1.2. Данные и знания

Данные – это информация, полученная в результате наблюдений или измерений отдельных свойств (атрибутов), характеризующих объекты, процессы и явления предметной области. При обработке на компьютере данные трансформируются, условно проходя следующие этапы:

• данные как результат измерений и наблюдений;

• данные на материальных носителях информации (таблицы, протоколы);

• структуры данных в виде диаграмм, графиков, функций;

• данные на языке описания (сетевые, иерархические, реляционные модели представления данных);

• базы данных (БД) на машинных носителях информации.

Знания – это связи и закономерности предметной области (принципы, модели, законы), полученные в результате практической деятельности и профессионального опыта, позволяющего специалистам ставить и решать задачи в данной области. При обработке на компьютере знания трансформируются аналогично данным:

• знания в памяти человека как результат анализа опыта и мышления;

• материальные носители знаний (литература, учебники, аналитические отчеты);

• поле знаний – условное описание основных объектов предметной области, их атрибутов и закономерностей, связывающих их;

• знания, описанные на языках представления знаний (формально-логические, продукционные, фреймовые модели, семантические сети);

• база знаний (БЗ) на машинных носителях информации.

Существенными для понимания природы знаний являются способы определения понятий. Один из широко применяемых способов основан на идее интенсионала и экстенсионала. Интенсионал понятия – это определение его через соотнесение с понятием более высокого уровня абстракции с указанием специфических свойств. Экстенсионал – это определение понятия через перечисление его конкретных примеров. При этом интенсионалы формируют знания об объектах, а экстенсионалы объединяют данные. Вместе они формируют элементы поля знаний конкретной предметной области.

3. Содержание

   • 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