Экспертные системы
canadian pharmacy online

Введение в экспертные системы

При подготовке материала автор старался прежде всего учесть интересы и пожелания читателей четырех основных категорий:
  • рядовых читателей, желающих познакомиться с новым классом информационных систем на достаточно высоком теоретическом и техническом уровне;
  • преподавателей и студентов, которым необходимо учебное пособие, охватывающее все основные темы исследования и проектирования экспертных систем, причем глубина изложения материала должна соответствовать программам старших курсов вузов и первого года обучения в аспирантуре;
  • инженеров-программистов, нуждающихся в практическом руководстве по экспертным системам, подкрепленном достаточно солидным теоретическим материалом;
  • научных работников и студентов, активно занимающихся научной работой, которых особенно интересует обзорный материал, касающийся новейших тенденций в разработке систем такого рода.
Это введение послужит методическим руководством для каждой из перечисленных категорий

Введение

Глава 1. Что такое экспертная система?
Экспертная система может полностью взять на себя функции, выполнение которых обычно требует привлечения опыта человека-специалиста, или играть роль ассистента для человека, принимающего решение. Другими словами, система (техническая или социальная), требующая принятия решения, может получить его непосредственно от программы или через промежуточное звено — человека, который общается с программой. Тот, кто принимает решение, может быть экспертом со своими собственными правами, и в этом случае программа может "оправдать" свое существование, повышая эффективность его работы.

ГЛАВА 1. Что такое экспертная система?
1.1. Смысл экспертного анализа
1.2. Характеристики экспертных систем
1.3. Базовые функции экспертных систем
1.3.1. Приобретение знаний
1.3.2. Представление знаний
1.3.3. Управление процессом поиска решения
1.3.4. Разъяснение принятого решения
1.4. Резюме и структура книги
1.4.1. Текущее состояние проблемы
1.4.2. Распределение материала книги по главам
Рекомендуемая литература
Упражнения

Глава 2. Обзор исследований в области искусственного интеллекта
Что такое искусственный интеллект? Барр и Файгенбаум предложили следующее определение, которое никем не оспаривается почти два десятка лет [Barr and Feigenbaum, 1981]. "Искусственный интеллект (ИИ) — это область информатики, которая занимается разработкой интеллектуальных компьютерных систем, т.е. систем, обладающих возможностями, которые мы традиционно связываем с человеческим разумом, — понимание языка, обучение, способность рассуждать, решать проблемы и т.д."

ГЛАВА 2. Обзор исследований в области искусственного интеллекта
2.1. Классический период: игры и доказательство теорем
2.1.1. Поиск в пространстве состояний
2.1.2. Эвристический поиск
2.2. Романтический период: компьютер начинает понимать
2.2.1. Система SHRDLU
2.2.2. Схемы представления знаний
2.3. Период модернизма: технологии и приложения
2.3.1. В знании сила
2.3.2. Периоды "зимней спячки" и "пробуждения" в истории искусственного интеллекта
Рекомендуемая литература
Упражнения

Глава 3. Представление знаний
В этой главе описана одна из первых экспертных систем, MYCIN, при разработке которой была предпринята попытка отойти от традиции использования "обобщенного решателя проблем". Система построена на основе относительно несложного алгоритма поиска, значительно более простого, чем описанный в предыдущей главе алгоритм А. Возможности программы определяются не столько реализованным в ней алгоритмом поиска, сколько методикой представления знаний, специфических для той области, в которой предполагалось использовать систему, а именно — в лечении заболеваний крови.

ГЛАВА 3. Представление знаний
3.1. Представление знаний: принципы и методы
3.2. Планировщик STRIPS
3.2.1. Таблицы операторов и методика "средство — анализ завершения"
3.2.2. Анализ метода представления и управления в STRIPS
3.3. Формулировка подцелей в MYCIN
3.3.1. Лечение заболеваний крови
3.3.2. База знаний системы MYCIN
3.3.3. Структуры управления в MYCIN
3.4. Оценка и сравнение характеристик экспертных систем
3.4.1. Оценка системы MYCIN
3.4.2. Сравнение MYCIN и STRIPS
Рекомендуемая литература
Упражнения

Глава 4. Символические вычисления
Прежде чем приступить в обсуждению специализированных языков представления знаний, остановимся на более общей теме языков программирования задач искусственного интеллекта. В этой главе мы не задавались целью научить читателя пользоваться определенным языком, а стремились познакомить с некоторыми темами, касающимися представления и управления, которые имеют отношение к программной реализации экспертных систем. Интересно отметить, что широко распространившийся в современной практике создания программного обеспечения объектно-ориентированный подход к анализу и разработке должен привести к определенному сближению методик решения проблем, предполагающих использование идей искусственного интеллекта и не предполагающих такового. Кроме того, представление приложения как совокупности взаимодействующих относительно автономных модулей очень близко к подходу, реализуемому методами искусственного интеллекта.

