ЗАКЛЮЧЕНИЕ. В пособии рассмотрены следующие проблемы:

В пособии рассмотрены следующие проблемы:

· системы, основанные на знаниях, и методы извлечения знаний;

· модели представления знаний;

· архитектура и технология построения экспертных систем;

· применение нечеткой логики в экспертных системах;

· генетические алгоритмы и их применение для решения задач оптимизации;

· основные принципы функционирования искусственных нейронных сетей и возможности их применения для решения задач классификации и аппроксимации;

· предложены задания для выполнения лабораторных работ по программной реализации экспертных систем, генетических алгоритмов и нейронных сетей.

Следует отметить, что авторы данного пособия продолжают исследования в области применения генетических алгоритмов для настройки и обучения искусственных нейронных сетей при решении задач улучшения качества изображений, классификации, аппроксимации, моделирования, адаптивного управления и поведения [38–44].

Список ЛИТЕРАТУРы

1. Гаврилова Т.А. , Хорошевский В.Ф. Базы знаний интеллектуальных систем. – Санкт-Петербург: Питер, 2000. – 382 с.

2. Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. – М.: Нолидж, 2000. – 352 с.

3. Змитрович А.И. Интеллектуальные информационные системы. – Минск: Тетра Системс, 1997. – 367 с.

4. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ / пер. с англ. – М.: Финансы и статистика, 1990. – 320 с.

5. Искусственный интеллект: Кн. 1. Системы общения и экспертные системы. Справочник / под ред. Э.В. Попова. – М.: Радио и связь, 1990. – 464 с.

6. Дюк В., Самойленко А. Data Mining. – Санкт-Петербург: Питер, 2001. – 368 с.

7. Люгер Д.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. – М.: Издательский дом “Вильямс”, 2003. – 864 c.

8. Марселлус Д. Программирование экспертных систем на Турбо Прологе / пер. с англ. – М.: Финансы и статистика, 1994. – 256 c.

9. Осуга С. Обработка знаний / пер. с японск. – М.: Мир, 1989. – 293 с.

10. Попов Э.В. Экспертные системы. – М.: Наука, 1987. – 288 с.

11. Спицын В.Г. Базы знаний и экспертные системы. – Томск: Изд. ТПУ, 2001. – 88 c.

12. Экспертные системы. Принцип работы и примеры / под ред. Р. Форсайда; пер.с англ. – M.: Радио и связь, 1987. – 221 c.

13. Джексон П. Введение в экспертные системы / пер. с англ. – М.: Издательский дом “Вильямс”, 2001. – 624 c.

14. Гаврилов А.В. Гибридные интеллектуальные системы. – Новосибирск: Изд-во НГТУ, 2003. – 164 с.

15. Цой Ю.Р., Спицын В.Г. Применение искусственных нейронных сетей для решения задач классификации и аппроксимации функций. – Томск: Изд. ТПУ, 2003. – 21 c.

16. McCulloh W.S., Pitts W.H. A logical calculus of ideas immanent in nervous activity // Bull. Math. Biophysics. – 1943. – Vol.5. – P. 115–119.

17. Куффлер С.В., Николс Дж.Г. От нейрона к мозгу. – М: Мир. 1978. – 439 c.

18. Каллан Р. Основные концепции нейронных сетей: пер. с англ. – М.: Издательский дом «Вильямс», 2001. – 288 с.

19. Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002. – 344 с.

20. Спицын В.Г., Цой Ю.Р. Применение генетического алгоритма для аппроксимации функций. – Томск: Изд. ТПУ, 2002. – 23 c.

21. Редько В.Г. Эволюционная кибернетика. М. – Наука, 2003. – 156 с.

22. Бурцев М.С. Эволюция кооперации в многоагентной системе // Научная сессия МИФИ–2005. VII Всероссийская научно-практическая конференция "Нейроинформатика-2005": Сборник научных трудов. В 2-х частях. Ч. 1. М.: МИФИ, 2005 – с. 217–224.

23. Beyer H.-G., Schwefel H.-P., Wegener I. How to analyse Evolutionary Algorithms. Technical Report No.CI-139/02. – University of Dortmund, Germany, 2002.

