Logo GenDocs.ru

Поиск по сайту:  

Загрузка...

Шпоры по искусственному интеллекту - файл Шпоры по экзамену.doc


Шпоры по искусственному интеллекту
скачать (39.8 kb.)

Доступные файлы (1):

Шпоры по экзамену.doc145kb.10.01.2009 22:00скачать

содержание
Загрузка...

Шпоры по экзамену.doc

Реклама MarketGid:
Загрузка...

1.Основные термины искусственного интеллекта

Искусственный интеллект – это выработанное умение рассуждать – это свойство программно-аппаратных систем реализовать отдельные функции интеллекта человека, общаясь с ЭВМ на ограниченном подмножестве естественного языка.

Интеллект – это способность мозга решать интеллектуальные задачи путем получения, накопления и целенаправленного применения знаний в процессе обучения или адаптации неполных знаний.

Интеллектуальная задача – это процесс отыскания алгоритма решения, какого – либо класса задач.

Интеллект – это процесс отыскания сверх алгоритма, те универсальный сверх алгоритм, который способен создавать алгоритм решения конкретных задач.

Предикат – это высказывательная функция определенная на множестве значений переменных и констант (Да или Нет, те только одно из двух значений)

Терм – это константы и переменные

Атом – это разновидность высказывания, которое выражает единственное отношение между термами.

2.Направления исследования искусственного интеллекта

- Разработка ИИС, основанных на знаниях - выявление, исследование и применение знаний высококвалифицированных экспертов для решения сложных задач, возникающих на практике

- ^ Разработка естественно-языковых интерфейсов и машинный перевод

- Генерация и распознавание речи - создаются в целях повышения скорости ввода информации в ЭВМ, разгрузки зрения и рук, а также для реализации речевого общения на значительном расстоянии.

- ^ Обработка визуальной информации - решаются задачи обработки, анализа и синтеза изображений

- Обучение и самообучение - включает модели, методы и алгоритмы, ориентированные на автоматическое накопление и формирование знаний с использованием процедур анализа данных

- ^ Распознавание образов - на основании применения специального математического аппарата, обеспечивающего отнесение объектов к классам

- Игры и машинное творчество

- Программное обеспечение систем ИИ - включают специальные языки программирования, ориентированные на обработку символьной информации (LISP, SMALLTALK, РЕФАЛ), языки логического программирования (PROLOG), языки представления знаний (OPS 5, KRL, FRL).

- ^ Новые архитектуры компьютеров - создание компьютеров не фон-неймановской архитектуры, ориентированных на обработку символьной информации

- Интеллектуальные роботы

3.Особенности и признаки интеллектуальности информационных систем

Любая информационная система (ИС) выполняет следующие функции:

- воспринимает вводимые пользователем информационные запросы и необходимые исходные данные,

- обрабатывает введенные и хранимые в системе данные в соответствии с известным алгоритмом

- формирует требуемую выходную информацию.

С точки зрения реализации перечисленных функций ИС можно рассматривать как фабрику, производящую информацию, в которой заказом является информационный запрос, сырьем - исходные данные, продуктом - требуемая информация, а инструментом (оборудованием) - знание, с помощью которого данные преобразуются в информацию.

^ Знание имеет двоякую природу:

1. Фактуальное знание - это осмысленные и понятые данные. Данные сами по себе - это специально организованные знаки на каком-либо носителе.

^ 2. Операционное знание - это те общие зависимости между фактами, которые позволяют интерпретировать данные или извлекать из них информацию. Информация по сути - это новое и полезное знание для решения каких-либо задач.

Процесс извлечения информации из данных сводится к адекватному соединению операционного и фактуального знаний и в различных типах ИС выполняется по-разному. Самый простой путь их соединения заключается в рамках одной прикладной программы:

^ Программа = Алгоритм (Правила преобразования данных + Управляющая структура) + Структура данных

Таким образом, операционное знание (алгоритм) и фактуальное знание (структура данных) неотделимы друг от друга.

