И.Г. Сидоркина Системы инженерии знаний

Размер: px
Начинать показ со страницы:

Download "И.Г. Сидоркина Системы инженерии знаний"

Транскрипт

1 И.Г. Сидоркина Системы инженерии знаний Разрабатываемое информационное приложение соответствует технологии инженерии знаний, если решаемая с его помощью задача имеет следующие характеристики: 1) Задача должна решаться посредством манипуляции символами (т.е. с помощью символических рассуждений). 2) Задача должна иметь не алгоритмическую, а эвристическую природу, т.е. с помощью эвристик. Задачи, которые могут быть гарантировано, решены с помощью набора формальных процедур, не подходят для применения ЭС. 3) Задача должна быть достаточно сложной, чтобы ЭС могла ее решить (решение эксперта занимает часы, а не недели). 4) Задача должна быть достаточно узкой и практически значимой для решения ее по технологии инженерии знаний. Экспертная система (ЭС) - система, предназначенная для решения плохо формализуемых задач, для задач, у которых отсутствует алгоритм решения, для задач, алгоритм решения которых не известен; или обладает достаточно большой размерностью и используемых для работы в агрессивных средах. Система, в которой заложен опыт специалистов в заданной предметной области, представленный знаниями, которые сформулированы на естественном языке или легко взаимодействуют с естественным языком и реализованы с помощью правил. Экспертная система разрабатывается в том случае, если ее разработка, во-первых, необходима, во-вторых, оправдана и неоценима. Экспертные системы решают задачи из области NP. Основные назначения экспертных систем 1) Интерпретация процесс определения смысла данных, результаты которого должны быть согласованными и корректными. 2) Планирование заранее намеченный порядок, последовательность осуществления какойлибо программы, работы, проведения мероприятий. 3) Прогнозирование обоснованное описание последовательности событий, с возможностью обнаружения новых факторов. 4) Мониторинг - непрерывное оповещение о состоянии системы, приложения или процесса. 5) Проектирование процесс создания новой информации об объекте, системе (имеется возможность исключения профессионала из процесса проектирования). 6) Диагностика процесс распознавания состояния на основе имеющихся факторов 7) Обучение - обучение пользователя, а так же самообучение системы, как на этапе приобретения знаний, так и в процессе работы ЭС (пополнение базы знаний (БЗ) ЭС новыми цепочками вывода). 1. Приобретение знаний. Этапы разработки ЭС Приобретение знаний для системы представления знаний осуществляется от эксперта в заданной прикладной области, когнитологом (когнитолог - инженер по знаниям). Существует следующие способы приобретения знаний: Скачано с 1

2 Коммуникативные пассивные: наблюдение за работой эксперта; "мысли вслух", лекции. Коммуникативные активные: "Мозговой штурм", круглый стол, ролевые игры, опрос эксперта, интервьюирование, диалог. Текстологические: анализ учебников, литературы, документов. 2. Представление знаний. Формализация знаний о проблемной области 1) Описание проблемной информации. 2) Выделение фактов, правил, отношений для заданной проблемной области; 3) Идентификация знаний; 4) Разработка моделей представления знаний. 5)Определение неопределенности: вычисление коэффициентов неопределенности; использование вероятностных характеристик событий; учет логической необходимости и логической достаточности события и использование формулы Байеса; применение лингвистической переменной и переменной неопределенности; и др. 6) Разработка управляющей структуры ЭС Построение цепочки логических рассуждений, интерпретация фактов предметной области; определение стратегии поиска решений. 3. Реализация Практическая разработка ЭС с использованием выбранных инструментальных средств: традиционных языков программирования, языков обработки списков и процедурных языков, языка логического программирования, с использованием пустых оболочек и сред. Объединение технологии ЭС с технологией традиционного программирования добавляет новые качества к программным продуктам за счет: обеспечения динамичной модификации приложений пользователем, а не программистом, лучшей графики, интерфейса и организации взаимодействия. Различают два вида экспертных систем: 1) статические; Оценивается информация на основе постоянных и неизменных данных в базе данных и правил в базе знаний (знания могут добавляться, но не в процессе функционирования ЭС). 2) динамические; Ориентированы на работу с постоянно меняющейся информацией в информационной базе и в базе знаний системы (компонентом базы знаний является база данных). Архитектура экспертных систем 1. Статистическая эксплуатация системы (см. Рис. 1) 1- рабочая область памяти виртуальный блок 2- блок логического вывода - осуществляется сопоставление данных и знаний, но только тех, которые требуются в заданном промежутке времени; Скачано с 2

3 3- база знаний - правила логического вывода, не меняющиеся в заданном промежутке времени (для статических систем), представлены в установленных для системы формализмах (фреймах, семантических сетях, предикатах первого порядка). БЕЗ ДАННЫХ ЗНАНИЙ НЕ БЫВАЕТ! 4- база данных - содержит постоянные, не меняющиеся в заданном промежутке времени данные системы для активизации знаний из базы знаний; 5- блок приобретения знаний - предназначен для работы с экспертом и когнитологом при пополнении и приобретении знаний; 6- блок рекомендаций и комментариев; 7- интерфейс пользователя - для взаимодействия с пользователем, отображает состояние рабочей памяти; 8- блок проверки знаний на корректность и противоречивость. Рис. 1. Архитектура ЭС 9- автоматизированный режим работы информационного приложения; 10- интерактивный режим работы информационного приложения; 11- прикладное информационное приложение система; 2. Для динамической ЭС 12- система датчиков взаимодействия с естественной средой; 13- информационная база; Скачано с 3

4 Формализация знаний о проблемной области Описание проблемной информации начинается с представления всех объектов, классов, объединенных объектов и понятий, их определяющих. Для представления всей этой информации используется таксономия - таксономическая классификационная схема (Рис.2). В корне таксономической схемы лежит основное понятие, описывающее проблемную область. Основное понятие таксономической схемы не должно иметь предшествующих понятий. Моделирование узла S S S обозначение процессы отношения ds ds ds ds ds ds Определение Место работы должность ds ds E E E И Ф О de de Рис. 2. Таксономия Таксономическая схема (таксономия) определяет совокупность узлов подсетей и элементов. Дуги таксономической схемы имеют заданные значения S/E - определяют назначение текущего узла, как «является множеством»/«состоит из элементов». ds/de - определяют назначение узла «является подмножеством»/ «является элементом». Направление стрелок к корню. Каждая ветвь таксономической схемы может представлять собой самостоятельную таксономию в зависимости от детализации области представления информации. При этом в корень нового образующего дерева выбираются участвующие в экспертизе понятия. Скачано с 4

5 Модели представления знаний Основные модели: Фреймы; семантические сети, логические модели Основные виды отношений, используемых в моделях представления знаний: 1) каузальные: а) причина и следствие (в прямой цепочке логических рассуждений); б) следствие и причина (в обратной цепочке логических рассуждений); 2) логико-арифметические: а) арифметические; б) логические; 3) теоретико-множественные: а) отношение принадлежности - это часть целого или целое части; б) классификационные вид род быть подмножеством род вид супермножество 4) характеристические (присущие всем БД): а) атрибутивные иметь свойство быть свойством б) идентифицирующие быть именем иметь имя 5) квантифицирующие: а) иметь количественное значение; б) иметь лингвистическое значение; 6) динамические: а) изменить положение; б) изменить ориентацию (на 90 0 ); 7) временные: Фреймы Фрейм - структура данных для представления стереотипной ситуации. Фрейм определяется имением и совокупностью слотов. Слоты могут иметь различные значения и могут оставаться незаполненными для конкретной ситуации. Слоты определяют объекты, классы и утверждения. Значением слота может быть имя другого фрейма. Таким образом, фрейм может определять исходные состояния, например, состояние А и переход в новое состояние В на основе исходного описания с помощью фрейма А в новое состояние, описываемое фреймом В. Слоты фрейма, кроме декларативного и процедурного назначения, могут определяться принудительно следующим образом: слоты, которые приводят к выполнению действий в зависимости от полученных фреймом значений при сопоставлении, называются слотами -слугами; слоты, которые активизируются вне зависимости от значений других слотов, называются слотами-дьяволами. При использовании фреймового представления предполагается, что значения некоторых слотов фрейма заданы, а значения других слотов фрейма заполняются в соответствии с ситуацией. Использование фреймов можно сравнить с использованием процедур в традиционных языках программирования. Описание процедуры в программе представляет Скачано с 5