ГЛАВА 4. Символические вычисления
4.1. Символическое представление
4.2. Физическая символическая система
4.3. Реализация символических структур на языке LISP
4.3.1. Структуры данных в языке LISP
4.3.2. Структура LISP-программы
4.3.3. Приложение функции и лямбда-исчисление
4.3.4. Обработка списков
4.3.5. Сопоставление с образцом
4.4. Почему LISP не является языком представления знаний
4.4.1. Символический уровень и уровень знаний
4.4.2. LISP и разработка программ
4.5. Языки представления знаний
Рекомендуемая литература
Упражнения

Глава 5. Системы, основанные на знаниях
В области искусственного интеллекта и в современной психологии утверждение, что разумное поведение направляется правилами, превратилось уже в аксиому. Даже в "большом" мире люди склонны связывать уровень интеллектуальности со следованием правилам, и мы все чаще при объяснении разумности обращаем внимание на то, насколько при этом соблюдаются правила. Возьмем для примера манеру разговаривать на естественном языке. Мы все ведем себя так, как если бы обладали знанием всех правил того языка, на котором говорим, например английского, хотя, конечно, мы знаем далеко не все. (Любой, кто запишет эти правила, может рассчитывать на ослепительную карьеру в лингвистике.)

ГЛАВА 5. Системы, основанные на знаниях
5.1. Канонические системы
5.2. Системы порождающих правил для решения проблем
5.2.1. Синтаксис представления правил
5.2.2. Рабочая память
5.3. Управление функционированием интерпретатора
5.3.1. Разрешение конфликтов
5.3.2. Прямая и обратная цепочки рассуждений
5.3.3. Правила и метаправила
Рекомендуемая литература
Упражнения

Глава 6. Ассоциативные сети и системы фреймов
Следуя Нильсону [Nilsson, 1982], я буду использовать термин структурированный объект по отношению к любой схеме представления, базовые блоки которой аналогичны узлам и дугам в теории графов или слотам и заполнителям структур записей. Я буду систематически сравнивать этот вид представления со схемами, производными от правил формальных грамматик или формализмов разнообразных логик. Представление с помощью структурированных объектов является весьма удобным средством для группирования информации более или менее естественным путем.

ГЛАВА 6. Ассоциативные сети и системы фреймов
6.1. Графы, деревья и сети
6.2. Ассоциативные сети
6.2.1. Разделение видов узлов и когнитивная экономия
6.2.2. Анализ адекватности ассоциативных сетей
6.3. Представление типовых объектов и ситуаций
6.3.1. Основные понятия концепции фреймов
6.3.2. Фреймы и графы
6.3.3. Значения по умолчанию и демоны
6.3.4. Множественное наследование
6.3.5. Сравнение сетей и фреймов
Рекомендуемая литература
Упражнения

Глава 7. Объектно-ориентированное программирование
За последние 20 лет было разработано довольно много языков для представления знаний, причем большинство из них можно отнести к классу объектно-ориентированных. Как и в случае с использованием концепции фреймов, основная идея состоит в том, чтобы заключить данные и связанные с ними процедуры в некие структуры, объединенные механизмом наследования. Отличие от формализмов, описанных в предыдущей главе, состоит в том, что процедуры могут наследоваться (и комбинироваться) точно так же, как и данные, а объекты могут взаимодействовать друг с другом напрямую или посредством специальных протоколов обмена сообщениями.

