Обзор экспертных систем

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное автономное образовательное учреждение высшего профессионального образования

«Дальневосточный федеральный университет»

РЕФЕРАТ

на тему «Обзор экспертных систем»

Выполнил Кулешова С.В.

Проверил доцент, к. ф.-м. н. Н. А. Шитнева г. Находка 2013

• Введение
• 1. Понятие экспертной системы. Классификация
• 1.1 Структура и отличительные особенности экспертных систем
• 1.2 Функции экспертных систем
• Заключение
• Список использованных источников
• Введение
• Актуальность данной темы заключается в том, что из-за большого объема информации экспертные системы, основанные на фундаментальных науках, помогают руководству использовать их в нужное время. В настоящее время экспертные системы являются большим помощником для различных руководителей и специалистов.
• Экспертные системы (ЭС) возникли как значительный практический результат в применении и развитии методов искусственного интеллекта (ИИ) — совокупности научных дисциплин, изучающих методы решения задач интеллектуального (творческого) характера с использованием ЭВМ.
• Предметы исследований ИИ: автоматические доказательства теорем, машинный перевод (перевод автоматически с одного естественного языка на другой), распознавание изображений и анализ сцен, планирование действий роботов, алгоритмы и стратегии игр.
• ЭС — это набор программ, выполняющий функции эксперта при решении задач из какой-либо предметной области. ЭС выдают советы, дают консультации, проводят анализ ставят диагноз. Практическое применение ЭС на предприятиях способствует повышению квалификации специалистов и увеличивает эффективность работы.
• Основное преимущество экспертных систем — экономия времени и возможность накапливать знания.

При создании ЭС есть строка элементов, имеющая степень трудности. Заказчик не всегда может точно формулировать необходимые условия к разработанной системе. Также существуют чисто психологические трудности: при создании базы знаний системы эксперт может препятствовать передачи своих знаний, боясь, что впоследствии это заменяет «машиной». Но эти страхи не имеют смысла, так как ЭС не способны к обучению, они не обладают здравым смыслом, интуицией. Но теперь разработка экспертных систем, реализовывающих идею самообучения, проводится. Также ЭС являются неподходящими в больших областях данных и в тех областях, где есть эксперты.

Объект исследования — информационные технологии.

Предмет исследования — экспертные системы.

Целью данной работы является изучение экспертных систем, сфера их применения и какая роль отводится им в работе специалистов.

В данной работе были поставлены следующие задачи:

— Изучить характеристики, элементы экспертных систем;

— Проанализировать методы проектирования и область применения экспертных систем;

— Рассмотреть структуры экспертных систем;

— Определить отличительные особенности экспертных систем от другого программного обеспечения.

Значительную стоимость разработки, ЭС приносят существенный доход.

Практическое значение заключается в том, что представленный материал может использоваться при изучении кратких обзоров, в практике, написании научных работ, а также подготовки к семинару и к практическому обучению.

экспертный программный обеспечение проектирование

1. Понятие экспертной системы. Классификация

Информационная сложность, структурное изменение и увеличение его объемов создают новые необходимые условия к обработке и, как следствие, скорости решения некоторых задач, которые невозможно решить без специальных знаний.

Одно из решений — применение экспертных систем (ЭС). Главная идея технологии экспертных систем заключается в том, чтобы получить от эксперта его знания и при необходимости извлекать их из памяти компьютера. Являясь одним из основных приложений искусственного интеллекта, ЭС представляют собой компьютерные программы, преобразующие опыт экспертов в какой-либо области знаний в форму эвристических правил.

Из множества определений ЭС остановимся на определении практической направленности: «экспертная система — это система программных средств, способная на основании методов искусственного интеллекта и предоставляемых пользователем фактов идентифицировать ситуацию, поставить диагноз, сделать прогноз, сгенерировать решение или дать рекомендацию для выбора действия». Моделирование ЭС свойства экспертов имеется в виду для того, чтобы смоделировать, или при решении о задачах на выделенных сюжетах. Они заставили, чтобы отдать пас экспертам, когда их собственное познание и интуиция не удовлетворяют опыт независимое решение об инициирующих проблемах.

