принятия решения, может получить его непосредственно от программы или через промежуточное звено — человека, который общается с программой.

Тот, кто принимает решение, может быть экспертом со своими собственными правами, и в этом случае программа может “оправдать” свое существование, повышая эффективность его работы.

Альтернативный вариант — человек, работающий в сотрудничестве с такой программой, может добиться с ее помощью результатов более высокого качества. Вообще говоря, правильное распределение функций между человеком и машиной является одним из ключевых условий высокой эффективности внедрения экспертных систем.

Важность экспертных систем состоит в следующем:

· технология экспертных систем существенно расширяет круг практически значимых задач, решаемых на компьютерах, решение которых приносит значительный экономический эффект;

· ЭС будут играть ведущую роль во всех фазах проектирования, разработки, производства, распределения, продажи, поддержки и оказания услуг;

· технология ЭС, получившая коммерческое распространение, обеспечит революционный прорыв в создании интеллектуально взаимодействующих модулей.

Использовать ЭС следует только тогда, когда разработка ЭС возможна, оправдана и методы инженерии знаний соответствуют решаемой задаче. Применение ЭС может быть оправдано одним из следующих факторов:

· решение задачи принесет значительный эффект, например экономический;

· использование человека-эксперта невозможно либо из-за недостаточного количества экспертов, либо из-за необходимости выполнять экспертизу одновременно в различных местах;

· использование ЭС целесообразно в тех случаях, когда при передаче информации эксперту происходит недопустимая потеря времени или информации;

· использование ЭС целесообразно при необходимости решать задачу в окружении, враждебном для человека.

При разработке реальных экспертных систем в большинстве случаев используют так называемые языки искусственного интеллекта типа ЛИСП и ПРОЛОГ.

Рассмотрим различные способы классификации ЭС.

По назначению ЭС делятся на:

· ЭС общего назначения.

1. проблемно-ориентированные для задач диагностики, проектирования, прогнозирования

2. предметно-ориентированные для специфических задач, например, контроля ситуаций на атомных электростанциях.

По степени зависимости от внешней среды выделяют:

· Статические ЭС, не зависящие от внешней среды.

· Динамические, учитывающие динамику внешней среды и предназначенные для решения задач в реальном времени. Время реакции в таких системах может задаваться в миллисекундах, и эти системы реализуются, как правило, на языке С++.

По типу использования различают:

· Изолированные ЭС.

· ЭС на входе/выходе других систем.

· Гибридные ЭС или, иначе говоря, ЭС интегрированные с базами данных и другими программными продуктами (приложениями).

По сложности решаемых задач различают:

· Простые ЭС – до 1000 простых правил.

· Средние ЭС – от 1000 до 10000 структурированных правил.

· Сложные ЭС – более 10000 структурированных правил.

По стадии создания выделяют:

· Исследовательский образец ЭС, разработанный за 1-2 месяца с минимальной БЗ.

· Демонстрационный образец ЭС, разработанный за 2-4 месяца, например, на языке типа LISP, PROLOG, CLIPS

· Промышленный образец ЭС, разработанный за 4-8 месяцев, например, на языке типа CLIPS с полной БЗ.

· Коммерческий образец ЭС, разработанный за 1,5-2 года, например, на языке типа С++, Java с полной БЗ.

Не нашли то, что искали? Воспользуйтесь поиском:

Источник: https://studopedia.ru/7_56985_ponyatie-i-naznachenie-ekspertnoy-sistemi-es-klassifikatsiya-es.html

Лекция №1. ВВЕДЕНИЕ В ЭКСПЕРТНЫЕ СИСТЕМЫ. ОСНОВНЫЕ ПОНЯТИЯ И ОПРЕДЕЛЕНИЯ

2.6.1. Общие сведения: Экспертная система (ЭС) – это система, обеспечивающая принятие

1. ВВЕДЕНИЕ В ЭКСПЕРТНЫЕ СИСТЕМЫ. ОСНОВНЫЕ ПОНЯТИЯ И ОПРЕДЕЛЕНИЯ

1.1. Назначения и основные свойства экспертных систем

В начале 80-х годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название “экспертные системы” (ЭС).