6 собой (соответствует) фрейм-прототип. Действие, выполняемое процедурой, соответствует понятию фрейма-реализация. Использование фреймов предполагает реализацию в информационной системе на основе объектно-ориентированного подхода, где классы объединяют в совокупности однотипных объектов. Объекты имеют свойства, характерные для данного класса. При построении иерархии классов устанавливается соответствие между классами и фреймами и характеристиками объектов со слотами. Родственные свойства объектов наследуются, то есть объект, находящийся на нижнем уровне классификации, имеет все свойства, присущие данному классу объектов. Свойства объектно-ориентированной технологии: 1) инкапсуляция - скрытие информации, то есть доступ к определенным значениям слотов осуществляется при появлении или отсутствии значений данных в слотахслугах и слотах-дьяволах; 2) полиморфизм - использование объектно-ориентированной технологии с определенно заданными методами, то есть методы доступа к информации определяются дополнительно; 3) наследование. В отличие от описания процедур в традиционных языках программирования использование фреймов осуществляется не только по имени, но и по состоянию фрейма, описывающему ситуацию. Что это дает? Мы можем получить модель состояния В, имея только часть информации о состоянии А. Все модели представления данных предназначены для воплощения в правилах логического вывода. Этот основное назначение модели. Модели в правилах реализуются утверждениями. Пример: Допустим, имеется фрейм А. ОПИСАНИЕ Нахождение в токсичной зоне. Описание для жизни. ЕСЛИ<потенц-я релев-ть> Запах ядовитого вещества. ЕСЛИ<истинная релев-ть> Нахождение в зоне источника токсичности. ТО<сообщение пользов-лю> <Не дышать>/<покинуть зону>. ТО включить в агенду <действия, указанные в экспертной системе>. Частота использования фрейма В : включение в агенту 945 использование при выводе 4 Фрейм-прототип при реализации утверждения включает понятие пространства утверждения. фрейм-реализация - это внешние ссылки пространства и настройка на конкретную ситуацию. Семантическая сеть 1. В традиционном понимании семантическая сеть - это конструкция двух основных компонентов- узлов и дуг. Скачано с 6

7 Узлы моделируют понятия предметной области, дуги - отношения между парой понятий. Пример: Петр работает Отдел (узел) (дуга) (узел) С помощью семантической сети можно промоделировать достаточно сложные отношения между различного рода понятиями, описывающими достаточно много состояний проблемной области. Пример семантической сети : имеет руководи является гараж Петр 1 т Петр 2 служащие работае т администрация находится является имеет возраст не имеет стоянка для машины имеет Таб. адрес имеет «Петрова 5» Рис. 3. Фрагмент семантической сети Отношения между объектами в семантической сети можно установить как «все со всеми», то есть каждый узел семантической сети может иметь отношение с каждым ее узлом. 2. Семантическую сеть можно представить в виде бинарного предиката, или в виде отношения с двумя аргументами ( работает(петр, отдел), в общем виде - работает(х,т)). Представить эту информацию можно в списковой структуре. 3. Кроме того, описание семантической сети можно представить в виде n - аргументного отношения между понятиями. При условии, что имя отношения будет иметь одно и то же значение. При реализации семантической сети в базе данных (БД) информация описывается в виде троек: объект, атрибут, значение (то, что присуще БД). Недостатки использования семантической сети: трудно реализуется свойство наследования между понятиями; сложность в реализации временных отношений между понятиями. Семантические сети используются в основном для представления декларативной информации. Основные компоненты данной модели Логические модели 1. Обработка фактов. Факт является основной единицей модели представления знаний. Скачано с 7

8 Факт - это отношение, которое представляет объект и совокупность свойств объекта или процедур, которые определяются аргументами. Отношение - это предикат. Аргументы в предикатах задаются константами или переменными. Пример: является (Петр, Х) живет (У, Новгород, Т) где Х, У, Т - переменные, которые определяют интерпретацию факта в утверждении. Аналогом утверждения в исчислении предикатов является понятие «высказывание». Высказывание - это элементарное утверждение для использования в сложном предложении. Правила формирования предикатов: каждый предикат имеет имя; каждый предикат обязательно имеет аргументы; количество аргументов предиката не ограниченно; последовательность аргументов в задании предиката определяется последовательностью их интерпретаций в заданной проблемной области, и последовательность заранее известна программисту и не меняется на протяжении всей программы. 2. Правила Простейшим видом утверждений в модели представления знаний являются правила. В общем смысле, правила - это сложные умозаключения или высказывания, которые формируются из простых с помощью соответствующих связок &(and), Ú (or), ~(not), (импликация). Связка импликация ( ) предназначена для формирования каузального отношения. Пример: 1) работает (Петр, IBM) оператор (Петр); 2) разработал (Петр. программа) ~ работает (программист) исправить (Петр, программа, вечером) Ú передать (программа, У). 3. Сложные правила Используют для утверждения истинности на основе фактов, заданных в исходных данных или на основе интерпретации значений переменных при доказательстве. Мерой истинности переменных, используемых при доказательстве правила или сложного высказывания являются кванторы. Замечание: между кванторами не допустимо использование связок. Связки используются только между высказываниями. 4.Утверждения На языке логики предикатов утверждения могут быть представлены: 1)правилами, используемыми для доказательства; 2)правилами вывода. Скачано с 8

9 Правила вывода - это сложные предложения, которые определяют новые правила и факты. Правила вывода предназначены для задания новых стратегий с использованием новых фактов. Различия между просто правилами и правилами вывода: Основные недостатки модели исчисления предикатов. Доказательство на языке логики предикатов происходит монотонно и аддитивно, то есть рассуждения с помощью описания их предикатами не соответствует мыслительной деятельности эксперта, например, аддитивность заключается в следующем, что добавление новых фактов, предназначенных для получения новых целей или вывода С не меняется (А С А,В С ) В языке логики предикатов монотонность определяет последовательное применение всех правил. В результате чего, какое-то из правил приведет к результату. Недостатки: Имеется возможность комбинаторного взрыва; отсутствует операционное варьирование правилами, то есть, какое правило должно использоваться в данный момент не зафиксировано. Организация логического вывода в экспертных системах Блок логического вывода в архитектуре экспертной системы предполагает наличие механизма использования правил для получения решений. Механизм применения правил - это управляющая структура. Процесс интерпретации фактов из рабочей области в правилах определяет логический вывод. На практике используются две цепочки логических рассуждений или их комбинация: 1) прямое доказательство или прямая цепочка логического вывода; Пример: Если $ (А), то $ (В); Если $ (В), то $ (С);... и так далее до получения К, где К цель (решение). 2) обратная цепочка логического рассуждения ; Пример: Требуется подтвердить факт D. $ (D), если $ (С) $ (С), если $ (В) $ (В), если $ (А) Скачано с 9

10 Стратегии поиска решений Стратегия поиска решений задается цепочкой логического вывода и управляющей структурой. Организация логического вывода в экспертной системе, опираясь на управляющую структуру, используют соответствующий механизм вывода. Механизм вывода в экспертной системе называют интерпретатором. Работа интерпретатора осуществляется на основе данных, описывающих ситуацию, и знаний в виде правил, которые предполагают при объединении получение решения. Используются правила для систем, основанных на правилах, модули для систем, основанных на сопоставлении с образцом. Этап выполнения интерпретации заключается в выполнении следующих действий: выборка, сопоставление, разрешение конфликтов, выполнение. Выборка осуществляется двумя фазами: 1) синтаксическая фаза выборки; 2) семантическая фаза выборки. Результат выборки - совокупность активных правил из базы знаний. Синтаксическая выборка - это грубое определение правила по состоянию рабочей области памяти и переход к семантической выборке, то есть к конкретизации правил. Семантическая выборка определяет соответствие выбранных правил, текущей цели или подцели для заданной предметной области. Отобранные правила переходят на стадию сопоставления, результатом которой является конфликтная совокупность правил. На этапе сопоставления выполняется означивание выбранных правил текущими данными. Получили совокупность конфликтных данных, которые означены данными и готовы к выполнению. Разрешение конфликтов - это этап интерпретации, которые в зависимости от принятой стратегии используемого метода или цепочки логического вывода(прямой/обратной) формирует агенду - список активных правил. После выбора агенды начинаем ее выполнять. Выполнение предполагает реализацию правил из последовательности правил или модуля при сопоставлении с образцом. Результатом выполнения является изменение состояния рабочей области, выполнения операций ввода/вывода, изменение состояния рабочей области памяти системы (рис.4). Рабочая область выборка сопоставление Разрешение конфликтов Выполнение 1.синтатич. 2.семантич => совокупность правил из Б.З. Конфликтная совокупность правил агенда Правила (последовательности правил) модули Рис.4 Скачано с 10

