Министерство культуры Российской Федерации Алтайский филиал федерального государственного образовательного
реклама
Министерство культуры Российской Федерации Алтайский филиал федерального государственного образовательного учреждения высшего профессионального образования «МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ КУЛЬТУРЫ И ИСКУССТВ» Кафедра гуманитарных дисциплин УЧЕБНО-МЕТОДИЧЕСКИЙ КОМПЛЕКС ДИСЦИПЛИНЫ Интеллектуальные информационные системы Специальность: 080801.65 – «Прикладная информатика (в менеджменте)» Барнаул 2010 РАБОЧАЯ ПРОГРАММА Автор (составитель) Стерлягов С.П., к.т.н., доцент Рецензент: __________________________________________________________________ (ФИО, ученая степень, ученое звание, вуз) по дисциплине «Интеллектуальные информационные системы» для специальности «Прикладная информатика в экономике» Курс 4 Семестр 7,8 Лекции 42 (час) Экзамен в 8 Практические занятия 8 (час) Зачет в 7 Лабораторные занятия 32 (час) Всего часов 82 Самостоятельная работа 82 Итого часов трудозатрат на дисциплину (для студента) по ГОС 164 семестре семестре (час.) (час.) Рабочая программа составлена в соответствии с требованиями Государственного образовательного стандарта высшего профессионального образования по специальности «Прикладная информатика (в менеджменте)» к обязательному минимуму содержания и уровню подготовки дипломированного специалиста или магистра по циклу «Общие гуманитарные и социально-экономические дисциплины» государственных образовательных стандартов высшего профессионального образования второго поколения, а также требованиями, предъявляемыми НФПК к новым и модернизированным программам учебных курсов, разработанным в рамках программы «Совершенствование преподавания социально-экономических дисциплин в вузах» Инновационного проекта развития образования. Государственный образовательный стандарт для специальности— «Прикладная информатика» Понятие интеллектуальной информационной системы (ИИС), основные свойства. Классификация ИИС. Экспертные системы. Составные части экспертной системы: база знаний, механизм вывода, механизмы приобретения и объяснения знаний, интеллектуальный интерфейс. Организация базы знаний. Предметное (фактуальное) и проблемное (операционное) знания. Декларативная и процедурная формы представления знаний. Методы представления знаний. Логический и эвристический методы рассуждения в ИИС. Рассуждения на основе дедукции, индукции, аналогии. Нечеткий вывод знаний. Немонотонность вывода. Статические и динамические экспертные системы. Приобретение знаний. Извлечение знаний из данных. Машинное обучение на примерах. Нейронные сети. Этапы проектирования экспертной системы: идентификация, концептуализация, формализация, реализация, тестирование, опытная эксплуатация. Участники процесса проектирования: эксперты, инженеры по знаниям, конечные пользователи. ВВЕДЕНИЕ Системы управления в бизнесе строятся на основе экономико-организационных моделей, так как управляющая система должна иметь представление об образе объекта. И поскольку модель в некоторой форме отражает реально протекающие процессы, возникает проблема ее адекватности. Традиционные детерминированные и стохастические модели все чаще не позволяют эффективно решать проблемы адекватности и учета трудно формализуемых факторов и рисков. Поэтому в настоящее время все большее распространение получают лингвистические, нечеткие и нейронные модели, а также модели искусственного интеллекта с использованием эвристик и знаний управленца высокой квалификации – эксперта. На современном этапе развития информационных технологий и информатизации в сфере бизнеса важными проблемами являются: - разработка адекватных моделей проблемных сред для систем поддержки решений в различных областях предпринимательства; - моделирование и знаний, эвристик и представлений менеджера или эксперта в сфере своей деятельности, с целью разработки высокоэффективных систем поддержки этих решений; - применение идей, средств и методов новой информационной технологии для интеллектуализации информационных систем в различных областях экономики и бизнеса, а также повышения эффективности решения задач управления. Специалисты в области искусственного интеллекта (ИИ) всегда стремились разработать программы для компьютеров, которые могли бы в некотором смысле “думать”, т.е. решать задачи таким способом, который мы бы сочли разумным, если бы его применил человек. Чтобы сделать программу интеллектуальной, ее нужно снабдить множеством высококачественных специализированных знаний о некоторой предметной области, а также заложить в нее способность работы с этими знаниями, способность получать знания, не содержащиеся в явном виде, обучаться, обосновывать и объяснять решения. Понимание этого факта привело к развитию специализированных программных систем, каждая из которых является экспертом в некоторой достаточно узкой предметной области. Эти программы получили название “экспертные системы” (ЭС). Технологию построения ЭС часто называют “инженерией знаний”. С помощью ЭС решаются задачи, относящиеся к классу неформализованных. Основное отличие между обычными информационно-поисковыми и экспертными системами заключается в том, что первые осуществляют поиск имеющейся в них информации по заданной теме, а вторые – логическую переработку информации с целью получения новой информации, которая в явном виде в нее не вводилась. При этом на основе базы знаний компьютера автоматически определяются не только факты, но генерируются новые знания путем логического вывода. ЭС часто используются как советчики в системах управления и поддержки решений. Кроме того, ЭС используются в качестве консультантов в различных гуманитарных и политологических системах. Изменение технологии решения информационных задач связано с интенсивным развитием и внедрением новой информационной технологии. При традиционной технологии решения задач сопровождение прикладного программного обеспечения выполняется на протяжении всего ее жизненного цикла. Процесс сопровождения в традиционной технологии требует по крайней мере такого же количества ресурсов, как и разработка программы. Все вышесказанное обусловило необходимость изменения технологии использования компьютеров. Ситуацию можно преодолеть только путем привлечения пользователей к процессам решения задач, сопровождения программной системы, и, возможно, даже разработки прикладного программного обеспечения. Однако, это требует коренного изменения принципов организации прикладного программного обеспечения и методов его использования при решении задач, сложившихся в рамках традиционных технологий. Прежде всего, необходимо строить программные системы таким образом, чтобы радикально упростить процессы их эксплуатации и сопровождения. В традиционной технологии обработки данных системы понятий предметной области и формальной модели, положенной в основу программы, как правило, не совпадают. Это различие и является основной причиной затруднений, возникающих при взаимодействии пользователя с компьютером в процессе решения задачи. Основная идея новой технологии, призванная обеспечить проблемы интерпретации, состоит в том, чтобы рассматривать систему понятий предметной области и соответствие между ней и системой понятий формальной модели как исходную информацию для решения прикладных задач. Разработчики систем искусственного интеллекта и экспертных систем, как важной составляющей новой информационной технологии решения задач, ставят своей задачей изменения традиционных подходов к системе взаимодействия человека и компьютера при решении задач принятия решений, обеспечения удобства и комфорта пользователя, повышения эффективности взаимодействия таких систем. Прежде всего, речь идет о переосмыслении всей технологии обработки, хранения и представления информации пользователю с позиций новой информационной технологии. Важное значение приобретает анализ проблемных областей, в которых интеграция интеллектуальных технологий и информационных систем принесла бы ощутимый эффект. Наиболее перспективными областями экономики и бизнеса, где экспертные системы наиболее эффективны, являются: управление производством; производственное и внутрифирменное планирование; управление маркетингом и сбытом; финансовый менеджмент; риск-менеджмент; банковская сфера; торговля; фондовый рынок. Методическую основу учебного курса составляют лекции, практические занятия, индивидуальные и самостоятельные занятия. Лекционные занятия раскрывают основные проблемные вопросы по каждому разделу. Практические занятия и индивидуальное проектирование и разработка демонстрационного прототипа интеллектуальной системы для конкретной предметной области предназначены для приобретения практических навыков в работе по освоению различных методов интеллектуализации для прикладных информационных систем в экономике. Курс предусматривает занятия в компьютерном классе. Предусмотрены лекции, практические занятия, промежуточное тестирование, лабораторные работы и самостоятельная подготовка в виде выполнения домашних заданий по рекомендованной учебно-методической литературе. Самостоятельная работа студентов проводится вне рамок учебного расписания и предназначена для закрепления лекционного материала и ознакомления с рекомендованной литературой. Формами контроля являются семинары, промежуточное тестирование, индивидуальные занятия, выполнение и сдача лабораторных работ, проверка отчетов о выполнении индивидуальных работ и экзамен. 