Основным назначением ЭС является разработка программных средств, которые при решении задач, трудных для человека, получают результаты, не уступающие по качеству и эффективности решения, решениям получаемым человеком-экспертом.

ЭС используются для решения так называемых неформализованных задач, общим для которых является то, что:

  • задачи не могут быть заданы в числовой форме;
  • цели нельзя выразить в терминах точно определенной целевой функции;
  • не существует алгоритмического решения задачи;
  • если алгоритмическое решение есть, то его нельзя использовать из-за
  • ограниченности ресурсов (время, память).

Кроме того неформализованные задачи обладают ошибочностью, неполнотой, неоднозначностью и противоречивостью как исходных данных, так и знаний о решаемой задаче.

Экспертная система – это программное средство, использующее экспертные знания для обеспечения высокоэффективного решения неформализованных задач в узкой предметной области. Основу ЭС составляет база знаний (БЗ) о предметной области, которая накапливается в процессе построения и эксплуатации ЭС. Накопление и организация знаний – важнейшее свойство всех ЭС.

Знания являются явными и доступными, что отличает ЭС от традиционных программ, и определяет их основные свойства, такие, как:

1) Применение для решения проблем высококачественного опыта, который представляет уровень мышления наиболее квалифицированных экспертов в данной области, что ведЈт к решениям творческим, точным и эффективным.

2) Наличие прогностических возможностей, при которых ЭС выдаeт ответы не только для конкретной ситуации, но и показывает, как изменяются эти ответы в новых ситуациях, с возможностью подробного объяснения каким образом новая ситуация привела к изменениям.

3) Обеспечение такого нового качества, как институциональная память, за счeт входящей в состав ЭС базы знаний, которая разработана в ходе взаимодействий со специалистами организации, и представляет собой текущую политику этой группы людей. Этот набор знаний становится сводом квалифицированных мнений и постоянно обновляемым справочником наилучших стратегий и методов, используемых персоналом. Ведущие специалисты уходят, но их опыт остаeтся.

4) Возможность использования ЭС для обучения и тренировки руководящих работников, обеспечивая новых служащих обширным багажом опыта и стратегий, по которым можно изучать рекомендуемую политику и методы.

1.2. Состав и взаимодействие участников построения и эксплуатации экспертных систем

Познакомившись с тем, что такое экспертные системы и каковы их основные характеристики, попробуем теперь ответить на вопрос: “Кто участвует в построении и эксплуатации ЭС? “.

К числу основных участников следует отнести саму экспертную систему, экспертов, инженеров знаний, средства построения ЭС и пользователей. Их основные роли и взаимоотношение приведены на рис.2.

Экспертная система – это программное средство, использующее знания экспертов, для высокоэффективного решения задач в интересующей пользователя предметной области. Она называется системой, а не просто программой, так как содержит базу знаний, решатель проблемы и компоненту поддержки. Последняя из них помогает пользователю взаимодействовать с основной программой.

Эксперт – это человек, способный ясно выражать свои мысли и пользующийся репутацией специалиста, умеющего находить правильные решения проблем в конкретной предметной области. Эксперт использует свои приЈмы и ухищрения, чтобы сделать поиск решения более эффективным, и ЭС моделирует все его стратегии.

Инженер знаний – человек, как правило, имеющий познания в информатике и искусственном интеллекте и знающий, как надо строить ЭС. Инженер знаний опрашивает экспертов, организует знания, решает, каким образом они должны быть представлены в ЭС, и может помочь программисту в написании программ.

Средство построения ЭС – это программное средство, используемое инженером знаний или программистом для построения ЭС. Этот инструмент отличается от обычных языков программирования тем, что обеспечивает удобные способы представления сложных высокоуровневых понятий.