11 Память системы содержит сведения о всех сеансах интерпретации при поиске решения. Данная последовательность шагов (рис.4) может быть реализована в экспертных системах, реализованных в двух архитектурах: первая архитектура основана на управлении правилами; в ней рабочая область - это рабочая область(текущее состояние памяти), источник знаний - данные, агенда - совокупность конфликтующих в текущей ситуации правил, правила- все активные правила; вторая архитектура: правила- модули, источник знаний - классная доска, агенда - список конфликтующих правил, политические правила- правила для выполнения. В системах с архитектурой второго состояния рабочей области памяти сравнивается: 1) с данными, представленными на классной доске( в базе данных или информационной базе); 2) с сопоставленными образцами, представленными также в базе данных. В архитектуре второго состояния кроме правил, которые определяют принятие решений, используются общие правила (метаправила), которые позволяют увеличить эффективность функционирования системы в десятки раз. Если в первой архитектуре сформулированные правила могут быть прочитаны экспертом, даже не являющимся программистом, то во второй архитектуре метаправила могут быть прочитаны и использованы только программистом. Метаправила - это правила работы с правилами. Выбранный механизм обработки и структура метаправил являются наиболее общими и позволяют охватить при обработке больший объем данных, а последовательное применение частных правил в первой архитектуре может привести к росту базы знаний и из-за путаницы в частных правилах увеличивается база знаний, что приведет к неадекватным решениям. В традиционных языках программирования при вызове модуля или процедуры используется имя процедуры. При разработке экспертных систем выбор модуля (образца или правила) осуществляется на основе текущих правил. Классификация стратегий принятия решений при поиске в экспертной системе. 1. Локальная и глобальная классификации; локальная стратегия используется для частных правил, глобальная стратегия - для общих правил; 2. Скрытая и открытая; открытая стратегия позволяет вмешиваться в процесс поиска принятия решения, стратегия закрытая является жестко заданной для предметной области; 3. По форме принятия решения(рис.5): стратегия поиска принятия решения вглубь и поиска принятия решения вширь: Скачано с 11

12 Вглубь Вширь - факт Рис. 5 Классические стратегии Инструментальные средства разработки ЭС Классификация оболочек разработки ЭС [Э.В. Попов]. Тип 1. Статическая оболочка, то есть, предназначена для решения статических задач. Используемая технология - поверхностная; типы использования правил - только общие; поиск решения от цели к данным; для принятия решений используется индуктивный подход на основе текущих данных; решаемые задачи - только задачи анализа. Пример: 1-st Clas Элис Решения получаются на основе правил, заданных по имеющемся в системе шаблону. Тип 2. Статические оболочки, предназначенные для решения задач анализа и синтеза с разделением времени. Используемые технологии - поверхностная, глубинная, структурный подход; поиск решений - на основе правил, представленных в среде оболочки. Для работы с правилами используются функции; поиск решений - от цели к данным, а так же от данных к цели; поиск решений вглубь и вширь, выборочная, оценка лучших решений и др. Пример: KAPPA; Clips Nexpert; ADC; Тип 3. Оболочки для проектирования динамических систем. Используемая технология - поверхностный подход. Отсутствие системы моделирования; принятие решения - на основе правил общего вида. Возможность использования для статических задач. Скачано с 12

13 Пример: Frame work, NExpert. Тип 4. Оболочки для разработки динамических систем. Решение задач анализа и синтеза в реальном времени; тип технологии - смешанный; используемые правила общего и частного вида; наличие системы моделирования, приближенной к имитационному моделированию. Наличие планировщика решений, который повышает эффективность работы системы за счет совокупности имеющихся на текущий момент известных решений. Много включающих инструментальных средств. Пример: G2; Rethink (на основе G2); RkWorks; Традиционные языки программирования высокого уровня Язык обработки списков LISP. Работа формализма ориентирована на обработку функций. Управляющая структура языка LISP находит среди аргументов списка описание состояния объекта или ситуации и выполняет процедуру, включенную в этот список. Если процедура содержит список, то он сопоставляется с текущей ситуацией. Управляющая структура языка LISP ориентирована на сопоставление с образцом, а модель на исчисление предикатов. Управляющая структура - это механизм приложения правил в заданной модели с целью получения решений. Язык логического программирования PROLOG. Prolog реализует управляющую структуру в виде обратной цепочки логического вывода, то есть доказательство от противного. Этим частично исключается монотонность. Язык FORLOG. Глоссарий ЭС класс информационных систем, ориентированный на тиражирование опыта высококвалифицированных специалистов [Т.А. Гаврилова] БЗ совокупность структур данных (объекты, их классы, отношения, параметры, списки, массивы, рабочие пространства) и исполняемых утверждений (правила, процедуры, функции). Эвристика неформализованная процедура, сокращающая количество шагов поиска решений Когнитолог- инженер по знаниям Неопределенность информационная энтропия (физическая неопределенность, лингвистическая неопределенность, семантическая, синтаксическая, смысл слов, фраз и т.д) Таксономия- структура взаимосвязанных понятий проблемной области. Факт это отношение, которое представляет объект и совокупность свойств объекта или процедур, которые определяются аргументами Правила вывода это сложные предложения, которые определяют новые правила и факты. Правила вывода предназначены для задания новых стратегий с использованием новых фактов Скачано с 13

14 Агенда упорядоченный список правил, готовый к выполнению Управляющая структура механизм приложения правил Метаправила правила работы с правилами, используются для обнаружения ошибок в предметных правилах, настраивают предметных правил и функций Структурный подход часть задачи решается с помощью поиска. Целесообразно сочетать с поверхностной и (или) глубинной технологиями. Поверхностная технология заключается в приобретении от эксперта фрагментов знаний в виде эвристик. При этом не предполагается глубинного изучения проблемной области. Глубинная технология технология, позволяющая реализовать моделирующие возможности. Утверждения знания, задающие процедуры обработки Библиографический список Т.А. Гаврилова, В.Ф. Хорошевский Базы знаний интеллектуальных систем. Санкт-Петербург,-Питер г. Э.В. Попов, И.Б. Фоминых, Е.Б. Кисель, М.Д. Шапот Статические и динамические экспертные системы.- Москва, Финансы и статистика г. А.И. Башмаков, И.А.Башмаков Интеллектуальные информационные технологии. М.:МГТУ им. Н.Э. Баумана г. Скачано с 14

Интеллектуальные системы обработки информации

Интеллектуальные системы обработки информации Министерство образования и науки Российской Федерации ФГБОУ ВО «Уральский государственный лесотехнический университет» Институт экономики и управления 620100, Екатеринбург, Сибирский тракт, 37, оф. 1-103

Подробнее

Назначение и основы использования систем искусственного интеллекта. Базы знаний. Экспертные системы Существует несколько стратегий получения знаний.

Назначение и основы использования систем искусственного интеллекта. Базы знаний. Экспертные системы Существует несколько стратегий получения знаний. Назначение и основы использования систем искусственного интеллекта. Базы знаний. Экспертные системы Существует несколько стратегий получения знаний. Наиболее распространенные: - приобретение; - извлечение;

Подробнее

Лекция 9 Тема. План Ключевые слова. , Сетевые семантические модели

Лекция 9 Тема. План Ключевые слова. , Сетевые семантические модели Лекция 9 Тема. Модели знаний. Компоненты экспертных систем. План 1. Сетевые семантические модели 2. Фреймовые модели 3. Продукционные модели 4. Компоненты ЭС Ключевые слова. Сети, вершины, дуги, дерево

Подробнее

ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Лекция 5. Экспертные системы Продолжение Технологии ИИ 1 СЕМИОТИЧЕСКИЕ МОДЕЛИ Классические задачи управления. В их фундаменте лежит тезис о том, что нам известны: назначение

Подробнее

3. Общая трудоемкость дисциплины (модуля)составляет 5 зачетных единиц, 180 часов.

3. Общая трудоемкость дисциплины (модуля)составляет 5 зачетных единиц, 180 часов. 2 I. Аннотация 1. Цель и задачи дисциплины (модуля) Целями и задачами дисциплины являются: - создание теоретической основы для решения актуальных практических задач в области интеллектуальной деятельности

Подробнее

Экспертные системы. АХТП Лекция 13

Экспертные системы. АХТП Лекция 13 Экспертные системы АХТП Лекция 13 Экспертная система система для решения определенных задач, сводящихся к задаче выбора, для узкой предметной области, и основанная на использовании формализованных знаний

Подробнее

Построение экспертных систем.

Построение экспертных систем. Построение экспертных систем. Лекция 7. Специальности : 230105, 010501 Назначение экспертных систем. Под Экспертной Системой (ЭС) понимается программа (комплекс программ), моделирующая в некоторой степени

Подробнее

Модели представлений знаний.

Модели представлений знаний. Модели представлений знаний. Модели представления знаний Модели представления знаний это одно из важнейших направлений исследований в области искусственного интеллекта. Почему одно из важнейших? Да потому,

Подробнее

Аннотация к дисциплине «интелектуальные информационные системы»

Аннотация к дисциплине «интелектуальные информационные системы» Аннотация к дисциплине «интелектуальные информационные системы» 1. ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ 1.1. Цели дисциплины Цель преподавания дисциплины состоит в содействии формированию у обучающихся способности

Подробнее

Интеллектуальные системы машиностроении

Интеллектуальные системы машиностроении Интеллектуальные системы машиностроении Лекция 2.1. Методы представления знаний. 1 Представление знаний в системах искусственного интеллекта Основной особенностью интеллектуальных систем является то, что

Подробнее

Курс лекций «Введение в ИИ.». Часть I. От психофизиологической проблемы до экспертных систем. Лекция 8. Экспертные системы. Часть I.