24. Holland J.H. Adaptation in Natural and Artificial Systems. The University of Michigan Press, 1975.

25. Емельянов В.В., Курейчик В.В., Курейчик В.М. Теория и практика эволюционного моделирования. – М.: ФИЗМАТЛИТ, 2003. – 432 c.

26. Фогель Л., Оуэнс А., Уолш М. Искусственный интеллект и эволюционное моделирование. М.: Мир, 1969. – 230 с.

27. Rechenberg I. Evolutionsstrategie: Optimierung Technischer Systeme nach Prinzipien der Biologischen Evolution. Werkstatt Bionik und Evolutionstechnik, Stuttgart: Frommann-Holzboog, 1973.

28. Schwefel H.-P. Numerische Optimierung von Computer-Modellen mittels der Evolutionsstrategie // Interdisciplinary Systems Research: – 1977. – Vol. 26.

29. Koza J. Genetic programming: a paradigm for genetically breeding computer population of computer programs to solve problems. MIT Press, Cambridge, MA, 1992.

30. Whitley D.L. Genetic Algorithms and Evolutionary Computing. Van Nostrand's Scientific Encyclopedia 2002.

31. Heitkotter J., Beasly D. The Hitch-Hiker’s Guide to Evolutionary Computation: A List of Frequently Asked Questions (FAQ). ftp://rtfm.mit.edu:/pub/usenet/news.answers/ai-faq/genetшс/.

32. De Jong K. An analysis of the behavior of a class of genetic adaptive systems. Doctoral dissertation. – University of Michigan, Ann Arbor. – University Microfilms No. 76-9381. – 1975.

33. Gamma E., Helm R., Johnson R., Vlissides J. Design Patterns: Elements of Reusable Object-Oriented Software, Massachusetts: Addison-Wesley, 1995.

34. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы / Под ред. В.М. Курейчика. – 2-е изд., испр. и доп. – М.: Физматлит, 2006. – 320 с.

35. Turing A. M. Computing machinery and intelligence // Mind, 1950, vol. 236, no. 59.

36. Хайкин С. Нейронные сети: полный курс, 2-е издание. М.: Издательский дом «Вильямс», 2006.

37. Горбань А.Н. Обобщенная аппроксимационная теорема и вычислительные возможности нейронных сетей // Сибирский журнал вычислительной математики.– 1998. – Т. 1, № 1. – С. 12-24.

38. Цой Ю.Р., Спицын В.Г. Эволюционный подход к настройке и обучению искусственных нейронных сетей // Нейроинформатика. – 2006. – Т. 1. – № 1 – C. 34–61. (http://www.ni.iont.ru/Journal/).

39. Цой Ю.Р., Спицын В.Г. Нейроэволюционный подход // Нейрокомпьютеры: разработка и применение. – 2005. – № 6. – C. 15–25.

40. Tsoy Yu.R., Spitsyn V.G. Using genetic algorithm with adaptive mutation mechanism for neural networks design and training // Optical memory and neural networks, (Information Optics). – 2004. – Т. 13. – No. 4. – P. 225–232.

41. Цой Ю.Р., Спицын В.Г., Чернявский А.В. Нейроэволюционное улучшение качества изображений // Сборник научных трудов VIII Всероссийской научно-технической конференции “НЕЙРОИНФОР-МАТИКА–2006”. – М.: Изд. МИФИ, 2006. – Т. 1. – С. 181–189.

42. Цой Ю.Р., Спицын В.Г. Исследование генетического алгоритма с динамически изменяемым размером популяции // Труды Международной научно-технической конференции “Интеллектуальные системы (IEEE AIS’05)”. Научное издание. М.: Изд. физико-математической литературы, 2005. – С. 241–246.

43. Цой Ю.Р., Спицын В.Г. Применение генетического алгоритма для решения задачи адаптивного нейроуправления // Сборник научных трудов VII Всероссийской научно-технической конференции “НЕЙРОИНФОРМАТИКА–2005”. – М.: Изд. МИФИ, 2005. – Т. 1. – C. 35–43.

44. Цой Ю.Р., Спицын В.Г. К выбору размера популяции // Труды Международной научно-технической конференции “Интеллектуальные системы (IEEE AIS’04)”. Научное издание. М.: Изд-во физико-математической литературы. 2004. – Т. 1. – С. 90–96.

