Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
доступ в инфокоммуникационных сетях / М.: МАС, 2006. 5 Экспертные и обучающиеся системы ⇐ ПредыдущаяСтр 10 из 10
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
|
||||||||
Последнее изменение этой страницы: 2016-12-17; просмотров: 480; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.143.4.181 (0.033 с.) |