^ Для ИИС характерны следующие признаки:

  • коммуникативные способности - способ взаимодействия конечного пользователя с системой;

  • решение сложных плохо формализуемых задач, которые требуют построения оригинального алгоритма решения в зависимости от конкретной ситуации, характеризующейся неопределеннос-тью и динамичностью исходных данных и знаний;

  • способность к самообучению - умение системы автоматически извлекать знания из накопленного опыта и применять их для решения задач;

  • адаптивность - способность системы к развитию в соответствии с объективными изменениями области знаний.

4.Классификация интеллектуальных информационных систем



5.Классификация моделей представления знаний

  • Логическая модель реализует и объекты, и правила с помощью предикатов первого порядка, является строго формализованной моделью с универсальным дедуктивным и монотонным методом логического вывода "от цели к данным";

  • ^ Продукционная модель позволяет осуществлять эвристические методы вывода на правилах и может обрабатывать неопределенности в виде условных вероятностей или коэффициентов уверенности, а также выполнять монотонный или немонотонный вывод;

  • ^ Семантическая сеть отображает разнообразные отношения объектов;

  • Фреймовая модель, как частный случай семантической сети, использует для реализации операционного знания присоединенные процедуры;

  • ^ Объектно-ориентированная модель, как развитие фреймовой модели, реализуя обмен сообщениями между объектами, в большей степени ориентирована на решение динамических задач и отражение поведенческой модели.

Данные – это отдельные факты характеризующие объект

Знания – это накопленные сформированные закономерности (правила), позволяющие решать новые задачи

6.Продукционная модель представления знаний

Хранит знания в виде правил следующего вида

ЕСЛИ (условие), ТО (действие)

В условии содержится некоторое предложение – образец, по которой ищется правило в базе

Действие – это перечень операций исполняющихся, если условие истина.

В основном продукционная модель предназначена для описания последовательности различных ситуаций или действий и в меньшей степени для структурированного описания объектов

Вывод – процесс поиска решения на вопрос:

1. ^ Прямой вывод – движение от исходных данных к цели. При срабатывании правила на каждом шаге решения формируется унифицированное следствие – это следствие тоже является правилом и записывается в базу знаний, потом процесс повторяется, т.е. поиск очередного правила. Процесс завершается когда унифицированное следствие совпадает с поставленной целью.

2. Обратный вывод – от цели к исходным данным. На первом шаге подбирается правило, следствие из которого являлось бы целевая функция – это правило объявляется подцелевой функцией и операция повторяется. Когда все целевые функции истина, то вычисление прекращается.

7.Продукционные интеллектуальные системы, три компонента:

- база знаний

- машина вывода – принимает решения

- оперативная память – исходные факты, целевая функция и промежуточные решения

^ Машина вывода – специальная программа, которая выполняет след функции:

- просмотр имеющихся правил

- добавление новых правил

- изменение имеющихся правил

- управление порядком просмотра правил

Машина вывода делится на 2 компонента:

1. управляющий компонент

2. компонент вывода – он решает правило

За один шаг может сработать только одно правило

8.Семантические сети

Семантика – это наука устанавливающая смысл знаков и символов

Семантическая сеть – это граф вершина, которого понятие, а дуги показывают отношение между понятиями

Вывод на семантической сети – это поиск фрагмента сети соответствующего некоторым шаблонам, а шаблон – это запрос в БЗ.

^ Основные отношения:

1. класс – элемент класса (AKO - отношение между надмножеством и подмножеством), одно является олицетворением другого

2. свойство – значение свойства (HasPart - описывающее части/целые объекты)

3. пример элемента класса (ISA - свойства объекта наследуются от множества)

^ Другие типы отношений:

- часть – целое (крыша часть сооружения)

- функциональные связи

- количественные отношения

- пространственные отношения

- логические отношения

^ Классификация семантических сетей:

1. по количеству отношений используемых в сети:

- однородные – только один тип связи

- неоднородные – больше двух типов связи

2. по количеству связей

- бинарные – связывает только два понятия

- N-арные – несколько понятий

3. по представлению описываемого объекта

- экстенсиональные – представляют знания о конкретности объекта

- интенсиональные – содержат знания о классе объекта

Принципы построения сетей:

