доступ в инфокоммуникационных сетях / М.: МАС, 2006. 5 Экспертные и обучающиеся системы

 

Экспертные системы являются одним из основных приложений искусственного интеллекта. Искусственный интеллект – это один из разделов информатики, в котором рассматриваются задачи аппаратного и программного моделирования тех видов человеческой деятельности, которые считаются интеллектуальными.

Результаты исследований по искусственному интеллекту используются в интеллектуальных системах, которые способны решать творческие задачи, принадлежащие конкретной предметной области, знания о которой хранятся в памяти (базе знаний) системы. Системы искусственного интеллекта ориентированы на решение большого класса задач, к которым относятся так называемые частично структурированные или неструктурированные задачи (слабо формализуемые или неформализуемые задачи).

Информационные системы, используемые для решения частично структурированных задач, подразделяются на два вида:

 Создающие управленческие отчеты (выполняющие обработку данных: поиск, сортировку, фильтрацию). Принятие решения осуществляется на основе сведений, содержащихся в этих отчетах.

 Разрабатывающие возможные альтернативы решения. Принятие решения сводится к выбору одной из предложенных альтернатив.

Информационные системы, разрабатывающие альтернативы решений, могут быть модельными или экспертными:

 Модельные информационные системы предоставляют пользователю модели (математические, статистические, финансовые и т.д.), которые помогают обеспечить выработку и оценку альтернатив решения.

 Экспертные информационные системы обеспечивают выработку и оценку возможных альтернатив пользователем за счет создания систем, основанных на знаниях, полученных от специалистов - экспертов.

Экспертные системы - это программы для компьютеров, аккумулирующие знания специалистов - экспертов в конкретных предметных областях, которые предназначены для получения приемлемых решений в процессе обработки информации. Экспертные системы трансформируют опыт экспертов в какой-либо конкретной отрасли знаний в форму эвристических правил и предназначены для консультаций менее квалифицированных специалистов.

Известно, что знания существуют в двух видах: коллективный опыт, личный опыт. Если предметная область представлена коллективным опытом (например, высшая математика), то эта предметная область не нуждается в экспертных системах. Если в предметной области большая часть знаний является личным опытом специалистов высокого уровня и эти знания являются слабоструктурированными, то такая область нуждается в экспертных системах. Современные экспертные системы нашли широкое применение во всех сферах экономики.

База знаний является ядром экспертной системы. Переход от данных к знаниям является следствием развития информационных систем. Для хранения данных применяются базы данных, а для хранения знаний – базы знаний. В базе данных, как правило, хранятся большие массивы данных с относительно небольшой стоимостью, а в базах знаний хранятся небольшие по объему, но дорогие информационные массивы.

База знаний – это совокупность знаний, описанных с использованием выбранной формы их представления. Наполнение базы знаний является одной из самых сложных задач, которая связана с выбором знаний их формализацией и интерпретацией.

Экспертная система состоит из:

 базы знаний (в составе рабочей памяти и базы правил), предназначенной для хранения исходных и промежуточных фактов в рабочей памяти (ее еще называют базой данных) и хранения моделей и правил манипулирования моделями в базе правил

 решателя задач (интерпретатора), который обеспечивает реализацию последовательности правил для решения конкретной задачи на основе фактов и правил, хранящейся в базах данных и базах знаний

 подсистемы пояснения, позволяет пользователю получить ответы на вопрос: «Почему система приняла такое решение?»

 подсистемы приобретения знаний, предназначенной как для добавления в базу знаний новых правил, так и модификации имеющихся правил.

 интерфейса пользователя, комплекса программ, реализующих диалог пользователя с системой на стадии ввода информации, и получения результатов.

Экспертные системы отличаются от традиционных систем обработки данных тем, что в них, как правило, используется символьный способ представления, символьный вывод и эвристический поиск решений. Для решения слабо формализуемых или неформализуемых задач более перспективными являются нейронные сети или нейрокомпьютеры.

