Механизм логического вывода ЭС

База знаний ЭС

База знаний (БЗ) - используется для хранения знаний человека-эксперта о предметной области.

Знания, полученные от эксперта, в ЭС представляются в виде правил, количество которых может измеряться тысячами. Некоторые из этих правил однозначны и имеют вид: «Если то-то И то-то, ТО получается такой-то результат». Другие правила менее определены, и предполагают вероятностные оценки: «Если (до известной степени) то-то И (до известной степени) то-то ТО, (до известной степени) справедлив такой-то результат. Эти правила называются «эвристики» - теоретически не обоснованные правила, которые формируются у каждого специалиста при длительной работе в конкретной предметной области, «квинтэссенция» его профессионального опыта.

Формируя БЗ эксперт в какой-либо области работает вместе с так называемым инженером по представлению знаний. Эксперт и инженер по представлению знаний определяют, какими должны быть правила и как они взаимосвязаны между собой.

Один из сложнейших моментов формирования БЗ - это получение знаний от эксперта для их формализации. Поскольку много выводов эксперт считает очевидными, и некоторые использует интуитивно, бывает очень тяжело получить от него связанную, логически последовательную информацию о процессе решения задачи.

Механизм логического вывода ЭС

Механизм логического вывода (МЛВ)

Механизм логического вывода - это "интеллект" экспертной системы, который решает поставленную задачу путём построения цепочки логических выводов.

МЛВ имитирует процесс мышления эксперта. Логический вывод формируется МЛВ на основе правил из базы знаний в прямой или обратной последовательности.

На примере простейшей базы знаний проиллюстрируем прямую и обратную последовательности логического вывода.

 

 

При прямой последовательности - правила рассматриваются одно за другим по порядку. Каждое правило проверяется на истинность. Возможны три исхода: правило истинно либо нет, либо не хватает исходных данных для его оценки.

Если после 1-го цикла остаются правила, которые еще могут быть активизированы, то МЛВ запускает 2-й цикл. Циклы продолжаются до тех пор, пока возможна активизация правил.

При обратной последовательности МЛВ двигается от противного - логический вывод N принимается за правильный и задача заключается в доказательстве вывода.

Анализируя подходы можно сделать вывод, что обратная последовательность занимает меньше времени, чем прямая так как: нет необходимости рассматривать все правила; не надо многократно проделывать несколько циклов.

Вместе с тем при обратной последовательности может быть пропущен более эффективный способ решения задачи, что является недостатком

Интерфейс ЭС

Интерфейс экспертной системе включает подсистему пополнения знаний и подсистему объяснения.

Подсистема пополнения знаний предназначена для добавления в базу знаний новых правил и модификации имеющихся. такая подсистема может работать как обычный текстовый редактор, с помощью которого вводятся и изменяются правила.

Подсистема объяснения может работать в активном режиме - в виде информационных сообщений, сопровождающих полученные системой результаты, либо в пассивном режиме - выдавать ответы на запросы пользователя. По запросу пользователя экспертная система должна объяснить, что она делает в данный момент - какое правило проверяет, либо вывести всю цепочку логического вывода, который формируется.

 

Преимущества ЭС перед человеком – экспертом.

У них нет предубеждений.

Они не делают поспешных выводов.

Экспертные системы выбирают наилучшую альтернативу из всех возможных.

База знаний предметной области может быть очень большой.

Экспертные системы устойчивы к "помехам".

 

При каких условиях и для решения, каких задач применяются нейронные сети.

Нейрон состоит из трех основных элементов:

-один или несколько дендритов (вход нейрона - принимает импульсы);

- сома (тело нейрона - обрабатывает входящие импульсы);

- аксон (выход нейрона - передача импульса другому нейрону).

Аксон контактирует с дендритами других нейронов через синапсы. Синапсы - это такие образования, которые регулируют входящие импульсы. Синапсы могут усиливать или уменьшать импульс. Каждый синапс имеет свою «силу» - ее называют весом синапса. Вес синапса - это его способность усиливать или уменьшать входящий импульс.

Модель биологического нейрона.

Модель биологического нейрона состоит из:

Дендриты – вход нейрона (прием) входящих импульсов)

Сома – тело нейрона (отвечают за обработку входящих импульсов)

Аксон – выход нейрона (через него передается обработанный импульс)

Синапсы (м/у дендритами и аксонами других нейронов) – регулирование (вверх, вниз) входящих импульсов; расставляют приоритеты входящих сигналов

Вес синапса – сила, способность регулировать входящих импульс.