Пользователь – это человек, который использует уже построенную ЭС. Так, пользователем может быть юрист, использующий еЈ для квалификации конкретного случая; студент, которому ЭС помогает изучать информатику и т. д. Термин пользователь несколько неоднозначен. Обычно он обозначает конечного пользователя. Однако из рис.2 следует, что пользователем может быть:

  • создатель инструмента, отлаживающий средство построения ЭС;
  • инженер знаний, уточняющий существующие в ЭС знания;
  • эксперт, добавляющий в систему новые знания;
  • клерк, заносящий в систему текущую информацию.

Важно различать инструмент, который используется для построения ЭС, и саму ЭС. Инструмент построения ЭС включает как язык, используемый для доступа к знаниям, содержащимся в системе, и их представления, так и поддерживающие средства – программы, которые помогают пользователям взаимодействовать с компонентой экспертной системы, решающей проблему.

1.3. Преимущества использования экспертных систем

Возникает вопрос: “Зачем разрабатывать экспертные системы? И не лучше ли обратиться к человеческому опыту, как это было в прошлом?”. Отметим лишь основные преимущества, которые даЈт использование ЭС. Преимуществами и положительными качествами искусственной компетенции являются:

  1. Ее постоянство. Человеческая компетенция ослабевает со временем. Перерыв в деятельности человека-эксперта может серьезно отразиться на его профессиональных качествах.
  2. Легкость передачи или воспроизведения. Передача знаний от одного человека другому – долгий и дорогой процесс. Передача искусственной информации – это простой процесс копирования программы или файла данных.
  3. Устойчивость и воспроизводимость результатов. Эксперт-человек может принимать в тождественных ситуациях разные решения из-за эмоциональных факторов. Результаты ЭС – стабильны.
  4. Стоимость. Эксперты, особенно высококвалифицированные обходятся очень дорого. ЭС, наоборот, сравнительно недороги. Их разработка дорога, но они дешевы в эксплуатации.

Вместе с тем разработка ЭС не позволяет полностью отказаться от эксперта-человека. Хотя ЭС хорошо справляется со своей работой, тем не менее в определенных областях человеческая компетенция явно превосходит искусственную.

Однако и в этих случаях ЭС может позволить отказаться от услуг высококвалифицированного эксперта, оставив эксперта средней квалификации, используя при этом ЭС для усиления и расширения его профессиональных возможностей.

1.4. Особенности построения и организации экспертных систем

Основой любой ЭС является совокупность знаний, структурированная в целях упрощения процесса принятия решения. Для специалистов в области искусственного интеллекта термин знания означает информацию, которая необходима программе, чтобы она вела себя “интеллектуально”.

Эта информация принимает форму фактов и правил. Факты и правила в ЭС не всегда либо истинны, либо ложные. Иногда существует некоторая степень неуверенности в достоверности факта или точности правила.

Если это сомнение выражено явно, то оно называется “коэффициентом доверия”.

Коэффициент доверия – это число, которое означает вероятность или степень уверенности, с которой можно считать данный факт или правило достоверным или справедливым.

Многие правила ЭС являются эвристиками, то есть эмпирическими правилами или упрощениями, которые эффективно ограничивают поиск решения.

ЭС используют эвристики, так как задачи, которые она решает, трудны, не до конца понятны, не поддаются строгому математическому анализу или алгоритмическому решению.

Алгоритмический метод гарантирует корректное или оптимальное решение задачи, тогда как эвристический метод дает приемлемое решение в большинстве случаев.

Знания в ЭС организованы так, чтобы знания о предметной области отделить от других типов знаний системы, таких как общие знания о том, как решать задачи или знание о том, как взаимодействовать с пользователем.

Выделенные знания о предметной области называются базой знаний, тогда как общие знания о нахождении решений задач называются механизмом вывода.

Программные средства, которые работают со знаниями, организованными таким образом, называются системами, основанными на знаниях.

БЗ содержит факты (данные) и правила (или другие представления знаний), использующие эти факты как основу для принятия решений.