Принцип действия ЭС состоит в моделировании знаний и опыта персонажа-эксперта, которого других людей после того, как может использовать компьютерная обработка этих знаний и опыта. ЭС должен быть в состоянии «требовать» в неполных и противоречивых данных объяснять последовательность и логику рассуждений и механизм вывода советов и рекомендаций должен быть точно определен. Таким образом, структурный ES должен обеспечить возможность возрастания базы знаний.

Основу ЭС составляет база знаний (БЗ), хранящая множество фактов и набор правил, полученных от экспертов и введенных из литературы, специальной и справочной.

База знаний — один или несколько специальным способом организованных файлов, хранящие систематизируемый набор правил, понятий и фактов относительно некоторой области данных. Познание представляется в дескриптивной форме, и с этой целью точные математические модели не используются.

Чем отличается база знаний от базы данных? В базе данных (БД) элементы представляют сходимость, не соединенную друг с другом, и в базе знаний те же самые элементы соединяются определенными соотношениями как между собой и с понятиями внешнего мира, и включают эти соотношения. Возможно, выбрать после основных классов задач, для которых форма решения ЭС:

— Истолкование данных;

— Диагностика;

— Управление;

— Прогнозирование;

— Планирование;

— Разработка.

В отличие от систем традиционного программирования, в ЭС возможно выбрать три основных компонента систем обработки познания:

— База знаний (описание объекта);

— Модуль диалога [установка цели (запрос), вывод и пояснение результата (совет)];

— Модуль обработки познания (алгоритмы решения).

Таким образом, необходимо помнить следующее:

— Экспертиза может вестись только в одной специфической области;

— Задачи отваживаются дедуктивным методом;

— Блюдо решения о задаче выносится четкое потребителю методом;

— Модульный принцип позволяет увеличивать базы знаний.

ЭС имеют определенные преимущества перед персонажем-экспертом:

— У них нет предубеждений;

— Они не делают поспешных выводов;

— Они выбирают лучший вариант (оптимальное решение) от всех возможных;

— Они устойчивы против «шумов», поскольку «не нагружаются» познанием от других областей;

— Их база знаний может быть довольно большой и никогда не будет теряться.

ЭС позволяет:

— Неспециалистам и широким специалистам заменить собой экспертов, уменьшая, таким образом, количество людей, занятых в бизнес-процессе;

— Уменьшать штат, к свободному времени, уменьшать уровень бюрократии;

— Данные и также правила их вывода, относительно этого или что область данных, сохранены в памяти компьютера и обеспечиваются от чьего-то влияния, они не могут быть потеряны или «забыты» ;

— Сэкономить финансовые ресурсы проектов и эксплуатационные расходы. Например, American Express, уменьшенные потери для 27 миллионов долларов в год, благодаря ЭС, выходная целесообразность определения или отказ в кредите к этой или иной фирме.

Эксперт — квалифицированный эксперт в определенной области данных, которая играет важную роль при создании ЭС. Подчиненная или проблемная область — набор соединенной сходимости, необходимой и достаточной для решения в некотором классе задач. Познание области данных включает описания объектов, феноменов, фактов и также соотношений промежуточный. В ходе создания ЭС и его поддержания в эффективном состоянии — используются знания и опыт эксперта. Он предлагает строение и возможности ЭС, язык для эксперта, модели представления познания, форм полученных результатов и пояснений. При устранении неисправностей ЭС и его функционирование эксперта производит изменения в базе знаний (добавляет, стирает и модифицирует некоторые факты и правила), углубляет и указывает познание, источник полученных результатов.

Квалифицированные или начинающие шаберы, студенты-медики и, наконец, пациенты могут быть потребителями ЭС. Например, в боевой обстановке медицины, желая знать аромат болезни, разработки, доступного опыта ее обработки, медицины, их положительных и отрицательных влияний.

Далее рассмотрим классификацию ЭС.

По назначению.

Согласно назначения ЭС условно подразделяются на:

— Консультация (получающий потребителем квалифицированных советов);

— Исследование (решение о научных задачах);

— Директора — распорядители (автоматизация управления процессами в реальном масштабе времени).

По объему базы знаний.

