2018-01-08
591
Вариант №1
Под интеллектуальной компьютерной системой будем понимать систему, способную принимать решения в следующих условиях:
1. Необходимо обрабатывать и анализировать большой массив информационной базы данных;
2. В условиях ограниченной информации;
3. Неопределенности;
4. Многомерного пространства;
5. Необходимости распознавать ситуацию;
6. Динамических эволюционирующих нестационарных фактах, влияющих на решение задачи;
7. Необходимости формализации представленных знаний;
8. Необходимости адаптации, самообучения, самоорганизации и пр.;
Интеллектуальные компьютерные системы применяются для решения сложных задач, в которых логическая смысловая обработка преобладает над вычислительной. Например:
1. Понимание и синтез текстов на естественном языке;
2. Понимание и синтез речи;
3. Анализ визуальной информации;
4. Управление роботами;
5. Анализ ситуаций и принятие решений;
ИКС (интеллектуальная компьютерная система).
ИКС <= Математическое обеспечение(МО), Алгоритмическое обеспечение(АО), Программное обеспечение(ПО), Инструментальное обеспечение(ИО) > (1,2….8) – условия.
|
|
|
ИКС можно разделить на 2 класса:
· Общего назначения;
· Специализированные;
1) Системы выбора альтернативы –
Интеллектуальные решающие системы, которые способны в диалоге с пользователем на основе имеющихся данных, относящихся к данной предметной области, выполнить анализ и выбор по многим количественным и качественным критериям какой-либо альтернативы из заданного множества и обосновать решение поставленной задачи. Результатом работы может быть упорядоченный список альтернатив, предпочтения в котором выражены некоторым числом – рангом. От лица принимающего решения (ЛПР в дальнейшем) система должна получать информацию о предпочтительности критериев.
В БД содержится информация об анализируемых объектах;
В БА хранятся процедуры многокритериального сравнительного анализа информации на основе информации о предпочтении пользователя;
Примеры задач:
· Оценка качества системы здравоохранения по городам;
· Анализ системы показателей качества продукции;
· Тематическое планирование работ;
· Выбор наиболее предпочтительного варианта
Экспертные системы -
Интеллектуальные решающие системы, которые способны в диалоге с пользователем на основе накопления и переработки знаний и данных, проводить экспертизу, вырабатывать советы по выбору действий, распознавать ситуации, ставить диагноз, обосновывать выбор рационального решения поставленной задачи.
БЗ создает набор знаний конкретной предметной области и механизм управления ими.
|
|
|
Знания вводятся в систему через МПЗ, который позволяет извлекать информацию из окружающей среды и накапливать ее в памяти. Он поддерживает БЗ.
Знания:
· Декларативные – на профессиональном естественном языке, отображают общее устройство предметной области.
· Процедурные - сведения о совокупности конкретных процедур, этапов или шагов поиска целесообразных решений, представленных на профессиональном естественном языке или условном языке.
Интерфейс обеспечивает получение информации.
Примеры задач:
· Решение задач по контролю;
· Разработка новых веществ с заданными свойствами;
· Планирование экспериментов;
· Оптимизация;
· Медицинская диагностика;
3) Системы ситуационного управления –
Интеллектуальные решающие системы, вырабатывающие в режиме диалога с пользователем управляющие решения на основе накопления и переработки информации о структуре, свойствах и характеристических функциях сложных объектов для которых в настоящее время частично или полностью не существует математических моделей.
Интегрированные системы поддержки принятия решений
Интегрируемая интеллектуальная система должна:
1. быть способной к обучению;
2. собирать и накапливать информацию о поведении системы в базе данных с целью ее использования для обучения;
3. на основе информации, накопленной в БД и БЗ моделировать ситуацию, в которой приходится принимать решение;
4. оценивать качество принятых решений с учетом заданных критериев и использованием полученных моделей;
5. своевременно отслеживать изменение ситуации;
6. восстанавливать или игнорировать недостающие данные;
Подсистемы.
Для построения модулей нужно решить последовательность задач обработки информации.
На первом этапе решаются задачи сбора, обработки и оценивания количественной и семантической информации. Кроме этого, рассматриваются информационные воздействия на процесс получения информации и на систему в целом.
Второй этап – решаются задачи количественного и семантического анализа. Ценность семантической информации повышается с помощью сопоставления нечетких подмножеств или нахождения предикатов.
При семантическом анализе решаются задачи:
· Нечеткое логическое и лингвистическое качественное моделирование и оценивание;
· Размывание неточной количественной информации;
· Перевод информации в предикатную форму;
· Перевод семантической информации в лингвистическую форму;
????
· Размещение источников экспериментальной информации;
· Управление измерениями;
· Оценивание параметров;
· Моделирование, оценивание, прогнозирование состояний параметров и процессов;
Третий этап – согласование разнородной информации, извлечение знаний и данных, построение и формирование моделей. Для этого существует 2 способа:
1. Построение многоуровневой формальной модели, каждый уровень которой определяется одним типом информации
2. Увязывание разнородной информации и приведение ее к одному виду. Ее нужно представить в универсальной форме с применением лингвистических переменных или предикатов.
Процесс системного анализа информационной системы средствами подсистемы моделирования заключается в последовательном выполнении следующий шагов
1. Предварительная обработка информации о системе
2. Моделирование процессов
3. Адаптирование полученных моделей к реальным условиям
В результате в базе знаний размещается модель
M=(T, Xт<=X m, Yт<= Yn, Gт<= Gv,П, ∑)
T- интервал наблюдения
X– пространство входных взаимодействий
Y - пространство выходных взаимодействий
G- пространство состояний
П, ∑ - операторы выхода и перехода
Модель функционирования системы должна обеспечивать прогнозирование процесса функционирования на всём интервале времени Т, по заданному вектору G(t0) и входному процессу X. Если все составляющие формулы определены- модель полностью задана и может использоваться.
|
|
|
Вариант №2
Фреймы
Предложены в 1975 году М.Минским. Фрейм –это единица представления знаний, она запоминается, детали могут изменяться по текущей ситуации. Минский предлагал с помощью такой структуры данных описывать пространственные сцены. Фрейм отражает основные свойства объекта или явления. Структура фрейма записывается в виде списка свойств, называемого во Фрейме слотами. Например FRE стол:
(frame стол)
(purpose (value размещение предмета))
(type(value письменный))
(colour(коричневый))
Во фрейме стол представлены только декларативные средства для описания объекта, такой фрейм называется фрейм образец.
Фрейм экземпляр-который создаётся для отображения фактических ситуаций на основе поступающих данных и процедурных средств.
IF-Default
IF-NEEDED
IF-ADDED
IF-REMOVED
Вариант№3
Системы выбора альтернативы –
Интеллектуальные решающие системы, которые способны в диалоге с пользователем на основе имеющихся данных, относящихся к данной предметной области, выполнить анализ и выбор по многим количественным и качественным критериям какой-либо альтернативы из заданного множества и обосновать решение поставленной задачи. Результатом работы может быть упорядоченный список альтернатив, предпочтения в котором выражены некоторым числом – рангом. От лица принимающего решения (ЛПР в дальнейшем) система должна получать информацию о предпочтительности критериев.
В БД содержится информация об анализируемых объектах;
В БА хранятся процедуры многокритериального сравнительного анализа информации на основе информации о предпочтении пользователя;
Примеры задач:
· Оценка качества системы здравоохранения по городам;
· Анализ системы показателей качества продукции;
· Тематическое планирование работ;
· Выбор наиболее предпочтительного варианта
|
|
|
Вариант№4
