Яндекс.Метрика Рейтинг@Mail.ru
 
Компьютерная система "КАРКАС"
Компьютерная система "КАРКАС"
238-927-218     veadrub1







Регистрация »         Забыл пароль »

07 Февраль 2019
МОДЕЛЬ ІЄРАРХІЧНОЇ ФУНКЦІОНАЛЬНОЇ СИСТЕМИ ДЛЯ КЛАСТЕРНОГО АНАЛІЗУ Збірник наукових праць ХНУПС 2(56). Харків,  2018, с. 82 - 88. Розглядається модель ієрархічної функціональної системи предметної...

29 Апрель 2016
Сложность динамических систем Практика показывает, что главной в теории сложных систем становится проблема принятия решений при наличии многих целей. Динамической следует...

28 Апрель 2016
Формирование компетентностей и их оценка с помощью интеллектуальных тестов Рассматривается модель функциональной системы динамической предметной области, на основе понятия расслоения баз знаний для создания...
24 Апрель 2015

Лабораторный практикум по системе "КАРКАС"/Computer Based Training

Содержит лабораторные работы, целью которых является практическое освоение пользователями навыков в конструировании баз знаний  с помощью инструментального средства для создания моделей баз знаний в компьютерной системе "КАРКАС" (сайт системы http://it-karkas.com.ua). Приведены методические рекомендации для обеспечения дистанционного обучения: краткий теоретический материал для выполнения самостоятельных и индивидуальных работ.
 
Ключевые слова: модели баз знаний, экспертные системы
 
Лабораторный практикум по системе "КАРКАС" LAP-PUBLISHING/Laboratory practical work on the system "KARKAS"
 
It includes laboratory work, the purpose is the development of practical skills of users in the design of knowledge bases using the tool to create a knowledge base of models in the computer system "FRAME" (http://it-karkas.com.ua system site). The methodical recommendations for distance learning: a brief theoretical material to carry out independent and individual work.
 
Keywords: model of knowledge bases, expert systems

 
Лабораторный практикум по системе "КАРКАС" AMAZON COM
 
Лабораторный практикум по системе "КАРКАС"AMAZON FR
 
Лабораторный практикум по системе "КАРКАС" FACEBOOK
 
Лабораторный практикум по системе "КАРКАС" ЛЮБЛЮ КНИГИ
 
Лабораторный практикум по системе "КАРКАС"/Computer Based Training OZON RU


Содержание

 
Введение 3
Модуль 1. Концептуальные  основы ИИ. Моделирование знаний и  механизмов выводу 4
Лабораторная работа 1. "КАРКАС" − инструментальное средство для создания моделей баз знаний. Общие принципы 4
Лабораторная работа 2. Концепция представления знаний в системе "КАРКАС" 12
Лабораторная работа 3. Построение правил и фреймов в системе "КАРКАС" 20
Модуль 2. Прикладные интелектуальные системы. Методология и инструментарий проектирования 34
Лабораторная работа 4. Методика построения модели базы знаний в системе "КАРКАС" 34
Лабораторная работа 5. Разработка модели базы знаний в системе "КАРКАС" 43
Контрольные вопросы для самодиагностики 51
Рекомендованная литература 54

Введение
Лабораторный практикум посвящен одному из основных направлений в компьютерной науке − искусственному интеллекту (ИИ). Он особенно актуальный в наши дни, когда в условиях развивающегося Интернета, при решении все большего числа задач непосредственно используются знание о предметной области, и все чаще для решения традиционных задач используются методы ИИ. В связи с этим знание языков и методов ИИ, моделей и средств представления знаний и умений ими пользоваться становится жизненно необходимым для современного специалиста в области экономики.
Главная цель лабораторного практикума − это изучение математических моделей, методов ИИ и программного обеспечения для проектирования интеллектуальных информационных систем в экономике.
Цели лабораторного практикума:
дать студентам систематизированные знания об основных моделях, методах, средствах и языках, которые используются при разработке систем ИИ;
ознакомить студентов с основными методами поиска решений, которые применяются в системах ИИ;
сформировать у студента аналитические способности, которые бы разрешали ему делать обоснованный выбор изученных методов, средств и будто при решении задач из проблемной области, в которой они специализируются.
При изучении данной дисциплины студент должен овладеть следующими компетенциями:
делать сравнительный анализ и обосновываться выбор модели и средства представления знаний;
строить модель заданной предметной области с использованием изученных средств представления знаний;
применять новые методы решения задач в предметной области;
делать сравнительный анализ и обосновывать выбор языка ИИ для решения задачи.
Обновленный пользовательский интерфейс компьютерной системы "КАРКАС" имеется на сайте http://it-karkas.com.ua.
 