Если суммарный импульс в соме превышает ее пороговое значение, то нейрон активизируется.

Обучение нейросети.

Для того чтобы нейросеть начала работать (решать задачи), необходимо выполнить два этапа:

1. выбрать архитектуру нейросети;

2. обучить нейросеть (подобрать веса).

Обучение нейросети осуществляется по принципу обратной связи.

Обучить нейронную сеть - значит, сообщить ей, чего мы от нее добиваемся. Этот процесс очень похож на обучение ребенка алфавиту.

Для обучения подбирается ряд успешных примеров решения поставленной задачи. Примеры включают исходные данные и ответы, которые мы бы хотели получать от нейросети.

Количество необходимых примеров зависит от сложности задачи. Одно из простейших эвристических правил гласит, что число примеров должно быть в десять раз больше числа связей в сети.

11.Генетические алгоритмы – понятие, причины возникновения.

ГА – это эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации искомых параметров с использованием механизмов, напоминающих биологическую эволюцию. Является разновидностью эволюционных вычислений. Отличительной особенностью генетического алгоритма является акцент на использование оператора «скрещивания», который производит операцию рекомбинации решений-кандидатов, роль которой аналогична роли скрещивания в живой природе.

 

12.Модель биологической эволюции, кроссинговер.

Эволюция – процесс оптимизации живых организмов. Оптимизация – приспособление организмов к условиям внешней среды.

Основные механизмы: 1.естественный отбор – наиболее приспособленные имеют больше возможности на выживание, размножение. Сам по себе не обеспечивает эволюцию; 2.генетическое наследование -обеспечивает большую приспособленность потомка, чем естественный отбор.

Кроссинговер – процесс обмена участками ДНК, обеспечивает разнообразие внутри вида.

Кроссинговер (от англ. crossingover), перекрест, взаимный обмен участками парных хромосом, происходящий в результате разрыва и соединения в новом порядке их нитей; приводит к перераспределению (рекомбинации) сцепленных генов.

Кроссинговер — важнейший механизм, обеспечивающий комбинаторную изменчивость, а следовательно, — один из главных факторов эволюции.

13.Схема генетических алгоритмов:

1. Создание начальной популяции

 

2. Выбор родителей

 

3. Размножение

 

 

4. Мутация потомства

5. Оценка приспособленности

 

 

6. Отбор (редукция)

 

 

1. Анализ (цель достигнута?)

Да Нет

Конец

Пример поиска глобального экстремума функции с помощью ген. алгоритма.

Создадим начальную популяцию. Популяция состоит из особей (хромосома). Положим, что х принимает только целые значения (0,1,2,3,4,5,6,7).

Выберем начальную популяцию, напр (4,5,7). Чем большее значение особи, тем более она приспособленна.

Выберем родителей и создадим потомков с помощью кроссинговера (будем осущ-ть в точке разрыва 2).Для формирования новой популяции необходимо осущ-ть отбор – выбрать наиболее приспособленные особи из родителей и потомков. В результате отбора получена новая популяция (5,5,6) (локальный максимум).Для поиска глобального максимума, повторяем проделанную выше процедуру.

Новая популяция (0,3,6). ГА удалось найти решение вне максимума и перескочить через область худших решений.Проделываем новый цикл. Новая популяция (1,2,6). Глобальный экстремум найден.

Агенты, свойства.

Агенты – это компьютерные программы, которые самостоятельно решают поставленные пользователем задачи. Агенты (с лат. – вести, действовать.)

Свойства агентов:

1)Реактивность (реакции) - агенты воспринимают и реагируют на окружающую среду. Сенсоры: изображение через видеокарту, через клавиатуру, общая память.

2)Автономность – для создания самозапуска не нужно вмешательство пользователя.

3)Целенаправленность - агент имеет глобальную цель для достижения. Для достижения сущ-щей локальной цели.

4)Непрерывность функционирования - агент постоянно нах-ся в состоянии исполнения

5)Коммуникативность - агент может общаться с другими агентами, людьми; общение, запрос.

6)Обучаемость (адаптивность) - агенты обучаются на основании предыдущих действий и результатов, полученных действий. Результатами яв-ся нейронные сети

7)Мобильность - агент перемещается по сети

8)Гибкость - поведение агента яв-ся непростым выбирает одно из альтернативных вариантов поведения.

Программный агент StaffCop.

