1.4. Основные разновидности иис и характеристики решаемых задач
ИИС предназначены для решения задач, требующих высочайшей квалификации исполнения. Характерной особенностью ИИС является наличие БЗ – совокупности знаний, записанной на магнитный носитель в форме, понятной эксперту и пользователю. Эксперт – высококвалифицированный специалист, готовый к передаче своей компетентности и опыта БЗ. Пользователь – специалист предметной области, для которого предназначена ИИС. Под предметной областью понимается множество объектов, значений их характеристик и связывающих их отношений. Проблемная область определяется характеристиками соответствующей предметной области и характеристиками типов решаемых в ней задач.
Потребность отражения человеческих знаний в памяти компьютера породила новое направление в информатике – инженерию знаний. Инженер по знаниям (когнитолог) – специалист, выступающий в роли буфера между экспертом и БЗ.
Основными разновидностями ИИС являются экспертные системы, системы поддержки принятия решений и экономические советующие системы.
ЭС применяются для решения неформализованных задач, которые обладают одной или несколькими из следующих характеристик [4,5]:
задачи не могут быть заданы полностью в числовой форме;
исходные данные и знания о предметной области обладают неоднозначностью, ошибочностью и противоречивостью;
цели не могут быть выражены в терминах точно определенной целевой функции;
алгоритмическое решение задач отсутствует;
алгоритмическое решение существует, но его нельзя использовать по причине большой размерности пространства решения и ограниченности ресурсов компьютера.
Для принятия решений в условиях определенности используются методы математического программирования. Однако в условиях неопределенности, неполноты и нечеткости знаний задача многократно усложняется. Для того чтобы СППР оставалась работоспособной в условиях изменяющегося окружения, необходима реализация механизмов ее самообучения. Основные требования, предъявляемые к СППР:
оказание квалифицированной поддержки процесса принятия решения на уровне консультанта;
обладание возможностями самообучения, то есть умение добавлять новые знания в БЗ, накапливать их и обрабатывать;
умение работать с неполной и нечеткой информацией;
поддержка многовариантных процессов принятия решений;
оценка последствий принимаемых решений.
ЭСС являются ИИС, ориентированными на решение широкого круга экономических задач, и могут быть разделены на два класса [6]:
Системы, воспроизводящие осознанные мыслительные усилия человека (дедуктивные).
Системы, воспроизводящие неосознанные (подсознательные) мыслительные действия человека (индуктивные).
К первому классу относятся:
расчетно-диагностические системы, в основе которых лежит ясное понимание целей принятия решений. Цель, трансформируемая в дерево целей, накладывается на дерево экономических показателей предприятия. В результате получается синтезированное дерево «цель – показатель», которое способно обеспечить расчет нужных для достижения целей ресурсов и резервов;
ЭС приближенных рассуждений. Создаются в том случае, если цель принятия решений сформулировать невозможно или нецелесообразно, однако ее можно заменить гипотезой. Для создания систем данного класса формулируются правила вывода типа «ЕСЛИ-ТО», которые синтезируются в дерево вывода. Результатом использования системы является оценка правдивости заданной пользователем гипотезы;
системы поддержки исполнения решений. Подразделяются на обучающие и рекомендательно-контролирующие системы.
Основная цель – предоставить управленческому персоналу недостающие знания, обучить конкретным действиям, необходимым для выполнения рекомендаций, предоставленных СППР, с последующим контролем исполнения.
Ко второму классу относятся:
системы нейросетевых вычислений. Осознанные знания являются лишь небольшой частью от общего объема знаний, которыми оперирует человек в повседневной жизни. Многие действия человек выполняет подсознательно или неосознанно. В данном случае классические модели бесполезны, так как предполагают наличие четко или нечетко сформулированных правил. Используемый для создания ЭСС нейросетевых вычислений эволюционный подход ориентирован на индуктивное обобщение и вывод. В основе построения систем индуктивного характера лежат нейросетевые технологии. Искусственная нейросеть предназначена главным образом для того, чтобы на основе анализа большого объема информации, отражающей частные случаи какого-либо явления, выявить общие закономерности, которые в свою очередь могут быть использованы для распознавания новых частных случаев. Нейросеть рассматривается в качестве «черного ящика», для которого известны лишь вход, выход и некоторые другие внешние параметры;
системы, ориентированные на естественно-языковые запросы. Исследования в этой области находятся на начальном этапе развития. Основная сложность заключается в предоставлении неосознанных (ассоциативных) знаний. БЗ представляется в форме семантической сети, то есть ориентированного графа, вершина которого соответствует понятиям, а дуги – отношениям между ними, отражающим осознанные (логические) знания.
