2.4 СИСТЕМЫ, ОСНОВАННЫЕ НА ЗНАНИЯХ
Естественно, если создание ЭС происходит не с помощью оболочки ЭС, потребуется привлечение и иных специалистов - собственно разработчиков программного обеспечения ЭС.
Как уже было отмечено, важнейшим элементом ЭС является база знаний. Именно на создание и апробацию БЗ могут быть потрачены основные ресурсы разработчиков, особенно, когда для построения системы используется оболочка ЭС.
В силу этой специфики ЭС в процессе ее создания выделяют следующие основные этапы, связанные с... Подробнее
3.2 Продукционная модель (правила продукций). ч.1
Продукционная модель представления знаний является, пожалуй, наиболее распространенной в ИИС. В общем виде правило продукций записывается так:
Если <Условие> То <Заключение>,
где <Условие> может представлять из себя сложное высказывание, состоящее из более простых, связанных связками “И” , “ИЛИ”, “Не”.
В более лаконичном виде пишут еще так:
А → B,
где А – в общем случае сложное условие, а B –... Подробнее
4.3 Системы интеллектуального анализа данных. Извлечение знаний из данных. ч.1
При написании этого пункта учебного пособия использован материал статьи, подготовленной автором для подписной электронной рассылки «Интернет для бизнеса» в 2007 году. В свою очередь при написании статьи были использованы сведения о Data Mining , как о перспективном направлении развития ИИС из таких источников , как [2, 4, 10].
Системы ИАД, как было сказано выше, реализуют принципиально иную стратегию получения знаний, нежели СОЗ. Здесь не система получает знания от человека... Подробнее
Резюме к 1 главе
1. Интеллектуальная информационная система (ИИС) - компьютеризированная система сбора, хранения, обработки, представления информации, работа которой основывается на имитации (воспроизведении) интеллектуальных возможностей человека.
К числу основных таких возможностей относятся:
- решение задач в условиях неопределенности информации;
- решение неформализованных (трудноформализуемых) задач;
- эвристическое решение задач - разумное сокращение перебора в... Подробнее
Глава 4. ПРИОБРЕТЕНИЕ ЗНАНИЙ В ИИС. ТЕХНОЛОГИИ МАШИННОГО ОБУЧЕНИЯ. 4.1 Стратегии получения знаний в ИИС
До сих пор мы говорили о представлении знаний с помощью специальных моделей, позволяющих так организовать знания в базе знаний ИИС, что они выступают в качестве инструмента вывода искомого решения. Однако теоретические модели и алгоритмы бесполезны без самих знаний. Так, «пустая» оболочка ЭС, в которой БЗ не наполнена предметным содержанием, очевидно, не может использоваться для решения практических задач. Условно говоря, необходимо обучение такой «пустой» ЭС, т.е.... Подробнее
4.4. Машинное обучение на примерах. Нейронные сети. ч.3
В [12] приводится такая рекомендация об объеме обучающей выборки: при допустимости 10% ошибок число учебных образцов должно быть в 10 раз больше числа имеющихся в сети весовых коэффициентов. Если на рисунке 4.4. посчитать число синаптических входов нейронов скрытого и выходного слоя – 21 , то можно предположить что объем обучающей выборке согласно этой рекомендации должен содержать не менее 210 образцов.
В заключение отметим, что рассмотренный тип НС является не единственным,... Подробнее
4.3 Системы интеллектуального анализа данных. Извлечение знаний из данных. ч.2
Сравните с точки зрения наглядности и объяснимости два способа представления знаний, которые выявил компьютер на основе анализа результатов деятельности интернет-магазина (это еще одно пояснение термина «знания в явной форме»):
1) Представление с помощью логических правил «Если.. То»:
«Если А > 250 (средний объем заказов покупателя > 250 руб)
И В > 4 (частота покупок > 4 в месяц),
То С = 2 (класс покупателя = 2) с долей уверенности =... Подробнее
3.5 Сетевые модели и графы. ч.2
Еще одним примером графовой модели знаний может служить так называемое дерево решений (дерево – это вид графа, в котором нет циклов). В дереве решений (рис.3.3) может быть заложен процесс вывода результата – решения некоторой задачи, который состоит в последовательной проверке каких-то условий (например, путем выдачи пользователю вопросов относительно значения того или иного параметра).
Рис.3.3 – Дерево решений
Дерево решения может... Подробнее
3.5 Сетевые модели и графы. ч.3
Вершины в семантической сети (СС) могут означать разные по природе объекты, а дуги между ними – различные по смыслу отношения. Это позволяет строить сложные и полные модели предметной области, с достаточной степенью подробности воспроизводящие объекты и их взаимосвязи.
На рис.3.5. приведен иллюстративный пример семантической сети, в которой показаны знания о разных объектах предметной области: знания об автомобилях и их свойствах, знания о составных частях автомобиля, знания о... Подробнее
Резюме к 2 главе
1. Знания (в компьютерной системе) – закодированные некото-рым образом сведения об объектах предметной области, их взаи-мосвязях и особенностях поведения, а также о способах решения задач. Эти сведения в условиях, характеризуемых некоторыми дан-ными, служат инструментом решения задач.
2. По характеру и трудности выявления и последующей фор-мализации знаний в компьютере их разделяют на два типа:
- знания 1-го рода (артикулируемые). Это знания, которые хо-рошо представляются в виде... Подробнее
Аннотации статей | [Все аннотации] |
|
|
|||||
|
|
Рекомендовано:
Робот - мойщик окон
Это, на самом деле, крутая штука ЗДЕСЬ
Популярные статьи |