1. ЦЕЛИ И ЗАДАЧИ ДИСЦИПЛИНЫ, ЕЕ МЕСТО В УЧЕБНОМ ПРОЦЕССЕ 1.1. Целью преподавания дисциплины является ознакомление студентов с проблематикой и областями использования искусственного интеллекта в экономических информационных системах, освещение теоретических и организационно-методических вопросов построения и функционирования систем обработки знаний, привитие навыков практических работ по проектированию баз знаний. При изучении дисциплины студенты знакомятся с основными понятиями, методами и практически полезными примерами построения интеллектуальных информационных систем на основе изучения базовых моделей искусственного интеллекта (ИИ). Изучение дисциплины позволяет: сформировать системное базовое представление, первичные знания, умения и навыки студентов по основам инженерии знаний и нейроинформатики, как двум направлениям построения интеллектуальных систем; подготовить студентов к применению концепций интеллектуальных систем в обучении в магистратуре и при дипломном проектировании по специальности. Цель реализуется через предоставление знаний: о состоянии и тенденциях развития экономических информационных систем; о новой информационной технологии решения задач управления, связанной с использованием средств и методов искусственного интеллекта; о навыках разработки и использования интеллектуальных информационных систем в различных прикладных областях (основные сферы производственного цикла, финансовоэкономические информационные системы). 1.2. Задачи изучения дисциплины. В результате изучения учебного курса, практических занятий и выполнения индивидуальной работы по проектированию и разработке прототипа интеллектуальной системы студент должен: иметь представление об интеллектуальных технологиях и наиболее перспективных прикладных сферах их применения; знать основные методы разработки интеллектуальных информационных систем и специфику актуальных проблемных областей; уметь работать с различными моделями представления знаний и обосновывать выбор той или иной модели в зависимости от характера предметной области и специфики решаемых задач, компоновать структуру интеллектуальной прикладной системы; владеть навыками работы с основными инструментальными средствами проектирования интеллектуальных систем; иметь опыт проектирования и разработки демонстрационного прототипа интеллектуальной системы для конкретной предметной области. 1.3. В результате изучения курса студент должен знать структуру и общую схему функционирования ИИС, методы представления знаний в ИИС, области применения, этапы, методы и инструментальные средства проектирования ИИС; уметь выбрать форму представления знаний и инструментальное средство разработки ИИС для конкретной предметной области, спроектировать базу знаний, выбрать стратегию вывода знаний, разработать методы поддержания базы знаний в работоспособном состоянии; приобрести навыки в проектировании базы знаний, ее формализованном описании и наполнении, реализации различных стратегий вывода знаний и объяснения полученных результатов. В результате изучения дисциплины у студентов должны быть сформированы представления о: истории, целях и задачах исследований в области искусственного интеллекта; прикладных системах искусственного интеллекта; двух подходах к построению интеллектуальных систем — логическом и нейрокибернетическом; нечеткости знаний, ее природе и разновидностях; проблемах построения систем общения с компьютером на естественном языке; областях применения интеллектуальных систем; проблемах и основных методах представления и обработки знаний; проблемах и способах построения нейронных сетей. После изучения дисциплины студент должен знать: понятия инженерии знаний и нейрокибернетики; методы представления и обработки знаний; структуру экспертных систем и их архитектурные особенности в зависимости от особенностей решаемой задачи; этапов построения экспертных систем; методов построения систем общения на естественном языке. 1.4. Перечень дисциплин, усвоение которых необходимо студентам для изучения данного курса. Теоретическая основа дисциплины заложена в курсах: "Информатика", "Теория экономических информационных систем", "Основы алгоритмизации и алгоритмические языки", "Высокоуровневые методы программирования". Для изучения дисциплины используются практические знания дисциплин: "Проектирование информационных систем", "Базы данных". Методические основы изложены также в курсах "Дискретная математика", "Теория вероятностей", "Методы оптимизации". 2. СОДЕРЖАНИЕ ДИСЦИПЛИНЫ 2.1. ТЕМАТИЧЕСКИЙ ПЛАН № пп Наименование разделов и тем Логические основы функционирования ЭВМ. Способы реализации компьютерной логики. 2 Введение в интеллектуальные системы. Базовые понятия искусственного интеллекта (ИИ). Обзор исследований в области ИИ. 3 Основные направления исследований в области искусственного интеллекта. 4 Механизмы человеческого мышления. Представление знаний и вывод, основанный на знаниях. Модели представления знаний. Нечеткие знания. 5 Системы, основанные на знаниях. Экспертные системы (ЭС). Классификация систем, основанных на знаниях. 6 Разработка систем, основанных на знаниях. Технология проектирования и разработки ЭС. Коллектив разработчиков. Требования к участникам разработки. 7 Прикладные интеллектуальные системы. Состояние и перспективы рынка ИИ. 8 Нейрокомпьютинг и основные направления его развития. ВСЕГО 1 Количество часов Всего Лек- Семи- Лаб. Сам. часов ции нары раб. раб. - 4 - 8 12 4 - - 4 8 2 - - 4 6 8 4 6 16 34 6 - 2 6 14 16 - 20 40 76 2 - 2 2 6 4 - 2 2 8 42 8 32 82 164 2.2. КРАТКОЕ СОДЕРЖАНИЕ ЛЕКЦИЙ Тема 1. Логические основы функционирования ЭВМ. Способы реализации компьютерной логики (самостоятельно — повторение изученного на первом курсе). Алгебра логики. Логические высказывания и высказывательные формы. Элементарные и составные высказывания. Логические связки и операции: отрицание, конъюнкция, дизъюнкция, импликация и эквиваленция. Логические переменные и логические формулы. Выполнимые формулы. Тождественно истинные формулы (тавтологии). Тождественно ложные формулы (противоречия). Равносильные формулы. Таблицы истинности для логических формул. Правила их составления и использования. Основные законы алгебры логики. Методы упрощения логических формул. Переключательные схемы. Равносильные схемы. Анализ и синтез схем по заданным условиям работы. Решение логических задач средствами алгебры логики. Решение логических задач табличным способом. Тема 2. Введение в интеллектуальные системы. Базовые понятия искусственного интеллекта (ИИ). Обзор исследований в области ИИ [4 часа]. Терминология. Понятие интеллектуальной информационной системы (ИИС), основные классы задач, решаемых ИИС. Философские аспекты проблемы систем ИИ (существование, безопасность, полезность). Краткая история искусственного интеллекта. Предыстория. Зарождение нейрокибернетики. От кибернетики «черного ящика» к ИИ. Классический период: игры и доказательство теорем. Поиск в пространстве состояний. Алгоритм поиска в ширину. Алгоритм поиска в глубину. Эвристический поиск. Романтический период: компьютер начинает понимать. Схемы представления знаний. Период модернизма: технологии и приложения. История искусственного интеллекта в России. Тема 3. Основные направления исследований в области искусственного интеллекта [2 часа]. Представление знаний и разработка систем, основанных на знаниях (knowledge-based systems). Программное обеспечение систем ИИ (software engineering for AI). Разработка естественно-языковых интерфейсов и машинный перевод (natural language processing). Интеллектуальные роботы (robotics). Обучение и самообучение (machine learning). Распознавание образов (pattern recognition). Новые архитектуры компьютеров (new hardware platforms and architectures). Игры и машинное творчество. Другие направления. Тема 4. Механизмы человеческого мышления. Представление знаний и вывод, основанный на знаниях. Модели представления знаний. Нечеткие знания [8 часов]. Искусственный интеллект и человеческое мышление. Механизм человеческого мышления. Цели. Факты и правила. Упрощение. Механизм вывода. Прямая и обратная цепочки рассуждений. Метазнания. Проблема представления знаний. Данные и знания. Свойства знаний и отличие знаний от данных. Предметное (фактуальное) и проблемное (операционное) знания. Экстенсиональное и интенсиональное описание знаний. Декларативная и процедурная формы представления знаний. Модели представления знаний. Представление в компьютере неформальных процедур. Алгоритмические модели. Продукционные модели. Описание предметной области правилами и фактами. Методы полного перебора в ширину и в глубину. Эвристические методы поиска в пространстве состояний. Решение задач методом разбиения на подзадачи. Представление задачи в виде ИИЛИ графа. Управление системой продукции. Языки описания продукционной модели Prolog и Lisp. Семантические сети. Краткая история развития. Основные понятия семантических сетей: представление объектов и отношений между ними в виде ориентированного графа. Типы узлов и типы отношений. «Поверхностность» и «глубинность» знаний как основные отличия модели семантических сетей от продукционной модели. Предметные области, где семантические сети получили распространение. Примеры. Фреймы. История появления, решаемые задачи. Анализ пространственных сцен. Понимание смысла предложений. Основные понятия фрейма: слоты, присоединенные процедуры-слуги и процедуры-демоны, наследование свойств. Связь понятия фрейма и объекта в объетно-ориентированном программировании. Представление знаний об объекте при помощи фреймов. Сети фреймов. Принципы обработки данных в сети фреймов. Практическая