ГЛАВА 7. Объектно-ориентированное программирование
7.1. Язык KRL
7.2. Языки LOOPS и FLAVORS
7.2.1. Передача сообщений
7.2.2. Проблема наложения методов
7.2.3. Метаклассы
7.3. Языки CLIPS и CLOS
7.3.1. Множественное наследование в CLOS и CLIPS
7.3.2. Наложение методов в CLOS и CLIPS
7.3.3. Метаклассы в CLOS и CLIPS
7.4. Множественное наследование в C++
7.5. Объектно-ориентированный анализ и конструирование экспертных систем
Рекомендуемая литература
Упражнения

Глава 8. Логическое программирование
Еще в конце 1970-х годов стала отчетливо просматриваться тенденция к использованию в исследованиях в области искусственного интеллекта "формальных" методов, т.е. основанных на аппарате математической логики. Эти методы противопоставлялись более интуитивным и менее формализованным эвристическим методам, скажем, таким, которые были использованы в системе MYCIN. Для того чтобы стало ясно, что все это значит, нужно познакомить вас с логическими языками, а затем показать, как соотносятся их свойства с теми методами рассуждений, которые должны поддерживать типовые экспертные системы.

ГЛАВА 8. Логическое программирование
8.1. Формальные языки
8.1.1. Исчисление высказываний
8.1.2. Исчисление предикатов
8.2. Язык PROLOG
8.3. Опровержение резолюций
8.3.1. Принцип резолюций
8.3.2. Поиск доказательства в системе резолюций
8.4. Процедурная дедукция в системе PLANNER
8.5. PROLOG и MBASE
8.5.1. Правила поиска в языке PROLOG
8.5.2. Управление поиском в системе MBASE
Рекомендуемая литература
Упражнения

Глава 9. Представление неопределенности знаний и данных
Во многих реальных приложениях приходится сталкиваться с ситуацией, когда автоматический решатель задач имеет дело с неточной информацией. В этой главе мы рассмотрим основные идеи, касающиеся количественной оценки неопределенности и методов формирования нечетких суждений. В главах 11-15 будет продемонстрировано, как такие методы используются на практике. В настоящей главе речь пойдет в основном о теоретических аспектах представления неопределенности и о том, почему в исследованиях по искусственному интеллекту такое большое внимание уделяется этим проблемам.

ГЛАВА 9. Представление неопределенности знаний и данных
9.1. Источники неопределенности
9.2. Экспертные системы и теория вероятностей
9.2.1. Условная вероятность
9.2.2. Коэффициенты уверенности
9.2.3. Коэффициенты уверенности и условные вероятности
9.3. Сомнительность и возможность
9.3.1. Нечеткие множества
9.3.2. Нечеткая логика
9.3.3. Теория возможности
9.4. Неопределенное состояние проблемы неопределенности
Рекомендуемая литература
Упражнения

Глава 10. Приобретение знаний
Термин приобретение знаний носит обобщенный характер и совершенно нейтрален к способу передачи знаний. Например, передача может осуществляться с помощью специальной программы, которая в процессе обработки большого массива историй болезни устанавливает связь между симптомами и заболеваниями. А вот термин извлечение знаний (knowledge elicitation) относится именно к одному из способов передачи знаний — опросу экспертов в определенной проблемной области, который выполняется аналитиком или инженером по знаниям. Последний затем создает компьютерную программу, представляющую такие знания (или поручает это кому-нибудь другому, обеспечивая его всей необходимой информацией).

ГЛАВА 10. Приобретение знаний
10.1. Теоретический анализ процесса приобретения знаний
10.1.1. Стадии приобретения знаний
10.1.2. Уровни анализа знаний
10.1.3. Онтологический анализ
10.2. Оболочки экспертных систем
10.2.1. Система EMYCIN
10.2.2. Сопровождение и редактирование баз знаний с помощью программы TEIRESIAS
10.3. Методы приобретения знаний
10.3.1. Использование опроса экспертов для извлечения знаний в системе COMPASS
10.3.2. Автоматизация процесса извлечения знаний в системе OPAL
10.3.3. Графический интерфейс модели предметной области
10.3.4. Эффективность программы OPAL
10.4. Приобретение новых знаний на основе существующих
Рекомендуемая литература
Упражнения

Глава 11. Эвристическая классификация (I)
Если уж технология экспертных систем должна иметь солидный теоретический базис, то необходимо представлять себе, почему эта технология оказывается работоспособной при решении одних задач и неработоспособной при решении других. С практической точки зрения ответы на поставленные вопросы помогут разработчикам экспертных систем принять правильное решение и таким образом избавят их от крушения надежд и разочарования, которыми часто сопровождается ошибочный выбор. В этой главе читатель найдет следующий материал.