Курс лекций «Введение в ИИ.». Часть I. От психофизиологической проблемы до экспертных систем. Лекция 8. Экспертные системы. Часть I. Курс лекций «Введение в ИИ.». Часть I. От психофизиологической проблемы до экспертных систем. Лекция 8. Экспертные системы. Часть I. О.Г. Чанышев Содержание 1 Введение 1 1.1 Назначение экспертных систем.............................

Подробнее

Интеллектуальные системы и технологии. Лекция 6 Представление знаний в виде правил-продукций

Интеллектуальные системы и технологии. Лекция 6 Представление знаний в виде правил-продукций Интеллектуальные системы и технологии Лекция 6 Представление знаний в виде правил-продукций Экспертные системы Правила (rules) для представления знаний появились с появлением экспертных систем (1969).

Подробнее

Инженерия знаний. Е.А.Богданова. Учебное пособие

Инженерия знаний. Е.А.Богданова. Учебное пособие ФЕДЕРАЛЬНОЕ АГЕНСТВО СВЯЗИ Федеральное государственное бюджетное образовательное учреждение высшего образования «ПОВОЛЖСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ТЕЛЕКОММУНИКАЦИЙ И ИНФОРМАТИКИ» Кафедра Экономических

Подробнее

Базы знаний База знаний

Базы знаний База знаний Базы знаний Всякая интеллектуальная деятельность опирается на знания. В эти знания включаются характеристики текущей ситуации, оценки возможности выполнения тех или иных действий, законы и закономерности

Подробнее

Модели данных. Старший преподаватель Каф. Процессов управления и информационной безопасности Пермского государственного университета Неверов А.В.

Модели данных. Старший преподаватель Каф. Процессов управления и информационной безопасности Пермского государственного университета Неверов А.В. Модели данных Старший преподаватель Каф. Процессов управления и информационной безопасности Пермского государственного университета Неверов А.В. Понятие модели данных Модель данных это абстрактное, самодостаточное,

Подробнее

Программный комплекс верификации алгоритмов программного обеспечения с помощью иерархических сетей Петри

Программный комплекс верификации алгоритмов программного обеспечения с помощью иерархических сетей Петри УДК 681.31 Программный комплекс верификации алгоритмов программного обеспечения с помощью иерархических сетей Петри И. В. Рудаков 1, А. В. Пащенкова 1 1 МГТУ им. Н.Э. Баумана, Москва, 105005, Россия Рассмотрен

Подробнее

Искусственный интеллект как научная область.

Искусственный интеллект как научная область. Искусственный интеллект как научная область. Лекция 1. Специальность : 230105 Предмет изучения. Под Искусственным Интеллектом (ИИ) понимается область исследований, в которой ставится задача изучения и

Подробнее

РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ

РАБОЧАЯ ПРОГРАММА ДИСЦИПЛИНЫ ФАНО РОССИИ Федеральное государственное бюджетное учреждение науки Институ т систем информатики им А П Ершова Сибирского отделения Российской академии наук УТВЕРЖДАЮ Щиректор ИСИ СО РАН к РАБОЧАЯ ПРОГРАММА

Подробнее

ОЦЕНОЧНЫЕ СРЕДСТВА ПО ДИСЦИПЛИНЕ. специалитета

ОЦЕНОЧНЫЕ СРЕДСТВА ПО ДИСЦИПЛИНЕ. специалитета УТВЕРЖДАЮ Декан факультета сервиса Сумзина Л.В. 2015 г. ОЦЕНОЧНЫЕ СРЕДСТВА ПО ДИСЦИПЛИНЕ ОПД.Ф.6 УПРАВЛЕНИЕ ДАННЫМИ основной образовательной программы высшего образования программы специалитета по специальности:

Подробнее

Система моделирования и интеллектуализации задач принятия решений

Система моделирования и интеллектуализации задач принятия решений УДК 681.3.07 Система моделирования и интеллектуализации задач принятия решений З. Н. Русакова 1 1 МГТУ им. Н.Э. Баумана, Москва, 105005, Россия Рассмотрен программный инструментарий системы поддержки принятия

Подробнее

МОДЕЛИ РЕШЕНИЯ ФУНКЦИОНАЛЬНЫХ И ВЫЧИСЛИТЕЛЬНЫХ ЗАДАЧ Л Е К Т О Р А З А Р Ч Е Н К О В А. А.

МОДЕЛИ РЕШЕНИЯ ФУНКЦИОНАЛЬНЫХ И ВЫЧИСЛИТЕЛЬНЫХ ЗАДАЧ Л Е К Т О Р А З А Р Ч Е Н К О В А. А. МОДЕЛИ РЕШЕНИЯ ФУНКЦИОНАЛЬНЫХ И ВЫЧИСЛИТЕЛЬНЫХ ЗАДАЧ Л Е К Т О Р А З А Р Ч Е Н К О В А. А. ОСНОВНЫЕ ПОНЯТИЯ Задачи: вычислительные задачи - определение некоторой величины, функциональные задачи - создания

Подробнее

Программа учебного курса СИСТЕМЫ И МЕТОДЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

Программа учебного курса СИСТЕМЫ И МЕТОДЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА Программа учебного курса СИСТЕМЫ И МЕТОДЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА I. Организационно-методический раздел. Курс реализуется в рамках направления 654600 «Информатика и вычислительная техника», относится

Подробнее

Представление знаний в интеллектуальных системах.

Представление знаний в интеллектуальных системах. Представление знаний в интеллектуальных системах. Лекция 6. Специальность : 230105 Представление знаний как направление исследований по ИИ. В рамках данного направления решаются задачи, связанные с формализацией

Подробнее

Языки программирование. Лектор Азарченков А.А.

Языки программирование. Лектор Азарченков А.А. Языки программирование Лектор Азарченков А.А. Написание программ в машинных кодах Компьютерная программа логически упорядоченная последовательность команд, предназначенных для управления компьютером. Машинный

Подробнее

К ВОПРОСУ О ПОСТРОЕНИИ ГИБРИДНЫХ НЕЙРО-НЕЧЕТКИХ ЭКСПЕРТНЫХ СИСТЕМ ДИАГНОСТИКИ И КОНТРОЛЯ ГТД

К ВОПРОСУ О ПОСТРОЕНИИ ГИБРИДНЫХ НЕЙРО-НЕЧЕТКИХ ЭКСПЕРТНЫХ СИСТЕМ ДИАГНОСТИКИ И КОНТРОЛЯ ГТД ISBN 5-86911-268-0 УПРАВЛЕНИЕ В СЛОЖНЫХ СИСТЕМАХ Уфа, 1999 РАЗРАБОТКА АВТОМАТИЗИРОВАННЫХ СИСТЕМ УДК 681.5, 658.52 К ВОПРОСУ О ПОСТРОЕНИИ ГИБРИДНЫХ НЕЙРО-НЕЧЕТКИХ ЭКСПЕРТНЫХ СИСТЕМ ДИАГНОСТИКИ И КОНТРОЛЯ

Подробнее

«Интеллектуальные информационные системы»

«Интеллектуальные информационные системы» Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования «Карачаево-Черкесский государственный университет имени У.Д. Алиева» Кафедра информатики и вычислительной

Подробнее

Карта курса «Методы и системы искусственного интеллекта» Данный курс посвящен рассмотрению базовых понятий методов и систем искусственного

Карта курса «Методы и системы искусственного интеллекта» Данный курс посвящен рассмотрению базовых понятий методов и систем искусственного Карта курса «Методы и системы искусственного интеллекта» Данный курс посвящен рассмотрению базовых понятий методов и систем искусственного интеллекта. В рамках курса рассматриваются основные понятия систем

Подробнее

Московский государственный университет культуры и искусств Кафедра виртуальных коммуникаций

Московский государственный университет культуры и искусств Кафедра виртуальных коммуникаций Московский государственный университет культуры и искусств Кафедра виртуальных коммуникаций ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ Учебная программа по специальности 351400 «Прикладная информатика (в

Подробнее

ПРОГРАММА ВСТУПИТЕЛЬНОГО ИСПЫТАНИЯ ПО ДИСЦИПЛИНЕ «ИНФОРМАТИКА И ИНФОРМАЦИОННО- КОММУНИКАТИВНЫЕ ТЕХНОЛОГИИ»

ПРОГРАММА ВСТУПИТЕЛЬНОГО ИСПЫТАНИЯ ПО ДИСЦИПЛИНЕ «ИНФОРМАТИКА И ИНФОРМАЦИОННО- КОММУНИКАТИВНЫЕ ТЕХНОЛОГИИ» МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ МАШИНОСТРОИТЕЛЬНЫЙ

Подробнее

Вывод экспертного заключенияи объяснение полученного решенияв системе, основанной на знаниях: проблемы и перспективы