реализация фреймовой модели. Понятия об объектно-ориентированном анализе предметной области. Объектно-ориентированный подход. Объектно-ориентированные языки программирования. Примеры языков инженерии знаний, основанных на фреймах: FRL и KRL. Формальные логические модели. Виды логических моделей, общие термины и определения. Формальная (Аристотелева) логика: имена, высказывания, процедуры доказательства и опровержения. Математическая реализация формальной логики. Интерпретация формул в логике предикатов 1-го порядка. Методы автоматического доказательства теорем (исчисление предикатов). Понятие предиката, формулы, кванторов всеобщности и существования. Вывод на знаниях. Механизмы вывода. Машина вывода. Стратегии управления выводом. Прямой и обратный вывод. Поиск решений в пространстве состояний. Методы поиска в глубину и ширину. Метод перебора, как наиболее универсальный метод поиска решений. Методы ускорения перебора. Поиск методом редукции. Эвристический поиск. Поиск методом “генерация – проверка”. Поиск в факторизованном пространстве. Поиск в изменяющемся множестве иерархических пространств. Использование ограничений при поиске решений. Генетический алгоритм. Эволюционное (генетическое) программирование. Логический и эвристический методы рассуждения в ИИС. Рассуждения на основе дедукции, индукции, аналогии. Нечеткий вывод знаний. Основы теории нечетких множеств. Операции с нечеткими знаниями. Нечеткая логика. Понятие лингвистической переменной. Примеры псевдофизических логик: пространственная и временная логики. Тема 5. Системы, основанные на знаниях. Экспертные системы (ЭС). Классификация систем, основанных на знаниях [6 часов]. Введение в ЭС. Определение ЭС. Назначение и основные свойства ЭС. Смысл экспертного анализа. Характеристики и базовые функции экспертных систем. Приобретение знаний. Представление знаний. Управление процессом поиска решения. Разъяснение принятого решения. Структура типовой экспертной системы (пользователь, инженер по знаниям, интерфейс пользователя, база знаний, решатель, подсистема объяснений, интеллектуальный редактор базы знаний). Достоинства и недостатки экспертных систем. Отличие экспертных систем от других программных продуктов. Принципы функционирования экспертных систем. Структурированные статические и динамические знания. Технология использования экспертных систем. Классификация по решаемой задаче (интерпретация данных, диагностика, мониторинг, проектирование, прогнозирование, планирование, обучение, контроль и управление, поддержка принятия решений). Системы, решающие задачи анализа. Системы, решающие задачи синтеза. Классификация по связи с реальным временем (статические ЭС, квазидинамические ЭС, динамические ЭС). Архитектура и структура статической и динамической экспертной системы. Классификация по типу ЭВМ. Классификация по степени интеграции с другими программами (автономные ЭС, гибридные ЭС). Примеры отраслевых экспертных систем. Интеллектуальные базы данных. Базы знаний и их основные свойства. Классификация запросов. Дедуктивный вывод. Понимание естественного языка. Взаимодействие с экономико-математическими моделями. Технология использования базы знаний. Роль эксперта. Блок приобретения знаний. Блок логических выводов. Блок объяснений. Тема 6. Разработка систем, основанных на знаниях. Технология проектирования и разработки ЭС. Коллектив разработчиков. Требования к участникам разработки [10 часов]. Проблемы разработки промышленных ЭС. Методика построения. Этапы разработки ЭС. Выбор подходящей проблемы. Идентификация проблемы. Стадии разработки прототипа ЭС (извлечение знаний, структурирование или концептуализация знаний, формализация, реализация, тестирование, опытная эксплуатация). Идентификация и концептуализация проблемной области [2 часа]. Определение назначения и сферы применения ИИС, классы решаемых задач и видов используемых знаний. Подбор экспертов и инженеров по знаниям, выделение ресурсов. Параметризация решаемых задач: целей, ограничений, гипотез, понятий, исходных данных. Структурная модель: классификационные (род-вид), агрегативные (целое-часть), ассоциативные отношения объектов. Функциональная модель: отношения объектов "цельсредство", "причина-следствие", "аргумент-функция". Деревья целей. Деревья решений. Поведенческая модель: пространственно-временные отношения объектов, состояния объектов, события, посылка сообщений. Разработка базы знаний на основе системы продукций и на основе объектноориентированного (фреймового) представления [2 часа]. Реализация интеллектуального интерфейса, средств приобретения и объяснения знаний [2 часа]. Выбор формы взаимодействия конечного пользователя с ИИС. Интеллектуальные редакторы. Использование графических средств ввода-вывода. Морфологический, синтаксический, семантический анализ запросов и синтез выходных сообщений. Проектирование помощи, подсказок, объяснений. Использование гипертекста. Индуктивный метод приобретения знаний. Тестирование и развитие ИИС [2 часа]. Тестирование точности решения проблем экспертами. Подбор тестовых примеров. Полная проверка пространства решений. Период изучения и показатели точности. Тестирование потребительских качеств ИИС потенциальными пользователями: времени реакции, удобства интерфейса, средств помощи и объяснения. Использование инструментальных средств тестирования: трассировки и объяснений, семантических анализаторов, контрольных точек, сбора статистики, реструктуризации. Параллельные и последовательные решения. Технология быстрого прототипирования. Участники процесса разработки и требования к ним: конечный пользователь, эксперт (специалист проблемной области), программист, инженер по знаниям. Инструментальные средства разработки ИИС: языки программирования, языки представления знаний, генераторы, оболочки, средства автоматизации проектирования. Функциональное, логическое, объектноориентированное программирование. Использование инструментальных средств для различных проблемных областей и на различных этапах проектирования. Тема 7. Прикладные интеллектуальные системы. Состояние и перспективы рынка ИИ [2 часа]. Состояние и тенденции развития искусственного интеллекта. Успехи систем искусственного интеллекта и их причины. Экспертные системы реального времени — основное направление искусственного интеллекта. Основные производители экспертных систем и их программные продукты. Наиболее популярные приложения интеллектуальных информационных систем. Тема 8. Нейрокомпьютинг и основные направления его развития [4 часа]. Новые направления в области искусственного интеллекта. Нейрокомпьютинг и его основные направления. Структура и функции центральной нервной системы. Биологический нейрон. Формальный нейрон. Функционирование формального нейрона. Нейронные сети основные понятия и определения. Модели нейронных сетей (Маккалоха, Розенблата, Хопфилда, с обратным распространением). Типы сетей. Способы реализации нейрокомпьютеров и нейронных сетей. Алгоритмы обучения сетей. Обучение и самообучение. Адаптация и обучение. Методы обучения. Организация функционирования сети. Программные средства анализа нейронных сетей. Прогнозирование с использованием сетей. Применение нейронных систем в экспертных системах. Задачи, решаемые на основе нейронных сетей. 2.3. КУРСОВОЙ ПРОЕКТ Не предусмотрен. 3. УЧЕБНО-МЕТОДИЧЕСКИЕ МАТЕРИАЛЫ 3.1. Основная литература 1. Абдикеев Н.М. Проектирование интеллектуальных систем в экономике: Учебник / Под ред. Н.П. Тихомирова. - М.Ж Издательство «Экзамен», 2004. 2. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы.: Финансы и статистика, 2004, 424 с. 3. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. - СПб.: Питер, 2001 - 384 с. 4. Джексон П. Введение в экспертные системы. - М., СпБ., Киев: "Вильямс", 2001. 5. Информационные системы в экономике: Учебник / Под ред. проф. В.В. Дика. М.: Финансы и статистика, 1996. 272 с. 6. Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. М.: “Нолидж”, 2000. 7. Компьютерные технологии обработки информации: Учеб. пособие / С.В. Назаров, В.И. Першиков, В.А. Тафинцев и др.; Под ред. С.В. Назарова. - М.: Финансы и статистика, 1995. 248 с. 8. Одинцов Б.Е. Проектирование экономических информационных экспертных систем.- М.: Юнити,1996. 9. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. Статические и динамические экспертные системы: Учебное пособие. М.: Финансы и статистика, 1996-320с. 10. Тельнов Ю.Ф. Интеллектуальные системы обработки данных: Учебное пособие. - М.: МЭСИ, 1989. - 102 с. 11. Тельнов Ю.Ф. Проектирование баз знаний. Учебное пособие. - М.: МЭСИ, 1992. - 100 с. 12. Тельнов Ю.Ф. Интеллектуальные информационные системы в экономике. М.: СИНТЕГ, 1999. - 214 с. 13. Уотерман Д. Руководство по экспертным системам. М.: Мир, 1989-388с. 14. Уэно Х., Исидзука М. Представление и использование знаний. М.: Мир, 1989. 15. Экономическая информатика: Учебник для студентов экономических специальностей вузов / под ред. Косарева В.П. и Еремина Л.В. и др. М.: Финансы и статистика, 2001. 16. Якубайтис Э.А. Информационные сети и системы. Справочная книга. М.: Финансы и статистика, 1996. 368 с. 3.2. Дополнительная литература 17. Алафинов С.В. Прогнозирование и планирование в транснациональной нефтяной компании: Принятие стратегических решений в условиях неопределенности.-М.:Дело, 1999. 18. Балабанов И.Т. Риск-менеджмент.-М.: Финансы и статистика, 1996. 19. Балтрашевич В.Э. Реализация инструментальной экспертной системы. - СПб.: Политехника, 1993. 20. Братко И. Программирование на языке ПРОЛОГ для искусственного интеллекта.