По объему базы знаний ЭС делятся на простой (неглубокий) и трудный (глубокий). У формы, включающей первую страницу листа очень быстро и есть скорее малые базы знаний и данный (некоторые сотни правил и фактов, и фактов намного больше правил). Доказательства выводов обычно — короткометражный фильм, и большая часть выводов — прямые следствия информации, долгосохранящейся в базе знаний.

Глубокие ЭС делают выводы, обязательные из моделей процессов. Модель процесса представляет набор правила, предназначенных для пояснения значительного количества эмпирических данных. В глубоких ЭС доказательствах выводов основаны на познании, полученном от моделей.

Поисковые ЭС.

Как известно, средства извлечения применяются к информационному поиску в соответствии с каталогами, индексами, окружением и ссылками. Достаточно трудные программы извлечения содержат максимальный набор функций, у каждого из которых, кроме этого, есть параметры корректировки.

Намного более привлекательно извлечение видов ЭС — система, которая в режиме вопрос — ответ на естественном языке очищает поисковую цель в потребителе, указывает, что данные, известные этому (одновременно анализ их), добавляют данные посредством словарей. Затем это — свободный художник по правилам, определяет тип поиска и его параметров, и также области поиска. И, наконец, обнаруживает информацию и оценивает степень ее соответствия к полученному запросу.

Гибридные ЭС.

В традиционном ЭС есть только один механизм поддержки принятия решений — логический вывод, и только одно средство представления познания — правила. В последнее время появились гибридные экспертные системы — системы, в которых в качестве средства поддержки принятия решений требуется предусмотреть возможность учета характеристик лица, принимающего решения (ЛПР).

Для системы зачета ЭС мы берем такие параметры, которые удовлетворяют к двум условиям. Сначала, выбирая значение этих параметров, потребитель, который не является экспертом в ЭС, должен быть способным, чтобы охарактеризовать особенности приложения. Это позволяет разработчику ЭС выбирать инструментальные средства, соответствующие данному приложению. Так же параметры и их различные значения должны предоставить разработчику ЭС информацию, достаточную для ответа на важные вопросы, возникающие в потребителе на разных этапах существования приложения.

Классифицировать приложения ЭС возможно по следующим параметрам:

— тип приложения;

— стадия существования;

— масштаб;

— тип проблемной среды.

1.1 Структура и отличительные особенности экспертных систем

Типичная ЭС подразумевает наличие эксперта (или группы экспертов), группы пользователей и функциональных модулей, поддерживающих ее состояние и работу.

Эксперт — квалифицированный специалист в определенной предметной области, которая играет важную роль при создании ЭС. Подчиненная или проблемная область — набор соединенной сходимости, необходимой и достаточной для решения о некотором классе задач. Познание области данных включает описания объектов, феноменов, фактов, и также соотношений промежуточный. В ходе создания ЭС и его поддержания в эффективном состоянии — используемые знания и опыт эксперта. Он предлагает строение и возможности ЭС, язык для эксперта, модели представления познания, форм полученных результатов и пояснений.

При устранении неисправностей ЭС и его функционирование эксперта производит изменения в базе знаний (добавляет, стирает и модифицирует некоторые факты и правила), углубляет и указывает познание, происхождение полученных результатов.

Квалифицированные или начинающие студенты-медики и пациенты могут быть потребителями ЭС, например, в боевой обстановке медицины, желая знать аромат болезни, разработки, доступного опыта ее обработки, медицины, их положительных и отрицательных влияний.

Подобие техник, используемых в ЭС и системах поддержки принятия решений, составы, что они оба обеспечивают высокий уровень поддержки принятия решений. Но одновременно есть также некоторые различия. Сходство технологий, используемых в ЭС и системах поддержки принятия решений, состоит в том, что все они обеспечивают высокий уровень поддержки принятия решений. Но в то же время есть и существенные различия.

ЭС может объяснить рассуждения в ходе получения решения, и это является частым, эти пояснения кажутся более важными для потребителя чем решение.

ЭС — меньше дискеты, поскольку сочинение базы знаний и принятого механизма логического вывода накладывает определенные ограничения на круг решенных задач.

Разработка ЭС принятие во внимание неполноты и нерезкости познания требует очень большие расходы очень интеллектуального труда и время.