И З Б Р А Н Н О Е
Модуль 1. Концептуальные основы ИИ. Моделирование знаний и механизмов вывода
 
Лабораторная работа 1
 
"КАРКАС" инструментальное средство для создания моделей баз знаний. Общие принципы
 
Цель: ознакомление студентов с общей концепцией построения моделей баз с помощью инструментального средства "КАРКАС".
Базовые сведения. Экспертная система (ЭС) − программа, которая эмулирует взаимодействие пользователя с экспертом-человеком при решении определенной проблемы [1 − 10].
Многие ЭС не сложны в построении при наличии оболочки экспертной системы − программы, позволяющей пользователю наполнить базу знаний определенной структуры конкретными знаниями предметной области.
Более сложные ЭС включают факторы уверенности, позволяющие выбирать несколько возможных решений с различными степенями уверенности.
Любая ЭС продукционного типа (основанная на правилах) должна содержать три основные компоненты: базу знаний (БЗ), базу фактов (БФ) и машину вывода.
БЗ − формализованные с помощью правил продукций знания о предметной области.
БФ − множество фактов, описывающих текущую ситуацию. Содержимое БФ в процессе консультации с ЭС обычно увеличивается в объеме по мере применения правил.
Машина вывода выполняет две основные функции:
просмотр существующих фактов и правил, а также добавление в БФ новых фактов;
определение порядка просмотра и применения правил. Порядок может быть прямым или обратным.
Прямой порядок − от фактов к заключениям. В ЭС с прямыми выводами по известным фактам отыскивается заключение, которое из этих фактов следует. Если такое заключение удается найти, оно заносится в БФ. Прямые выводы часто применяются в системах диагностики, их называют выводами, управляемыми данными.
Обратный порядок вывода − от заключений к фактам. В системах с обратным выводом вначале выдвигается некоторая гипотеза о конечном суждении, а затем машина вывода пытается найти факты, которые могли бы подтвердить или опровергнуть выдвинутую гипотезу. Процесс отыскания необходимых фактов может включать достаточно большое число шагов, при этом возможно выдвижение новых гипотез (целей). Обратные выводы управляются целями.
Машина вывода определяет порядок применения правил, а также устанавливает, имеются ли еще факты, которые могут быть изменены в случае продолжения работы (при немонотонном выводе). В цикле машины вывода выполняются следующие шаги:
сопоставление (унификация) − антецедент правила сравнивается с фактами из БФ;
разрешение конфликтного набора − выбор одного из нескольких правил в том случае, если их можно применить одновременно;
срабатывание правила − в случае совпадения антецедента правила с фактами, происходит срабатывание правила, то есть оно помечается как использованное;
действие − добавления консеквентна сработавшего правила в БФ, то есть формирование нового факта. Если машина вывода анализирует фрейм, в котором значения слотов соответствуют фактам, то она запускает на выполнение управляющий слот фрейма (например, процедуры вычисления).
Выход из цикла машина вывода осуществляется несколькими способами, например:
выборка всех правил из БЗ;
использование метаправил, то есть правил, которые управляют другими правилами.
Итак, ЭС не располагает готовым решением в пространстве состояний, а находит в процессе логического вывода на основе данных получаемых от пользовате ля.
ЭС способны объяснить, почему в процессе их работы потребовались именно эти данные и как были получены выводы (заключения по решаемой проблеме). Ярким примером инструментом для создания моделей БЗ является система "КАРКАС".
Диапазон проблем, которые могут быть решены ЭС, обширен. ЭС могут быть разработаны с помощью "КАРКАС" для любой предметной области, в которой для решения какой-либо задачи необходимо сделать выбор среди определенного набора вариантов, а процесс достижения этого решения основан на логических шагах. Любая проблемная область, где человек или группа людей имеют специальные экспертные знания, необходимые другим, является возможной областью применения системы "КАРКАС".
ЭС могут помочь автоматизировать выполнение сложных инструкций, выбрать какое-либо изделие из группы изделий или диагностировать оборудование.
Инструменты системы "КАРКАС" используются для создания как продукционных, так вероятностных ЭС.
Модули системы "КАРКАС" рассчитаны на то, что ЭС будут создаваться экспертами предметной области совместно с профессионалами в области построения инженерных знаний.
Лабораторная работа 2
 