- М.: Мир, 1990.- 560 с. 21. Веденов А.А. Моделирование элементов мышления. М.: Наука, 1988. 22. Вендров А.М. CASE-технологии. Современные методы и средства проектирования информационных систем.- М.: Финансы и статистика, 1998. 23. Винер Н. Кибернетика или управление и связь в животном и машине. – М.: Наука, 1981. 24. Власов А.И. Аппаратная реализация нейровычислительных управляющих систем //Приборы и системы управления - 1999, №2, С.61-65. 25. Власов А.И. Нейросетевая реализация микропроцессорных систем активной акусто- и виброзащиты// Нейрокомпьютеры:разработка и применение, №1, 2000. С.40-44. 26. Горбань А.Н. Обучение нейронных сетей. М.: изд. СССР-США СП "ParaGraph", 1990, 150 с. 27. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. - Новосибирск: Наука. Сибирская издательская фирма РАН, 1996. - 276 с. 28. Грантулов В.М. Экономический риск: сущность, методы измерения, пути снижения.- М.: 29. 30. 31. 32. 33. 34. 35. 36. 37. 38. 39. 40. 41. 42. 43. 44. 45. 46. 47. 48. 49. 50. 51. 52. 53. 54. 55. Дело и сервис, 1999. Девятков В.В. Системы искусственного интеллекта: Учеб. Пособие для вузов. – М.: Изд–во МГТУ им Н.Э.Баумана, 2001. – 352 с. Дубов А.М., Лагоша Б.А., Хрусталев Е.Ю. Моделирование рисковых ситуаций в экономике и бизнесе.-М.: Финансы и статистика, 1999. Дэйвисон М. Многомерное шкалирование: Методы наглядного представления данных. – М.: Финансы и статистика, 1988. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. – М.: Мир, 1976. Заде Л. Основы нового подхода к анализу сложных систем и процессов принятия решений.-М.:Радио и связь,1974. Змитрович А.И. Интеллектуальные информационные- системы. Минск: Тетра Системс, 1997. - 365 с. Инженерия знаний./Пер. с яп. в 10 т.-М.: Мир.-Т1: Обработка знаний.-1989. Т2: Представление и использование знаний.-1989. Т3: Приобретение знаний.-1990. Ин Ц., Соломон Д. Использование Турбо-Пролога / Пер. с англ. - М.: Мир, 1993. Интеллектуальные системы принятия проектных решений/ А.В. Алексеев, А.Н. Борисов, Э.Р. Вилюмс, Н.Н. Слядзь, С.А. Фомин.-Рига:Зинатне,1997.-320с. Искусственный интеллект. Справочник в 3-х кн. М.: Радио и связь: 1990. Кн. 1: Системы общения и экспертные системы. Кн. 2: Модели и методы. Кн. 3: Программные и аппаратные средства. Карминский А.М., Нестеров П.В. Информатизация бизнеса.- М.:Финансы и статистика, 1997. Колесник А.П. Компьютерные системы в управлении финансами.- М.:Фин. и стат., 1994. Лимитовский М.А. Основы оценки инвестиционных и финансовых решений- М.: ТОО ДЕКА, 1997. Кини Р.Л., Райфа Х. Принятие решений при ногих критериях: предпочтения и замещения. – М.:Радио и связь, 1981. Кирсанов Э.Ю. Цифровые нейрокомпьютеры: Архитектура и схемотехника / Под ред. А.И.Галушкина. - Казань: Казанский Гос. У-т. 1995. 131 с. Ковальски Р. Логика в решении проблем. – М.: Наука, 1990. Кохонен Т. Ассоциативная память. М.: Мир, 1980. Круглов В.В., Длим И. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода. - М.: Изд-во физ-мат. Лит., 2002.256 с. Круглов В.В., Борисов В.В.. Искусственные нейронные сети. Теория и практика. - М.: Горячая линия-Телеком, 2001. Кузнецов В.Е. Представление в ЭВМ неформальных процедур.- М.: Наука, 1989.- 160 с. Кэррол Л. Алиса в стране чудес. Алиса в Зазеркалье.- М.: Наука, гл. редакция физ.-мат. литер-ры.- 1991.- 366 с. Ларичев О.И., Мечитов А.И., Мошкович Е.М., Фуремс Е.М. Выявление экспертных знаний.-М.: Наука, 1989. Левин Р., Дранг Д., Эделсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике. М.: Финансы и статистика, 1990. Лисков Б., Гатэг Дж. Использование абстракций и спецификаций при разработке программ.- М.: Мир, 1989. Лорьер Ж.-Л. Системы искусственного интеллекта.- М.: Мир, 1991. Любарский Ю.А. Интеллектуальные информационные системы. - М.:Наука. Гл. ред. физ.мат. лит., 1990. – 232 с. Марселиус Д. Программирование экспертных систем на Турбо Прологе. М.: Финансы и статистика, 1994. 56. Макалистер Дж. Искусственный интеллект и Пролог на микроЭВМ. М.: Машиностроение, 1990. 57. Малпас Дж. Реляционный язык Пролог и его применение : Пер. с англ./ Под редакцией В.Н.Соболева. - М.: Наука. Гл.ред.физ.-мат.лит., 1990. 58. Мински М. Фреймы для представления знаний.-М.: Энергия, 1979. 59. Мински М., Пейперт С. Перцептроны. – М.: Мир, 1971. 60. Мищенко А.В., Попов А.А. Модели управления портфелем ценных бумаг- М.: Российская экономическая академия, 1999. 61. Нейлор К. Как построить свою экспертную систему / Пер. с англ. - М.: Энергоатомиздат, 1991. -286 с. 62. Нейроинформатика / А.Н.Горбань и др. – Новосибирск, Наука, 1998. 63. Нечеткие множества и теория возможностей. Под ред. Р.Ягера. - М.: Радио и связь, 1986 64. Нильсон Н. Принципы искусственного интеллекта. – М.: Радио и связь, 1985. 65. Обработка знаний. - М: Мир, 1990. 66. Обработка нечеткой информации в системах принятия решений.- М.: Радио и связь, 1989. 67. Ойхман Е.Г., Попов Э.В. Реинжиниринг бизнеса: реинжиниринг организации и информационные технологии.-М.:Финансы и статистика, 1997. 68. Осуга С., Саэки Ю. Приобретение знаний. М.: Мир, 1990-304с. 69. Осуга С. Обработка знаний. – М.: Мир, 1989. 70. Попов Э.В. Общение с ЭВМ на естественном языке.- М.:Наука, 1982. 71. Попов Э.В. Экспертные системы: Решение неформализованной задачи в диалоге с ЭВМ. М.: Наука, 1987. - 283 с. 72. Поспелов Г.С. Искусственный интеллект - основа информационной технологии. М.: Наука, 1988. 73. Поспелов Д.А. Моделирование рассуждений. – М.: Радио и связь, 1989. – 184 с. 74. Поспелов Д.А. Ситуационное управление: теория и практика. – М.: Наука, 1986. 75. Построение экспертных систем / Под ред. Ф. Хейос-Рот, Д.Уотерман, Д.Ленат; Пер. с англ. - М.: Мир, 1987. 76. Проблемы построения и обучения нейронных сетей / под ред. А.И.Галушкина и В.А.Шахнова. - М. Изд-во Машиностроение. Библиотечка журнала Информационные технологии №1. 1999. 105 с. 77. Роберт Хехт-Нильсен Нейрокомпьютинг: история, состояние, перспективы // Открытые системы. № 4. 1998. 78. Розенблатт Ф. Принципы нейродинамики. Перцептрон и теория механизмов мозга.- М.: Мир, 1965.- 480 с. 79. Романов В.П. Интеллектуальные информационные системы в экономике. – М.: Экзамен, 2003. 80. Романов А.Н., Одинцов Б.Е. Советующие информационные системы в экономике.- М.: ЮНИТИ-ДАНА, 2000. 81. Системы управления базами данных и знаний. Справочное издание под ред. А.Н.Наумова. - М.: Финансы и статистика, 1991. 82. Смолин Д.В. Введение в искусственный интеллект. – М.: Физматлит, 2004. 83. Сойер Б., Фостер Д.Л. Программирование экспертных систем на Паскале.- М.: Финансы и статистика, 1990. 84. Соколов Е.Н., Вайткявичюс Г.Г. Нейроинтеллект: от нейрона к нейрокомпьютеру.- М.: Наука, 1989.- 238 с. 85. Степанов В. Фондовый рынок и нейросети // Мир ПК. 1998. № 12. - C.40-46. 86. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональной ЭВМ / Пер. с англ. - М.: Финансы и статистика, 1990. - 320с. 87. Тиори Т., Фрай Д. Проектирование структур баз данных. М.: Мир, 1986. 88. Трахтенгерц Э.А. Компьютерная поддержка принятия решения.- М.: СИНТЕГ, 1998. 89. Уоссерман Ф. Нейрокомпьютерная техника. М.: Мир, 1992. Уотшен Т. Дж., Паррамоу К. Количественные методы в финансах.- М.: ЮНИТИ, 1999. Форсайт Р. Экспертные системы: принципы и примеры. - М.: Радио и связь, 1987. Хамби Э. Программирование таблиц решений.- М.: Мир, 1976.- 86 с. Хант Э. Искусственный интеллект: Пер. с англ. Белова Л.А., Крюкова Ю.И. /Под ред. В.Л.Стефанюка.- М.: Мир, 1978.- 558 с. 94. Хоггер К. Введение в логическое программирование. М.: Мир, 1988. 95. Хювенен Э., Сеппянен Й. Мир Лиспа. В 2-х томах. - М.: Мир, 1990. 96. Цыганков В.Д. Нейрокомпьютер и мозг. Учебное пособие. Серия «Информатизация России в ХХI веке».-М.: СИНТЕГ, 2001, 248 с. 97. Чикул В.М. Основы искусственного интеллекта.-М.: Диалог МГУ, 2000. 98. Шенк Р. Обработка концептуальной информации. – М.: Энергия, 1980. 99. Шеннон Р. Имитационное моделирование систем- искусство и наука.-М.:Мир, 1978.-422с. 100. Широков Ф.В. Введение в нейрокомпьютинг. ИНФРА-М. Электронное издание. 1995. 101. Экспертные системы. Принципы работы и примеры. Под ред. Р.Форсайта.- М.: Радио и связь, 1987. 102. Элти Дж., Кумбс М. Экспертные системы: концепции и примеры / Пер. с англ. - М.: Финансы и статистика, 1987. - 191 с. 103. Эрлих А.А. Технический анализ товарных и финансовых рынков. Прикладное пособие.М.:ИНФРА.-М, 1996.-176 с. 90. 91. 92. 93. 3.3. Перечень пособий, методических указаний и материалов, используемых в учебном процессе 1. Комплекты заданий к лабораторным работам. 2. Комплекты индивидуальных заданий. 3. Методические указания к разработке прототипа экспертной системы и написанию отчета по выполненному индивидуальному заданию. 4. Перечень вопросов к контрольным компьютерным тестам. 5. Глоссарий терминов по изучаемой дисциплине. 6. Лекционные материалы в форме презентаций. 