Основу нейрокомпьютеров составляют нейронные сети – иерархические организованные параллельные соединения адаптивных элементов – нейронов, которые обеспечивают взаимодействие с объектами реального мира так же, как и биологическая нервная система.

Большие успехи использования нейросетей достигнуты при создании самообучающихся экспертных систем. Сеть настраивают, т.е. обучают, пропуская через нее все известные решения и добиваясь получения требуемых ответов на выходе. Настройка состоит в подборе параметров нейронов. Часто используют специализированную программу обучения, которая занимается обучением сети. После обучения система готова к работе.

Если в экспертную систему ее создатели предварительно закладывают знания в определенной форме, то в нейронных сетях неизвестно даже разработчикам, как формируются знания в ее структуре в процессе обучении и самообучении, т.е. сеть представляет собой «черный ящик».

Нейрокомпьютеры, как системы искусственного интеллекта, являются весьма перспективными и могут бесконечно совершенствоваться в своем развитии. В настоящее время системы искусственного интеллекта в форме экспертных систем и нейронных сетей находят широкое применение при решении финансово – экономических проблем.

Экспертные системы, их структура и применение в экономике

Экспертная система – это система, которая использует знания специалистов, представленные в виде деревьев вывода, деревьев целей, нечетких множеств, семантических сетей, фреймов и т.д.

Поэтому технологию построения экспертных систем называют инженерией знаний.

Инженер по знаниям извлекает их из специалистов и встраивает в экспертную систему.

Экспертные системы являются одним из результатов исследований в области искусственного интеллекта и рассматриваются в качестве программного средства, которое позволяет представить знания специалистов высокой квалификации о предметной области. Экспертные системы воспроизводят осознанные мыслительные усилия человека.

ЭС предназначены для решения так называемых неформализованных задач, т.е.

ЭС не отвергают и не заменяют традиционного подхода к разработке программ, ориентированного на решение формализованных задач.

Неформализованные задачи обычно обладают следующими особенностями:

ошибочностью, неоднозначностью, неполнотой и противоречивостью знаний о проблемной области и решаемой задаче;

большой размерностью пространства решения, т.е. перебор при поиске решения весьма велик;

динамически изменяющимися данными и знаниями.

Структура экспертных систем

Типичная статическая ЭС состоит из следующих основных компонентов:

- блока логического вывода и решателя (интерпретатора);

- рабочей памяти (РП), называемой также базой данных (БД);

- базы знаний (БЗ);

- блока приобретения знаний;

- блока объяснений;

- интерфейса.

 

Структура экспертной системы

 

База данных (рабочая память) предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи. Этот термин совпадает по названию, но не по смыслу с термином, используемым в информационно-поисковых системах (ИПС)

системах управления базами данных (СУБД) для обозначения всех данных (в первую очередь долгосрочных), хранимых в системе.

База знаний. Центральным элементом экспертной системы является база знаний, которая отражает знания специалиста-эксперта в соответствии с какой-либо моделью (деревья вывода, деревья целей, семантические сети и т.д.).

База знаний в ЭС предназначена для хранения долгосрочных данных, описывающих рассматриваемую область (а не текущих данных), и правил, описывающих целесообразные преобразования данных этой области.

Блок логического вывода (решатель), используя исходные данные из базы данных (рабочей памяти) и знаний из БЗ, формирует такую последовательность правил, которые, будучи примененными к исходным данным, приводят к решению задачи.

Все экспертные системы можно разделить на

- статические;

- динамические.

Если задачи, решаемые экспертной системой, не учитывают фактор времени и не изменяют в процессе решения данные, то такие системы называют статической.

Если в процессе решения задач такой фактор учитывается, то система называется динамической.

В экономике экспертные системы используются для консультаций по выработке инвестиционных решений, выбору стратегии маркетинга, кредитованию юридических лиц и т. д.

