Новости

Карта сайта

Вяземский филиал МГИУ

Научно-исследовательская деятельность

Технологии программирования

Теория по алгоритмам

Языки программирования

Язык моделирования UML

Case-средства

Теория DELPHI

Базы данных в Delphi

Программы на Delphi

Теория PASCAL

ЕГЭ по информатике

Программы на Pascal

Технические средства

Курсовые работы

Дипломные проекты

На заметку

Интерпретатор Пролог

Элементы информационных технологий

Информационные ресурсы Интернет

Фотоальбом

Гостевая книга

Консультации о поступлении

Контакты

Искусственный интеллект

Интеллектуальные роботы

Моделирование биологических систем

Эвристическое программирование

Эвристическое моделирование

Система знаний

Экспертные системы

Вычислительные сети

Информационные технологии

Учебные пособия

Конкурсы и олимпиады

Центр тестирования иностранных граждан по русскому языку

Вебинары

ЛОГИКА

Базы данных

Использование информационных и интернет-технологий для развития бизнеса

{LTS}

Символьные рассуждения

Эксперты, решая какие-то задачи (особенно такого типа, для решения которых применяются ЭС), об­ходятся без решения систем уравнений или других трудоемких мате­матических вычислений. Вместо этого они с помощью символов представляют понятия предметной области и применяют различные стратегии и эвристики в процессе манипулирования этими понятия­ми. В ЭС знания тоже представляются в символьном виде, т. е. набо­рами символов, соответствующих понятиям предметной области. На жаргоне ИИ символ — это строка знаков, соответствующая содержа­нию некоторого понятия реального мира. Символы можно объединить, чтобы выразить отношения ме­жду ними. Когда эти отношения представлены в программе ИИ, они называются символьными структурами. Примеры символьных структур: (ДЕФЕКТНЫЙ продукт) (ВЫПУЩЕННЫЙ ответчиком продукт) (РАВНО (ОТВЕТСТВЕННОСТЬ ответчик) 0.8) Эти структуры можно интерпретировать следующим образом: «продукт является дефектным», «продукт был выпущен в продажу ответчиком» и «ответственность ответчика равна 0.8». При решении задачи ЭС вместо выполнения стандартных матема­тических вычислений манипулирует этими символами. Нельзя сказать, что ЭС вообще не производит математических расчетов, она делает, но в основном она приспособлена для манипулирования ct волами. Вследствие подобного подхода представление знаний выбор, форма и интерпретация используемых символов — становится очень важным. Кроме того, эксперты могут получить задачу, сформулированную неким произвольным образом, и преобразовать ее к тому виду, который в наибольшей степени соответствует быстрому получению решения или гарантирует его максимальную эффективность. Эта способность переформулирования задачи — как раз то свойство, которое должно быть присуще ЭС для того, чтобы приблизить их мастерство к уровню экспертов-людей. К сожалению, большинство существующих в настоящее время ЭС не обладают свойством. Глубина. Экспертная система должна иметь глубокие знания; значит, что она способна работать эффективно в узкой предметной области, содержащей трудные, нетривиальные задачи. Поэтому прaвила в ЭС с необходимостью должны быть сложными либо в смысле сложности каждого правила, либо в смысле их обилия. Экспертные системы, как правило, работают с предметными областями реального мира, а не с тем, что специалисты в области ИИ называют игрушечными предметными областями, В предметной области реального мира тот, кто решает задачу, применяет фактическую информацию к практической проблеме и находит решения, которые являются ценными с точки зрения некоторого критерия, определяющего соотношение стои­мости и эффективности. В игрушечной предметной области либо зада­ча подвергается чрезвычайному упрощению, либо производится нереа­листическая адаптация некоторой сложной проблемы реального мира. Тот, кто решает такую проблему, обрабатывает искусственную инфор­мацию, которая в целях облегчения решения упрощена и порождает решения, имеющие чисто теоретический интерес. В тех случаях, когда по отношению к сложной задаче или данным о ней сделаны существенные упрощения, полученное решение может оказаться неприменимым в масштабах, которые характерны для реальной проблемы. Рекомендации, методы представления знаний, opганизация знаний, необходимые для применения методов решения задач к этим знаниям, часто связаны с объемом и сложностью пространства поиска, т.е. множества возможных промежуточных и окончательных решений задачи. Если проблема сверхупрощена или нереалистична, то размерность пространства поиска будет, скорее всего, резко уменьшена, и не возникнет проблем с быстродействием и эффективностью, столь характерных для реальных задач. Эта про­блема размерности возникает столь естественно и неуловимо, что даже искушенные в ИИ специалисты могут не оценить ее истинные масштабы.

Продукционная модель представления знаний Организация знаний в экспертных системах Примеры экспертных систем Структурирование знаний в программах  Самосознание Типология роботов Виды информации Категории информатики Социальная энтропия Информационная среда 

Приглашаем принять участие в круглом столе!

подробнее   >>>

Институт Менеджмента, Экономики и Инноваций начинает набор на курсы повышения квалификации!

подробнее   >>>

Уважемые студенты АНО ВПО ИМЭиИ!

подробнее   >>>

Начинается набор на курсы повышения квалификации!

подробнее   >>>

Приглашаем принять участие в конференциях!

подробнее   >>>

все новости...