7. Демонстрационные и учебные версии программных средств ИИС. 4. Методические указания по проведению преподавателями основных видов учебных занятий Изложение принципов построения интеллектуальных и экспертных систем для производства, бизнеса, маркетинга и финансового менеджмента сочетается как с рассмотрением задач, характерных для предметных областей, так и с анализом особенностей самих предметных областей возможного применения экспертных систем. Для проведения практических занятий разработаны темы заданий и обеспечивающее программное обеспечение лабораторных работ, предназначенных для овладения навыками использования интеллектуальных технологий и языка искусственного интеллекта Пролог, что будет способствовать пониманию и закреплению у студентов как теоретического материала, так и практических навыков исследования реальных процессов и ситуаций с использованием фактических данных. Это позволит формировать и развивать у студентов навыки решения конкретных проблем анализа и синтеза в различных областях экономики. При проектировании интеллектуальных и экспертных систем учитываются такие факторы, как сложность проблемной области, размеры пространства состояний системы, степень влияния неопределенности и случайности при принятии решений, необходимость учета и оценки рисков, большие объемы трудно формализуемой и эвристической информации, необходимость получения прогнозов, принятие решений при дефиците времени. На рынке труда наблюдается рост потребностей на бизнес-аналитиков и специалистов по информационным технологиям. Поэтому многие зарубежные вузы значительно увеличили объем часов, отводимых на изучение таких дисциплин, как разработка и применение информационных систем (ИС), информатика, экспертные системы, инженерия знаний, интеллектуальные информационные системы, базы данных и знаний, информационные системы менеджмента, электронный бизнес. К числу таких университетов относятся в первую очередь, университеты Стэнфорда и Чикаго, Принстонский университет, Массачусетский Институт Технологии (США); университеты Токио и Киото, университет Токай, университет коммерции и бизнес-администрирования г.Нагоя (Япония); Лондонский университет (Великобритания) и другие. К настоящему времени накоплен и некоторый опыт преподавания таких курсов, как прикладные интеллектуальные системы, экспертные системы, инженерия знаний, инструментальные средства искусственного интеллекта и другие также и в России (МИФИ, МИРЭА, МЭИ, МИЭМ, РГГУ и др.). Однако бурное развитие за последнее десятилетие компьютерных технологий, методов и моделей ИИ, инструментальных средств ИИ и новых программных оболочек ЭС, проявление новых перспективных сфер приложения ЭС в экономике обусловило необходимость разработки нового курса “Интеллектуальные информационные системы” с учетом реалий сегодняшнего дня, инновационных достижений и технологий инженерии знаний. Данный учебный курс учитывает требования национальной системы образования и опирается на результаты анализа учебных программ и материалов, упомянутых выше и ряда других зарубежных вузов, выставленных на сайтах в сети Интернет. В нем изложение принципов построения экспертных систем для производства, бизнеса и финансового менеджмента сочетается как с рассмотрением задач, характерных для предметных областей, так и с анализом характера и особенностей самих предметных областей возможного применения экспертных систем. В этом смысле при проектировании экспертных систем учитываются такие факторы, как сложность проблемной области, размеры пространства состояний системы, степень влияния неопределенности и случайности при принятии решений, необходимость учета и оценки рисков, большие объемы трудно формализуемой и эвристической информации, необходимость получения прогнозов, принятие решений при дефиците времени. Темы практических и индивидуальных занятий увязывают актуальные проблемы современного бизнеса в сфере производства, маркетинга и финансов с новыми интеллектуальными информационными технологиями. Курс предназначен для подготовки студентов экономических вузов, а также для широкого круга специалистов, заинтересованных в применении экспертных систем для решения задач менеджмента. Для повышения эффективности такой подготовки необходимо совершенствование учебного плана и программ с апробациями различных дисциплин специализации. 4.1. Лекции по курсу Лекционные занятия проводятся на экономическом факультете Алтайского государственного университета для студетов, обучающихся по специальности «Прикладная информатика в экономике» в объеме 36 часов. План лекций составлен в соответствии с Государственным образовательным стандартом, учебным планом и программой курса. Лекции раскрывают основное содержание изучаемой дисциплины, являясь основой для более глубокого изучения курса. Целями и задачами лекций являются: ознакомление студентов с проблематикой курса; изложение материала в логически последовательной форме; определение основных понятий и терминов курса; формулирование основных принципов проектирования, создания и эксплуатации ИИС в различных областях управления и экономики; знакомство с примерами практического использования ИИС в экономике, управлении и бизнесе; подготовка студентов к выполнению индивидуального практического задания по разработке прототипа ЭС в выбранной предметной области; представление ИИС как систем анализа, управления и поддержки принятия решений. 4.2. Базовый учебник к лекционному курсу Абдикеев Н.М. Проектирование интеллектуальных систем в экономике: Учебник / Под ред. Н.П. Тихомирова. - М.Ж Издательство «Экзамен», 2004. 4.3. Вопросы лекций Тема 1. Логические основы функционирования ЭВМ. Способы реализации компьютерной логики (самостоятельно — повторение изученного на первом курсе). Алгебра логики. Логические высказывания и высказывательные формы. Элементарные и составные высказывания. Логические связки и операции: отрицание, конъюнкция, дизъюнкция, импликация и эквиваленция. Логические переменные и логические формулы. Выполнимые формулы. Тождественно истинные формулы (тавтологии). Тождественно ложные формулы (противоречия). Равносильные формулы. Таблицы истинности для логических формул. Правила их составления и использования. Основные законы алгебры логики. Методы упрощения логических формул. Переключательные схемы. Равносильные схемы. Анализ и синтез схем по заданным условиям работы. Решение логических задач средствами алгебры логики. Решение логических задач табличным способом. Тема 2. Введение в интеллектуальные системы. Базовые понятия искусственного интеллекта (ИИ). Обзор исследований в области ИИ [4 часа]. Терминология. Понятие интеллектуальной информационной системы (ИИС), основные классы задач, решаемых ИИС. Философские аспекты проблемы систем ИИ (существование, безопасность, полезность). Краткая история искусственного интеллекта. Предыстория. Зарождение нейрокибернетики. От кибернетики «черного ящика» к ИИ. Классический период: игры и доказательство теорем. Поиск в пространстве состояний. Алгоритм поиска в ширину. Алгоритм поиска в глубину. Эвристический поиск. Романтический период: компьютер начинает понимать. Схемы представления знаний. Период модернизма: технологии и приложения. История искусственного интеллекта в России. Тема 3. Основные направления исследований в области искусственного интеллекта [2 часа]. Представление знаний и разработка систем, основанных на знаниях (knowledge-based systems). Программное обеспечение систем ИИ (software engineering for AI). Разработка естественно-языковых интерфейсов и машинный перевод (natural language processing). Интеллектуальные роботы (robotics). Обучение и самообучение (machine learning). Распознавание образов (pattern recognition). Новые архитектуры компьютеров (new hardware platforms and architectures). Игры и машинное творчество. Другие направления. Тема 4. Механизмы человеческого мышления. Представление знаний и вывод, основанный на знаниях. Модели представления знаний. Нечеткие знания [8 часов]. Искусственный интеллект и человеческое мышление. Механизм человеческого мышления. Цели. Факты и правила. Упрощение. Механизм вывода. Прямая и обратная цепочки рассуждений. Метазнания. Проблема представления знаний. Данные и знания. Свойства знаний и отличие знаний от данных. Предметное (фактуальное) и проблемное (операционное) знания. Экстенсиональное и интенсиональное описание знаний. Декларативная и процедурная формы представления знаний. Модели представления знаний. Представление в компьютере неформальных процедур. Алгоритмические модели. Продукционные модели. Описание предметной области правилами и фактами. Методы полного перебора в ширину и в глубину. Эвристические методы поиска в пространстве состояний. Решение задач методом разбиения на подзадачи. Представление задачи в виде ИИЛИ графа. Управление системой продукции. Языки описания продукционной модели Prolog и Lisp. Семантические сети. Краткая история развития. Основные понятия семантических сетей: представление объектов и отношений между ними в виде ориентированного графа. Типы узлов и типы отношений. «Поверхностность» и «глубинность» знаний как основные отличия модели семантических сетей от продукционной модели. Предметные области, где семантические сети получили распространение. Примеры. Фреймы. История появления, решаемые задачи. Анализ пространственных сцен. Понимание смысла предложений. Основные понятия фрейма: слоты, присоединенные процедуры-слуги и процедуры-демоны, наследование свойств. Связь понятия фрейма и объекта в объетно-ориентированном программировании. Представление знаний об объекте при помощи фреймов. Сети фреймов. Принципы обработки данных в сети фреймов. Практическая реализация фреймовой модели. Понятия об объектно-ориентированном анализе предметной области. Объектно-ориентированный подход. Объектно-ориентированные языки программирования. Примеры языков инженерии знаний, основанных на фреймах: FRL и KRL. Формальные логические модели. Виды логических моделей, общие термины и определения. Формальная (Аристотелева) логика: имена, высказывания, процедуры доказательства и опровержения. Математическая реализация формальной логики. Интерпретация формул в логике предикатов 1-го порядка. Методы автоматического доказательства теорем (исчисление предикатов). Понятие предиката, формулы, кванторов всеобщности