С точки зрения обработки и представления информации, основные компоненты в ЭС: интерфейс потребителя, базы знаний, интерпретатора, модуля создания системы. Эксперт использует интерфейс для ввода информации и команд в ЭС и получений выходных данных от этого. Ввод информации может быть выполнен посредством меню, команд, естественного языка и собственного интерфейса, и поскольку выходные данные кажутся не только решение, но также и необходимые пояснения. Система должна объяснить каждый шаг рассуждений, проводящих к решению о задаче.

База знаний содержит факты, описывающие проблемную область, и также логическую корреляцию этих фактов и их обработку по правилам. Правило — определение, которое необходимо сделать в данной особой ситуации, и составах двух частей: условия, которые могут быть выполнены или нет, и движения, которые должны быть произведены, если данное условие выполняется.

Обработка познания в определенном порядке выполняется интерпретатором. Интерпретатор — движение, какая техника уменьшается до последовательного рассмотрения ряда правил. Если содержание условия в правиле, наблюдается, выполненные определенные действия, и проблемный вариант решения дается потребителю.

Модуль создания системы служит для создания коммутируемого (иерархия) правил. Таким образом, есть два подхода, которые могут быть проявлены как принцип модуль создания системы: использование алгоритмических языков программирования (специально для ЭС языки ПРОЛОГ и ЛИСП, а также языки высокого уровня) или оболочек ЭС (RT Works от Talarian, США, COMDALE/С от Сomdale Teсhn, СOGSYS от SС, ILOG Rules от ILOG). Но наибольшее распространение получила система G2. Для тех, кто решил самостоятельно создать свою ЭС, можно посоветовать программное обеспечение Expert System Creator 1.7.

ЭС может подвергнуться полностью функциям, какая производительность обычно требует привлечение опыта персонажа-эксперта, или играть роль ассистента по персонажу, принимая решение. Другими словами, система (технический или социальный), требуя принятие решений, может сразу получить это от программы или через увеличенное звено — персонаж, который связывается с программой. Тот, кто принимает решение, может быть экспертом с собственными правами, и в этом случае программа может «выровнять по ширине» существование, повышая эффективность его работы. Альтернативный вариант — человек, разогревающийся сотрудничество с такой программой, может достигнуть с ее справкой большего количества качественных результатов. Вообще говоря, корректное выделение функций между персонажем и машиной — одно из ключевых условий высокой эффективности реализации ЭС.

Исследования в этой области концентрируются на разработке и реализации компьютерных программ, способных к эмуляции (чтобы подражать, отыграть назад) тех арен деятельности персонажа, которые требуют взгляды, определенный навык и сохраненный опыт. Задачи принятия решений, распознавания образов и понимания естественного языка касаются их. Эта техника уже успешно применяется в некоторых областях техников и светского срока службы — органическая химия, поиск минеральных веществ, медицинской диагностики. Список типичных задач решенный ЭС, включает:

— Экстракция информации от первичных данных (таких как сигналы, приходящие от гидролокатора);

— Диагностика неправильного функционирования (и в технических системах, и в человеческом теле);

— Структурный анализ трудных объектов (например, химические вещества);

— Выбор конфигурации трудных многокомпонентных систем (например, распределенные компьютерные системы);

— Планируя последовательности производительности операций, приводящих к данной цели (например, исполнимая программа промышленными роботами).

Хотя «нормальные» программы, специализирующиеся на определенных задачах от представленного списка, известны также (или подобный им в соприкасающихся ареалах), ЭС это возможно выбрать в отдельном, достаточно хорошо отличительном классе программ. Точное формальное определение ЭС, который удовлетворил бы все, не существует, но есть много знаков, свойственных до некоторой степени всем ЭС.