1. описываются отношения в системе, которые могут быть между понятиями

2. введения понятий с двух до бесконечности

3. понятия связываются между собой описанными ранее отношениями

Система, используемая семантические сети работает в двух режимах (либо один, либо другой):

- режим вывода на сети

- режим пополнения сети

Достоинства: считается, что функционирует долговременная память человека

Недостатки: сложная процедура вывода на сети

9.Фреймовые модели представления знаний

Фрейм – это агрегат, который представляет наиболее полное формирование описания понятия, это разновидность семантических сетей, только вместо вершин выступают фреймы
frame1
Демон – это имя процедуры, которая автоматически запускается при любом обращении к слоту

Слуга – имя процедуры, которое запускается только при некоторых условиях

Фреймы имеют способность наследовать значения характеристик своих «родителей» , находящихся на более высоком уровне иерархий.

^ Два типа фреймов:

1 фреймы – прототипы – хранятся в базе знаний

2. фреймы – экземпляры – представляют собой запрос пользователя к системе.

Достоинства: Фреймы одна из наиболее используемых моделей знаний, используется любой язык программирования

Недостатки: относительна высокая сложность, что проявляется в снижении скорости работы механизма вывода

10.Нечеткие множества

Нечеткое множество – это такое множество, элементами которого могут принадлежать частично

Коэф принадлежности – характеризуется каждый элемент

Пусть ^ E - универсальное множество, x - элемент E, а R - некоторое свойство. Обычное (четкое) подмножество A универсального множества E, элементы которого удовлетворяют свойству R, определяется как множество упорядоченных пар A = { A (х)/х}, где
A(х) - характеристическая функция, принимающая значение 1, если x удовлетворяет свойству R, и 0 - в противном случае.

Нечеткое подмножество отличается от обычного тем, что для элементов x из E нет однозначного ответа "да-нет" относительно свойства R. В связи с этим, нечеткое подмножество A универсального множества E определяется как множество упорядоченных пар

A = {A(х)/х}, где

A(х) - характеристическая функция принадлежности (или просто функция принадлежности), принимающая значения в некотором вполне упорядоченном множестве M (например, M = [0,1]). Функция принадлежности указывает степень (или уровень) принадлежности элемента x подмножеству A. Множество M называют множеством принадлежностей. Если M = {0,1}, то нечеткое подмножество A может рассматриваться как обычное или четкое множество.

11.Нечеткая и лингвистическая переменные, нечеткие высказывания

Нечеткая переменная

<, X, A>

  • - имя переменной,

  • X - универсальное множество (область определения ),

  • A - нечеткое множество на X, описывающее ограничение (то есть  A(x)) на значение нечеткой переменной .

Переменная значениями которой являются термы (слова, фразы на естественном языке) называется лингвистической.

< ,T,X,G,M>

 – имя переменной

T – множество базовых знаний , которые входят в переменную

G – набор процедур, которые позволяют оперировать элементами исходного множества (правила)

M – набор процедур, позволяющий формировать нечеткие переменные из имеющегося базового множества.

Пример: - толщина изделия;

T - {"маленькая толщина", "средняя толщина", "большая толщина"};

X - [10, 80]; G - процедура образования новых термов с помощью связок "и", "или" и модификаторов типа "очень", "не", "слегка" и др. Например, "маленькая или средняя толщина", "очень маленькая толщина" и др.; М - процедура задания на X = [10, 80] нечетких подмножеств А1="маленькая толщина", А2 = "средняя толщина", А3="большая толщина".



"маленькая толщина" = А1 , "средняя толщина"= А2, " большая толщина"= А3.



Функция принадлежности:

нечеткое множество "маленькая или средняя толщина" = А1А1

Высказывание – это какое-либо сформулированное отношение между переменными и константами (деревянный, липа – а дерево это липа). Строятся из атомов объединенными между собой предикатными символами (и, или, =, . . .) или квандарами (принадлежность, существование).

