Представление знаний

59.Дайте определение отношения правдоподобия конкурирующих гипотез.

60.Охарактеризуйте понятие функции принадлежности.

61.Опишите операции над нечеткими множествами.

62.Охарактеризуйте нечеткие правила вывода в ЭС.

63.Приведите способы суперпозиции функций принадлежности нечетких множеств.

64.Опишите понятие дефазификации нечеткого множества.

65.Охарактеризуйте задачи, для решения которых применяется генетический алгоритм.

66.В чем заключаются отличия генетических алгоритмов от традиционных методов?

67.Приведите блок-схему работы генетического алгоритма.

68.Охарактеризуйте понятия целочисленного и вещественного кодирования.

69.Каким образом осуществляется оценивание особей в популяции?

70.Опишите способы селекции.

71.Охарактеризуйте принцип работы одноточечного, двухточечного и однородного операторов кроссинговера для целочисленного кодирования.

72.Опишите принцип работы двухточечного, арифметического и BLX-α операторов кроссинговера для вещественного кодирования.

73.Охарактеризуйте понятие разрушающей способности кроссинговера.

74.Опишите процесс формирования нового поколения.

75.Охарактеризуйте принципы работы оператора мутации для целочисленного и вещественного кодирования.

76.Каким образом осуществляется настройка параметров генетического алгоритма?

77.Охарактеризуйте канонический генетический алгоритм.

78.Опишите варианты реализации компонентов генетического алгоритма.

79.Охарактеризуйте биологические нейронные сети.

80.Приведите блок-схему функционирования формального нейрона.

81.Охарактеризуйте функции активации нейрона.

82.Опишите наиболее распространенные топологии искусственных нейронных сетей.

83.Какими преимуществами обладают искусственные нейронные сети по сравнению с другими методами?

84.Охарактеризуйте процесс обучения искусственных нейронных сетей прямого распространения

151

85.Опишите алгоритм обратного распространения ошибки.

86.Приведите вид разделяющей поверхности для нейрона, реализующего логическую операцию «ИЛИ».

87.Опишите особенности радиально-базисных функций активации.

88.Приведите вид разделяющих поверхностей для нейронов с пороговой и радиальной функциями активации.

89.Охарактеризуйте особенности программной реализации многослойной искусственной нейронной сети с использованием объектноориентированного подхода.

90.Охарактеризуйте особенности программной реализации многослойной искусственной нейронной сети с использованием структурного подхода.

ПРИЛОЖЕНИЕ 2

Темы рефератов и индивидуальных заданий

Темы рефератов

1.Эволюционное программирование (evolutionary programming).

2.Генетическое программирование (genetic programming).

3.Эволюционные стратегии (evolution strategies).

4.Меметичные алгоритмы (memetic algorithms).

5.Алгоритм дифференциальной эволюции (differential evolution).

6.Алгоритмы оценки распределений (estimation of distribution algorithms).

7.Алгоритмы ройной оптимизации (particles swarm optimization).

8.Системы обучающихся классификаторов (learning classifiers systems)

9.Адаптация параметров в эволюционных алгоритмах.

10.Интеллектуальная обработка изображений

11.Методы распознавания образов.

12.Обработка изображений на основе применения клеточных автоматов.

13.Применение теории графов для обработки изображений и распознавания образов.

14.Методы масштабирования изображений.

15.Методы распознавания лиц.

16.Методы построения трехмерных изображений объектов по их двумерным изображениям.

17.Методы сегментации изображений.

152

11.http://groups.csail.mit.edu/medg/ftp/psz/k-rep.html – Представление знаний.

12.http://www.blackwellpublishing.com/journal.asp?ref=0266-4720&site=1

– Экспертные системы. Expert Systems. The Journal of Knowledge Engineering.

154

СПИСОК ЛИТЕРАТУРЫ

1.Гаврилова Т.А. , Хорошевский В.Ф. Базы знаний интеллектуальных систем. – Санкт-Петербург: Питер, 2000. – 382 с.

2.Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. – М.: Нолидж, 2000. – 352 с.

3.Змитрович А.И. Интеллектуальные информационные системы. – Минск: Тетра Системс, 1997. – 367 с.

4.Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ / пер. с англ. – М.: Финансы и статистика, 1990. – 320 с.