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ………………………………………………………………………… 3

Глава 1. СИСТЕМЫ, ОСНОВАННЫЕ НА ЗНАНИЯХ……………………. 3

1.1. История создания искусственного интеллекта………………….. 3

1.2. Процесс мышления………………………………………………….. 5

1.3. Основные понятия и классификация систем, основанных на знаниях……………………………………………………………………... 8

1.4. Экспертные системы как элемент искусственного интеллекта.. 11

1.5. Теоретические аспекты извлечения знаний……………………… 15

1.6. Коммуникативные методы извлечения знаний………………….. 19

1.7. Текстологические методы извлечения знаний…………………… 26

Глава 2. МОДЕЛИ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ………………………….. 29

2.1. Представление знаний и выводы в экспертных системах……… 29

2.2. Модель представления знаний средствами 30

логики предикатов первого порядка…………………………………… 30

2.3. Представление знаний продукционными правилами…………… 36

2.4. Модель представления знаний в виде фреймов…………………... 39

2.5. Представление знаний в виде семантической сети………………. 42

2.6. Модель доски объявлений…………………………………………… 45

2.7. Модель представления знаний в виде сценария………………….. 47

Глава 3. АРХИТЕКТУРА И ТЕХНОЛОГИЯ РАЗРАБОТКИ ЭКСПЕРТНЫХ СИСТЕМ……………………………………………………………………………... 50

3.1. Основные положения………………………………………………… 50

3.2. Технология разработки экспертной системы……………………... 52

3.3. Механизм вывода (интерпретатор правил)……………………….. 56

3.4. Взаимодействие пользователей с экспертной системой…………. 60

3.5. Подсистема анализа и синтеза сообщений…………………………. 63

3.6. Морфологический анализ входных сообщений…………………… 66

3.7. Синтаксический анализ входных сообщений……………………... 68

3.8. Семантический анализ входных сообщений………………………. 71

3.9. Синтез выходных сообщений………………………………………… 72

3.10. Диалоговая подсистема……………………………………………… 74

3.11. Объяснительные способности ЭС…………………………………... 76

Глава 4. ПРИМЕНЕНИЕ НЕЧЕТКОЙ ЛОГИКИ В ЭКСПЕРТнЫХ СИСТЕМАХ…………………………………………………………………………... 81

4.1. Предпосылки возникновения нечеткой логики…………………… 81

4.2. Нечеткая логика……………………………………………………….. 82

4.3. Нечеткие подмножества………………………………………………. 88

4.4. Нечеткие правила вывода в экспертных системах………………... 91

4.5. Задания для разработки экспертных систем……………………….. 94

Глава 5. ГенетическиЙ алгоритм……………………………………….. 96

5.1. Предисловие.…………………………………………………………... 96

5.2. Генетический алгоритм……………………………………………… 97

5.3. Параметры и этапы генетического алгоритма…………………… 99

5.3.1. Кодирование информации и формирование популяции………… 99

5.3.2. Оценивание популяции……………………………………………. 101

5.3.3. Селекция……………………………………………………………. 102

5.3.4. Скрещивание и формирование нового поколения………………. 102

5.3.5. Мутация…………………………………………………………….. 107

5.4. Настройка параметров генетического алгоритма………………... 108

5.5. Канонический генетический алгоритм…………………………….. 109

5.6. Пример работы и анализа генетического алгоритма…………….. 111

5.7. Общие рекомендации к программной реализации 116

генетического алгоритма…………………………………………………. 116

5.8. Задания для лабораторных работ…………………………………… 118

Глава 6. ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ………………………… 119

6.1. Биологические нейронные сети……………………………………... 119

6.2. Формальный нейрон………………………………………………….. 120

6.3. Искусственные нейронные сети…………………………………….. 122

6.4. Обучение ИНС ………………………………………………………… 125

6.5. Алгоритм обратного распространения ошибки …………………... 128

6.6. Работа нейронной сети………………………………………………... 131

6.7. Пример работы и обучения нейронной сети………………………. 135

6.8. Программная реализация……………………………………………. 140

6.9. Задания для лабораторных работ…………………………………… 144

ЗАКЛЮЧЕНИЕ……………………………………………………………………… 147

список ЛИТЕРАТУРы………………………………………………………….. 148