Нечеткими высказываниями будем называть высказывания следующего вида:

  1. Высказывание < есть  '>, где  - имя лингвистической переменной,  ' - ее значение, которому соответствует нечеткое множество на универсальном множестве Х. Например, высказывание <давление большое> предполагает, что лингвистической переменной "давление" предоставляется значение "большой", для которого на универсальном множестве Х переменной "давление" определено, соответственно данному значению "большой", нечеткое множество.

  2. Высказывание < есть m '>, де m - модификатор, которому соответствуют слова "ОЧЕНЬ", "БОЛЕЕ ИЛИ МЕНЕЕ", "НАМНОГО БОЛЬШЕ" и др.

  3. Сложные высказывания, образованные из высказываний вида 1. и 2. и союзов "И", "ИЛИ", "ЕСЛИ.., ТОГДА...", "ЕСЛИ.., ТОГДА.., ИНАЧЕ".

12.Этапы создания экспертной системы

Экспертная система – используется для решения трудно формализованных задач (не числовая форма, неоднозначность данных, цель нельзя выразить с помощью одной функции, нет алгоритма решения)

- идентификация предметной области – формируются требования к системе

- концептуализация – строим модель

- формализация знаний – определяем тип знаний и строим базу знаний, т.е. структура БЗ

- реализация - программный код

- тестирование и экспертиза




13.Идентификация проблемной области

Определяется назначение сферы применения будущей системы, подбирается команда экспертов и программистов, выделяются соответствующие ресурсы, и формируется постановка конкретной задачи.

Типовые назначения экспертных систем:

- для обучения новых пользователей

- распространение уникальных знаний эксперта

- автоматизация поиска решения сложной задачи

- оптимизация решения задач

Техническое задание

1. класс решаемых задач

2. критерии эффективности решения

3. критерий эффективности процесса решения

4. цель решаемых задач и подцели

5. прописываем исходные данные

6. особенности данных

14.Построение концептуальной модели

Требуется построить модель функционирования нашей будущей системы. Результаты оформляются графически – 3 способа:

1. объектная модель – структура и взаимосвязь элементов систем

Детально показывает состав объектов и связи между ними - выражается совокупностью предикатов:

Профессия (Иванов, слесарь) – свойство

Работает (Иванов, цех) – действие

Объекты в модели объединяются в классы – совокупность объектов обладающих одинаковыми свойствами.

2. функциональная модель – отображаются действия, которые могут использоваться над элементами системы. Показывает преобразование фактов, зависимость между фактами.

Типы функциональных систем:

- причина – следствие

- средство – цель

- аргумент – функция

- ситуация – действие

Функциональная модель строится путем декомпозиции цели. Цели делятся на подцели до тех пор пока подцель нижнего уровня не совпадет с фактом БЗ.

3. поведенческая модель – четко описывается взаимодействие объектов и прорисовывается временное состояние объекта. отражает изменение состояния объектов в результате возникновения некоторых событий.

^ Состояние объекта – это набор изменяющихся во времени параметров, которые описывают объект.

Набор действий вызывающих изменение состояние объектов определяет поведение в виде какого-либо набора правил.

Событие оформляется в виде сообщение передаваемого объекта. Оформляется в виде диаграммы состояний и событий.

15.Реализация экспертной системы и ее тестирование

На этапе реализации происходит физическое создание нашей системы и наполнение ее сведениями в рамках определенного программного средства:

1. готовые программные оболочки – является самым простым классом программных средств. Но есть недостаток – не всегда совпадает с моделью экспертной системы

2. интегрированные среды программирования – имеются готовые фрагменты БЗ и средства программирования.

3. просто языки представления знаний – Пролог, сложно и долго, но можно реализовать все

Стоимость программных услуг исчисляется тысячами. Средняя стоимость системы стоит 200000$

^ Этап тестирования оценивает экспертную систему с позиции двух основных групп критериев: точности и полезности. Точность работы: правильность заключений, адекватность базы знаний проблемной области, соответствие методов решения проблемы экспертным. Полезность: ответы на запросы пользователя; удобство интерфейса; объяснение получаемых результатов; надежность, адаптирумость, производительность и стоимость эксплуатации.