Концепция представления знаний в системе "КАРКАС"
 
Цель: ознакомление студентов с концепций представления знаний в системе "КАРКАС".
Базовые сведения. При изучении какого-либо объекта выделяют одно или несколько его свойств, совокупность которых составляет сущность этого объекта в данном рассмотрении. Для описания объекта или его отдельных свойств выбираются некоторые характеристики − величины, которые могут быть измерены в разных шкалах: количественной, порядковой, качественной.
Информация, необходимая для БЗ, собирается специалистом − когнитологом. В функции когнитолога входит выбор экспертов, их опрос с последующим сопоставлением и обобщением полученной информации об объектах предметной области, а также представление этой информации в виде знаний, то есть совокупности фактов и правил, в форме, пригодной для непосредственного занесения в БЗ [1 − 11].
Представление фактов БЗ через пары "атрибут-значение". Анализируя суждения эксперта, когнитолог извлекает содержащиеся в них факты, представляя их либо тройками "объект-характеристика-значение" либо, более просто, парами "атрибут-значение" (табл. 2.1).
Таблица 2.1
Факты в виде пар "атрибут-значение"
 
Суждение эксперта Атрибут Значение
"Стаж работы до 2-х лет" Стаж работы   до 2-х лет
"Навыки владения ПК" Владение ПК  Администратор
"Соотношение между собственными средствами банка и активами 8% и более" Собственные средства 8% и более
"Предприятие выдает векселя своим предприятиям-партнерам" Вексель Да
"Потребность в предоставлении льгот" Льготы Да
"Есть скидки на покупку продукции" Скидка Да
"Имеются требования к ценовым параметрам" Треб_цена Да
"Соблюдение договорных условий со стороны поставщика обязательно" Собл_условий Обязательно
 
Каждая характеристика любого объекта может принимать значения из некоторого списка (множества) разрешенных значений, также определяемого когнитологом при помощи эксперта. Например, характеристики "потребность в предоставлении льгот" и "наличие скидки" принимают одно из двух значений (да или нет), характеристика "цена" − одно из нескольких значений (минимальная, договорная, максимальная, постоянная). В свою очередь совокупность всех выделенных когнитологом характеристик некоторого объекта (или предметной области в целом) образует так называемый список разрешенных характеристик данного объекта (предметной области). Списки разрешенных характеристик и разрешенных значений этих характеристик охватывают множество всех имеющихся фактов, подлежащих хранению в базе знаний экспертной системы. Каждый из списков не является жестко фиксированным, а может изменяться в ходе проектирования БЗ, например, вследствие пополнения ее новыми знаниями.
Представление правил базы знаний в виде продукций и фреймов. Правила БЗ когнитолог формулирует обычно в виде продукций. Примеры описания правил с помощью продукций приведены в табл. 2.2.
Таблица 2.2
Правила в виде продукций
 
Предпосылка (антецедент) Заключение (консеквент)
Логическое условие: A#.
ЕСЛИ
A Треб_цена = Нет
ТО Цена = удовлетворяет
Логическое условие: A&B&C&D#.
ЕСЛИ
A Право изменить тариф -НЕТ 
B Тариф в – ДА
C Тариф с – НЕТ 
D Тариф н – НЕТ
ТО
Тариф = Неизм. высокий тариф
Логическое условие: A&B&C#.
ЕСЛИ
A Соблюдение договора банком – Нет
B Опыт банка – Нет
C Утечка – Нет
ТО
Надежность = Низкая
Логическое условие: A&B&C&D&E#.
ЕСЛИ
A Временное пользование = Да
B Капиталовложения = Нет
C Ссуды = Нет
D Срок = Не знаю
E Управление имуществом = Да
ТО
Операция = Трастово-Депозитная
Логическое условие: A&B&C#.
ЕСЛИ
A Репутация = Да
B Нарушения поставки = Нет
C Рекламация = Нет
ТО
Репутация поставщика = Хорошая
 
