Резюме к 4 главе

1. В ИИС можно выделить три стратегии получения знаний, т.е. «обучения» системы:
- приобретение знаний в СОЗ из источников;
- формирование знаний в системах интеллектуального анали-за данных;
- машинное обучение (на примерах).
2. В процессе приобретения знаний решаются две задачи - по-лучение, т.е. извлечение знаний из источников и их систематиза-ция (структуризация).
При извлечении знаний происходит взаимодействие с источни-ком (источниками) знаний с целью получить необходимые для создания БЗ сведения - о ходе решения экспертом профессио-нальных задач, о приоритетах и учитываемых ограничениях, о фактах, событиях и взаимосвязях между ними и т.п.
В ходе структуризации происходит упорядочение и оформле-ние полученных сведений, отбрасывается лишнее, выделяются уровни и классы полученной системы знаний, создаются нагляд-ные документы, а также формулируются гипотезы о дальнейшем выборе способов представления знаний в БЗ.
В зависимости от того, какие источники знаний используются, выделяют два больших класса методов извлечения знаний:
- коммуникативные;
- текстологические.
Первые предполагают коммуникации с экспертами, вторые – извлечение знаний из текстов (учебников, монографий. докумен-тов, методик и т.п.). Инженер по знаниям, как правило, комбини-рует и те и другие.
3. Текстологические методы извлечения знаний делятся на следующие подклассы:
- анализ специальной литературы;
- анализ учебников;
- анализ методик.
Анализ учебников можно считать наиболее простым для пони-мания предметной области, поскольку учебная литература имен-но для этого и предназначена. Методики отличаются концентри-рованным изложением практически важных моментов, отсутстви-ем теоретических пояснений, комментариев и предполагают для своего освоения наличие у человека определенных знаний в дан-ной области. То же самое можно сказать и о специальной литера-туре, особенно о литературе научного плана, где могут излагаться авторские взгляды и результаты исследований. В то же время именно специальная литература, отражая практический опыт экс-перта в своей области, может стать источником уникальных экс-пертных знаний для СОЗ.
4. Коммуникативные методы, применяемые в инженерии зна-ний, делятся на подклассы:
- пассивные;
- активные.
К числу пассивных относятся:
- наблюдение;
- протокол мыслей вслух;
- лекции;
Активные методы извлечения знаний предполагают более ак-тивную, направляющую роль инженера по знаниям при взаимо-действии с экспертом. Среди этих методов отметим следующие:
- анкетирование;
- интервью;
- свободный диалог.
Кроме индивидуального общения существуют и групповые ме-тоды активного извлечения знаний (метод круглого стола, метод «мозгового штурма», игры с экспертами и др.).
5. Системы интеллектуального анализа данных реализуют принципиально иную стратегию получения знаний, нежели СОЗ. Здесь не система получает знания от человека – эксперта, а, на-против, человек получает от системы знания, которые до пору до времени скрыты в больших объемах данных или текстов. При этом назначение таких систем весьма практично – поддержка принятия решений, а их пользователями являются менеджеры, аналитики, руководители предприятий.
6. Машинное обучение на примерах предполагает предъявле-ние системе некоторых примеров – объектов с известными ха-рактеристиками.
Обучение на примерах реализует идею обобщения, т.е. индук-тивного вывода общих закономерностей (знаний) по частным слу-чаям.
8. Одной из популярных и перспективных технологий машинно-го обучения являются искусственные нейронные сети.
Нейросистемы решают такие задачи, как:
- распознавание образов;
- аппроксимация функций;
- кластеризация;
- ассоциативная память;
- вычисления в условиях неопределенности
и др.
Наиболее распространенным алгоритмом обучения нейросети является алгоритм обратного распространения ошибки.

Вернуться:

4.4. Машинное обучение на примерах. Нейронные сети. ч.3

Заключение