Механизм вывода содержит:

  • интерпретатор, определяющий как применять правила для вывода новых знаний на основе информации, хранящейся в БЗ;
  • диспетчер, устанавливающий порядок применения этих правил.

Такие ЭС получили название статических ЭС и имеют структуру, аналогичную рис.3. Эти ЭС используются в тех приложениях, где можно не учитывать изменения окружающего мира за время решения задачи.

Однако существует более высокий класс приложений, где требуется учитывать динамику изменения окружающего мира за время исполнения приложения. Такие экспертные системы получили название динамических ЭС и их обобщенная структура будет иметь вид, приведенный на рис.4.

По сравнению со статической ЭС в динамическую вводится еще два компонента:

  • подсистема моделирования внешнего мира;
  • подсистема сопряжения с внешним миром.

Динамические ЭС осуществляет связи с внешним миром через систему контроллеров и датчиков. Кроме того компоненты БЗ и механизма вывода существенно изменяются, чтобы отразить временную логику происходящих в реальном мире событий.

К разряду таких динамических сред разработки ЭС относится семейство программных продуктов фирмы Gensym Corp. (США).

Один из таких продуктов система G2 – базовый программный продукт, представляющий собой графическую, объектно-ориентированную среду для построения и сопровождения экспертных систем реального времени, предназначенных для мониторинга, диагностики, оптимизации, планирования и управления динамическим процессом.

1.5. Основные режимы работы экспертных систем

В работе ЭС можно выделить два основных режима: режим приобретения знаний и режим решения задачи (режим консультации или режим использования ). В режиме приобретения знаний общение с ЭС осуществляет эксперт (при помощи инженера знаний).

Используя компонент приобретения знаний, эксперт описывает проблемную область в виде совокупности фактов и правил. Другими словами, “наполняет” ЭС знаниями, которые позволяют ей самостоятельно решать задачи из проблемной области.

Отметим, что этому режиму при традиционном подходе к программированию соответствуют этапы: алгоритмизации, программирования и отладки, выполняемые программистом. Таким образом, в отличие от традиционного подхода в случае ЭС разработку программ осуществляет не программист, а эксперт, не владеющий программированием.

В режиме консультаций общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) способ его получения. Необходимо отметить, что в зависимости от назначения ЭС пользователь может:

  • не быть специалистом в данной предметной области, и в этом случае он обращается к ЭС за результатом, который не умеет получить сам;
  • быть специалистом, и в этом случае он обращается к ЭС с целью ускорения получения результата, возлагая на ЭС рутинную работу.

Следует отметить, что в отличие от традиционных программ ЭС при решении задачи не только исполняют предписанную алгоритмом последовательность операций, но и сама предварительно формирует ее.

Хорошо построенная ЭС имеет возможность самообучаться на решаемых задачах, пополняя автоматически свою БЗ результатами полученных выводов и решений.

1.6. Отличие экспертных систем от традиционных программ

Особенности ЭС, отличающие их от обычных программ, заключаются в том, что они должны обладать:

1. Компетентностью, а именно:

  • Достигать экспертного уровня решений (т.е. в конкретной предметной области иметь тот же уровень профессионализма, что и эксперты-люди).
  • Быть умелой (т.е. применять знания эффективно и быстро, избегая, как и люди, ненужных вычислений).
  • Иметь адекватную робастность (т.е. способность лишь постепенно снижать качество работы по мере приближения к границам диапазона компетентности или допустимой надежности данных).

2. Возможностью к символьным рассуждениям, а именно:

  • Представлять знания в символьном виде
  • Переформулировать символьные знания. На жаргоне искусственного интеллекта символ – это строка знаков, соответствующая содержанию некоторого понятия. Символы объединяют, чтобы выразить отношения между ними. Когда отношения представлены в ЭС они называются символьными структурами.