ЭС отличается от другого наличия прикладных программ следующих признаков:

— Модели, не очень материальные (или другой) природа определенной проблемной области, сколько механизма размышления о персонаже в отношении решения о задачах в этой области. Это по существу отличает ЭС от систем математического моделирования или машинно-генерируемого формирования изображений;

— Система, помимо производительности вычислительных операций, формирует определенные причины и выводы, будучи основанной на том познании, с которым это выделяет. Познание в системе представляется, как правило, на каком-то специальном языке и сохранено отдельно от фактически кода программы, который формирует выводы и причины. Это принимается, чтобы назвать этот компонент программы базой знаний;

— При решении о задачах ядра — эвристические и приближенные методы, которые, в отличие от алгоритмического, не всегда гарантируют успех. Эвристика, в основном, является правилом влияния, которое в типе машины представляет некоторое познание, полученное персонажем в процессе накопления практического опыта решения о подобных проблемах. Такие методы приблизительны: сначала, они не требуют исчерпывающую начальную информацию, во-вторых, есть определенный уровень доверия (или неопределенность), что предлагаемое решение — истина.

ЭС отличается от других прикладных программ наличием следующих признаков:

— ЭС имеют дело с сюжетами операций реального мира, с которыми обычно требуют наличие значительного опыта, который был сэкономлен персонажем. Набор программ от области искусственного интеллекта — особенно исследование и основное внимание в них дается абстрактным математическим проблемам или упрощенным разновидностям настоящих проблем (иногда их имя «игрушечные» проблемы), и цель производительности такой программы — «увеличение уровня интуиции» или снимающего метода. ЭС строго объявили практическую направленность в научной или коммерческой области;

— Одна из основных характеристик ЭС — ее производительность, то есть скорость получения результата и ее надежности (надежность). Программы исследований искусственного интеллекта могут, а не быть очень быстрыми, возможно согласовать и с существованием в них отказов в отдельных местоположениях, поскольку это — инструмент исследования вместо программного продукта.;

— ЭС должен обладать возможностью объяснить, почему такое решение предлагается и доказывать его обоснованность. Потребитель должен получить всю информацию, необходимую для этого, чтобы быть гарантированным, что решение это принимается «не от потолка». В отличие от этого программы исследований «связываются» только с творцом, которого и столь (наиболее вероятно) знает, на каком базируется его результат. ЭС это проектируется, рассчитывая на взаимодействие с различными потребителями, для которых его работа должна быть прозрачной.

1.2 Функции экспертных систем

Приобретение знаний.

Приобретение знаний — это передача возможного опыта решения проблемы от некоторого источника знаний и преобразование его в вид, который позволяет использовать эти знания в программе.

Передача познания выполняется в ходе достаточно многих твердых и обширных интервью между экспертом в разработке ЭС (мы назовем далее ее инженера по знаниям), и эксперт в определенной области данных, способной достаточно точно, чтобы сформулировать опыт, доступный для этого. По существующим оценкам такой метод возможно генерировать от двух до пяти «элементов познания» (например, правила влияния) в день. Конечно, это очень низкая скорость именно поэтому много исследователей — историков рассматривает функцию сбора познания как один из основных «критических параметров» техники экспертных систем.

Причин такой низкой производительности предостаточно. Перечислим только некоторые из них:

— Специалисты в узкой области, как правило, говорят на собственном жаргоне, который трудно преобразовать на нормальный «человеческий» язык. Но смысл вульгарного «слова» полностью не очевиден, именно поэтому дополнительные вопросы для спецификации его логического или математического значения требуются многие. Например, эксперты в военной стратегии говорят об «агрессивной демонстрации» с внешней военной мощью, но таким образом не могут объяснить, чем такая «агрессивная» демонстрация отличается от демонстрации, которые делают не, переносят угрозы;

— Факты и принципы, базовые много специфических областей познания эксперта, не может быть точно сформулирован с точки зрения математической теории или решительной модели, какие свойства — четкое углубление. Так, эксперт в финансовой области может знать, что достоверные события могут стать причиной роста или понижения цитат в фондовой бирже, но он чего-либо Вам не говорит точно о механизмах, которые приводят к такому результату, или о количественной оценке влияния этих факторов. Статистические модели могут помочь сделать общий долгосрочный прогноз, но, как правило, такие методы не работают относительно блюд определенных движений на кратковременных антрактах;

— Решить проблему в определенной области, эксперту недостаточно просто, чтобы обладать общим количеством познания фактов и принципов этой области. Например, квалифицированный эксперт знает, какой вид информация, которую требуется выделить для оператора этого или того мнения, различные источники информации и поскольку возможно разделить соревнование на простом, который может быть решен более или менее независимо, то, сколько достоверны. Открывать в ходе интервью такое познание, которое является основанным на личном опыте и ужасно признании формализации, намного более трудным, чем получить простой список любых фактов или общих принципов;

— Четный в очень узкой области, исполнимой программе персонажем, очень часто необходимо поместить квалифицированный анализ в достаточно обширное окружение, которое не включает также много вещей, стандартных эксперту, отдельно понятому, но для чуждого вида ни в коем случае те, которые не.