и существования. Вывод на знаниях. Механизмы вывода. Машина вывода. Стратегии управления выводом. Прямой и обратный вывод. Поиск решений в пространстве состояний. Методы поиска в глубину и ширину. Метод перебора, как наиболее универсальный метод поиска решений. Методы ускорения перебора. Поиск методом редукции. Эвристический поиск. Поиск методом “генерация – проверка”. Поиск в факторизованном пространстве. Поиск в изменяющемся множестве иерархических пространств. Использование ограничений при поиске решений. Генетический алгоритм. Эволюционное (генетическое) программирование. Логический и эвристический методы рассуждения в ИИС. Рассуждения на основе дедукции, индукции, аналогии. Нечеткий вывод знаний. Основы теории нечетких множеств. Операции с нечеткими знаниями. Нечеткая логика. Понятие лингвистической переменной. Примеры псевдофизических логик: пространственная и временная логики. Тема 5. Системы, основанные на знаниях. Экспертные системы (ЭС). Классификация систем, основанных на знаниях [6 часов]. Введение в ЭС. Определение ЭС. Назначение и основные свойства ЭС. Смысл экспертного анализа. Характеристики и базовые функции экспертных систем. Приобретение знаний. Представление знаний. Управление процессом поиска решения. Разъяснение принятого решения. Структура типовой экспертной системы (пользователь, инженер по знаниям, интерфейс пользователя, база знаний, решатель, подсистема объяснений, интеллектуальный редактор базы знаний). Достоинства и недостатки экспертных систем. Отличие экспертных систем от других программных продуктов. Принципы функционирования экспертных систем. Структурированные статические и динамические знания. Технология использования экспертных систем. Классификация по решаемой задаче (интерпретация данных, диагностика, мониторинг, проектирование, прогнозирование, планирование, обучение, контроль и управление, поддержка принятия решений). Системы, решающие задачи анализа. Системы, решающие задачи синтеза. Классификация по связи с реальным временем (статические ЭС, квазидинамические ЭС, динамические ЭС). Архитектура и структура статической и динамической экспертной системы. Классификация по типу ЭВМ. Классификация по степени интеграции с другими программами (автономные ЭС, гибридные ЭС). Примеры отраслевых экспертных систем. Интеллектуальные базы данных. Базы знаний и их основные свойства. Классификация запросов. Дедуктивный вывод. Понимание естественного языка. Взаимодействие с экономико-математическими моделями. Технология использования базы знаний. Роль эксперта. Блок приобретения знаний. Блок логических выводов. Блок объяснений. Тема 6. Разработка систем, основанных на знаниях. Технология проектирования и разработки ЭС. Коллектив разработчиков. Требования к участникам разработки [10 часов]. Проблемы разработки промышленных ЭС. Методика построения. Этапы разработки ЭС. Выбор подходящей проблемы. Идентификация проблемы. Стадии разработки прототипа ЭС (извлечение знаний, структурирование или концептуализация знаний, формализация, реализация, тестирование, опытная эксплуатация). Идентификация и концептуализация проблемной области [2 часа]. Определение назначения и сферы применения ИИС, классы решаемых задач и видов используемых знаний. Подбор экспертов и инженеров по знаниям, выделение ресурсов. Параметризация решаемых задач: целей, ограничений, гипотез, понятий, исходных данных. Структурная модель: классификационные (род-вид), агрегативные (целое-часть), ассоциативные отношения объектов. Функциональная модель: отношения объектов "цельсредство", "причина-следствие", "аргумент-функция". Деревья целей. Деревья решений. Поведенческая модель: пространственно-временные отношения объектов, состояния объектов, события, посылка сообщений. Разработка базы знаний на основе системы продукций и на основе объектноориентированного (фреймового) представления [2 часа]. Реализация интеллектуального интерфейса, средств приобретения и объяснения знаний [2 часа]. Выбор формы взаимодействия конечного пользователя с ИИС. Интеллектуальные редакторы. Использование графических средств ввода-вывода. Морфологический, синтаксический, семантический анализ запросов и синтез выходных сообщений. Проектирование помощи, подсказок, объяснений. Использование гипертекста. Индуктивный метод приобретения знаний. Тестирование и развитие ИИС [2 часа]. Тестирование точности решения проблем экспертами. Подбор тестовых примеров. Полная проверка пространства решений. Период изучения и показатели точности. Тестирование потребительских качеств ИИС потенциальными пользователями: времени реакции, удобства интерфейса, средств помощи и объяснения. Использование инструментальных средств тестирования: трассировки и объяснений, семантических анализаторов, контрольных точек, сбора статистики, реструктуризации. Параллельные и последовательные решения. Технология быстрого прототипирования. Участники процесса разработки и требования к ним: конечный пользователь, эксперт (специалист проблемной области), программист, инженер по знаниям. Инструментальные средства разработки ИИС: языки программирования, языки представления знаний, генераторы, оболочки, средства автоматизации проектирования. Функциональное, логическое, объектноориентированное программирование. Использование инструментальных средств для различных проблемных областей и на различных этапах проектирования. Тема 7. Прикладные интеллектуальные системы. Состояние и перспективы рынка ИИ [2 часа]. Состояние и тенденции развития искусственного интеллекта. Успехи систем искусственного интеллекта и их причины. Экспертные системы реального времени — основное направление искусственного интеллекта. Основные производители экспертных систем и их программные продукты. Наиболее популярные приложения интеллектуальных информационных систем. Тема 8. Нейрокомпьютинг и основные направления его развития [4 часа]. Новые направления в области искусственного интеллекта. Нейрокомпьютинг и его основные направления. Структура и функции центральной нервной системы. Биологический нейрон. Формальный нейрон. Функционирование формального нейрона. Нейронные сети основные понятия и определения. Модели нейронных сетей (Маккалоха, Розенблата, Хопфилда, с обратным распространением). Типы сетей. Способы реализации нейрокомпьютеров и нейронных сетей. Алгоритмы обучения сетей. Обучение и самообучение. Адаптация и обучение. Методы обучения. Организация функционирования сети. Программные средства анализа нейронных сетей. Прогнозирование с использованием сетей. Применение нейронных систем в экспертных системах. Задачи, решаемые на основе нейронных сетей. 4.4. Методические материалы Электронные презентации конспекта лекций приведены в приложении. 4.5. Списки учебной литературы лекционного курса Основная литература 1. Абдикеев Н.М. Проектирование интеллектуальных систем в экономике: Учебник / Под ред. Н.П. Тихомирова. - М.Ж Издательство «Экзамен», 2004. 2. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы.: Финансы и статистика, 2004, 424 с. 3. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. - СПб.: Питер, 2001 - 384 с. 4. Джексон П. Введение в экспертные системы. - М., СпБ., Киев: "Вильямс", 2001. 5. Информационные системы в экономике: Учебник / Под ред. проф. В.В. Дика. М.: Финансы и статистика, 1996. 272 с. 6. Корнеев В.В., Гареев А.Ф., Васютин С.В., Райх В.В. Базы данных. Интеллектуальная обработка информации. М.: “Нолидж”, 2000. 7. Компьютерные технологии обработки информации: Учеб. пособие / С.В. Назаров, В.И. Першиков, В.А. Тафинцев и др.; Под ред. С.В. Назарова. - М.: Финансы и статистика, 1995. 248 с. 8. Одинцов Б.Е. Проектирование экономических информационных экспертных систем.- М.: Юнити,1996. 9. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. Статические и динамические экспертные системы: Учебное пособие. М.: Финансы и статистика, 1996-320с. 10. Тельнов Ю.Ф. Интеллектуальные системы обработки данных: Учебное пособие. - М.: МЭСИ, 1989. - 102 с. 11. Тельнов Ю.Ф. Проектирование баз знаний. Учебное пособие. - М.: МЭСИ, 1992. - 100 с. 12. Тельнов Ю.Ф. Интеллектуальные информационные системы в экономике. М.: СИНТЕГ, 1999. - 214 с. 13. Уотерман Д. Руководство по экспертным системам. М.: Мир, 1989-388с. 14. Уэно Х., Исидзука М. Представление и использование знаний. М.: Мир, 1989. 15. Экономическая информатика: Учебник для студентов экономических специальностей вузов / под ред. Косарева В.П. и Еремина Л.В. и др. М.: Финансы и статистика, 2001. 16. Якубайтис Э.А. Информационные сети и системы. Справочная книга. М.: Финансы и статистика, 1996. 368 с. Дополнительная литература 1. Алафинов С.В. Прогнозирование и планирование в транснациональной нефтяной компании: Принятие стратегических решений в условиях неопределенности.-М.:Дело, 1999. 2. Балабанов И.Т. Риск-менеджмент.-М.: Финансы и статистика, 1996. 3. Балтрашевич В.Э. Реализация инструментальной экспертной системы. - СПб.: Политехника, 1993. 4. Братко И. Программирование на языке ПРОЛОГ для искусственного интеллекта.- М.: Мир, 1990.- 560 с. 5. Веденов А.А. Моделирование элементов мышления. М.: Наука, 1988. 6. Вендров А.М. CASE-технологии. Современные методы и средства проектирования информационных систем.- М.: Финансы и статистика, 1998. 7. Винер Н. Кибернетика или управление и связь в животном и машине. – М.: Наука, 1981. 8. Власов А.И. Аппаратная реализация нейровычислительных управляющих систем //Приборы и системы управления - 1999, №2, С.61-65. 9. Власов А.И. Нейросетевая реализация микропроцессорных систем активной акусто- и виброзащиты// Нейрокомпьютеры:разработка и применение, №1, 2000. С.40-44. 