3. Глубиной, а именно:

  • Работать в предметной области, содержащей трудные задачи
  • Использовать сложные правила (т.е. использовать либо сложные конструкции правил, либо большое их количество)

4. Самосознанием, а именно:

  • Исследовать свои рассуждения (т.е. проверять их правильность)
  • Объяснять свои действия

Существует еще одно важное отличие ЭС. Если обычные программы разрабатываются так, чтобы каждый раз порождать правильный результат, то ЭС разработаны с тем, чтобы вести себя как эксперты. Они, как правило, дают правильные ответы, но иногда, как и люди, способны ошибаться.

Традиционные программы для решения сложных задач, тоже могут делать ошибки. Но их очень трудно исправить, поскольку алгоритмы, лежащие в их основе, явно в них не сформулированы. Следовательно, ошибки нелегко найти и исправить. ЭС, подобно людям, имеют потенциальную возможность учиться на своих ошибках.

1.7. Технология разработки экспертных систем

Технология их разработки ЭС, включает в себя шесть этапов (рис.5): этапы идентификации, концептуализации, формализации, выполнения, тестирования, опытной эксплуатации. Рассмотрим более подробно последовательности действий, которые необходимо выполнить на каждом из этапов.

1) На этапе идентификации необходимо выполнить следующие действия:

  • определить задачи, подлежащие решению и цели разработки,
  • определить экспертов и тип пользователей.

2) На этапе концептуализации:

  • проводится содержательный анализ предметной области,
  • выделяются основные понятия и их взаимосвязи,
  • определяются методы решения задач.

3) На этапе формализации:

  • выбираются программные средства разработки ЭС,
  • определяются способы представления всех видов знаний,
  • формализуются основные понятия.

4) На этапе выполнения (наиболее важном и трудоемком) осуществляется наполнение экспертом БЗ, при котором процесс приобретения знаний разделяют:

  • на “извлечение” знаний из эксперта,
  • на организацию знаний, обеспечивающую эффективную работу ЭС,
  • на представление знаний в виде, понятном для ЭС.

Процесс приобретения знаний осуществляется инженером по знаниям на основе деятельности эксперта.

5) На этапе тестирования эксперт и инженер по знаниям с использованием диалоговых и объяснительных средств проверяют компетентность ЭС. Процесс тестирования продолжается до тех пор, пока эксперт не решит, что система достигла требуемого уровня компетентности.

6) На этапе опытной эксплуатации проверяется пригодность ЭС для конечных пользователей. По результатам этого этапа возможна существенная модернизация ЭС.

Процесс создания ЭС не сводится к строгой последовательности этих этапов, так как в ходе разработки приходится неоднократно возвращаться на более ранние этапы и пересматривать принятые там решения.

Источник: http://www.habarov.spb.ru/new_es/exp_sys/es01/es1.htm

Экспертные системы (ЭС) Понятие, назначение, архитектура, отличительные особенности. Классификация ЭС. Этапы разработки ЭС. – PDF Скачать Бесплатно

2.6.1. Общие сведения: Экспертная система (ЭС) – это система, обеспечивающая принятие

Назначение и основы использования систем искусственного интеллекта. Базы знаний. Экспертные системы Существует несколько стратегий получения знаний. Наиболее распространенные: – приобретение; – извлечение;

Подробнее

Министерство образования и науки Российской Федерации ФГБОУ ВО «Уральский государственный лесотехнический университет» Институт экономики и управления 620100, Екатеринбург, Сибирский тракт, 37, оф. 1-103

Подробнее

ЭС в интернете выполняют рекламноинформационные функции (интерактивные баннеры) А серьёзные системы (такие, как, например, ЭС диагностики оборудования) используются локально, так как выполняют конкретные

Подробнее

Министерство образования и науки Российской Федерации ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ «САРАТОВСКИЙ НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

Подробнее

Интеллектуальные информационные системы Д.А. Назаров (ред. Октябрь 2012) Тема 3.1 Экспертные системы Сотник С.Л. Курс лекций по предмету «Основы проектирования систем с искусственным интеллектом». – Днепродзержинск,

Подробнее

ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Лекция 5. Экспертные системы Продолжение Технологии ИИ 1 СЕМИОТИЧЕСКИЕ МОДЕЛИ Классические задачи управления. В их фундаменте лежит тезис о том, что нам известны: назначение