Представление знаний. Представление знаний — еще одна функция экспертной системы. Теория представления знаний — это отдельная область исследований, тесно связанная с философией формализма и психологией. Предмет исследования в этой области — методы ассоциативного запоминающего устройства информации, подобной тому, что существует в мозге персонажа. В результате основное внимание уделяют логической, вместо биологической стороне процесса, понижая подробные сведения материальных преобразований.

Исследования в области представления знаний, разработанного в направлениях раскрытия принципов работы хранения персонажа, создания теорий экстракции сходимости от хранения, распознавания и восстановления. Некоторые из достигнутых результатов, которые приводят создание компьютерных программ, которые смоделировали различные методы привязки понятий (концептов). Были компьютерные приложения, которые могли обнаружить до некоторой степени необходимые «элементы» познания на определенном этапе решения о некоторой проблеме. Должным образом психологическая надежность этих теорий, утянутых в фон, и основное, помещает с точки зрения искусственного интеллекта проблематика, занял их возможность служить инструментом для работы с новой информацией и строениями управления.

В области представления экспертных систем методов познания формального описания массивов полезной информации с целью их последующей обработки посредством символического интереса расчетов. Формальное описание означает оптимизировать в рамках любого языка, обладающего достаточно точно формализованным синтаксисом создания прессования и того же самого уровня семантикой, координируя смысл прессования с его формой.

Символические расчеты означают производительность нечисленных операций, в которых символах и символьных строениях для представления могут быть созданы различный концептов и соотношения промежуточный.

В области языков представления искусственного интеллекта — машинные языки, ориентированные на устройство описаний объектов и идей, в противовесе к статическим наборам последовательных команд или хранению простых элементов данных, разрабатываются. Основные критерии доступа к представлению познания — логическое соответствие, эвристическая емкость и естественность, органичность нотации.

Логическое соответствие означает, что представление должно обладать возможностью распознать все различия, которые помещаются в начальный аромат. Например, невозможно представить идею, что у каждой медицины есть любая сторона, нежелательный эффект, если только будет невозможно привести различие между миссией определенного лекарственного препарата и его побочным эффектом (например, аспирин ухудшает язву желудка). В более общем смысле прессование, передающее этот результат, звучит так: «каждая медицина обладает нежелательным, побочный эффект, определенный для этого приготовления».

Эвристическая емкость означает, что наряду с наличием показательного языка представления должны быть некоторые средства использования представлений, созданных и интерпретируемых так, чтобы было возможно решить проблему с их справкой. Часто кажется, что язык, обладающий большей показательная возможность с точки зрения количества семантических различий, более добавляется в управлении описания корреляций в ходе решения проблемы. Возможность к прессованию во многих из найденных формализмов может казаться достаточно ограниченной по сравнению с английским языком или четной стандартной логикой. Часто уровень эвристической емкости рассматривает результат, то есть на этом, насколько легко это, кажется, выводит необходимое познание в отношении особой ситуации. Быть гарантированным, что познание больше всех подходов для решения об определенной проблеме, — это одно из качеств, которое отличает действительно специалиста, эксперта в определенной области, от новичка или просто начитанного человека.

Естественность нотации нужно рассмотреть как определенное достоинство системы как большая часть приложений, созданных на основе ЭС, накопления потребностей большого объема познания, и решить такую задачу достаточно трудно, если договоры на языке представления являются слишком трудными. Любой эксперт говорит, что в других равных характеристиках, что система, с которой легче работать лучше. Прессование, которым формально описывается познание, должно быть когда бы ни было возможно простым для написания, и их смысл — четкий четный к тому, кто не знает, как компьютер интерпретирует это прессование. Например, декларативный код программы может служить, который сам по себе дает достаточно точное представление о процессе его производительности, четной к тому, у кого нет никакого представления о подробных данных реализации отдельных инструкций компьютер.