Вывод экспертного заключенияи объяснение полученного решенияв системе, основанной на знаниях: проблемы и перспективы Вывод экспертного заключенияи объяснение полученного решенияв системе, основанной на знаниях: проблемы и перспективы Михайлов Д.В. кафедра ИТиС НовГУ Механизм вывода экспертного заключения. Механизм вывода

Подробнее

ПРЕДСТАВЛЕНИЕ ЗНАНИЙ В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ

ПРЕДСТАВЛЕНИЕ ЗНАНИЙ В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ ТЕМА ПРЕДСТАВЛЕНИЕ ЗНАНИЙ В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ ОСНОВНЫЕ РАЗДЕЛЫ ТЕМЫ 1. Формализация знаний в интеллектуальных системах. 2. Количественная спецификация ЕЯ систем. 3. Логико-статистические методы

Подробнее

/2000 СТРУКТУРНЫЙ МЕТОД АНАЛИЗА ИНФОРМАЦИОННЫХ СИСТЕМ ОБУЧЕНИЯ С НЕЧЕТКО ЗАДАННОЙ ЦЕЛЕВОЙ ФУНКЦИЕЙ

/2000 СТРУКТУРНЫЙ МЕТОД АНАЛИЗА ИНФОРМАЦИОННЫХ СИСТЕМ ОБУЧЕНИЯ С НЕЧЕТКО ЗАДАННОЙ ЦЕЛЕВОЙ ФУНКЦИЕЙ 102 1-2/2000 УДК 621.372-501.12.001 В.П.Шибнцкий СТРУКТУРНЫЙ МЕТОД АНАЛИЗА ИНФОРМАЦИОННЫХ СИСТЕМ ОБУЧЕНИЯ С НЕЧЕТКО ЗАДАННОЙ ЦЕЛЕВОЙ ФУНКЦИЕЙ Рассмотрены проблемные вопросы структурного анализа информационных

Подробнее

О.Н. Половикова АлтГУ, г. Барнаул

О.Н. Половикова АлтГУ, г. Барнаул 129 УДК 004.738.5 Декларирование фреймовых структур средствами язы ка Prolog О.Н. Половикова АлтГУ, г. Барнаул На сегодняшний день является актуальными исследования в области структуризации и формализации

Подробнее

Применение фреймовой модели знаний в системе поддержки принятия решений в чрезвычайных ситуациях «ЭСПЛА-ПРО»

Применение фреймовой модели знаний в системе поддержки принятия решений в чрезвычайных ситуациях «ЭСПЛА-ПРО» Применение фреймовой модели знаний в системе поддержки принятия решений в чрезвычайных ситуациях «ЭСПЛА-ПРО» Морозов Роман Институт вычислительного моделирования СО РАН (Красноярск), Россия e-mail: frozzen@krasn.ru

Подробнее

В.А. СИНТЕЗ ИМИТАЦИОННЫХ МОДЕЛЕЙ СЛОЖНЫХ СИСТЕМ НА ОСНОВЕ ТЕХНОЛОГИИ КОНЦЕПТУАЛЬНЫХ ШАБЛОНОВ

В.А. СИНТЕЗ ИМИТАЦИОННЫХ МОДЕЛЕЙ СЛОЖНЫХ СИСТЕМ НА ОСНОВЕ ТЕХНОЛОГИИ КОНЦЕПТУАЛЬНЫХ ШАБЛОНОВ 72 Кодема В.А. СИНТЕЗ ИМИТАЦИОННЫХ МОДЕЛЕЙ СЛОЖНЫХ СИСТЕМ НА ОСНОВЕ ТЕХНОЛОГИИ КОНЦЕПТУАЛЬНЫХ ШАБЛОНОВ Институт информатики и математического моделирования технологических процессов КНЦ РАН, Мурманская

Подробнее

Ю.С. ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ ИСХОДНОЙ ИНФОРМАЦИИ НА ОСНОВЕ ОНТОЛОГИЧЕСКОГО ПОДХОДА

Ю.С. ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ ИСХОДНОЙ ИНФОРМАЦИИ НА ОСНОВЕ ОНТОЛОГИЧЕСКОГО ПОДХОДА Львова Ю.С. ПОДДЕРЖКА ПРИНЯТИЯ РЕШЕНИЙ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ ИСХОДНОЙ ИНФОРМАЦИИ НА ОСНОВЕ ОНТОЛОГИЧЕСКОГО ПОДХОДА Волгоградский государственный технический университет Рассмотрены вопросы использования

Подробнее

Глава 1. Информационные технологии и информационные процессы

Глава 1. Информационные технологии и информационные процессы Королькова А. В., Кулябов Д. С. Моделирование информационных процессов 3 Глава 1. Информационные технологии и информационные процессы В данном разделе изучается понятие технологии (в частности, информационной

Подробнее

Федеральное агентство по образованию. Факультет информационных технологий Кафедра Систем информатики ПРОГРАММА ДИСЦИПЛИНЫ ИНЖЕНЕРИЯ ЗНАНИЙ

Федеральное агентство по образованию. Факультет информационных технологий Кафедра Систем информатики ПРОГРАММА ДИСЦИПЛИНЫ ИНЖЕНЕРИЯ ЗНАНИЙ Федеральное агентство по образованию Государственное образовательное учреждение высшего профессионального образования «Новосибирский государственный университет» (НГУ) Факультет информационных технологий

Подробнее

АССОЦИАТИВНЫЙ ПОИСК ПО ОБРАЗЦУ В ФРЕЙМОВОЙ ИНФОРМАЦИОННОЙ КОМПЬЮТЕРНОЙ СРЕДЕ. (Самарский государственный аэрокосмический университет)

АССОЦИАТИВНЫЙ ПОИСК ПО ОБРАЗЦУ В ФРЕЙМОВОЙ ИНФОРМАЦИОННОЙ КОМПЬЮТЕРНОЙ СРЕДЕ. (Самарский государственный аэрокосмический университет) В.П. Дерябкин, А.И. Белоусов АССОЦИАТИВНЫЙ ПОИСК ПО ОБРАЗЦУ В ФРЕЙМОВОЙ ИНФОРМАЦИОННОЙ КОМПЬЮТЕРНОЙ СРЕДЕ (Самарский государственный аэрокосмический университет) В [1-4] были изложены концепция, формальные

Подробнее

Экспертные системы (ЭС) Понятие, назначение, архитектура, отличительные особенности. Классификация ЭС. Этапы разработки ЭС.

Экспертные системы (ЭС) Понятие, назначение, архитектура, отличительные особенности. Классификация ЭС. Этапы разработки ЭС. Экспертные системы (ЭС) Понятие, назначение, архитектура, отличительные особенности. Классификация ЭС. Этапы разработки ЭС. Экспертная система (ЭС) - это компьютерная программа, которая моделирует рассуждения

Подробнее

Модели представления знаний в Интеллектуальных Системах. Лекция 11 (Часть 2). Представление знаний семантическими сетями.

Модели представления знаний в Интеллектуальных Системах. Лекция 11 (Часть 2). Представление знаний семантическими сетями. Модели представления знаний в Интеллектуальных Системах. Лекция 11 (Часть 2). Представление знаний семантическими сетями. Специальности : 230105, 010501 Понятие семантической сети. Определение. Под семантической

Подробнее

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «НОВОСИБИРСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ» Факультет бизнеса УТВЕРЖДАЮ Декан ФБ профессор,

Подробнее

Рис Виды моделирования систем

Рис Виды моделирования систем 1 Моделирование систем Классификация видов моделирования систем. В основе моделирования лежит теория подобия, которая утверждает, абсолютное подобие может иметь место лишь при замене объекта другим точно

Подробнее

Модель представления знаний средствами «Логики предикатов первого порядка».

Модель представления знаний средствами «Логики предикатов первого порядка». Модель представления знаний средствами «Логики предикатов первого порядка». Введение Одним из наиболее важных способов представления знаний является представление знаний средствами логики предикатов первого

Подробнее

Московский государственный технический университет имени Н.Э. Баумана. Факультет «Фундаментальные науки» Кафедра «Математическое моделирование»

Московский государственный технический университет имени Н.Э. Баумана. Факультет «Фундаментальные науки» Кафедра «Математическое моделирование» ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ Московский государственный технический университет имени Н.Э. Баумана Факультет «Фундаментальные науки» Кафедра «Математическое моделирование» À.Í. Êàíàòíèêîâ ÄÈÑÊÐÅÒÍÀß ÌÀÒÅÌÀÒÈÊÀ

Подробнее

Введение в экспертный анализ. 1.Предпосылки возникновения экспертных оценок.