10. Горбань А.Н. Обучение нейронных сетей. М.: изд. СССР-США СП "ParaGraph", 1990, 150 с. 11. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. - Новосибирск: Наука. Сибирская издательская фирма РАН, 1996. - 276 с. 12. Грантулов В.М. Экономический риск: сущность, методы измерения, пути снижения.- М.: Дело и сервис, 1999. 13. Девятков В.В. Системы искусственного интеллекта: Учеб. Пособие для вузов. – М.: Изд–во МГТУ им Н.Э.Баумана, 2001. – 352 с. 14. Дубов А.М., Лагоша Б.А., Хрусталев Е.Ю. Моделирование рисковых ситуаций в экономике и бизнесе.-М.: Финансы и статистика, 1999. 15. Дэйвисон М. Многомерное шкалирование: Методы наглядного представления данных. – М.: Финансы и статистика, 1988. 16. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. – М.: Мир, 1976. 17. Заде Л. Основы нового подхода к анализу сложных систем и процессов принятия решений.М.:Радио и связь,1974. 18. Змитрович А.И. Интеллектуальные информационные- системы. Минск: Тетра Системс, 1997. - 365 с. 19. Инженерия знаний./Пер. с яп. в 10 т.-М.: Мир.-Т1: Обработка знаний.-1989. Т2: Представление и использование знаний.-1989. Т3: Приобретение знаний.-1990. 20. Ин Ц., Соломон Д. Использование Турбо-Пролога / Пер. с англ. - М.: Мир, 1993. 21. Интеллектуальные системы принятия проектных решений/ А.В. Алексеев, А.Н. Борисов, Э.Р. Вилюмс, Н.Н. Слядзь, С.А. Фомин.-Рига:Зинатне,1997.-320с. 22. Искусственный интеллект. Справочник в 3-х кн. М.: Радио и связь: 1990. Кн. 1: Системы общения и экспертные системы. Кн. 2: Модели и методы. Кн. 3: Программные и аппаратные средства. 23. Карминский А.М., Нестеров П.В. Информатизация бизнеса.- М.:Финансы и статистика, 1997. 24. Колесник А.П. Компьютерные системы в управлении финансами.- М.:Фин. и стат., 1994. 25. Лимитовский М.А. Основы оценки инвестиционных и финансовых решений- М.: ТОО ДЕКА, 1997. 26. Кини Р.Л., Райфа Х. Принятие решений при ногих критериях: предпочтения и замещения. – М.:Радио и связь, 1981. 27. Кирсанов Э.Ю. Цифровые нейрокомпьютеры: Архитектура и схемотехника / Под ред. А.И.Галушкина. - Казань: Казанский Гос. У-т. 1995. 131 с. 28. Ковальски Р. Логика в решении проблем. – М.: Наука, 1990. 29. Кохонен Т. Ассоциативная память. М.: Мир, 1980. 30. Круглов В.В., Длим И. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода. - М.: Изд-во физ-мат. Лит., 2002.256 с. 31. Круглов В.В., Борисов В.В.. Искусственные нейронные сети. Теория и практика. - М.: Горячая линия-Телеком, 2001. 32. Кузнецов В.Е. Представление в ЭВМ неформальных процедур.- М.: Наука, 1989.- 160 с. 33. Кэррол Л. Алиса в стране чудес. Алиса в Зазеркалье.- М.: Наука, гл. редакция физ.-мат. литер-ры.- 1991.- 366 с. 34. Ларичев О.И., Мечитов А.И., Мошкович Е.М., Фуремс Е.М. Выявление экспертных знаний.М.: Наука, 1989. 35. Левин Р., Дранг Д., Эделсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике. М.: Финансы и статистика, 1990. 36. Лисков Б., Гатэг Дж. Использование абстракций и спецификаций при разработке программ.М.: Мир, 1989. 37. Лорьер Ж.-Л. Системы искусственного интеллекта.- М.: Мир, 1991. 38. Любарский Ю.А. Интеллектуальные информационные системы. - М.:Наука. Гл. ред. физ.мат. лит., 1990. – 232 с. 39. Марселиус Д. Программирование экспертных систем на Турбо Прологе. М.: Финансы и статистика, 1994. 40. Макалистер Дж. Искусственный интеллект и Пролог на микроЭВМ. М.: Машиностроение, 1990. 41. Малпас Дж. Реляционный язык Пролог и его применение : Пер. с англ./ Под редакцией В.Н.Соболева. - М.: Наука. Гл.ред.физ.-мат.лит., 1990. 42. Мински М. Фреймы для представления знаний.-М.: Энергия, 1979. 43. Мински М., Пейперт С. Перцептроны. – М.: Мир, 1971. 44. Мищенко А.В., Попов А.А. Модели управления портфелем ценных бумаг- М.: Российская экономическая академия, 1999. 45. Нейлор К. Как построить свою экспертную систему / Пер. с англ. - М.: Энергоатомиздат, 1991. -286 с. 46. Нейроинформатика / А.Н.Горбань и др. – Новосибирск, Наука, 1998. 47. Нечеткие множества и теория возможностей. Под ред. Р.Ягера. - М.: Радио и связь, 1986 48. Нильсон Н. Принципы искусственного интеллекта. – М.: Радио и связь, 1985. 49. Обработка знаний. - М: Мир, 1990. 50. Обработка нечеткой информации в системах принятия решений.- М.: Радио и связь, 1989. 51. Ойхман Е.Г., Попов Э.В. Реинжиниринг бизнеса: реинжиниринг организации и информационные технологии.-М.:Финансы и статистика, 1997. 52. Осуга С., Саэки Ю. Приобретение знаний. М.: Мир, 1990-304с. 53. Осуга С. Обработка знаний. – М.: Мир, 1989. 54. Попов Э.В. Общение с ЭВМ на естественном языке.- М.:Наука, 1982. 55. Попов Э.В. Экспертные системы: Решение неформализованной задачи в диалоге с ЭВМ. М.: Наука, 1987. - 283 с. 56. Поспелов Г.С. Искусственный интеллект - основа информационной технологии. М.: Наука, 1988. 57. Поспелов Д.А. Моделирование рассуждений. – М.: Радио и связь, 1989. – 184 с. 58. Поспелов Д.А. Ситуационное управление: теория и практика. – М.: Наука, 1986. 59. Построение экспертных систем / Под ред. Ф. Хейос-Рот, Д.Уотерман, Д.Ленат; Пер. с англ. М.: Мир, 1987. 60. Проблемы построения и обучения нейронных сетей / под ред. А.И.Галушкина и В.А.Шахнова. - М. Изд-во Машиностроение. Библиотечка журнала Информационные технологии №1. 1999. 105 с. 61. Роберт Хехт-Нильсен Нейрокомпьютинг: история, состояние, перспективы // Открытые системы. № 4. 1998. 62. Розенблатт Ф. Принципы нейродинамики. Перцептрон и теория механизмов мозга.- М.: Мир, 1965.- 480 с. 63. Романов В.П. Интеллектуальные информационные системы в экономике. – М.: Экзамен, 2003. 64. Романов А.Н., Одинцов Б.Е. Советующие информационные системы в экономике.- М.: ЮНИТИ-ДАНА, 2000. 65. Системы управления базами данных и знаний. Справочное издание под ред. А.Н.Наумова. М.: Финансы и статистика, 1991. 66. Смолин Д.В. Введение в искусственный интеллект. – М.: Физматлит, 2004. 67. Сойер Б., Фостер Д.Л. Программирование экспертных систем на Паскале.- М.: Финансы и статистика, 1990. 68. Соколов Е.Н., Вайткявичюс Г.Г. Нейроинтеллект: от нейрона к нейрокомпьютеру.- М.: Наука, 1989.- 238 с. 69. Степанов В. Фондовый рынок и нейросети // Мир ПК. 1998. № 12. - C.40-46. 70. Таунсенд К., Фохт Д. Проектирование и программная реализация экспертных систем на персональной ЭВМ / Пер. с англ. - М.: Финансы и статистика, 1990. - 320с. 71. Тиори Т., Фрай Д. Проектирование структур баз данных. М.: Мир, 1986. 72. Трахтенгерц Э.А. Компьютерная поддержка принятия решения.- М.: СИНТЕГ, 1998. 73. Уоссерман Ф. Нейрокомпьютерная техника. М.: Мир, 1992. 74. Уотшен Т. Дж., Паррамоу К. Количественные методы в финансах.- М.: ЮНИТИ, 1999. 75. Форсайт Р. Экспертные системы: принципы и примеры. - М.: Радио и связь, 1987. 76. Хамби Э. Программирование таблиц решений.- М.: Мир, 1976.- 86 с. 77. Хант Э. Искусственный интеллект: Пер. с англ. Белова Л.А., Крюкова Ю.И. /Под ред. В.Л.Стефанюка.- М.: Мир, 1978.- 558 с. 78. Хоггер К. Введение в логическое программирование. М.: Мир, 1988. 79. Хювенен Э., Сеппянен Й. Мир Лиспа. В 2-х томах. - М.: Мир, 1990. 80. Цыганков В.Д. Нейрокомпьютер и мозг. Учебное пособие. Серия «Информатизация России в ХХI веке».-М.: СИНТЕГ, 2001, 248 с. 81. Чикул В.М. Основы искусственного интеллекта.-М.: Диалог МГУ, 2000. 82. Шенк Р. Обработка концептуальной информации. – М.: Энергия, 1980. 83. Шеннон Р. Имитационное моделирование систем- искусство и наука.-М.:Мир, 1978.-422с. 84. Широков Ф.В. Введение в нейрокомпьютинг. ИНФРА-М. Электронное издание. 1995. 85. Экспертные системы. Принципы работы и примеры. Под ред. Р.Форсайта.- М.: Радио и связь, 1987. 86. Элти Дж., Кумбс М. Экспертные системы: концепции и примеры / Пер. с англ. - М.: Финансы и статистика, 1987. - 191 с. 87. Эрлих А.А. Технический анализ товарных и финансовых рынков. Прикладное пособие.М.:ИНФРА.-М, 1996.-176 с. 4.6. Практические занятия по курсу Практические занятия проводятся в компьютерных классах экономического факультета Алтайского государственного университета в форме семинаров и лабораторных работ в объеме 30 часов. Темы занятий отражают ключевые проблемы курса и соответствуют учебному плану и задачам преподавания дисциплины. 