Есть много договоров, соответствующего познания для того, чтобы кодировать на уровне языка. Среди них мы отмечаем порождающие правила (порождающие правила), покрытые сетчатым узором объекты (структурированные объекты) и логические программы (логические программы). В большой части ЭС это используется один или несколько из перечислимых формализмов, и параметры в милости и против любого из них до настоящего времени представляют сюжет для свежих обсуждений среди теоретиков.

Управление процессом поиска решения.

При разработке ЭС пристальное внимание должен быть дан и тому, как доступ обеспечивается для познания и поскольку они используются поиском решения. Познание того, какое познание необходимо в этом или что особая ситуация, и возможность избавиться от них — важная часть процесса функционирования ЭС. Такое познание, полученное имя метазнаний, то есть познание познания. Решение о нетривиальных проблемах требует также определенный уровень планирования и управления по выбору, что вопрос должен быть установлен, что тест выполнить и так далее.

Использование различной стратегии поиска доступного познания, делает достаточно существенное воздействие на характеристики эффективности программы. Они, которые определяет стратегия, какой метод программа находит решение проблемы в некотором пространстве вариантов. Как правило, не происходит так, чтобы данные, с которыми программа работы с базой данных выделяет, позволили «выходить» точно на области в этом пространстве, в котором имеет смысл искать ответ.

Большинство представлений знаний могут быть использованы в разных режимах управления.

Разъяснение принятого решения.

Вопрос на том, как помочь потребителю понять структурные конъюнкции некоторого трудного компонента программы, он соединяется с довольно новой областью взаимодействия человека и машины, которая появилась на пересечении таких областей, как искусственный интеллект, промышленная техника, физиология и эргономика. Для сегодня содействия этой области исследователей — историков, которые зацепляются ЭС, составы в разработке методов представления информации о свойстве программы в ходе схемы расположения игроков цепочки логических выводов поиском решения.

Представление информации о свойстве ЭС важно для многих причин:

— Потребители, работающие с системой, нуждайтесь в подтверждении этого в каждом конкретном случае вывод, в который прибывала программа, в ядре корректно;

— Инженеры, имеющие дело со схемой расположения игроков БЗ, должны быть убеждены, что познание, сформулированное ими, применяется правильно, включая в случае, когда есть прототип;

— В области данных это является требуемым для экспертов, чтобы проследить цепочку доказательства и метод использования той сходимости, которые от их слов были введены в БЗ. Это позволяет судить, насколько правильно они применяются в текущем состоянии дел;

— К компаниям-производителям телевизионных программ, которые сопровождают, устраните неисправности и обновите систему, необходимо иметь инструмент в инструкции, позволяя блестеть в «ее внутренней части» на уровень выше, чем вызов отдельных процедур языка;

— Администратор системы, используя опытную технику, кто несет ответственность за следствия решения, принятого программой, также нуждается в подтверждении, что эти решения выравниваются по ширине достаточно.

Прозрачность системы — возможность системы объяснить метод принятия решений. Как прозрачность системы понято, к тому, насколько просто штат, чтобы очистить это программа и почему делает. Отсутствие достаточной прозрачности поведения системы не позволяет эксперту влиять на свою производительность или давать уведомление, поскольку возможно повысить это. Трассировка и оценка поведения системы — задача, достаточно трудная и, необходима для ее совместных усилий решения эксперта и эксперта в информатике.

Заключение

ЭС — специфический программный продукт, оперирующий с профессиональными знаниями с помощью специальных процедур, основанных на использовании условного оператора «ЕСЛИ, … ТО,…».

Основное преимущество ЭС — возможность накопить знание, чтобы сохранять их длительное время, обновлять и тем самым обеспечивать относительную независимость конкретной организации от наличия в ней квалифицированных специалистов. Накопление знаний позволяет повышать квалификацию специалистов, работающих на предприятии, используя наилучшие, проверенные решения.

Практическое применение искусственного интеллекта и в экономике основано на машиностроительных предприятиях на ЭС, позволяя повышать качество и экономить время принятия решений, и также рост стимулирования общей производительности и улучшение профессионального навыка экспертов.