Введение в экспертный анализ. 1.Предпосылки возникновения экспертных оценок. Введение в экспертный анализ. 1.Предпосылки возникновения экспертных оценок. Из-за нехватки знаний задача кажется сложной и неразрешимой. В теории и практике современного управления можно выделить следующие

Подробнее

Московский государственный технический университет имени Н.Э. Баумана. Факультет «Фундаментальные науки» Кафедра «Математическое моделирование»

Московский государственный технический университет имени Н.Э. Баумана. Факультет «Фундаментальные науки» Кафедра «Математическое моделирование» ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ Московский государственный технический университет имени Н.Э. Баумана Факультет «Фундаментальные науки» Кафедра «Математическое моделирование» À.Í. Êàíàòíèêîâ

Подробнее

Предисловие Математика это язык! Дж.У.Гиббс

Предисловие Математика это язык! Дж.У.Гиббс Предисловие Математика это язык! Дж.У.Гиббс В основе современной логики лежит математическая система, которая имеет несколько названий: формальный подход, аксиоматический метод, символическая логика, теория

Подробнее

Интеллектуальные информационные технологии Д.А. Назаров. Тема 3. Методы представления знаний. Фреймы и семантические сети

Интеллектуальные информационные технологии Д.А. Назаров. Тема 3. Методы представления знаний. Фреймы и семантические сети Интеллектуальные информационные технологии Д.А. Назаров Тема 3. Методы представления знаний Фреймы и семантические сети Фреймовая модель представления знаний Фрейм (англ. frame рамка, скелет. Понятие было

Подробнее

Выполнила студентка гр. АИСТбвс-21: Молостова Т.М.

Выполнила студентка гр. АИСТбвс-21: Молостова Т.М. Выполнила студентка гр. АИСТбвс-21: Молостова Т.М. В последние годы в разработке архитектуры экспертных систем появилось новое направление, которое получило название системы с доской объявлений (blackboard

Подробнее

4 СИСТЕМЫ И ПРОБЛЕМЫ. СИСТЕМНЫЙ ПОДХОД И СИСТЕМНЫЙ АНАЛИЗ. МЕТОДЫ СИСТЕМНОГО АНАЛИЗА

4 СИСТЕМЫ И ПРОБЛЕМЫ. СИСТЕМНЫЙ ПОДХОД И СИСТЕМНЫЙ АНАЛИЗ. МЕТОДЫ СИСТЕМНОГО АНАЛИЗА 4 СИСТЕМЫ И ПРОБЛЕМЫ. СИСТЕМНЫЙ ПОДХОД И СИСТЕМНЫЙ АНАЛИЗ. МЕТОДЫ СИСТЕМНОГО АНАЛИЗА Понятие системы тесно связано с понятием проблемы. Проблема (от греч. problema - задача) в широком смысле - ситуация

Подробнее

Информационные технологии. Лекция 2

Информационные технологии. Лекция 2 Информационные технологии Лекция 2 Информация, данные, знания информация есть отражение окружающего мира в человеческом сознании знания отличаются от сведений концептуальной направленностью, пониманием

Подробнее

ПРЕДСТАВЛЕНИЕ ЗНАНИЙ В ЭКСПЕРТНЫХ СИСТЕМАХ. Учебное пособие

ПРЕДСТАВЛЕНИЕ ЗНАНИЙ В ЭКСПЕРТНЫХ СИСТЕМАХ. Учебное пособие ПРЕДСТАВЛЕНИЕ ЗНАНИЙ В ЭКСПЕРТНЫХ СИСТЕМАХ Учебное пособие Министерство образования и науки Российской Федерации Уральский федеральный университет имени первого Президента России Б. Н. Ельцина ПРЕДСТАВЛЕНИЕ

Подробнее

АВТОМАТИЗАЦИЯ АНАЛИЗА ФУНКЦИОНАЛЬНОЙ СТАБИЛЬНОСТИ КРИТИЧНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ. Сундеев П.В. к. т. н. Краснодарский военный институт

АВТОМАТИЗАЦИЯ АНАЛИЗА ФУНКЦИОНАЛЬНОЙ СТАБИЛЬНОСТИ КРИТИЧНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ. Сундеев П.В. к. т. н. Краснодарский военный институт УДК 681.3 АВТОМАТИЗАЦИЯ АНАЛИЗА ФУНКЦИОНАЛЬНОЙ СТАБИЛЬНОСТИ КРИТИЧНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ Сундеев П.В. к. т. н. Краснодарский военный институт При создании и реконфигурации информационных систем, используемых

Подробнее

Министерство образования Республики Беларусь. Учреждение образования "БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИНФОРМАТИКИ И РАДИОЭЛЕКТРОНИКИ"

Министерство образования Республики Беларусь. Учреждение образования БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИНФОРМАТИКИ И РАДИОЭЛЕКТРОНИКИ Министерство образования Республики Беларусь Учреждение образования "БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ ИНФОРМАТИКИ И РАДИОЭЛЕКТРОНИКИ" УТВЕРЖДАЮ Проректор по учебной работе и социальным вопросам

Подробнее

Программа дисциплины

Программа дисциплины ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ Государственное образовательное учреждение высшего профессионального образования «Уральский государственный университет им. А.М. Горького» ИОНЦ «Информационная безопасность»

Подробнее

Системы искусственного интеллекта

Системы искусственного интеллекта И. Г. Сидоркина Системы искусственного интеллекта Допущено УМО вузов по университетскому политехническому образованию в качестве учебного пособия для студентов высших учебных заведений, обучающихся по

Подробнее

Секция 1 Теоретические основы и методология имитационного и комплексного моделирования

Секция 1 Теоретические основы и методология имитационного и комплексного моделирования ТЕХНОЛОГИЯ РАСПОЗНАВАНИЯ КОНЦЕПТУАЛЬНЫХ ШАБЛОНОВ СИСТЕМЫ АВТОМАТИЗАЦИИ СИНТЕЗА СИСТЕМНО-ДИНАМИЧЕСКИХ МОДЕЛЕЙ В. А. Кодема (Апатиты) В 960-х годах появился специализированный метод имитационного моделирования

Подробнее

РАБОЧАЯ УЧЕБНАЯ ПРОГРАММА

РАБОЧАЯ УЧЕБНАЯ ПРОГРАММА МИНИСТЕРСТВО ЗДРАВООХРАНЕНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ Государственное бюджетное образовательное учреждение высшего профессионального образования «СЕВЕРНЫЙ ГОСУДАРСТВЕННЫЙ МЕДИЦИНСКИЙ УНИВЕРСИТЕТ» Министерства

Подробнее

ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА АВТОМАТИЗИРОВАННОГО ФОРМИРОВАНИЯ ОНТОЛОГИИ ПРЕДМЕТНОЙ ОБЛАСТИ

ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА АВТОМАТИЗИРОВАННОГО ФОРМИРОВАНИЯ ОНТОЛОГИИ ПРЕДМЕТНОЙ ОБЛАСТИ 335 И.В. АНТОНОВ ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА АВТОМАТИЗИРОВАННОГО ФОРМИРОВАНИЯ ОНТОЛОГИИ ПРЕДМЕТНОЙ ОБЛАСТИ В статье рассматриваются возможные подходы к расширению функциональных возможностей традиционных

Подробнее

8. ФОНД ОЦЕНОЧНЫХ СРЕДСТВ ДЛЯ ПРОВЕДЕНИЯ ПРОМЕЖУТОЧНОЙ АТТЕСТАЦИИ ОБУЧАЮЩИХСЯ ПО ДИСЦИПЛИНЕ (МОДУЛЮ)

8. ФОНД ОЦЕНОЧНЫХ СРЕДСТВ ДЛЯ ПРОВЕДЕНИЯ ПРОМЕЖУТОЧНОЙ АТТЕСТАЦИИ ОБУЧАЮЩИХСЯ ПО ДИСЦИПЛИНЕ (МОДУЛЮ) 8. ФОНД ОЦЕНОЧНЫХ СРЕДСТВ ДЛЯ ПРОВЕДЕНИЯ ПРОМЕЖУТОЧНОЙ АТТЕСТАЦИИ ОБУЧАЮЩИХСЯ ПО ДИСЦИПЛИНЕ (МОДУЛЮ) Информатики, вычислительной техники и 1. Кафедра информационной безопасности 09.03.02 «Информационные

Подробнее

Московский государственный технический университет имени Н.Э. Баумана. Факультет «Фундаментальные науки» Кафедра «Математическое моделирование»

Московский государственный технический университет имени Н.Э. Баумана. Факультет «Фундаментальные науки» Кафедра «Математическое моделирование» ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ ÌÃÒÓ Московский государственный технический университет имени Н.Э. Баумана Факультет «Фундаментальные науки» Кафедра «Математическое моделирование» À.Í. Êàíàòíèêîâ

Подробнее

Тема 3. Возможности применения нечетких методов управления технологическими объектами. Основные термины. Архитектура нечеткого управления.