С их помощью осуществляется мониторинг производственных, логистических, маркетинговых и других процессов.

При необходимости они запускают механизм логического вывода для устранения критических ситуаций с одновременным информированием управленческого персонала.

 

 

Заключение

 

Все перечисленные направления развиваются достаточно обособлено и среди доступных работ практически отсутствуют примеры комплексной проработки вопроса взаимодействия инфокоммуникационных систем. Таким образом, проблемы организации совместного обслуживания множеством интеллектуальных агентов, возможность их координации и обеспечения защищенной работы продолжают оставаться актуальными. В данном УМК поставлена цель обобщить имеющийся опыт, предложить на его основе модель инфокоммуникационной системы.

Необходимо подчеркнуть важную роль алгоритмов защиты информации и установления доверия, так как их включение во взаимодействие приводит к существенным изменениям в архитектуре и алгоритмах работы. Поскольку реализация распределенной инфокоммуникационной системы, независимые агенты которой взаимодействуют через открытые каналы связи, диктует серьезные требования по информационной безопасности, то отсутствие их учета в методике рассмотренных механизмов существенно снизило бы практическую значимость предложенной методики.

Разработка технологий интеллектуальных программных агентов и создание методики их взаимодействия является одной из наиболее важных и многообещающих областей исследования в сфере информационных и коммуникационных технологий, где сегодня происходит интеграция технологий передачи данных, методов искусственного интеллекта и систем объектно-ориентированного проектирования.

При решении практических задач необходимо рассмотреть методики решения вопросов обхватывающие теоретические вопросов, возникающих при реализации защищенного взаимодействия инфокоммуникационных систем, и создания имитационной модели при вероятностного распределения информационных потоков передаваемым по каналам передачи связи.

 

Тематика практических задач

. Практические занятия (семинары)

2 2, 3

Оптимизация энергетических параметров сотового

канала связи по техническому критерию

3 2, 3

Оптимизация энергетических параметров спутникового

канала связи по техническому критерию

4 2, 3

Расчет зависимости вероятности нарушения связи в

радиорелейном канале графоаналитическим методом

5 4, 5

Расчет показателей функционирования ИКСиС

различной топологии

6 5 Расчет надежности ИКСиС связи различной топологии 2

7 6 Расчет основных параметров сети управления 2

8 7

Информационная безопасность ИКСиС.

Информационные угрозы в ИКСиС. Методы

обеспечения информационной безопасности

9 7

Разграничение доступа. Защита на сетевом уровне.

Защита сетей с помощью межсетевого экрана.

Брандмауэр как средство контроля межсетевого

трафика

10 7

Электронная цифровая подпись. Защита информации

от компьютерных вирусов

11 8

Понятие и уровни модели взаимодействия открытых

систем (МВОС). Принципы применения МВОС в

ИКСиС. Стеки протоколов на основе МВОС

12 8

Прикладной уровень МВОС. Уровень представления

МВОС. Сеансовый уровень МВОС

13 8

Транспортный уровень МВОС. Сетевой уровень

МВОС. Канальный уровень МВОС

14 8 Физический уровень МВОС 2

15 9

Интерфейсы и протоколы цифровой сети с

интегральным обслуживанием (ЦСИО)

16 9

Интерфейсы и протоколы сетей Х.25. Интерфейсы и

протоколы сетей Ethernet. Интерфейсы и протоколы

сетей Frame Relay

17 9

Интерфейсы и протоколы сетей АТМ. Интерфейсы и

протоколы сетей синхронной цифровой иерархии

(СЦИ)

18 9

Интерфейсы и протоколы сетей TCP/IP. Интерфейсы и

протоколы Интернет

19 9 Интерфейсы и протоколы семейства IEEE.802.11 2

20 9

Интерфейсы и протоколы сетей IEEE.802.x:

802.16, 802.16е, 802.16m