Программа StaffCop состоит из двух модулей - администраторского, который устанавливается на компьютер администратора, и пользовательского (агента).

Собирает инф-ию с экрана комп-ра, интернет пейджеров, программы, файлы, веб-сайты, USB-устройства, рабочий день.

Агенты осуществляют сбор информации об активности сотрудников и передают ее администраторскому модулю. Агент представляет собой драйвер небольшого размера, работающий как служба Windows. Агент может работать в двух режимах: как обычная программа либо как программа-шпион (в невидимом режиме) -пользователь компьютера не будет знать, что за ним ведется наблюдение.

Коллаборативная фильтрация.

Коллаборативная фильтрация - это технология поиска информации на основе анализа предпочтений пользователей.

В основе технологии лежит предположение о том, что если люди имеют общие интересы в одной сфере, то и в другой сфере их интересы будут близки.

Коллаборативная фильтрация позволяет давать автоматические прогнозы о предпочтениях пользователя. Прогнозы даются на основе информации о вкусах других пользователей, объединенных в группы по интересам. Специальные программы анализируют вкусы человека и определяют для него группу со схожими предпочтениями.

Обычно коллаборативная фильтрация используется интернет-сервисами, например сайтами по продаже книг, дисков и программного обеспечения.

Сбор информации для коллаборативной фильтрации может осуществляться в явном (предложат оценить товары в баллах, обычно от 1 до 5) или неявном виде(анализироваться действия пользователей. (покупка товаров через Интернет, продолжительность времени просмотра конкретной веб-страницы, скачивание файлов и т.д.)

 

Сетевые черви.

Сетевой червь — это компьютерная программа, распространяющая свои копии по локальным и глобальным сетям с целью проникновения на компьютер-жертву, запуска своей копии на этом компьютере и дальнейшего распространения.

Для своего распространения сетевые черви используют компьютерные и мобильные сети: электронную почту, системы обмена мгновенными сообщениями, файлообменные сети, сети обмена данными между мобильными устройствами (телефонами, карманными компьютерами) и т. д.

Для проникновения на компьютер-жертву черви используют несколько путей: самостоятельный (пакетные черви), социальный инжиниринг (например, текст электронного письма, призывающий открыть вложенный файл или ссылку на зараженный ресурс), ошибки в службах безопасности операционных систем и приложений.

Троянские программы.

Троянская программа {Trojan) - это вредоносная программа, совершающая несанкционированные пользователем действия (уничтожение или модификация информации, использование ресурсов машины в преступных целях).

Троянские программы являются наиболее распространенными типами вредоносных программ, так как существует множество конструктеров, позволяющих даже неопытному пользователю создавать собственные программы данного типа.

Троянские программы различаются между собой по тем действия, которые они производят на зараженном компьютере.

Backdoor — троянские утилиты удаленного администрирования (управления) компьютером

Trojan-PSW — воровство паролей

Trojan-Downloader — доставка вредоносных программ

Trojan-Dropper — инсталляторы вредоносных программ

Trojan-Spy — шпионские программы

И.т,д.

32.Авторское право, имущественные и неимущественные права.

Авторское право – часть гражданского права, которая регулирует порядок использования произведений литературы, науки и искусства. Объектами авторского права так же признаются компьютерные программы и электронные базы данных.

Личные (неимущественные) права: право авторства – право требовать признание своего авторства, упоминания своего имени в связи с использованием произведений, если это практически возможно; право на имя – право использовать или разрешать использовать произведение под подлинным именем автора либо анонимно; право на защиту репутации автора – право на защиту произведений от всякого искажения или иного посягательства, способного повредить чести и репутации автора; право на обнародование – право обнародовать или разрешать обнародовать произведение в любой форме, включая право на отзыв.

Имущественные права: обладателю авторского права принадлежит исключительное право разрешить или запретить: воссоздание произведений; распространение путем продаж; перевод произведений; публичный показ; передачу в эфир; сдачу в наем.

33.Основные позиции и заблуждения по отношению к авторскому праву.

Все произведения в Интернете соответствуют признакам авторского права. Широкая доступность Интернета привела к некоторым заблуждениям:

*если не проставлен знак уведомления об авторском праве ©, то произведение не охраняется. Это не так - авторское право на произведение или программу возникают в силу их создания. Проставлять знак © не обязательно;

*авторское право не нарушается, если нарушитель не извлекает прибыль. Это неверно. Использовать произведения без согласия автора – нарушение в любом случае;

*произведения, размещенные в Интернете, являются общим достоянием. Это возможно только по истечению срока охраны или если автор не выразил такое желание;

*размещение чужого произведения в Интернете считается личным использованием. Это не так – воспроизведение не является нарушением авторских прав, если осуществляется исключительно в личных целях.