ГЛАВА 11. Эвристическая классификация (I)
11.1. Классификация задач экспертных систем
11.2. Классификация методов решения проблем
11.2.1. Эвристическое сопоставление
11.2.2. Общность эвристической классификации
11.3. Классификация или конструирование?
Рекомендуемая литература
Упражнения

Глава 12. Эвристическая классификация (II)
Мы начали обсуждение методов решения проблем с эвристической классификации по той причине, что этот метод наиболее понятный. В следующих главах будут рассмотрены другие, более сложные методы, и вы сможете сравнить их. Но в этой главе мы будем считать, что метод решения проблем выбран, а наша задача — проанализировать процесс выбора инструментальных средств для проектируемой экспертной системы и средств приобретения знаний.

ГЛАВА 12. Эвристическая классификация (II)
12.1. Инструментальные средства и задачи, решаемые экспертной системой
12.2. Эвристическая классификация в системах MUD и MORE
12.2.1. Модель предметной области выполнения буровых работ
12.2.2. Стратегии приобретения знаний
12.2.3. Использование коэффициентов уверенности в программе MORE
12.2.4. Опыт эксплуатации системы MORE
12.3. Совершенствование стратегий
12.3.1. Уроки проекта GUIDON
12.3.2. Структура задач в системе NEOMYCIN
Рекомендуемая литература
Упражнения

Глава 13. Иерархическое построение и проверка гипотез
В данной главе будут рассмотрены три системы, реализующие комбинированный метод решения проблем, который получил в литературе наименование иерархического построения и проверки гипотез (hierarchical hypothesize and test). С методом эвристической классификации этот метод сходен в том, что в нем используется отображение множества абстрактных категорий данных на множество абстрактных категорий решений, но этот подход усложнен тем, что элементы решений могут комбинироваться и объединяться в составные гипотезы. Цель такого усложнения — построение гипотезы, которая могла бы объяснить все симптомы и признаки анализируемой ситуации.

ГЛАВА 13. Иерархическое построение и проверка гипотез
13.1. Влияние сложности пространства гипотез на организацию работы системы
13.2. Структурированные объекты в CENTAUR
13.2.1. Структура фреймов в CENTAUR
13.2.2. Правила, включенные в прототипы
13.3. Формирование суждений на базе модели в системе INTERNIST
13.3.1. Представление знаний в дереве заболеваний
13.3.2. Методика выделения правдоподобных гипотез в INTERNIST
13.3.3. Проблемы, обнаруженные в процессе эксплуатации системы INTERNIST
13.4. Рабочая среда инженерии знаний TDE
Рекомендуемая литература
Упражнения

Глава 14. Решение проблем конструирования (I)
Можно рассматривать задачу решения проблемы конструирования и в терминах ограничений — сформировать такое решение, которое удовлетворило бы некоторым общим требованиям к качеству и при этом не противоречило бы ни одному из специальных правил, отвергающих определенные элементы решения или их комбинации.

ГЛАВА 14. Решение проблем конструирования (I)
14.1. Области применения методов конструктивного решения проблем
14.2. Система R1/XCON
14.2.1. Компоненты и ограничения
14.2.2. Использование текущего контекста для управления структурой задачи
14.2.3. Формирование суждений с учетом ограничений: метод Match
14.3. Использование знаний, развитие и расширение системы XCON
14.3.1. Извлечение знаний в системе R1/XCON
14.3.2. Совершенствование и расширение системы R1/XCON
Рекомендуемая литература
Упражнения

Глава 15. Решение проблем конструирования (II)
В предыдущей главе мы рассматривали экспертные системы для решения проблем конструирования, в которых по ходу процесса никогда не возникала необходимость отмены уже принятых решений. Однако такая стратегия подходит далеко не для всех задач конструирования, поскольку мы не всегда располагаем всеми необходимыми для этого знаниями о предметной области. В этой главе мы проанализируем применение двух стратегий — наименьшего принуждения (least commitment) и предложение и пересмотр (propose and revise). Завершит главу обзор некоторых инструментальных средств приобретения знаний, которые используются в системах решения проблем конструирования.