Кроме этого, ЭСС содержит лингвистический процессор и базу ассоциаций. Лингвистический процессор предназначен для выявления с помощью лингвистических структур той БЗ, которая касается данного запроса. Выявленная часть семантической сети используется блоком обработки для последующей выдачи информации пользователю. Если в БЗ явно не присутствуют необходимые знания, то подключается база ассоциаций, которая пытается восполнить недостающую информацию. В ней подобно нейросетям активизируются те ассоциации, которые по специально рассчитанным коэффициентам наиболее близки к анализируемому запросу.
- Введение
- Глава 1. Интеллектуальные информационные системы
- Основные направления в искусственном интеллекте
- Нейросетевые и нейрокомпьютерные технологии.
- Мультиагентные (многоагентные) системы.
- 1.2. Данные и знания
- Эволюция развития информационных систем
- 1.4. Основные разновидности иис и характеристики решаемых задач
- 1.5. Классификация иис
- Глава 2. Структура и этапы проектирования экспертных систем
- 2.1. Структура статической и динамической эс
- 2.2. Характеристики, стадии существования и этапы проектирования статических эс
- Глава 3. Модели представления знаний
- 3.1. Продукционная модель
- 3.2. Формально-логическая модель
- 3.3. Фреймовая модель
- 3.4. Семантические сети
- Глава 4. Методы обработки знаний в интеллектуальных системах. Нечеткие знания
- 4.1. Интерпретатор правил и управление выводом
- 4.2. Нечеткие знания и нечеткая логика
- Глава 5. Теоретические основы инженерии знаний
- 5.1. Процедура извлечения знаний
- 5.2. Основные аспекты извлечения знаний
- 5.3. Методы извлечения знаний
- Глава 6. Нейронные сети
- 6.1. Искусственный нейрон и функции активации
- 6.2. Нейронные сети с прямой связью
- 6.3. Алгоритмы обучения нейронных сетей
- Глава 7. Технология создания экономических советующих систем
- 7.1. Определение и виды информационных технологий
- 7.2. Технология «Ресурс – Обучение – Цель»
- 7.3. Определение коэффициента важности целей
- Глава 8. Программный инструментарий разработки систем, основанных на знаниях
- 8.1. Цели и принципы технологии разработки программных средств
- 8.2. Технология и инструментарий разработки программных средств
- Глава 9. Интеллектуальные интернет-технологии
- 9.1. Интеллектуальные агенты
- 9.2. Мультиагентные системы
- Мультиагентные системы различного функционального назначения
- Глава 10. Новые тенденции инженерии знаний,
- 10.1. Методы извлечения глубинных пластов экспертного знания
- 10.2. Хранилища данных
- 10.3. Управление знаниями
- 10.4. Технология создания систем управления знаниями
- Глава 11. Интеллектуальные информационные системы в условиях неопределенности и риска
- 11.1. Понятие риска в сппр слабоструктурированных проблем
- 11.2. Реализация эс инвестиционного проектирования
- * Эс определения целей инвестирования капитала.
- Глава 12. Системы, ориентированные на естественно-языковые запросы. Машинное обучение
- 12.1. Естественно-языковые интерфейсы
- 12.2. Машинное обучение
- Глава 13. Современные методы исследования,
- 13.1. Интеллектуальные методы проектирования сложных систем
- 13.2. Эвристические методы синтеза сложных систем
- 13.3. Интегрированные, гибридные и синергетические системы
- Библиографический список
- Оглавление
- Николай Александрович Семенов Интеллектуальные информационные системы
- 170026, Г. Тверь, наб. Афанасия Никитина, 22