Интеллектуальная информационная система – это информационная система, предназначенная для поддержки деятельности человека и поиска информации в режиме диалога на естественном языке. Она основана на концепции использования базы знаний для генерации алгоритмов решения задач.
Свойства ИИС:
развитые коммуникативные способности (взаимодействие пользователя с системой);
умение решать сложные задачи (построение оригинального алгоритма решения конкретной задачи);
способность к самообучению (извлечение знаний из накопленного опыта и применение их для решения задач);
адаптивность (способность к развитию в соответствии с изменениями в области знаний).
экспертные системы (система, частично заменяющая специалиста в решении проблемной ситуации);
самообучающиеся системы (система формирующая знания на основе опыта, обучается на примерах, в результате обучения формируется база знаний корректирующаяся по мере накопления опыта);
системы с интеллектуальным интерфейсом (система для поиска неявной информации в БД, вопросно-ответные системы. Например: вывести список товаров, цена которых ниже средней);
адаптивные системы (развиваются в соответствии с изменениями в области знаний, адекватно отражают знания проблемной области в каждый момент времени).
Знания – это зафиксированная и проверенная практикой обработанная информация, которая использовалась и может многократно использоваться для принятия решений.
Методы представления знаний:
Представление знаний в виде правил. В системах основанных на правилах предметные знания представляются набором правил ЕСЛИ ТО. Когда часть правила ЕСЛИ удовлетворяет фактам, то действия, указанные в части ТО, выполняется. Базы знаний могут насчитывать множество правил, в следствии чего процесс добаления новых правил и контроль связей между ними может быть затруднен, т.к. добавляемые правила могут вступать в противоречие с уже имеющимися.
Представление знаний с использованием фреймов. Фреймом называется структура для описания объекта, состоящая из характеристики объекта и его значения. Имеют жесткую структуру базы знаний. (Имя фрейма: Имя слота 1(значение слота 1) Имя слота 2(значение слота 2) Имя слота К (значение слота 3)). Значения слотов могут содержать не только само значение, но и процедуру, которая вычислит это значение по алгоритму. Позволяют уменьшить объем памяти для их размещения на компьютере.
Представление знаний с использованием семантических сетей. Метод основан на сетевой структуре. Семантическая сеть отображает совокупность объектов предметной области и связей между ними. В качестве объектов могут выступать события, действия, понятия и свойства объекта. Имеют понятия класса объекта и наследование.
Представления знаний в виде нечетких высказываний. Для описания модели используются сведения качественного характера. Особенности изучаемого объекта формулируются на естественном языке. ЕСЛИ нить Х горит медленно И при горении нити Х образуется твердый шарик бурого цвета ТО нить Х – капроновая.
Экспертные системы – это системы, предназначенные для решения задач на основе накапливаемого в базе знаний опыта работы экспертов в проблемной области. Они частично заменяют специалистов в решении проблемной ситуации. Могут выполнять функции: консультировать неопытных или непрофессиональных пользователей, анализировать различные варианты принятия решений, производить контроль, отладку, прогнозировании, планирование и т.д. Экспертные системы могут быть статическими (решает задачи в условиях не изменяющихся во времени исходных данных) и динамическими (изменяющиеся во времени исходные данные). Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом.
Состав экспертных систем:
интерпретатор (используя исходные данные из рабочей памяти знания из базы знаний решает задачи);
рабочая память (хранение исходных и промежуточных данных решаемой задачи);
база знаний (хранение долгосрочных данных описывающих предметную область);
компоненты приобретения знаний (автоматизирует процесс наполнения ЭС знаниями);
объяснительные компоненты (объясняет как система получила/не получила решение);
диалоговые компоненты (обеспечивает общение с пользователем).
Этапы проектирования экспертной системы:
Идентификация проблемной области – определяются задачи, подлежащие решению, выявляются цели разработки.
Концептуализация проблемной области – определяются способы представления и интерпретации всех видов знаний, моделируется работа системы.
Формализация базы знаний – наполнение базы знаний.
Реализация базы знаний – создается прототип экспертной системы, решающий требуемые задачи.
Тестирование – производится оценка выбранного способа представления знаний.
Важнейшим критерием оценки является соотношение стоимости системы и ее эффективности.
Нейронные сети – это математические модели, а так же их программные и аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей. Это понятие возникло при попытке смоделировать процессы, протекающие в мозге. Эти технологии используют в задачах прогнозирования (будущее значение некоторой последовательности), управления (принятие решений на основе входных и выходных данных) и распознавания образов (текст, изображения, звуки). Нейронные сети представляют собой систему соединенных и взаимодействующих между собой простых процессоров (искусственных нейронов). Такие процессоры гораздо проще процессоров, используемых в компьютерах. Каждый процессор принимает и посылает сигналы другим процессорам. Будучи соединенными в большую сеть, такие процессоры могут выполнять сложные задачи. Нейронные сети учатся на примерах. Возможность обучения – это одно из главных преимуществ нейронных сетей над традиционными алгоритмами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными и выходными данными, а так выполнять обобщение. Нейрокомпьютер – это компьютер, созданный на основе нейронных сетей. Отличительной особенностью является быстродействие, устойчивость и надежность.