ГЛАВА 15. Решение проблем конструирования (II)
15.1. Стратегии конструирования
15.2. Архитектура систем планирования и метапланирования
15.3. Извлечение, представление и применение знаний о проектировании
15.3.1. Реализация обратного прослеживания в системе VT
15.3.2. Приобретение знаний с помощью системы SALT
15.4. Итоги анализа систем решения проблем конструирования
Рекомендуемая литература
Упражнения

Глава 16. Средства формирования пояснений
Эту главу мы начнем с краткого обзора ранних работ, касающихся включения в экспертные системы специальных средств, формирующих для пользователя информацию о ходе рассуждений (в дальнейшем для краткости мы будем называть ее поясняющей информацией). Затем более детально будут рассмотрены средства формирования пояснений экспертной системы CENTAUR, о которой уже упоминалось в главе 13. И в заключение мы обсудим одно из последних исследований в этой области, выполненное в рамках проекта Explainable Expert Systems, в котором основное внимание было уделено обеспечению прозрачности экспертной системы с точки зрения инженеров по знаниям, т.е. была предпринята попытка рассмотреть в комплексе вопросы формирования поясняющей информации и извлечения знаний.

ГЛАВА 16. Средства формирования пояснений
16.1. Формирование пояснений на основе знаний
16.1.1. Подсистема формирования пояснений в MYCIN
16.1.2. Формирование пояснений в системах, производных от MYCIN
16.1.3. Формирование пояснений на основе фреймов
16.1.4. Организация вывода пояснений в системе CENTAUR
16.1.5. Использование мультимедийного интерфейса для формирования пояснений
16.2. Формирование пояснений и автоматическое программирование
16.2.1. Автоматическое программирование в системе XPLAN
16.2.2. Проект Explainable Expert Systems
16.2.3. Планирование текстов пояснений и модели пользователей в PEA
16.3. Перспективы дальнейших исследований методов формирования пояснений
Рекомендуемая литература
Упражнения

Глава 17. Инструментальные средства разработки экспертных систем
Как и в предыдущих главах, при необходимости проиллюстрировать те или иные методы программирования мы пользуемся языком CLIPS, хотя вы встретите и несколько фрагментов программ на других языках. Более сложные и специализированные инструментальные средства, в частности системы с доской объявлений и системы обработки правдоподобия, будут детально рассмотрены в главах 18 и 19. В этой же главе мы представим общие тенденции в разработке и использовании инструментальных средств для построения экспертных систем.

ГЛАВА 17. Инструментальные средства разработки экспертных систем
17.1. Общая характеристика инструментальных средств для построения экспертных систем
17.2. Оболочки экспертных систем
17.3. Языки программирования высокого уровня
17.3.1. Языки описания порождающих правил
17.3.2. Объектно-ориентированные языки
17.3.3. Языки логического программирования экспертных систем
17.3.4. Многофункциональные программные среды
17.3.5. Дополнительные модули
17.4. Использование инструментальных средств
17.4.1. Характерные сложности и способы их избежать
17.4.2. Выбор подходящего инструментария для разработки экспертной системы
17.4.3. Практическое освоение инструментальных средств
17.4.4. Стиль программирования
17.5. Некоторые максимы разработки экспертных систем
Рекомендуемая литература
Упражнения

Глава 18. Системы с доской объявлений
В последние годы в разработке архитектуры экспертных систем появилось новое направление, которое получило название системы с доской объявлений (blackboard sys-tems)u. Системы с такой архитектурой могут эмулировать режим построения как прямой цепочки логического вывода, так и обратной, а также попеременно применять эти режимы в процессе работы. Кроме того, применение систем с доской объявлений побуждает инженеров по знаниям к иерархической организации и знаний относительно предметной области, и пространства частичных и полных решений. Таким образом, эта архитектура очень хорошо подходит для решения задач проектирования, для которых характерно большое, но факторизуемое многомерное пространство решений. Системы с подобной архитектурой уже успешно применяются для интерпретации данных (например, распознавания графических изображений и речи), анализа и синтеза многокомпонентных структур (например, структуры протеинов) и планирования.