Лабораторная работа 3
 
Построение правил и фреймов в системе "КАРКАС"
 
Цель. Разработать правила и фреймы. Ознакомится с работой редактора БЗ.
Базовые сведения. Внешний вид редактора БЗ представлен на рис. 2.1 со списком атрибутов [4, 6]. На экране редактора имеется шесть закладок:
атрибуты БЗ;
правила;
фреймы;
изображение;
порядок знаний в БЗ;
дерево БЗ.
Для удобства формирования и редактирования вопросов и ответов, правил, фреймов и изображений имеется шесть закладок. Вопрос и ответы привязываются к атрибуту (например, ключевое слово предметной области) и содержатся в файле базы данных. Множество атрибутов располагается в виде списка. При щелчке указателем мыши на каждом атрибуте появляется ассоциированный с ним тексты вопроса и  ответов.
Для удобства редактирования вопросов и ответов модуль редактора базы знаний содержит ряд сервисных кнопок: копирование атрибута, удаление атрибута, копирование всех атрибутов в буфер обмен, загрузить изображение. Такие же сервисные функции имеются  у каждого атрибута и вызываются с помощью контекстного меню.
Для синтаксического контроля логического условия продукции используется анализатор правил.
Описанный анализатор правил используется как в редакторе правил и фреймов, вид которого представлен рис. 2.2,  так и в машине  вывода системы "КАРКАС".
Итак, продукция ‑ это правило вида
 
ЕСЛИ  <АНТЕЦЕДЕНТ>  ТО  <КОНСЕКВЕНТ>, <К.У.П.>,
 
которое отображает знания, необходимые для решения задач и организации взаимодействия с пользователем.  Логический вывод, основанный на продукциях, − это применение правила, затем определение правила-преемника и так далее. Различают разные стратегии вывода: прямой, обратный и смешанный.
Достоинства продукционной БЗ: проста в управлении модулями знаний (удаление, дополнение, корректировка).
Недостатки:
при большом количестве правил вывод идет очень долго;
при большом количестве правил (свыше сотни) их логическая связь между собой трудно сопоставима.
Другой способ представления знаний − это фреймы. Фрейм − это каркас знаний, состоящий из слотов. Поскольку модель фрейма наиболее удачно отображает элементы знаний человеческой нейронной сети, поэтому рассматриваемая система получила название "КАРКАС".
Имеется два типа фреймов:
фрейм-понятие − отношение/действие + связанные этим отношением/участвующие в этом действии объекты;
фрейм-пример − конкретный экземпляр отношения/действия + конкретные объекты (связанные этим отношением/участвующие в этом действии).
Фрейм: имя − отношение/действие
Слоты − объекты или другие фреймы
С каждым слотом может быть связана такая информация: условие на заполнение (тип, "по умолчанию", связь с другими слотами), ассоциированные процедуры (действия, выполняемые, например, при заполнении этого слота).
Основные операции над фреймами:
поиск фрейма/слота;
замена значения слота (наследование);
взятие копии фрейма-понятия.
Пример фрейма представлен на рис. 2.3.
Достоинства фреймов: знания хорошо структурированы, структура понятна человеку.
Недостатки фреймов:
при большом количестве фреймов долго выполняются все операции;
при большом количестве фреймов (свыше сотни) их логическая связь между собой трудно сопоставима.
В табл. 3.1. приводится пример перечня атрибутов БЗ "Подбор кадров на должность аналитика компьютерных систем"
 
 
 