Тема 3. Возможности применения нечетких методов управления технологическими объектами. Основные термины. Архитектура нечеткого управления. Тема 3. Возможности применения нечетких методов управления технологическими объектами. Основные термины. Архитектура нечеткого управления. Нечеткая логика в задачах управления. Основы нечеткой логики:

Подробнее

Единый государственный экзамен по ИНФОРМАТИКЕ И ИКТ. Кодификатор

Единый государственный экзамен по ИНФОРМАТИКЕ И ИКТ. Кодификатор Единый государственный экзамен по ИНФОРМАТИКЕ И ИКТ Кодификатор элементов содержания и требований к уровню подготовки выпускников общеобразовательных учреждений для единого государственного экзамена 2010

Подробнее

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ АГЕНСТВО ПО ОБРАЗОВАНИЮ

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ АГЕНСТВО ПО ОБРАЗОВАНИЮ МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФЕДЕРАЛЬНОЕ АГЕНСТВО ПО ОБРАЗОВАНИЮ Государственное образовательное учреждение высшего профессионального образования «Оренбургский государственный

Подробнее

Раздел VII. Проблемы образования

Раздел VII. Проблемы образования БИБЛИОГРАФИЧЕСКИЙ СПИСОК 1. Виленский В.Я., Образцов П.И., Уман А.И. Технологии профессиональноориентированного обучения в высшей школе: Учебное пособие / под ред. В.А. Сластенина. М.: Педагогическое общество

Подробнее

СТАНДАРТ СРЕДНЕГО (ПОЛНОГО) ОБЩЕГО ОБРАЗОВАНИЯ ПО ИНФОРМАТИКЕ И ИНФОРМАЦИОННЫМ ТЕХНОЛОГИЯМ

СТАНДАРТ СРЕДНЕГО (ПОЛНОГО) ОБЩЕГО ОБРАЗОВАНИЯ ПО ИНФОРМАТИКЕ И ИНФОРМАЦИОННЫМ ТЕХНОЛОГИЯМ СТАНДАРТ СРЕДНЕГО (ПОЛНОГО) ОБЩЕГО ОБРАЗОВАНИЯ ПО ИНФОРМАТИКЕ И ИНФОРМАЦИОННЫМ ТЕХНОЛОГИЯМ ПРОФИЛЬНЫЙ УРОВЕНЬ Изучение информатики и информационных технологий в старшей школе на профильном уровне направлено

Подробнее

ТЕСТИРОВАНИЕ ОБЪЕКТОВ МЕТОДОМ АДАПТИВНОГО ОБХОДА ОНТОЛОГИИ

ТЕСТИРОВАНИЕ ОБЪЕКТОВ МЕТОДОМ АДАПТИВНОГО ОБХОДА ОНТОЛОГИИ СБОРНИК НАУЧНЫХ ТРУДОВ НГТУ. - 2005. - 4. - 1-6 УДК 62-50:519.216 ТЕСТИРОВАНИЕ ОБЪЕКТОВ МЕТОДОМ АДАПТИВНОГО ОБХОДА ОНТОЛОГИИ Е.В. КОПЫЛОВА В описываемом теоретико-модельном подходе тестирование представляет

Подробнее

СМК РГУТиС. Лист 1 из 12

СМК РГУТиС. Лист 1 из 12 Лист 1 из 12 Лист 2 из 12 Тестовые задания Фамилия, имя, отчество студента, курс, группа, дата тестирования (В каждом задании обведите кружочком только один номер наиболее правильного ответа из четырех

Подробнее

Основы математической логики и логического программирования. ЛЕКТОР: В.А. Захаров

Основы математической логики и логического программирования. ЛЕКТОР: В.А. Захаров Основы математической логики и логического программирования ЛЕКТОР: В.А. Захаров Лекция 20. Правильные программы. Императивные программы. Задача верификации программ. Логика Хоара. Автоматическая проверка

Подробнее

Интеллектуальные информационные технологии Д.А. Назаров. Тема 3. Методы представления знаний

Интеллектуальные информационные технологии Д.А. Назаров. Тема 3. Методы представления знаний Интеллектуальные информационные технологии Д.А. Назаров Тема 3. Методы представления знаний Методы представления знаний Стоит ещё раз вспомнить, что Данными называют формализованную информацию пригодную

Подробнее

Тестовые задания по дисциплине ИИС Тема: 1. Искусственный интеллект

Тестовые задания по дисциплине ИИС Тема: 1. Искусственный интеллект Тестовые задания по дисциплине ИИС Тема: 1. Искусственный интеллект 1 вопрос: Искусственный интеллект это - [ ] направление, которое позволяет решать сложные математические задачи на языках программирования;

Подробнее

ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ

ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ Министерство образования и науки Российской Федерации Южно-Уральский государственный университет Кафедра информатики 004.8(07) П512 Г.А. Поллак ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ Учебное пособие Челябинск

Подробнее

ПРЕДСТАВЛЕНИЕ ЗНАНИЙ В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ

ПРЕДСТАВЛЕНИЕ ЗНАНИЙ В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ ТЕМА ПРЕДСТАВЛЕНИЕ ЗНАНИЙ В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ ОСНОВНЫЕ РАЗДЕЛЫ ТЕМЫ 1. Формализация знаний в интеллектуальных системах. 2. Количественная спецификация ЕЯ систем. 3. Логико-статистические методы

Подробнее

СТАНДАРТ СРЕДНЕГО (ПОЛНОГО) ОБЩЕГО ОБРАЗОВАНИЯ ПО ИНФОРМАТИКЕ И ИКТ ПРОФИЛЬНЫЙ УРОВЕНЬ

СТАНДАРТ СРЕДНЕГО (ПОЛНОГО) ОБЩЕГО ОБРАЗОВАНИЯ ПО ИНФОРМАТИКЕ И ИКТ ПРОФИЛЬНЫЙ УРОВЕНЬ СТАНДАРТ СРЕДНЕГО (ПОЛНОГО) ОБЩЕГО ОБРАЗОВАНИЯ ПО ИНФОРМАТИКЕ И ИКТ ПРОФИЛЬНЫЙ УРОВЕНЬ Изучение информатики и информационно-коммуникационных технологий на профильном уровне среднего (полного) общего образования

Подробнее

НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ «МЭИ»

НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ «МЭИ» Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ «МЭИ» «УТВЕРЖДАЮ» Директор ИТАЭ Дедов А.В. подпись 2015

Подробнее

ТЕМА ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПРОЕКТИРОВАНИЯ ЭКСПЕРТНЫХ СИСТЕМ ОСНОВНЫЕ РАЗДЕЛЫ ТЕМЫ

ТЕМА ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПРОЕКТИРОВАНИЯ ЭКСПЕРТНЫХ СИСТЕМ ОСНОВНЫЕ РАЗДЕЛЫ ТЕМЫ ТЕМА ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПРОЕКТИРОВАНИЯ ЭКСПЕРТНЫХ СИСТЕМ ОСНОВНЫЕ РАЗДЕЛЫ ТЕМЫ 1. Архитектура интеллектуальных систем. 2. Экспертиза и экспертная информация. 2. ЭКСПЕРТИЗА И ЭКСПЕРТНАЯ ИНФОРМАЦИЯ ОПРЕДЕЛЕНИЯ

Подробнее

Организация контекстно-зависимого естественно-языкового диалога

Организация контекстно-зависимого естественно-языкового диалога Организация контекстно-зависимого естественно-языкового диалога А.И. Стригун, В.А. Стригун Применение компьютера в настоящее время без развитых средств диалогового взаимодействия с пользователем практически

Подробнее

Интеллектуальные информационные системы

Интеллектуальные информационные системы Государственное образовательное учреждение высшего профессионального образования Московской области «Международный университет природы, общества и человека «Дубна» (университет «Дубна») Институт системного

Подробнее

МЕТОД СТРУКТУРНОГО ПРОЕКТИРОВАНИЯ ЧЕЛОВЕКО-МАШИННЫХ СИСТЕМ

МЕТОД СТРУКТУРНОГО ПРОЕКТИРОВАНИЯ ЧЕЛОВЕКО-МАШИННЫХ СИСТЕМ СБОРНИК НАУЧНЫХ ТРУДОВ НГТУ. 2006. 3(45) 25 30 УДК 681.3 МЕТОД СТРУКТУРНОГО ПРОЕКТИРОВАНИЯ ЧЕЛОВЕКО-МАШИННЫХ СИСТЕМ А.В. ЗАЙКОВ Рассматривается технология структурного проектирования процесса функционирования

Подробнее

АННОТАЦИЯ Рабочей программы дисциплины ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ В ОБРАЗОВАНИИ

АННОТАЦИЯ Рабочей программы дисциплины ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ В ОБРАЗОВАНИИ АННОТАЦИЯ Рабочей программы дисциплины ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ В ОБРАЗОВАНИИ Направление подготовки 050100.68 Педагогическое образование Магистерская программа Информатика в образовании Общая трудоемкость

Подробнее

Воронежский институт МВД России. Кафедра автоматизированных информационных систем органов внутренних дел