ГЛАВА 18. Системы с доской объявлений
18.1. Принципы организации систем с доской объявлений
18.2. Системы HEARSAY, AGE и ОРМ
18.2.1. Почему для HEARSAY-1I выбрана такая архитектура
18.2.2. Использование источников знаний в HEARSAY-II
18.2.3. Система HEARSAY-III — оболочка для создания систем с доской объявлений
18.2.4. Инструментальные среды AGE и ОРМ
18.3. Среда с доской объявлений ВВ
18.3.1. Уровни абстракции в среде ВВ
18.3.2. Системы ВВ1 и ACCORD
18.3.3. Система PROTEAN
18.3.4. Интеграция стратегий логического вывода
18.3.5. Общая характеристика ВВ
18.4. Эффективность и гибкость модели с доской объявлений
18.4.1. Организация доски объявлений в системе GBB
18.4.2. Компоновка доски объявлений в среде ERASMUS
18.5. Организация параллельных вычислений в системах CAGE и POLIGON
Рекомендуемая литература
Упражнения

Глава 19. Система отслеживания истинности предположений
В этой главе мы в общих чертах представим вычислительные методы, которые используются для отслеживания зависимостей между представлением в программе состояний, действий и предположений. Начнем мы с относительно простых систем, затем перейдем к более сложным. Там, где без этого можно обойтись, мы будем пренебрегать строгими математическими формулировками и заменять их менее формальным описанием того, что делается в системе, почему делается именно так и какую пользу из этого можно извлечь.

ГЛАВА 19. Система отслеживания истинности предположений
19.1. Отслеживание зависимостей
19.1.1. Релаксация в сети
19.1.2. Пересмотр допущений
19.2. Пересмотр теорий высказываний
19.3. Немонотонное обоснование
19.4. Работа со множеством контекстов
19.4.1. Отслеживание истинности предположений, основанное на анализе допущений
19.4.2. Использование систем отслеживания истинности предположений для диагностирования на основе моделей
19.5. Сравнение различных вариантов организации систем отслеживания истинности предположений
Рекомендуемая литература
Упражнения

Глава 20. Формирование знаний на основе машинного обучения
За последние 10 лет в области исследования методов формирования знаний на основе машинного обучения (в дальнейшем для краткости мы будем употреблять термин машинное обучение — machine learning) наблюдается бурный прогресс. Но мы не будем в этой главе делать широкого, а следовательно, и поверхностного обзора имеющихся работ, а сконцентрируемся на тех методах, которые имеют прямое отношение к проблематике экспертных систем

ГЛАВА 20. Формирование знаний на основе машинного обучения
20.1. Индуктивное обучение
20.2. Система Meta-DENDRAL
20.2.1. Формирование и уточнение правил
20.2.2. Пространство версий
20.2.3. Алгоритм отсеивания кандидатов
20.2.4. Сопоставление экземпляров с образцами в Meta-DENDRAL
20.3. Построение дерева решений и порождающих правил
20.3.1. Структура дерева решений
20.3.2. Алгоритм формирования дерева решений по обучающей выборке
20.4. Уточнение наборов правил
Рекомендуемая литература
Упражнения

Глава 21. Сети доверия
В этой главе мы рассмотрим два количественных метода реализации логических рассуждений при наличии неопределенности в структурированном пространстве гипотез, базирующихся на теории свидетельств Демпстера—Шефера [Gordon and Shortliffe, 1985] и Байесовском формализме [Pearl, 1986]. Каждый из этих подходов предполагает, что на множестве гипотез каким-то способом определена функция доверия (belieffunction), а затем по мере накопления новых свидетельств применяется специфический механизм обновления текущего множества допущений.

ГЛАВА 21. Сети доверия
21.1. Теория Демпстера—Шефера
21.1.1. Функции доверия
21.1.2. Применение теории Демпстера—Шефера к системе MYCIN
21.2. Методика Перла
21.3. Сравнение методов неточных рассуждений
21.4. Резюме
Рекомендуемая литература
Упражнения

Глава 22. Рассуждения, основанные на прецедентах
Если прецедент — это модуль знаний, который может быть считан программой, то в чем его отличие от других способов представления знаний, множество которых мы уже рассмотрели в этой книге? Самый короткий ответ на этот вопрос — прецедент, как правило, реализуется в виде фрейма (см. главу 6), в котором структурированы информация о проблеме, решение и контекст. Так же, как фрейм или порождающее правило, описание прецедента может быть сопоставлено с данными или описанием цели. Но для извлечения описания прецедента из базы таких описаний используется совсем другой механизм, чем для извлечения фрейма или порождающего правила.

