Что такое эвристический поиск

СИБИРСКИЙ ИНСТИТУТ БИЗНЕСА  И ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ 
 
 
 
 
 

Зачётная  работа

Дисциплина  Интеллектуальные информационные системы

                                       Вариант №3 
 
 
 
 

    Выполнил(а) Волошко Александра

    Наильевна

                                                              Поток ИН, гр.29, спец.080801.65

                                                     Адрес 628383, ХМАО-Югра

                                                               Тюменская обл., г.Пыть-Ях, а/я 81

                                                                Проверил ____________________

                                                              Оценка______________________

                                                             Дата________________________

                               

    2011

    1. Что такое эвристический поиск?

    Поскольку слепой поиск возможен только в небольшом  пространстве вариантов, напрашивается  совершенно естественный вывод, что  необходим некоторый способ направленного поиска. Если такой способ использует при поиске пути на графе в пространстве состояний некоторых знаний, специфических для конкретной предметной области, его принято называть эвристическим поиском. Лучше всего рассматривать эвристику в качестве некоторого правила влияния, которое, хотя и не гарантирует успеха (как детерминированный алгоритм или процедура принятия решения), в большинстве случаев оказывается весьма полезным.

    2. Назовите технологии разработки  экспертных систем.

    На  сегодняшний день сложилась определенная технология разработки экспертных систем, включающая 6 этапов.

    Этап 1. Идентификация

    Определяются  задачи, которые подлежат решению. Планируется ход разработки прототипа экспертной системы, определяются: нужные ресурсы (время, люди, ЭВМ и т.д.), источники знаний (книги, дополнительные специалисты, методики), имеющиеся аналогичные экспертные системы, цели (распространение опыта, автоматизация рутинных действий и др.), классы решаемых задач и т.д. Этап идентификации – это знакомство и обучение коллектива разработчиков. Средняя длительность 1-2 недели.

    На  этом же этапе разработки экспертных систем проходит извлечение знаний. Инженер  по знаниям помогает эксперту выявить  и структурировать знания, необходимые для работы экспертной системы, с использованием различных способов: анализ текстов, диалоги, экспертные игры, лекции, дискуссии, интервью, наблюдение и другие. Извлечение знаний – это получение инженером по знаниям более полного представления о предметной области и методах принятия решения в ней. Средняя длительность 1-3 месяца.

    Этап 2. Концептуализация

    Выявляется  структура полученных знаний о предметной области. Определяются: терминология, перечень главных понятий и их атрибутов, структура входной и выходной информации, стратегия принятия решений и т.д. Концептуализация – это разработка неформального описания знаний о предметной области в виде графа, таблицы, диаграммы либо текста, которое отражает главные концепции и взаимосвязи между понятиями предметной области. Средняя длительность этапа 2-4 недели.

    Этап 3. Формализация

    На  этапе формализации все ключевые понятия и отношения, выявленные на этапе концептуализации, выражаются на некотором формальном языке, предложенном (выбранном) инженером по знаниям. Здесь он определяет, подходят ли имеющиеся инструментальные средства для решения рассматриваемой проблемы или необходим выбор другого инструментария, или требуются оригинальные разработки. Средняя длительность 1-2 месяца.

    Этап 4. Реализация

    Создается прототип экспертной системы, включающий базу знаний и другие подсистемы. На данном этапе применяются следующие инструментальные средства: программирование на обычных языках (Паскаль, Си и др.), программирование на специализированных языках, применяемых в задачах искусственного интеллекта (LISP, FRL, SmallTalk и др.) и др. Четвертый этап разработки экспертных систем в какой-то степени является ключевым, так как здесь происходит создание программного комплекса, демонстрирующего жизнеспособность подхода в целом. Средняя длительность 1-2 месяца.

    Этап 5. Тестирование

    Прототип  проверяется на удобство и адекватность интерфейсов ввода-вывода, эффективность  стратегии управления, качество проверочных  примеров, корректность базы знаний. Тестирование – это выявление ошибок в выбранном подходе, выявление ошибок в реализации прототипа, а также выработка рекомендаций по доводке системы до промышленного варианта.

    Этап 6. Опытная эксплуатация

    Проверяется пригодность экспертной системы  для конечных пользователей. По результатам этого этапа может потребоваться существенная модификация экспертной системы.

