Please enable JavaScript.
Coggle requires JavaScript to display documents.
Интеллектуальные системы (Модели представления знаний (Фреймы (Свойства…
Интеллектуальные системы
-
-
-
Виды
-
Экспертная система
Экспертная система - сложная программа (система, основанная на знаниях), которая использует знания с целью отыскания удовлетворительного решения определенной задачи в реальных условиях.
Основы ЭС составляют
Базы знаний, которая закладывается во время её разработки и может уточняться и расширяться при использовании.
-
Все ЭС ориентированы на решение определенного круга задач в узкой предметной области . И не могут быть применены при решении близких, но не предусмотренных при их создании проблем.
Даже ждя задач, входящих в компетенции ЭС точный анализ ситуации и нахождение оптимального решения возможны только в случае, если аналогичная ситуация была предусмотрена при её создании
В настоящее время разрабатывают универсальные экспертные системы , предлагается новая концепция универсальности, которая позволяет накапливать знания и находить решения любых задач в т.ч. неформализованных в различных областях науки и техники
Универсальная ЭС (УЭС)
Разрабатывались для того, чтобы не было необходимости переработки всего программного комплекса ЭС.
Концепция универсальности - позволяет ЭС в процессе эксплуатации обучаться, расширять свои функциональные особенности и возможности.
Структура
Блоки, накапливающие информацию
-
Основаны на математических моделях - проведение структурно-параметрической идентификации динамических объектов, теория оптимизации и другие способы обработки информации.
Методология создания - строится на основе общей информационно-поисковой системы и иерархической структуры взаимосвязанных ЭС имитационного моделирования.
Все проблемы декомпозируются до на независимые задач, каждую из которых решает своя ЭСИМ.
Архитектура
-
-
Множество блоков решателя, решающие логические задачи
-
-
СТроится по модульному принципу открытого типа (чтобы можно было добавлять новые знания и блоки) и предусматривает расширение её функционала и ума без значительных затрат времени и средств.
-
-
-
-
-
-
-
Сферы применения
-
Робототехника
-
Роботы с обратной связью, выполняющие различные операции
-
-
-
-
-
-
-
-
Понимается предельный по сложности класс систем автоматизированного управления, ориентированных на приобретение, обработку и использование некоторой дополнительной информации, понимаемая, как знания. Такие системы предназначены для работы в условиях неопределенности (невозможности точного математического описания)
В условиях работы реальных систем с высоким уровнем неопределенности информации, для построения систем управления необходимо применение информационных технологий, ориентированных на потоки контекстозависимой информации, то есть фактическая разработка новых принципов построения интеллектуального управления теории интеллектуальных систем для систем высшей уровней сложности
-
Опирается на системный подход в том смысле, что ориентируясь на системную, а не на описательную сложность оставляет систему во внешнем мире и признает существование внутренней целевой установки
Внутренние и внешние управления интеллектуального взаимодействия в акте взаимной контекстной информационной оценке информации
Информация - как неопределяемая совокупность данных и отношений между ними в семантически явном контексте и в текущей трактовке
-
-
-
Базируется на механизмах реструктуризации данных, по реализации аналогичных конечных.... которые по существу не является рекурсивной. Исходя из сказанного, для правомерного использования конечного автомата (например, компьютера) в составе ИС теория должна рассматривать возможность построения абстрактных конструкций, реализующих невычислимые в обычном смысле объекты
-
Нейросети
-
-
Модели нейронных сетей
Модель Маккалоха
Теоретические основы нейроматематики были заложены в начале 40-х годов. Так в 1943 году Маккалох и его ученик Питтс - сформулировали основные положения деятельности головного мозга и были получены следующие результаты: разработана модель нейрона, как простейшего процессорного элемента, выполняющего вычисления вектора входных сигналов и вектора весовых коэффициентов
На основе этой конструкции было сделано основополагающее предположение о том, что такая сеть способна обучаться, распознавать образы, обобщать полученную информацию.
Недостаток этой модели в том, что существует эта пороговая составляющая
-
Модель Розенблата
1958 год. Ввел в модель Маккалоха способность связей к модификации, что сделало её обучаемой - такая модель была названа персептроном.
-
Недостатки персептрона
Не всегда существует комбинация весовых коэффициентов, которые бы удовлетворяли условиям
-
-
Модель Хопфилда
В 70-е годы интерес к нейронным сетям упал, но исследования продолжались. Был предложен ряд интересных разработок, как когнитрон, который умел хорошо распознавать сложные объекты. Автором когнитрона является Фокушима (японец)
Новый этап связан с работами Кохена, Амари и др. ученых и в особенности Хопфилда.
Так же связан с развитием технологий интегральных схем - сверхбольшие интегральные схемы.
Начало нового этапа - 1972 год работы Хопфилда, в которых была сформулирована математическая модель ассоциативной памяти на нейронной сети с использованием правила Хеббиана для программирования сетей
У Хопфилда была введена функция вычисления энергии нейронной сетей - это аналог функции Липунова в динамических системах. Показано, что для однослойной нейронной сети со связями типа "Все на всех" характерна сходимость к одной из конечного множества равновесных точек, которые являются минимумами функции энергии.
Понимание такой динамики было и у других исследователь, однако Хопфилд показали, как конструировать функцию энергии для конкретной оптимизационной задачи.
Этот метод получил развитие и для решения других оптимизационных задач - машина Больцмана, предложенная и исследованная Джеффери Хинтоном и Земелом
Модель сети с обратным распространением - связи имеют соседние слои и каждый нейрон предыдущего слоя связан с нейронами последующего слоя. Первого слоя нейроны называются входные - последний слой нейронов - выходной и создается столько классов, сколько распознается. Между слоями несколько скрытых слоев и определение числа скрытых слоев для каждой задачи является неформальной задачей.
Задачи, решаемые на основе нейронных сетей
Отсутствует строгий алгоритм или нет решения задачи, однако имеется множество примеров.
-
Нечеткость входов - избыточность, противоречивость, нечеткость
Для распознавания образов, классификации и прогнозирования.
-
Мягкие вычисления
-
Генетические алгоритмы - несут в себе принципы естественного отбора и эволюции.Используются правила эвристик
Используется для разработки модели макроэкономики РФ, например