Таблица 3.1.
Атрибуты БЗ
 
Атрибут Вопрос Ответы  
 
1 2 3  
Высшее образование Есть ли высшее образование? Да  
Нет  
Спецификации Разрабатывали ли вы спецификации на программный продукт? Да  
Нет  
Владение IT Какими IT средствами вы владеете? Основы RUP  
CASE средства  
Нотации UML  
Не владею  
Язык Знаете ли вы английский язык? Да  
Нет  
Разговорный уровень Каков ваш разговорный уровень языка? Вольное владение  
Средний уровень  
Низкий уровень  
Технический уровень Каков ваш технический уровень языка? Вольное владение  
Средний уровень  
Низкий уровень  
Опыт работы Какой у вас опыт работы? Более 3-х лет  
Около года  
Нет опыта  
Психологические факторы Какими психологическими факторами вы владеете? Стрессоустойчивость  
Оптимизм  
Ориентация на результат  
Коммуникабельность  
Не владею  
 
Далее приводится пример фрагмента БЗ "Подбор кадров на должность аналитика компьютерных систем".
Правило 1.
A&B&C&D&E&F&G&H&I#.
ЕСЛИ
A Высшее образование = Да
B Спецификации = Нет
C Владение IT = Не владею
D Язык = Нет
E Опыт работы = Более 3 лет
F Психологические факторы = Коммуникабельность
G Психологические факторы = Ориентация на результат
H Психологические факторы = Стрессоустойчивость
I Психологические факторы = Оптимизм
ТО
Оценка = 60%.
Аргументация.
Предлагаем Вам подтянуть свои знания в области ITтехнологий!
Модуль 2. Прикладные интелектуальные системы. Методология и инструментарий проектирования
 
Лабораторная работа 4
 
Методика построения модели базы знаний в системе "КАРКАС"
 
Цель. Ознакомится с логической машиной вывода в системе "КАРКАС".
Базовые сведения. Рассмотрим пример построения БЗ "Выбор квартиры".
Постановка задачи: разработка базы знаний по выбору покупателем квартире, подходящей для него в зависимости от требований и целей.
Назначение прототипа ЭС: консультирование покупателя во время определения подходящей квартиры.
Сфера применения прототипа ЭС: система будет применяться в различных агентствах недвижимости.
Цель: подбор наиболее оптимального варианта – квартиры из уже существующей базы квартир для любого покупателя в зависимости от его потребностей и требований.
Исходные данные: район, тип строения, транспорт, ориентация, состояние квартиры, количество комнат, площадь, цена, рынок, инфраструктура.
Ожидаемые результаты: удовлетворяющая запросам квартира.
Концептуальную модель предметной области выбора квартиры можно представить в виде дерева целей (рис. 4.1). Здесь пересекающей дугой помечена вершина типа "И", а отсутствие ее ─ "ИЛИ". Логическая модель решения этой задачи представлена на рисунке 4.2. В таблице 4.1 приведены атрибуты разрабатываемой БЗ.
 
Лабораторная работа 5
 
Разработка модели базы знаний в системе "КАРКАС"
 