5.Искусственный интеллект: Кн. 1. Системы общения и экспертные системы. Справочник / под ред. Э.В. Попова. – М.: Радио и связь, 1990. – 464 с.

6.Джарратано Д., Райли Г. Экспертные системы: принципы разработки

8.Дюк В., Самойленко А. Data Mining. – Санкт-Петербург: Питер, 2001. – 368 с.

9.Люгер Д.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. – М.: Издательский дом “ Вильямс”, 2003. – 864 c.

10.Марселлус Д. Программирование экспертных систем на Турбо Прологе / пер. с англ. – М.: Финансы и статистика, 1994. – 256 c.

11.Осуга С. Обработка знаний / пер. с японск. – М.: Мир, 1989. – 293 с.

12.Попов Э.В. Экспертные системы. – М.: Наука, 1987. – 288 с.

13.Спицын В.Г. Базы знаний и экспертные системы. – Томск: Изд.

ТПУ, 2001. – 88 c.

14.Экспертные системы. Принцип работы и примеры / под ред. Р. Форсайда; пер.с англ. – M.: Радио и связь, 1987. – 221 c.

15.Джексон П. Введение в экспертные системы / пер. с англ. – М.: Издательский дом “ Вильямс”, 2001. – 624 c.

16.Гаврилов А.В. Гибридные интеллектуальные системы. – Новосибирск: Изд-во НГТУ, 2003. – 164 с.

17.Цой Ю.Р., Спицын В.Г. Применение искусственных нейронных сетей для решения задач классификации и аппроксимации функций. –

Томск: Изд. ТПУ, 2003. – 21 c.

155

18. McCulloh W.S., Pitts W.H. A logical calculus of ideas immanent in

nervous activity // Bull. Math. Biophysics. – 1943. – Vol.5. – P. 115–119. 19. Куффлер С.В., Николс Дж.Г. От нейрона к мозгу. – М: Мир. 1978. –

439c.

20.Каллан Р. Основные концепции нейронных сетей: пер. с англ. – М.: Издательский дом «Вильямс», 2001. – 288 с.

21.Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002. – 344 с.

22.Спицын В.Г., Цой Ю.Р. Применение генетического алгоритма для аппроксимации функций. – Томск: Изд. ТПУ, 2002. – 23 c.

23.Редько В.Г. Эволюционная кибернетика. М. – Наука, 2003. – 156 с.

24.Бурцев М.С. Эволюция кооперации в многоагентной системе // Научная сессия МИФИ–2005. VII Всероссийская научно-практическая конференция "Нейроинформатика-2005": Сборник научных трудов.

В 2-х частях. Ч. 1. М.: МИФИ, 2005 – с. 217–224.

25.Beyer H.-G., Schwefel H.-P., Wegener I. How to analyse Evolutionary Algorithms. Technical Report No.CI-139/02. – Univer sity of Dortmund, Germany, 2002.

26.Holland J.H. Adaptation in Natural and Artificial S ystems. The Universi-

ty of Michigan Press, 1975.

27.Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моделирования. – М.: ФИЗМАТЛИТ, 2003. – 432 c.

28.Фогель Л., Оуэнс А., Уолш М. Искусственный интеллект и эволюционное моделирование. М.: Мир, 1969. – 230 с.

29.Rechenberg I. Evolutionsstrategie: Optimierung Technischer Systeme nach Prinzipien der Biologischen Evolution. Werkstatt Bionik und Evolutionstechnik, Stuttgart: Frommann-Holzboog, 1973.

30.Schwefel H.-P. Numerische Optimierung von Computer-Modellen mittels der Evolutionsstrategie // Interdisciplinary Systems Research: – 1977.

– Vol. 26.

31.Koza J. Genetic programming: a paradigm for genetically breeding computer population of computer programs to solve problems. MIT Press, Cambridge, MA, 1992.

32.Whitley D.L. Genetic Algorithms and Evolutionary Computing. Van Nostrand's Scientific Encyclopedia 2002.

33.Heitkotter J., Beasly D. The Hitch-Hiker’s Guide to Evolutionary Com-

putation: A List of Frequently Asked Questions (FAQ). ftp://rtfm.mit.edu:/pub/usenet/news.answers/ai-faq/genetшс/.

34.De Jong K. An analysis of the behavior of a class of genetic adaptive systems. Doctoral dissertation. – University of Michig an, Ann Arbor. – University Microfilms No. 76-9381. – 1975.