Результат работы ЭС является выводами и выводами, которые считали бы приемлемыми, если бы им персонаж прибывал, который позволяет рассматривать ЭС как системы искусственного интеллекта

Зарубежный опыт практического использования ЭС в различных сферах позволяет принимать с доверием их эффективное использование в сфере оценки, управления и реверсирования недвижимости

ЭС может быть очень большим и трудным, и может быть очень простым. Их разработка под шпигует четный к компании-производителю телевизионных программ — вентилятору. Техника разработки ЭС позволяет увеличивать постепенно и объем используемого познания, и алгоритмы их обработки.

Одно из проспективных направлений использования ЭС в экономике недвижимости так называемая массовая оценка, когда ЭС заменяет профессионального оценщика в некоторых частных областях (оценка для таксации, специальная оценка продавца или покупателя, оценка для благожелательного отношения инвестиционных решений на верхнем уровне управления, и т. д.) видит.

Второе перспективное направление — использование ЭС для того, чтобы оказать содействие оценщику и директору — распорядителю для «расшивки» критических параметров метода оценки (прогнозы доходов и расходов, определения норм возврата, описания объектов как наборы эффекта эхо и т. д.). Оценочное действие и профессиональное управление характеризуются этим, они требуют реализации активного использования большого объема познания от различных профессиональных сфер (микроэкономика, макроэкономическая, городская экономика, архитектура, здание, социальная психология, статистика, компьютерные технологии, и т. д.). Чтобы решить эту задачу наряду с традиционными методами (непрерывный пласт, сотрудничество и специализация, устройство и автоматика) предполагают ЭС.

Большая часть ЭС включена познанием, под которым контентом их можно перенести одновременно к нескольким типам. Например, обучающая система может обладать также познанием, позволяя выполнять диагностику и планирование. Это определяет возможности тренирующегося в основном направления, конечно, и затем принятие во внимание, что полученные данные делают программу. Регулирующая система может быть применена к целям управления, диагностики, прогнозируя и планируя. Системная безопасность обеспечения обители, может отследить окружающие условия, чтобы распознать события хэппенинга (например, открытое пятно), чтобы произвести прогноз (хакер отбора намеревается проникнуть в дом), и сделать план действий (чтобы вызвать управляют на основе политик).

1. Гаврилова Т. А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. СПб: Питер, 2010. — 640 с. — ISBN: 5−8459−0278−9

2. Джарратано Д., Г. Райли. Экспертные системы. Принципы разработки и программирование. — М.: Изд. Вильямс, 2011. — 775 с. — ISBN: 5−8046−0113-X

3. Джексон П.

Введение

в экспертные системы. — М.:Изд. Вильямс, 2009. — 683 с. — ISBN: 5−8046−0196−2

4. Долин Г. Что такое ЭС. — М.: Компьютер Пресс, 2012. — 460 с. — ISBN: 5−94 074−244−0

5. Круглов В. В. Интеллектуальные информационные системы. — М.: Изд. Вильямс, 2009. — 621 с. — ISBN: 5−94 836−011−3

6. Литвак Б. Г., Экспертные технологии в управлении, М., «Дело», 2011 — 670 с. ISBN: 5−8046−0113-X

7. Лорьер Ж.-Л. Системы искусственного интеллекта. — М.: Мир, 2009. — 568 с. ISBN: 5−94 074−244−0

8. Муромцев Д. И.

Введение

в технологию экспертных систем. СПб: СПб ГУ ИТМО, 2012. — 891 с. — ISBN: 5- 900 916−40−5

9. Нейлор К. Как построить свою экспертную систему.- М.:Энегроатомиздат, 2010. — 570 с. ISBN: 5−272−179−6

10. Попов Э. В., Фоминых И. Б., Кисель Е. Б., Шапт М. Д. Статические и динамические экспертные системы. -М.: Финансы и статистика, 2009. — 445 с. — ISBN: 5−207−13 411−1

11. Таусенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ. М.: Финансы и статистика. 2009. — 240 с. — ISBN: 5−279−2 606−9

12. Убейко В. Н. Экспертные системы. — М.: МАИ, 2010. — 480 с. — ISBN: 5−85 438−019−6