ГЛАВА 22. Рассуждения, основанные на прецедентах
22.1. База прецедентов
22.1.1. Программа CHEF
22.1.2. Методы извлечения и адаптации прецедентов
22.2. Обучение с помощью компьютера: система САТО
22.2.1. Предметная область программы САТО
22.2.2. Расследования и рассуждения в юриспруденции
22.2.3. Обучение с помощью системы САТО
22.3. Формирование отчетов в системе FRANK
22.4. Сравнение систем, основанных на правилах и прецедентах
Рекомендуемая литература
Упражнения

Глава 23. Гибридные системы
Системы, которые мы рассмотрим в этой главе, ознаменовали дальнейшее продвижение по этому пути — в них объединяются традиционные программы решения проблем и компоненты самообучения и критического анализа. Система ODYSSEUS [Wilkins, 1990] способна обучаться тому, как уточнять базу знаний. Для этого используются две разные методики: одна основана на анализе прецедентов, а вторая — на анализе пояснений. Обе методики являются сравнительно новыми, и читатель сможет вкратце ознакомиться с ними в данной главе. Далее будет описана программа, в которой логический вывод на основе прецедентов используется для обработки исключений из правил, а основным инструментом решения проблем являются порождающие правила.

ГЛАВА 23. Гибридные системы
23.1. Методы обучения в системе ODYSSEUS
23.2. Системы ODYSSEUS и MINERVA
23.2.1. Оболочка экспертной системы MINERVA
23.2.2. Обучение в системе ODYSSEUS
23.3. Использование прецедентов для обработки исключений
23.4. Гибридный символический подход и нейронные сети
23.4.1. Нейронные сети
23.4.2. SCALIR — гибридная система для извлечения правовой информации
23.4.3. Организация обучения в системе SCALIR
23.5. Будущее гибридных систем
Рекомендуемая литература
Упражнения

Глава 24. Заключение
В этой главе мы еще раз вспомним темы, рассмотренные в данной книге, и порекомендуем, что нужно прочесть тем, кто пожелает еще глубже изучить их. Обзор организован таким образом, что в нем в сжатом виде будет суммирован материал, разбросанный по разным разделам. В ходе изложения тех или иных тем вам встретятся ссылки на предыдущие главы, но я старался не злоупотреблять ими. В этой главе представлены некоторые прогнозы дальнейших путей развития исследований в области искусственного интеллекта и, в частности, экспертных систем, которые могут послужить материалом для последующей очной или заочной дискуссии. Эти прогнозы представляют мое личное мнение, если только не оговорено обратное, и читатели вольны отнестись к ним с известной долей скептицизма.

ГЛАВА 24. Заключение
24.1. Загадка искусственного интеллекта
24.2. Представление знаний
24.3. Языки программирования систем искусственного интеллекта
24.4. Решение практических проблем
24.5. Архитектура экспертных систем
Рекомендуемая литература

ПРИЛОЖЕНИЕ. Программирование на языке CLIPS
Это Приложение организовано следующим образом. В разделе А.2 рассмотрены основные функции языка описания правил и процедурного языка. В разделе А.З представлены методы работы с объектами и показано, как использовать их в сочетании с правилами и процедурами. В разделе А.4 описан пример, демонстрирующий некоторые приемы программирования правил, а в разделе А.5 резюмируются характеристики этого программного продукта и предлагаются темы для более углубленного изучения.

ПРИЛОЖЕНИЕ. Программирование на языке CLIPS
А.1. Краткая история CLIPS А.2. Правила и функции в CLIPS
А.2. Правила и функции в CLIPS
А.2.1. Факты
А.2.2. Правила
А.2.3. Наблюдение за процессом интерпретации
А.2.4. Использование шаблонов
А.2.5. Определение функций
А.3. Объектно-ориентированные средства в CLIPS
А.4. Задача "Правдолюбцы и лжецы"
А.4.1. Анализ проблемы
А.4.2. Онтологический анализ и представление знаний
А.4.3. Разработка правил
А.4.4. Расширение набора правил — работа с составными высказываниями
А.4.5. Обратное прослеживание и множество контекстов
А.4.6. Обработка метавысказываний
А.4.7. Полный листинг программы
А.5. Стиль программирования на языке CLIPS
Упражнения