    Процесс разработки экспертной системы не сводится к строгой последовательности перечисленных выше этапов. В ходе работ приходится неоднократно возвращаться на более ранние этапы и пересматривать принятые там решения. 

    3. Продукционная модель представления  знаний в экспертных системах.

    В экспертных системах основными моделями представления знаний являются продукционные модели и фреймы.

    Продукционная модель-это модель, основанная на представлении  знания в виде правил «Если (условие), то (действие)».

    Под «условием» понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под «действием»-действие, выполняемое при успешном исходе поиска.

    При использование продукционной модели исходные факты – данные – хранятся в базе фактов, а набор правил – в базе знаний. На основе базы фактов запускается машина вывода или интерпретатор правил. Это программа, управляющая перебором правил из базы знаний.

    4. Назовите основные функции управляющего  компонента.

    Управляющий компонент выполняет четыре функции:

1. сопоставление – образец правила сопоставляется с имеющимися фактами;
2. выбор – если в конкретной ситуации могут быть применены сразу несколько правил. В этом случае из них выбирается одно, наиболее подходящее по заданному критерию (разрешение конфликта);
3. срабатывание – если образец правила при сопоставлении совпадает с какими-либо фактами из рабочей памяти, то правило срабатывает;
4. действие – рабочая память подвергается изменению путем добавления в нее заключения сработавшего правила. Если в правой части правила содержится указание на какое-либо действие, то оно выполняется (как, например, в системах обеспечения безопасности информации).

 

    5. Объясните дерево зависимостей – способа описания синтаксической структуры.

    Пусть – произвольная непустая цепочка и – множество всех точек . Дерево зависимостей цепочки можно изобразить в виде последовательности образующих ее точек, расставленных на прямой линии. Для всякой пары точек , цепочки , для которой существует зависимость между этими точками, на рисунке проводится дуга из в , причем таким образом, чтобы все дуги были по одну сторону от прямой. При этом точку называют управляющей точкой («хозяином»), а – подчиненной точкой («слугой»).

    6. Какие цели применяются в экспертных  системах при использовании объяснений?

    Можно выделить следующие цели, преследуемые при использовании объяснений в  ЭС:

1. локализовать ошибки системы путем исследования метода рассуждения;
2. повысить доверие пользователя к системе, что в конечном счете, способствует положительной оценке пользователем пригодности системы к практическому использованию;
3. достичь взаимопонимания между пользователем и системой, что повышает вероятность успешного решения поставленной пользователем задачи;
4. обучить пользователя.

 

    7. Расскажите о биологических нейронных  сетях. 

    Биологическая нейронная сеть обладает высокой  степенью связности: на один нейрон может приходиться несколько тысяч связей с другими нейронами. Но, это приблизительное значение и в каждом конкретном случае оно разное. Передача импульсов от одного нейрона к другому порождает определенное возбуждение всей нейронной сети. Величина этого возбуждения определяет реакцию нейронной сети на какие-то входные сигналы. Например, встреча человека со старым знакомым может привести к сильному возбуждению нейронной сети, если с этим знакомым связаны какие-то яркие и приятные жизненные воспоминания. В свою очередь сильное возбуждение нейронной сети может привести к учащению сердцебиения, более частому морганию глаз и к другим реакциям. Встреча же с незнакомым человеком для нейронной сети пройдет практически незаметной, а значит и не вызовет каких-либо сильных реакций.

    Каждый  нейрон состоит из тела клетки, которое  содержит ядро. От тела клетки ответвляется множество коротких волокон, называемых дендритами. Длинные дендриты называются аксонами. Аксоны растягиваются на большие расстояния, намного превышающее  то, что показано в масштабе этого  рисунка. Обычно аксоны имеют длину 1 см (что превышает в 100 раз диаметр тела клетки), но могут достигать и 1 метра.

    В 60-80 годах XX века приоритетным направлением исследований в области искусственного интеллекта были экспертные системы. Экспертные системы хорошо себя зарекомендовали, но только в узкоспециализированных областях. Для создания более универсальных интеллектуальных систем требовался другой подход. Наверное, это привело к тому, что исследователи искусственного интеллекта обратили внимание на биологические нейронные сети, которые лежат в основе человеческого мозга.