Подробнее

Курс лекций «Введение в ИИ.». Часть I. От психофизиологической проблемы до экспертных систем. Лекция 9. Экспертные системы. Часть II. О.Г. Чанышев 1 Представление знаний в экспертных системах

Подробнее

ИНТЕЛЛЕКТУАЛ ИНФОРМАЦИОН тизимлар Аюпов Равшан Хамдамович Цели работ по ИИ 2 1. Разработка компьютерных программ, поведение которых было бы названо разумным, если бы его обнаружили у людей, и развитие

Подробнее

Построение экспертных систем. Лекция 7. Специальности : 230105, 010501 Назначение экспертных систем. Под Экспертной Системой (ЭС) понимается программа (комплекс программ), моделирующая в некоторой степени

Подробнее

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Карачаево-Черкесский государственный университет имени У.Д. Алиева» Кафедра информатики и вычислительной

Подробнее

ТЕМА ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПРОЕКТИРОВАНИЯ ЭКСПЕРТНЫХ СИСТЕМ ОСНОВНЫЕ РАЗДЕЛЫ ТЕМЫ 1. Архитектура интеллектуальных систем. 2. Экспертиза и экспертная информация. 2. ЭКСПЕРТИЗА И ЭКСПЕРТНАЯ ИНФОРМАЦИЯ ОПРЕДЕЛЕНИЯ

Подробнее

УДК 004 Согомонова А.Г. Южно-Российский институт управления Российская академия народного хозяйства и государственной службы При Президенте российской федерации Научный руководитель: Барашко Е.Н. ЮРИУ

Подробнее

Искусственный интеллект как научная область. Лекция 1. Специальность : 230105 Предмет изучения. Под Искусственным Интеллектом (ИИ) понимается область исследований, в которой ставится задача изучения и

Подробнее

1 УДК 681: 66.01 РАЗРАБОТКА ЭКСПЕРТНОЙ СИСТЕМЫ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ ДЛЯ СНИЖЕНИЯ ГАЗОВЫХ ВЫБРОСОВ Клименкова Л.А., Юдкин Д.В., Заходякин Г.В. Российский химико-технологический университет им.

Подробнее

МИНОБРНАУКИ РОССИИ федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный технологический университет «СТАНКИН» (ФГБОУ ВО «МГТУ «СТАНКИН») АННОТАЦИЯ

Подробнее

Курс лекций «Введение в ИИ.». Часть I. От психофизиологической проблемы до экспертных систем. Лекция 8. Экспертные системы. Часть I. О.Г. Чанышев 1 Введение 1 1.1 Назначение экспертных систем………………………..

Подробнее

Министерство образования и науки РФ ФГБОУ ВПО «Уральский государственный лесотехнический университет» Институт экономики и управления Кафедра Информационных технологий и моделирования Мельник Л.Ю. Интеллектуальные

Подробнее

Общие сведения о дисциплине Название дисциплины Интеллектуальные информационные системы Факультет, на котором преподается данная дисциплина Математический Направление подготовки Информационные системы

Подробнее

УДК 004:[37.01+001](082) ИНТЕЛЛЕКТУАЛЬНОЕ ТЕСТИРОВАНИЕ ЗНАНИЙ Касторнова В.А., ведущий научный сотрудник ФГБНУ «ИУО РАО», к.п.н., доцент. E-mail: kastornova_vasya@mail.ru, г. Москва, Россия. Касторнов

Подробнее

Экспертные системы АХТП Лекция 13 Экспертная система система для решения определенных задач, сводящихся к задаче выбора, для узкой предметной области, и основанная на использовании формализованных знаний

Подробнее

Федеральное государственное бюджетное образовательное учреждение высшего образования Рабочая программа дисциплины Экспертные системы (наименование дисциплины) QD-6.2.2/РПД-50.(53.66) базовой части образовательной