Литература Статьи

Цвет и линия. Практическое руководство по рисунку и живописи

Третьяковская галерея, Эрмитаж, художественные выставки неизменно привлекают внимание миллионов зрителей. Уже это одно говорит о том, как притягательно изобразительное искусство. Но есть особая категория ценителей прекрасного, которых называют самодеятельными художниками. Это люди самых разнообразных профессий, разного возраста, отдающие свой досуг творчеству. К ним и обращены наши беседы о рисунке и живописи.
В наших практических заданиях вы найдете уроки, которые должны помочь вам начать систематические занятия рисунком и живописью. Задания не представляют собой свода «тренировочных» упражнений, обязательных для «выработки суммы навыков», а предлагаются вам в качестве своеобразного компаса на пути в искусство, в мир художественных образов. Мы хотим, чтобы вы, прежде всего, учились видеть окружающую жизнь глазами художника.
Пусть каждый ваш рисунок, этюд, эскиз наполняется вашими впечатлениями, вашим отношением к тому, что вы изображаете. Пишите и рисуйте то, что увлекает вас, пробуждает живой интерес и вызывает желание взяться за кисть или карандаш. Удивление, восторг и влюбленность в прекрасное, открытие красоты в природе — первое и самое необходимое условие для творчества. А искренность, неподдельность переживаний, по меткому выражению замечательного артиста и художника С. Образцова, это — «горючее, приводящее в действие талант».
Цель наших занятий-помочь вам развить наблюдательность и творческое воображение, найти конкретные изобразительные задачи, познакомить вас с образным языком рисунка и живописи. Занятия принесут вам пользу, если в результате, прямо скажем, нелегкой работы и нелегких поисков решения этих задач вы ощутите радость создания своих первых самостоятельных произведений.

Продолжение

Группы пользователей Autodesk

Данное учебное пособие предназначено для опытных пользователей AutoCAD. Предполагается, что они знакомы с языком LISP или AutoLISP. Предполагается также, что пользователь может выполнять основные операции управления файлами в системе Windows® например, создавать папки, копировать файлы и перемещаться по файловой структуре на жестком диске и в сети.
В данном пособии рассматриваются:
новые возможности Визуальная среда разработки Visual LISP® (VLISP). Она позволяет редактировать и отлаживать код, а также предоставляет пользователю ряд других специальных средств разработки приложений AutoLISP.
описание Функции ActiveX® и реакторов, а также некоторых других расширений языка AutoLISP, имеющихся в VLISP
Имеются два возможных способа выполнения упражнений данного учебного пособия:
Приложение можно выполнить по частям путем интерпретации LISP-файлов, загружаемых в один документ.
Можно скомпилировать программный код в VLX-приложение (исполняемый файл с расширением .vlx). VLX обладает независимым пространством имен и может взаимодействовать с документом, из которого загружается приложение.

Постановка задачи и начало программирования
3D Команда
НПИЗАГР Команда
ETRANSMIT Команда
3DZOOM Команда
ЯЩИК Команда
РЗМРЕД Команда
ГРАФЭКР Команда
ЛАНДБИБ Команда
ПГРАНЬ Команда
ПРОСМОТР Команда
ШАР Команда
ОБНОБРАЗЦЫ Команда
LWDISPLAY Системная переменная
ПОВТОРИТЬ Команда
ПОЛОСА Команда
Комментарии пользователя
Плоттеры и принтеры - Понятия
Коротко о сетевом администрировании
Коротко об однопользовательской установке
Диспетчер ссылок Autodesk [Диспетчер ссылок: ADR]
Коротко о сетевом лицензировании
Руководство по однопользовательскому лицензированию
Контекстное меню режима 3М орбиты
PDMODE Системная переменная
BPARAMETERSIZE Системная переменная
DIMDLE Системная переменная
Диалоговое окно "Редактирование описания блока"
РЗМРАДИУС Команда
Диалоговое окно «Поле»
МВСТАВИТЬ Команда
ПАРАМЛИСТ Команда
ССЫЛНАБ Команда
Диалоговые окна «Новый стиль таблиц» и «Изменение стиля таблиц»
Информация для разработчиков приложений

От вас для нас sys-expert@mail.ru


Книжный интернет магазин Forekc.ru -низкие цены, огромный выбор


Красивые тела, никаких резких движений - эроти . еротические фотографии голых девок бесплатно|porno-2015.netБольшегрузные колесные опоры. Все мировые бренды. мазь от грибка