 
Цель. Разработка БЗ на примере экономической предметной области.
Дополнительные требования к отчету по лабораторной работе.
Отчет по лабораторной работе должен содержать следующие основные разделы:
Основные характеристики прототипа ЭС.
Идентификация предметной области.
Концептуальная модель предметной области.
Формализация БЗ.
Тестирование БЗ.
Основные характеристики прототипа ЭС.
Назначение: консультирование, обучение, так далее.
Сфера применения: пользователи.
Класс решаемых проблем: интерпретация (анализ), диагностика, прогнозирование, проектирование, планирование и так далее.
Критерии эффективности и ограничения: экономические показатели.
Цель: цель консультации.
Ожидаемые результаты: гипотезы − список возможных значений цели, подцели.
Исходные данные.
Особенности решения задач, например, описание характеристик неопределенности, основных эвристик
Идентификация предметной области. В этом разделе отчета сначала описывается неформальная постановка задачи, в которой обосновывается необходимость разработки прототипа ЭС и определяются источники получения экономической эффективности. Далее приводится структурированный отчет параметров предметной области:
Концептуальная модель предметной области. В отчете приводятся следующие графические модели: дерево целей –- граф "И/ИЛИ", логические модели подцелей, диалога с пользователем.
Формализация БЗ. Осуществляется выбор методов логического вывода: прямая или обратная цепочки рассуждений.
Обработка конфликтных наборов правил.
Анализ наследования атрибутов в фреймах.
Подготовка исходных фактов, правил, фреймов.
Тестирование ЭС. Приводятся, анализ текстов правил, фреймов и протоколов тестовых примеров. Выполняется аргументация полученных тестовых результатов консультаций. Число тестовых примеров должно соответствовать всем предполагаемым гипотезам для целей консультаций.
Рассмотрим пример оформления отчета на примере БЗ для выбора поставщика продукции.
Постановка задачи. Разработать БЗ по выбору поставщика для закупки молочной продукции в зависимости от потребностей покупателя. В основе разрабатываемой БЗ лежит анализ данных и предложений поставщиков, который позволит обнаружить требования к условиям поставок, ценовым и временным параметрам будущих закупок. БЗ поможет предприятию осуществить выбор наиболее выгодного и приемлемого поставщика среди всех альтернативных.
Назначение прототипа ЭС ─ это консультирование по подбору поставщика для закупки молочной продукции; оценка возможности закупки в нескольких альтернативных источниках; выбор на основании определенных критериев наиболее выгодного и приемлемого поставщика.
Сфера применения прототипа ЭС ─ это различные предприятия, фирмы, которые нуждаются в закупке молочной продукции.
Цель прототипа ЭС  ─ подбор наиболее оптимального варианта  поставщика для закупки молочной продукции в зависимости от потребностей покупателя.
Класс разрешимых проблем: анализ предложений поставщиков, выбор поставщика на основании определенных критериев.
Исходные данные:
информация предложений поставщиков: цена продукции, условия снабжения и оплаты, точность соблюдения условий договоров,  качество товаров и услуг,  обеспечение доставки продукции;
репутация поставщика в своей сфере;
возможности внеплановых поставок.
Критерии эффективности показателей: соответствие условий снабжения принятым требованиям.
Ожидаемые результаты: требования к условиям снабжения, эффективный выбор поставщика по принятым требованиям.
Идентификация предметной области: выбор поставщика основывается на исследовании предложений поставщиков и разбивается на следующие блоки:
1. Качество продукции. Относится к способности поставщика обеспечить товары и услуги в соответствии со спецификациями, а также с требованиями потребителя независимо от того, соответствует ли она спецификации.
2. Надежность поставщика (честность, отзывчивость, обязательность, заинтересованность в ведении бизнеса с данной компанией, финансовая стабильность, репутация в своей сфере, соблюдение ранее установленных объемов поставки и сроков поставки и так далее).
3. Цена. В цене должны учитываться все затраты на закупку конкретного материального ресурса, то есть транспортировку, административные расходы, риск изменения курсов валют, таможенные пошлины и так далее.
4. Качество обслуживания. Оценка по данному критерию требует сбора информации у достаточно широкого круга лиц из различных подразделений компании и сторонних источников. Необходимо соблюдать мнения о качестве технической помощи, отношении поставщика к скорости реакции на изменяющиеся требования и условия поставок, к просьбам о технической помощи, квалификации обслуживающего персонала и так далее.
5. Условия платежа и возможность внеплановых поставок. Поставщики, предлагающие выгодные условия платежа (например, с возможностью получения отсрочки, кредита) и гарантирующие возможность получения внеплановых поставок, позволяют избежать многих проблем снабжения.
Требование к прототипу ЭС по выбору поставщика: Для задания оценки поставщиков предприятия общепринятым методом является балльная оценка по ряду параметров: качество продукции, условия платежа, цена продукции, качество обслуживания, надежность поставщика.
Для лица, принимающего решение, количественная оценка поставщиков по вышеприведенным параметрам не всегда удобна. Подход представления знаний в системе "КАРКАС" позволяет использовать нечеткие данные, например, атрибут "качество продукции" может принимать значения "высокое", "среднее", "низкое". Итак, БЗ позволит лучше подобрать поставщика продукции.
Концептуальная модель предметной области. Концептуальную модель предметной области выбора поставщика продукции можно представлена в виде дерева целей (рис. 5.1).
Контрольные вопросы для самодиагностики
 