Подробнее

Аннотация к дисциплине «интелектуальные информационные системы» 1. ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ 1.1. Цели дисциплины Цель преподавания дисциплины состоит в содействии формированию у обучающихся способности

Подробнее

Общие сведения о дисциплине Название дисциплины Интеллектуальные информационные системы Факультет, на котором преподается данная дисциплина Математический Направление подготовки Бизнес-информатика Квалификация

Подробнее

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ «ОРЕНБУРГСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ» Методические рекомендации для самостоятельной работы обучающихся

Подробнее

Кретов В.С. ИГУПИТ (Москва) Экспертная система поддержки принятия решений в кризисных ситуациях В ряде практически важных задач мы сталкиваемся с необходимостью принятия решений в условиях нечеткости и

Подробнее

Д.А.Котина, Т.И.Паюсова Тюменский государственный университет, г.тюмень УДК 004.891.3 НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ В ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ Аннотация. В статье проводится анализ методического материала,

Подробнее

АВТОНОМНАЯ НЕКОММЕРЧЕСКАЯ ОРГАНИЗАЦИЯ ИНСТИТУТ НЕПРЕРЫВНОГО ОБРАЗОВАНИЯ «ПРОФЕССИОНАЛ» «15_» января 2018 г. ОЦЕНОЧНЫЕ МАТЕРИАЛЫ (ФОНД ОЦЕНОЧНЫХ СРЕДСТВ) ПРОГРАММА ПРОФЕССИОНАЛЬНОЙ ПЕРЕПОДГОТОВКИ Наименование

Подробнее

Министерство образования Российской Федерации Санкт-Петербургский государственный политехнический университет СОГЛАСОВАНО ДЕКАН ФУИТ Курочкин М.А. ” ” 2005 г. УТВЕРЖДАЮ Зав. кафедрой Компьтерные интеллектуальные

Подробнее

Информатика Информатика устанавливает законы преобразования информации в условиях функционирования автоматизированных систем, разрабатывает методы еѐ алгоритмизации, формирования языковых средств общения

Подробнее

Министерство образования и науки Российской Федерации Южно-Уральский государственный университет Кафедра информатики 004.8(07) П512 Г.А. Поллак ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ Учебное пособие Челябинск

Подробнее

Экспертные системы Интеллектуальные системы в машиностроении Лекция 3.1. Классификация ИИС Сельское хозяйство Области использования ЭС Бизнес Химия Коммуникации Компьютерные системы Образование Электроника

Подробнее

МИНОБРНАУКИ РОССИИ федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный технологический университет «СТАНКИН» (ФГБОУ ВО «МГТУ «СТАНКИН») АННОТАЦИЯ

Подробнее

Аннотация программы учебной дисциплины «Методы исследования и моделирования информационных процессов и технологий» Цель дисциплины: 1. ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ Дисциплина «Методы исследования и моделирования

Подробнее

ISBN 5-86911-268-0 УПРАВЛЕНИЕ В СЛОЖНЫХ СИСТЕМАХ Уфа, 1999 РАЗРАБОТКА АВТОМАТИЗИРОВАННЫХ СИСТЕМ УДК 681.5, 658.52 К ВОПРОСУ О ПОСТРОЕНИИ ГИБРИДНЫХ НЕЙРО-НЕЧЕТКИХ ЭКСПЕРТНЫХ СИСТЕМ ДИАГНОСТИКИ И КОНТРОЛЯ

Подробнее

Занятие 1. ВВЕДЕНИЕ. ОСНОВНЫЕ ПОНЯТИЯ ТЕОРИИ МОДЕЛИРОВАНИЯ СИСТЕМ МОДЕЛИРОВАНИЕ КАК МЕТОД НАУЧНОГО ПОЗНАНИЯ Методологическая основа моделирования. Все то, на что направлена человеческая деятельность, называется

Подробнее

Учебный курс «ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ» Кафедра СОИУ (ИУ-5) Филиппович Андрей Юрьевич к.т.н., доцент, зав. Лаборатории проблем технического образования России МГТУ им. Н.Э.Баумана Структура доклада 1.