34.Авторские права на компьютерные программы.

Компьютерные программы – один из наиболее сложных объектов авторского права. Основанием для отнесения компьютерных программ к литературным произведениям служит некая общность отображения строк литературного произведения и компьютерной программы: и строки литературного произведения, и строки компьютерной программы автор наполняет символами-литерами или символами-операторами.

Авторское право на компьютерную программу не распространяется на заложенные в ней: идеи, процессы, методы деятельности или математические концепции как таковые, на которых основана компьютерная программа (включая часть программы, которая обеспечивает диалог с пользователем и совместимость ее с элементами аппаратуры), логику ее работы, алгоритмы и языки программирования.

Таким образом, автор компьютерной программы должен понимать, что если он в своей программе изложил некий алгоритм решения задачи, то сам этот алгоритм не будет охраняться. Иными словами, авторским правом защищается текст (код) программы, а не функции, которые она выполняет. С целью устранения этого недостатка авторского права в Украине подаются Заявки на получение патента на изобретение (полезную модель) с целью охраны и защиты алгоритма (способа) работы компьютерной программы по решению конкретной задачи.

База знаний ЭС

База знаний (БЗ) - используется для хранения знаний человека-эксперта о предметной области.

Знания, полученные от эксперта, в ЭС представляются в виде правил, количество которых может измеряться тысячами. Некоторые из этих правил однозначны и имеют вид: «Если то-то И то-то, ТО получается такой-то результат». Другие правила менее определены, и предполагают вероятностные оценки: «Если (до известной степени) то-то И (до известной степени) то-то ТО, (до известной степени) справедлив такой-то результат. Эти правила называются «эвристики» - теоретически не обоснованные правила, которые формируются у каждого специалиста при длительной работе в конкретной предметной области, «квинтэссенция» его профессионального опыта.

Формируя БЗ эксперт в какой-либо области работает вместе с так называемым инженером по представлению знаний. Эксперт и инженер по представлению знаний определяют, какими должны быть правила и как они взаимосвязаны между собой.

Один из сложнейших моментов формирования БЗ - это получение знаний от эксперта для их формализации. Поскольку много выводов эксперт считает очевидными, и некоторые использует интуитивно, бывает очень тяжело получить от него связанную, логически последовательную информацию о процессе решения задачи.

Механизм логического вывода ЭС

Механизм логического вывода (МЛВ)

Механизм логического вывода - это "интеллект" экспертной системы, который решает поставленную задачу путём построения цепочки логических выводов.

МЛВ имитирует процесс мышления эксперта. Логический вывод формируется МЛВ на основе правил из базы знаний в прямой или обратной последовательности.

На примере простейшей базы знаний проиллюстрируем прямую и обратную последовательности логического вывода.

 

 

При прямой последовательности - правила рассматриваются одно за другим по порядку. Каждое правило проверяется на истинность. Возможны три исхода: правило истинно либо нет, либо не хватает исходных данных для его оценки.

Если после 1-го цикла остаются правила, которые еще могут быть активизированы, то МЛВ запускает 2-й цикл. Циклы продолжаются до тех пор, пока возможна активизация правил.

При обратной последовательности МЛВ двигается от противного - логический вывод N принимается за правильный и задача заключается в доказательстве вывода.

Анализируя подходы можно сделать вывод, что обратная последовательность занимает меньше времени, чем прямая так как: нет необходимости рассматривать все правила; не надо многократно проделывать несколько циклов.

Вместе с тем при обратной последовательности может быть пропущен более эффективный способ решения задачи, что является недостатком

Интерфейс ЭС

Интерфейс экспертной системе включает подсистему пополнения знаний и подсистему объяснения.

Подсистема пополнения знаний предназначена для добавления в базу знаний новых правил и модификации имеющихся. такая подсистема может работать как обычный текстовый редактор, с помощью которого вводятся и изменяются правила.

Подсистема объяснения может работать в активном режиме - в виде информационных сообщений, сопровождающих полученные системой результаты, либо в пассивном режиме - выдавать ответы на запросы пользователя. По запросу пользователя экспертная система должна объяснить, что она делает в данный момент - какое правило проверяет, либо вывести всю цепочку логического вывода, который формируется.