Модуль 1.
1. Понятие ИИ.
2. История ИИ.
3. Компьютеры пятого поколения.
4. Основные направления исследований ИИ (системы, основанные на знаниях).
5. Основные направления исследований ИИ  (машинный перевод).
6. Основные направления исследований ИИ (обработка визуальной информации).
7. Основные направления исследований ИИ  (распознавание образов).
8. Основные направления исследований ИИ  (машинное творчество).
9. Основные направления исследований ИИ  (новые архитектуры компьютеров).
10. Основные направления исследований ИИ (интеллектуальные работы).
11. Основные направления исследований ИИ  (мультиагентные системы).
12. Основные направления исследований ИИ  (программное обеспечение).
13. Понятие ЭС.
14. Архитектура ЭС.
15. Пример ЭС  MYCIN.
16. База знаний ЭС MYCIN.
17. Коэффициенты уверенности. Робастность ЭС.
18. Оболочка для создания ЭС EMYCIN.
19. Самообучающиеся системы (пример).
20. Технология разработки ЭС (идентификация).
21. Технология разработки ЭС (концептуализация).
22. Технология разработки ЭС (формализация).
23. Технология разработки ЭС (тестирование).
24. Технология разработки ЭС (выполнение).
25. Технология разработки ЭС (промышленная эксплуатация).
26. Отличие знаний от данных.
27. Типичные модели представления знаний (примеры).
28. Логическая модель представления знаний (пример).
29. Кванторы в логике предикатов (пример).
30. Представление знаний правилами продукции (пример).
31. Основные направления исследований ИИ (генерация и распознавание языка).
Модуль 2.
1. Объектно-ориентированное представление знаний фреймами (пример).
2. Фреймы, слоты, демоны, наследование (пример).
3. Модель семантической сети (пример).
4. Как изменялись понятие "задача" на разных этапах развития представлений об интеллектуальной системе?
5. Дайте определение системы искусственного интеллекта (СИИ).
6. Какими особенностями владеют СИИ в сравнении с традиционными  алгоритмическими системами?
7. Какими свойствами должна владеть любая интеллектуальная система?
8. Что является объектом исследования в СИИ ?
9. Что понимается под моделью предметной области?
10. Какая структура предметной области?
11. Приведите примеры предметной области.
12.Что мы понимаем под "решением" задача?
13. Что такое алгоритм решения задач?
14. Дайте определение понятию "знание".
15. Чем принципиально отличаются "знание" от "данных"?
16. Какими основными свойствами должны владеть БЗ?
17. Приведите пример внутренней интерпретации знаний.
18. Как записывается простейшая информационная единица?
19. Что такое "слот"?
20. Какая структура фрейма?
21. Как в базе знаний отображается внешняя структура связей?
22. Чему сеть называется семантической?
23. Приведите пример семантической сети
24. В чем заключается школирование данных?
25. Как вы понимаете "пространство с семантической метрическим свидетельством"?
26. Что такое кластер?
27. Что содержат процедурные знания?
28. Что содержат декларативные знания?
29. В чем заключается принцип активности?
30. Что представляет собой продукционная модель?
31. Как организованный вывод на продукциях?
32. Пересчитайте методы представления знаний.
33. Какие системы называются продукционными?
34. Дайте определение продукции.
35. Какая структура продукциннной системы?
36. Опишите на примере механизм работы базы правил.
37. Какая роль рабочей базы данных?
38. Опишите механизм вывода в продукционной системе с использованием прямой (обратной) стратегии. Приведите примеры.
39. Что такое конфликтное множество правил? Как разрешается эта ситуация?
40. Какие преимущества и недостатки продукционной модели?
41. Дайте определение фрейма.
42. Какие типы фреймов вы знаете?
43. Как работает механизм наследования?
44. Зачем нужны присоединенные процедуры?
45. Опишите механизм вывода на фреймах.
46. Укажите преимущества и недостатки систем.
47. Дайте определение семантической сети.
48. Как называется сеть с одним типом отношений?
49. Какие функции выполняют экспертные системы?
50. Какая роль базы знаний в экспертных системах?
51. Из каких функциональных блоков составляется ЭС.


 
2012 г. it-karkas.com.ua
Владимир Бурдаев

 
Контакты
Статьи
Новости
Инфо для пользователей
Ссылки
Карта сайта

 
Рейтинг@Mail.ru

Copyright 2018 - it-karkas.com.ua
Разработка сайта - alphastudio.com.ua