Подробнее

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Карачаево-Черкесский государственный университет имени У.Д. Алиева» Кафедра информатики и вычислительной

Подробнее

МОДЕЛИ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ ЭКСПЕРТНЫХ СИСТЕМ М.В. Барышев, И.Ю. Гатчин Научный руководитель доктор технических наук, профессор Ю.А. Гатчин В статье рассматриваются типичные модели представления знаний

Подробнее

56 Средства и системы обработки и анализа данных О МЕТОДОЛОГИИ ПРОЕКТИРОВАНИЯ ЭКСПЕРТНЫХ СИСТЕМ А. С. Бердышев, К. А. Калиева, М. А. Кантуреева Казахский национальный педагогический университет им. Абая,

Подробнее

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ федеральное государственное автономное образовательное учреждение высшего профессионального образования НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ЯДЕРНЫЙ УНИВЕРСИТЕТ

Подробнее

УДК 378.147.026.7:621.3:004 ЭКСПЕРТНЫЕ СИСТЕМЫ В ПРАКТИКЕ ОБСЛУЖИВАНИЯ И РЕМОНТА ЭЛЕКТРООБОРУДОВАНИЯ СУДОВ В.Я. Молочков; И.Д. Молочкова, Дальрыбвтуз, Владивосток Рассматриваются требования к разработке

Подробнее

Интеллектуальные информационные технологии Д.А. Д.А. Назаров Назаров Тема 2. 2. Классификация систем с искусственным интеллектом Классификация систем с ИИ Существует множество различных классификаций интеллектуальных

Подробнее

ПРОГРАММНАЯ СИСТЕМА ПОДДЕРЖКИ ПРОЦЕССА МОДЕЛИРОВАНИЯ МЕДИКО-ЭКОЛОГО-ЭКОНОМИЧЕСКИХ СИСТЕМ А. Б. Столбов (Иркутск) В настоящее время моделирование взаимодействия экологических и экономических систем с учетом

Подробнее

Министерство образования и науки Российской Федерации Санкт-Петербургский государственный университет Экономический факультет Рассмотрено и рекомендовано на заседании кафедры информационных систем в экономике

Подробнее

Занятие 7 Формализация и алгоритмизация информационных процессов С развитием вычислительной техники наиболее эффективным методом исследования больших систем стало машинное моделирование, без которого невозможно

Подробнее

Министерство образования и науки РФ Псковский государственный университет Бруттан Ю.В. ПРЕДСТАВЛЕНИЕ ЗНАНИЙ В ИНФОРМАЦИОННЫХ СИСТЕМАХ Методические указания для студентов специальности 230201 “Информационные

Подробнее

МОДЕЛИ РЕШЕНИЯ ФУНКЦИОНАЛЬНЫХ И ВЫЧИСЛИТЕЛЬНЫХ ЗАДАЧ Л Е К Т О Р А З А Р Ч Е Н К О В А. А. ОСНОВНЫЕ ПОНЯТИЯ Задачи: вычислительные задачи – определение некоторой величины, функциональные задачи – создания

Подробнее

УДК 004.853 РЕАЛИЗАЦИЯ МУЛЬТИАГЕНТНОГО ПОДХОДА ПРИ СОЗДАНИИ ОБУЧАЮЩИХ СИСТЕМ И. Н. Зайцева, Н. А. Фортунова Елецкий государственный университет им. И. А. Бунина Поступила в редакцию 04.10.2017 г. Аннотация.

Подробнее

Виды информационных технологий управления Различают следующие виды ИТ: Информационная технология обработки данных Информационная технология управления Автоматизация офиса Информационная технология поддержки

Подробнее

Источник: https://docplayer.ru/42413319-Ekspertnye-sistemy-es-ponyatie-naznachenie-arhitektura-otlichitelnye-osobennosti-klassifikaciya-es-etapy-razrabotki-es.html

Medic-studio
Добавить комментарий