156

35. Gamma E., Helm R., Johnson R., Vlissides J. Design Patterns: Elements of Reusable Object-Oriented Software, Massachusetts: Addison-Wesley,

1995.

36.Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы / Под ред. В.М. Курейчика. – 2- е изд., испр. и доп. – М.: Физмат-

лит, 2006. – 320 с.

37.Turing A. M. Computing machinery and intelligence // Mind, 1950, vol.

236, no. 59.

38.Хайкин С. Нейронные сети: полный курс, 2-е издание. М.: Издательский дом «Вильямс», 2006.

39.Горбань А.Н. Обобщенная аппроксимационная теорема и вычислительные возможности нейронных сетей // Сибирский журнал вычис-

No. 4. – P. 225–232.

43.Цой Ю.Р., Спицын В.Г., Чернявский А.В. Нейроэволюционное улучшение качества изображений // Сборник научных трудов VIII Всероссийской научно-технической конференции “ НЕЙРОИНФОР-

МАТИКА–2006”. – М.: Изд. МИФИ, 2006. – Т. 1. – С. 181–189.

44.Цой Ю.Р., Спицын В.Г. Исследование генетического алгоритма с динамически изменяемым размером популяции // Труды Международной научно-технической конференции “ Интеллектуальные системы (IEEE AIS’05)”. Научное издание. М.: Изд. физикоматематической литературы, 2005. – С. 241–246.

45.Цой Ю.Р., Спицын В.Г. Применение генетического алгоритма для

решения задачи адаптивного нейроуправления // Сборник научных трудов VII Всероссийской научно-технической конференции “ НЕЙРОИНФОРМАТИКА–2005”. – М.: Изд. МИФИ, 2005. – Т. 1. –

C. 35–43.

46.Цой Ю.Р., Спицын В.Г. К выбору размера популяции // Труды Международной научно-технической конференции “ Интеллектуальные системы (IEEE AIS’04)”. Научное издание. М.: Изд-во физикоматематической литературы. 2004. – Т. 1. – С. 90–96.

157

ОГЛАВЛЕНИЕ

1.1.История создания искусственного интеллекта ……………………... 3

1.2.Процесс мышления ……………………………………………………... 5

1.3.Основные понятия и классификация систем, основанных на

знаниях ……………………………………………………………………….. 8

1.4.Экспертные системы как элемент искусственного интеллекта … 11

1.5.Теоретические аспекты извлечения знаний ……………………….. 16

1.7. Текстологические методы извлечения знаний …………………….. 26

2.5.Представление знаний в виде семантической сети ……………….. 42

2.6.Модель доски объявлений ……………………………………………. 45

2.7.Модель представления знаний в виде сценария ………………….. 47

ГЛАВА 3. АРХИТЕКТУРА И ТЕХНОЛОГИЯ РАЗРАБОТКИ ЭКСПЕРТНЫХ

3.3.Механизм вывода (интерпретатор правил) ………………………... 56

3.4.Взаимодействие пользователей с экспертной системой ………….. 60

3.5.Подсистема анализа и синтеза сообщений …………………………. 63

3.7.Синтаксический анализ входных сообщений ……………………... 68

3.8.Семантический анализ входных сообщений ………………………. 71

3.9.Синтез выходных сообщений ………………………………………... 72

4.2.Нечеткая логика ……………………………………………………….. 82

4.3.Нечеткие подмножества ………………………………………………. 88

4.4.Нечеткие правила вывода в экспертных системах ……………….. 91

4.5.Задания для разработки экспертных систем ………………………. 94

158

5.1.Предисловие ……………………………………………………………. 96

5.2.Генетический алгоритм ………………………………………………. 97

5.3.Параметры и этапы генетического алгоритма ……………………. 99

5.3.2.Оценивание популяции ……………………………………………. 101

5.3.3.Селекция ……………………………………………………………. 102

5.3.4.Скрещивание и формирование нового поколения ………………. 102

7.3.5.Мутация …………………………………………………………….. 107

5.4.Настройка параметров генетического алгоритма ……………….. 108

5.5.Канонический генетический алгоритм ……………………………. 110

5.6.Пример работы и анализа генетического алгоритма ……………. 110

5.7.Общие рекомендации к программной реализации

159