^ Этап внедрения и опытной эксплуатации - это переход от тестовых примеров к решению реальных задач.

16.Особенности экспертных систем экономического анализа

Архитектура экспертной системы экономического анализа (особенности формирования базы знаний, выбора методов логического вывода, пользовательского интерфейса) во многом зависит от целей и глубины анализа: внешнего (для сторонних организаций) или внутреннего (для самого предприятия).

^ Цель внешнего анализа – определение общего состояния предприятия с целью выявления возможности взаимодействия с ней. Сущ два метода: - рейтинговый метод и – классификации ситуации

^ Цель внутреннего анализа – это поиск направления повышения эффективности деятельности, также поиск «узких» мест. Он использует оба способа формирования оценки внешнего анализа путем декомпозиции

17.Методы внешнего анализа

1. рейтинговый метод – формируется общая оценка финансового состояния предприятия по величине некоторых коэф:

О = ∑iOij – общая оценка

Oij = ∑I Wij – сумма весовых коэф i и j факторов, и их влияние друг на друга

Оij - оценка влияния j - го фактора на i - й вышестоящий фактор по некоторой числовой шкале, а Wij - вес (коэффициент) влияния j - го фактора на i - й фактор.

Полученные коэф нужно сложить и получить оценку общего состояния предприятия.

2. классификация ситуаций – строится некоторое дерево решений, отражающее финансовую деятельность предприятия. Классообразующим признаком является признак "Класс платежеспособности" (1 - высший класс, 5 - низший класс).

Для каждой ветки дерева строится правило, по которому учитывается формирующие эту ветку факторы. Отсутствие хотя бы одного из признаков может привести к неудаче логического вывода

18.Методы внутреннего анализа

Для внутреннего экономического анализа свойственен поиск направлений повышения эффективности деятельности предприятия, т.е. диагностика узких мест и определение рекомендаций по их устранению. Он использует оба способа формирования оценки внешнего анализа путем декомпозиции. В основе диагностики лежит метод последовательной декомпозиции "сверху-вниз" или дезагрегации "целое - часть", когда проблема последовательно разбивается на подпроблемы, пока на каком-либо уровне не станет ясным, какая подпроблема в действительности имеет место.

^ Функциями экспертной системы финансового анализа предприятия являются:

1. Ввод и проверка правильности составления бух отчетности;

2.Анализ финансового состояния предприятия:

-оценка платежеспособности

- оценка финансовой устойчивости ;

3. Анализ результатов финансово-хозяйственной деятельности предприятия


19.Оценка финансовой устойчивости



Оценка финансовой устойчивости формируется из оценок трехкомпонентного показателя типа финансовой ситуации, определяющего покрытие основных и оборотных средств собственными и заемными финансовыми источниками, а также оценок коэффициентов устойчивости по сравнению с нормативными значениями. Основное влияние на финансовую устойчивость при этом оказывает оценка трехкомпонентного показателя.

^ Решение задачи оценки финансового состояния предприятия с помощью экспертной системы сводится к выборке из базы знаний на основе известных исходных данных взаимосвязанной цепочки правил логического вывода заключения.

20.Оценка рентабельности предприятия

Рентабельность предприятия рассчитывается как отношение полученного дохода (прибыли) к средней величине использования ресурсов.

^ Показатели рентабельности:

- рентабельности активов, - текущих активов, - реализованной продукции, - собственного капитала, - инвестиций.

Рентабельность текущих активов тесно связана с такими экономическими показателями, как оборачиваемость средств и себестоимость продукции. Поэтому этот показатель выбран в качестве корневого в экспертной системе анализа результатов финансового-хозяйственной деятельности предприятия.

^ Оборачиваемость текущих активов определяется отношением выручки от реализации продукции к величине оборотных средств




Скачать файл (39.8 kb.)

Поиск по сайту:  

© gendocs.ru
При копировании укажите ссылку.
обратиться к администрации