Воронежский институт МВД России. Кафедра автоматизированных информационных систем органов внутренних дел Воронежский институт МВД России Кафедра автоматизированных информационных систем органов внутренних дел РАБОЧАЯ ПРОГРАММА по дисциплине СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЕКТА по специальности 230102.65 «Автоматизированные

Подробнее

Проблемы автоматизации образовательной деятельности

Проблемы автоматизации образовательной деятельности Educational Technology & Society7 (4) 2004 ISSN 1436-4522 Проблемы создания информационно обучающей среды С.М. Каратун 1, Н.А. Мосягина 2 1 Тюменский государственный нефтегазовый университет, Тюмень, Россия

Подробнее

A. E. Polichka, A. V. Vostrikova ALGORITHMS OF FUNCTIONING OF THE PRODUCTIVE BASE OF KNOWLEDGE AND DESCRIPTION OF MATHEMATICAL MODELING APPARATUS

A. E. Polichka, A. V. Vostrikova ALGORITHMS OF FUNCTIONING OF THE PRODUCTIVE BASE OF KNOWLEDGE AND DESCRIPTION OF MATHEMATICAL MODELING APPARATUS ISSN 2079-8490 Электронное научное издание «Ученые заметки ТОГУ» 2016, Том 7, 4, С. 504 508 Свидетельство Эл ФС 77-39676 от 05.05.2010 http://pnu.edu.ru/ru/ejournal/about/ ejournal@pnu.edu.ru УДК 519 2016

Подробнее

Лекция 6 Моделирование механизма ситуации

Лекция 6 Моделирование механизма ситуации Лекция 6 Моделирование механизма ситуации План: 1. Моделирование механизма ситуации. 2. Классификация задач принятия решений 3. Задача получения информации 4. Формирование исходного множества альтернатив,

Подробнее

1. Цели и задачи дисциплины

1. Цели и задачи дисциплины 1. Цели и задачи дисциплины 1.1. Цель дисциплины Дисциплина «Интеллектуальные информационные системы» относится к циклу «Специальные дисциплины». Целью данного курса является ознакомление студентов с основными

Подробнее

«ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ»

«ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ» Негосударственное образовательное учреждение высшего профессионального образования «Институт управления» Экономический факультет Кафедра информационных технологий и прикладной математики УТВЕРЖДЕНО Протоколом

Подробнее

Негосударственное частное образовательное учреждение высшего профессионального образования «Армавирский лингвистический социальный институт»

Негосударственное частное образовательное учреждение высшего профессионального образования «Армавирский лингвистический социальный институт» Негосударственное частное образовательное учреждение высшего профессионального образования «Армавирский лингвистический социальный институт» «Утверждаю» Ректор НЧОУ ВПО АЛСИ /Ф.Н. Аванесова/ 26 сентября

Подробнее

Лекция 31. Программное обеспечение САПР

Лекция 31. Программное обеспечение САПР Лекция 31 Программное обеспечение САПР Программное обеспечение САПР (ПО) представляет собой совокупность программ, необходимых для обработки исходной информации по проектным алгоритмам, управления вычислительным

Подробнее

М. А. Камынина, А. К. Канаев, Е. В. Опарин

М. А. Камынина, А. К. Канаев, Е. В. Опарин УДК 621.39 М. А. Камынина, А. К. Канаев, Е. В. Опарин ПОСТРОЕНИЕ ФРЕЙМОВОЙ МОДЕЛИ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ В ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЕ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ СИСТЕМЫ УПРАВЛЕНИЯ СЕТЬЮ ТАКТОВОЙ СЕТЕВОЙ СИНХРОНИЗАЦИИ

Подробнее

Экзаменационный билет 3

Экзаменационный билет 3 Экзаменационный билет 1 1. Предмет дисциплины Искусственный интеллект. Свойства плохоформализуемых задач. Сложность алгоритмов и задач. 2. Радиальные нейронные сети. Экзаменационный билет 2 1. Классификация

Подробнее

Моделирование как метод научного познания

Моделирование как метод научного познания Моделирование как метод научного познания Методологическая основа моделирования. Все то, на что направлена человеческая деятельность, называется объектом (лат. objection предмет). Выработка методологии

Подробнее

РАЗРАБОТКА ЭКСПЕРТНОЙ СИСТЕМЫ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ ДЛЯ СНИЖЕНИЯ ГАЗОВЫХ ВЫБРОСОВ. Клименкова Л.А., Юдкин Д.В., Заходякин Г.В.

РАЗРАБОТКА ЭКСПЕРТНОЙ СИСТЕМЫ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ ДЛЯ СНИЖЕНИЯ ГАЗОВЫХ ВЫБРОСОВ. Клименкова Л.А., Юдкин Д.В., Заходякин Г.В. 1 УДК 681: 66.01 РАЗРАБОТКА ЭКСПЕРТНОЙ СИСТЕМЫ ПРИНЯТИЯ УПРАВЛЕНЧЕСКИХ РЕШЕНИЙ ДЛЯ СНИЖЕНИЯ ГАЗОВЫХ ВЫБРОСОВ Клименкова Л.А., Юдкин Д.В., Заходякин Г.В. Российский химико-технологический университет им.

Подробнее

РАЗРАБОТКА БАЗ ЗНАНИЙ И ЭКСПЕРТНЫХ СИСТЕМ НА ОСНОВЕ МОДЕЛЬНО-ОРИЕНТИРОВАННОГО ПОДХОДА

РАЗРАБОТКА БАЗ ЗНАНИЙ И ЭКСПЕРТНЫХ СИСТЕМ НА ОСНОВЕ МОДЕЛЬНО-ОРИЕНТИРОВАННОГО ПОДХОДА 4107 УДК 004.82-004.89 РАЗРАБОТКА БАЗ ЗНАНИЙ И ЭКСПЕРТНЫХ СИСТЕМ НА ОСНОВЕ МОДЕЛЬНО-ОРИЕНТИРОВАННОГО ПОДХОДА М.А. Грищенко Институт динамики систем и теории управления СО РАН Россия, 664033, Иркутск, Лермонтова

Подробнее

2. Основные понятия информатики и информационно-коммуникационных технологий

2. Основные понятия информатики и информационно-коммуникационных технологий 1. Основные положения Настоящая программа состоит из двух разделов. В первом разделе перечислены основные понятия информатики и информационно-коммуникационных технологий, которыми должен владеть поступающий.

Подробнее

О разработке инструментальных систем, ориентированных на решение информационно-логических задач

О разработке инструментальных систем, ориентированных на решение информационно-логических задач О разработке инструментальных систем, ориентированных на решение информационно-логических задач Р. Г. Бухараев, А. И. Еникеев, И. И. Макаров Практика использования вычислительных машин для автоматизации

Подробнее

Тема 4: Лекция 9: Методы вывода и поиска решений в продукционных системах.

Тема 4: Лекция 9: Методы вывода и поиска решений в продукционных системах. Тема 4: Лекция 9: Методы вывода и поиска решений в продукционных системах. Методы вывода на основе прямой и обратной цепочек. При продукционном представлении область знаний представляется множеством продукционных

Подробнее

Ю.Ю. Якунин, А.А. Городилов. Алгоритмы расчета комплексных показателей в динамических структурах представления данных

Ю.Ю. Якунин, А.А. Городилов. Алгоритмы расчета комплексных показателей в динамических структурах представления данных УДК 519174, 519178, 51987 ЮЮ Якунин, АА Городилов Алгоритмы расчета комплексных показателей в динамических структурах представления данных В статье описываются алгоритмы расчета комплексных показателей

Подробнее

Адаптация интеллектуальной системы обучения к возможностям студентов

Адаптация интеллектуальной системы обучения к возможностям студентов 71 В.П. Зубков Адаптация интеллектуальной системы обучения к возможностям студентов Цели создания интеллектуальной системы обучения (ИСО) следующие: эффективность обучения; адаптируемость к обучаемому;

Подробнее

Н.С. Лаврушкина (к.ф.-м.н, доцент), Ю.Б. Филонова (студентка) ОЦЕНКА ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ БИЗНЕС - ПРОЕКТОВ С ПОМОЩЬЮ НЕЧЕТКИХ МНОЖЕСТВ.

Н.С. Лаврушкина (к.ф.-м.н, доцент), Ю.Б. Филонова (студентка) ОЦЕНКА ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ БИЗНЕС - ПРОЕКТОВ С ПОМОЩЬЮ НЕЧЕТКИХ МНОЖЕСТВ. Н.С. Лаврушкина (к.ф.-м.н, доцент), Ю.Б. Филонова (студентка) ОЦЕНКА ЭКОНОМИЧЕСКОЙ ЭФФЕКТИВНОСТИ БИЗНЕС - ПРОЕКТОВ С ПОМОЩЬЮ НЕЧЕТКИХ МНОЖЕСТВ. г.пенза, Пензенская государственная технологическая академия

Подробнее