4.7. План лабораторных работ Лабораторная работа 1 (2 часа). Алгебра логики. Логические высказывания и высказывательные формы. Элементарные и составные высказывания. Логические связки и операции: отрицание, конъюнкция, дизъюнкция, импликация и эквиваленция. Логические переменные и логические формулы. Выполнимые формулы. Тождественно истинные формулы (тавтологии). Тождественно ложные формулы (противоречия). Равносильные формулы. Таблицы истинности для логических формул. Правила их составления и использования. Основные законы алгебры логики. Семинар 1 (2 часа). Методы упрощения логических формул. Переключательные схемы. Равносильные схемы. Анализ и синтез схем по заданным условиям работы. Решение логических задач средствами алгебры логики. Решение логических задач табличным способом. Семинар 2 (2 часа). Контрольная работа по алгебре логики. Лабораторная работа 2 (4 часа). Модели представления знаний. Формальные логические модели. Продукционные модели. Использование языка PROLOG. Семинар 3 (2 часа). Модели представления знаний. Фреймовые модели. Сети фреймов. Семинар 4 (2 часа). Модели представления знаний. Модели семантических сетей. Нечеткая логика. Лабораторная работа 3 (2 часа). Системы, основанные на знаниях. Средства разработки ЭС. Оболочки ExSYS, CLIPS, ESWin. Лабораторная работа 4 (20 часов). Проектирование прототипов прикладных экспертных систем. Тема 1. Интеллектуальная система планирования производства. Производственная программа предприятия и календарное планирование. Задачи внутрифирменного планирования. Характеристика основных функциональных модулей. Использование имитационного моделирования в интеллектуальной системе для реализации расчетных функций и функций прогнозирования реализуемости планов. Учет неопределенности в системе. Тема 2. Динамическая интеллектуальная система оперативно-диспетчерского управления предприятием. Оперативно-диспетчерское управление предприятием. Специфика решаемых задач и реализуемых функций. Работа в реальном масштабе времени. Фреймово-продукционная модель представления знаний в системе. Имитационное моделирование для реализации функций прогнозирования. Управление в реальном времени и оперативное прогнозирование. Тема 3. Информационно-аналитические системы управления маркетингом. Процесс управления маркетингом. Информационно-аналитические системы поддержки маркетинговых решений. CRM-технологии и интеллектуальный анализ данных в управлении маркетингом. Интернет-маркетинг и электронная коммерция. Тема 4. Разработка интеллектуальной системы поддержки банковских решений. Анализ проблемной области. Архитектура системы и характеристика функциональных блоков. Основы банковского кредитования и методы определения кредитоспособности заемщика. Кредитный рейтинг. Моделирование бизнес-процессов в системе. Подсистема оценки кредитоспособности заемщика. Анализ залоговых средств недвижимости и ценных бумаг. Формализация знаний и эвристик; построение базы знаний. Тема 5. Экспертная система риск-менеджмента. Цели, функции и структура системы. Информационная структура системы. Подсистема формирования портфеля ценных бумаг. Подсистема технического анализа рыночной информации и мониторинга портфеля. Разработка базы знаний фундаментального анализа. Система риск-менеджмента при управлении инвестиционным портфелем. Оценка рисков на основе фундаментального эвристического анализа. Интеллектуальный мониторинг рынка. Учет неопределенности и прогнозирование тенденций. Лабораторная работа 5 (2 часа). Искусственные нейронные сети и примеры их использования. Лабораторная работа 6 (2 часа). Итоговый тест по теории. Возможная тематика работ: К лабораторным работам 2, 3 и семинарам 3, 4: разработка экспертной системы для диагностики неисправности компьютера, разработка экспертной системы для диагностики неисправности автомобиля, разработка экспертной системы для выбора аппаратно-программных средств для построения локальной сети, разработка экспертной системы для выбора средств разработки информационной системы, разработка экспертной системы для диагностики психологических особенностей личности, разработка экспертной системы для тестирования знаний в какой-либо узкой предметной области. К лабораторной работе 5: обучение нейронной сети решению задачи оценки недвижимости, обучение нейронной сети выявлению ассоциаций между параметрами ценами на комплектующие, обучение нейронной сети предсказанию результатов выборов, обучение нейронной сети предсказанию изменений курса валюты, обучение нейронной сети предсказанию изменений курса акций. 5. Методические указания студентам по изучению дисциплины 5.1. МЕТОДИЧЕСКИЕ УКАЗАНИЯ ПО ВЫПОЛНЕНИЮ ЛАБОРАТОРНЫХ РАБОТ При подготовке к лабораторным работам следует изучить методические указания к лабораторным работам, рекомендуемую литературу, конспект лекций. Перечень примерных контрольных вопросов и заданий для самостоятельной работы 1. Анализ современных коммерческих экспертных систем. 2. Сопоставительный анализ инструментальных средств систем искусственного интеллекта с типами проблемных сред. 3. Теория нечетких множеств как инструмент моделирования знаний. 4. Использование байесовского метода для задач прогнозирования. 5. Оценка возможностей нейронных сетей для использования в системах поддержки решений. 6. Исследование возможностей генетических алгоритмов. 7. Агенда-системы и системы с “классной доской” как стратегии вывода решений. 8. Анализ дедуктивных и индуктивных методов поиска решений. 9. Обоснование и прогнозирование решений на основе имитационного моделирования в интеллектуальных системах. 10. Основы нечеткой логики и возможности ее применения в системах управления производством. 11. Прогнозирование продаж в автоматизированной информационной системе маркетинга. 12. Фреймовая модель представления знаний в ЭС внутреннего аудита в организации. 13. Информационная система поддержки решений в финансовом анализе. 14. Принципы построения ЭС для оценки инвестиционных проектов. 15. Анализ банковских информационных систем. 16. Современные инструментальные средства проектирования информационных систем. 17. Характеристика основных бухгалтерских информационных систем Примерная тематика индивидуальных работ по разработке прототипа ЭС 1. Финансовый анализ и финансовое планирование предприятия с использованием информационно-управляющих систем. 2. Разработка подсистемы оценки эффективности инвестиционных проектов в автоматизированной интеллектуальной системе управления банком. 3. Использование методы оценки эффективности инвестиционных проектов в модели эвристического анализа. 4. Инструментарий создания информационной системы с Web-интерфейсом. 5. Система проверки бухгалтерского баланса на достоверность в процессе мониторинга и анализа финансового состояния неплатежеспособных предприятий. 6. Интеллектуальный анализ данных при управлении маркетингом в торговопроизводственной фирме. 7. Интеллектуальный анализ данных при мониторинге технологического процесса в информационной системе управления производством. 8. Концепция автоматизированной интеллектуальной системы анализа фондового рынка. 9. Система анализа рисков при управлении инвестиционным портфелем и кредитами в информационной системе “Банк”. 10. Методы анализа финансовых инструментов и прогнозирования с использованием нейронных сетей. 11. Система управления инвестиционным портфелем на основе генерации и анализа гипотез с использованием Байесовского подхода. 12. Автоматизированная система документооборота банка. 13. Имитационная модель транзакционных процессов коммерческого банка. 14. Разработка интеллектуальной технологии Интернет-маркетинга. 15. Разработка модели реинжиниринга бизнес-процессов в банке. 16. Разработка мультиагентных технологий в интеллектуальной информационной системе. 17. Риск-анализ инвестиционного портфеля на основе нечеткой логики. 18. Сценарный анализ рисков при управлении предприятием на базе имитационного моделирования процессов. 5.2. МЕТОДИЧЕСКИЕ УКАЗАНИЯ ПО ИЗУЧЕНИЮ ТЕОРЕТИЧЕСКОГО КУРСА Теоретический курс изучается студентом в процессе работы на лекциях, при этом студент конспектирует излагаемый преподавателем материал, отвечает на вопросы, которые ставит преподаватель в процессе чтения лекций, а также в процессе самостоятельной работы с рекомендуемой литературой в библиотеке университета. Перед лекцией следует просмотреть материалы предыдущих лекций по данной дисциплине. Перед изучением дисциплины студенты должны повторить материал по курсу «базы данных», а также знать основные сведения по теории графов. При изучении нейронных сетей необходимо использовать знания по теории дифференциального исчисления. Примерный перечень вопросов для подготовки к экзамену по всему курсу 1. Роль и место информационных систем в управлении экономическими объектами. 2. Структура и состав экономической информационной системы. Внутренняя экономическая информация на объекте. 3. Проблемы повышения эффективности управления экономическими объектами и их информационного обеспечения. 4. Новая информационная технология решения задач управления в информационных системах. 5. Проблемы интерпретации. Интеллектуализация компьютера. 6. Организация работы с данными и знаниями в новой информационной технологии. 7. Развитие исследований в области искусственного интеллекта (этапы; области применения; направления исследований; проблемы и перспективы). 8. Анализ причин низкой эффективности оптимизационных моделей управления и традиционных методов обработки информации. Необходимость использования систем искусственного интллекта. 9. Экспертные системы – основная разновидность прикладных интеллектуальных систем. Инженерия знаний. Характеристика ЭС. 10. Проблема представления знаний. 11. Представление знаний в виде фреймов. 12. Семантические сети. 13. Продукционные модели. Пример продукционной системы с консеквент-выводимой архитектурой. 14. Исчисление предикатов. 15. Дедукция и индукция. 16. Процесс стандартизации при дедуктивном выводе. Пример. 17. Применение теории нечетких множеств при формализации лингвистической неопределенности и нечетких знаний. 18. Универсальное множество, функция принадлежности нечеткого множества, базовая переменная. 19. Нечеткие отношения. 20. Нечеткая и лингвистическая переменные. 21. Операции с нечеткими множествами. 22. Лингвистические критерии и отношения предпочтения. 23. Основы нейронных сетей (архитектура, модель технического нейрона, многослойный персептрон, сеть Хопфилда, самоорганизующаяся карта Кохонена). 24. Архитектура ИИС. 25. Характерные задачи, решаемые экспертами при работе в различных предметных областях. 26. Характеристика основных функциональных модулей ИИС: база знаний (БЗ), механизм вывода, объяснение, обоснование и прогнозирование, верификация, интерфейс. 27. Разработка и этапы проектирования БЗ, представление знаний в базах данных. 28. Соотношение методов представления знаний в БД и ИИС. СУБД и СУБЗ. 29. Структура БЗ. 30. Системы с «классной доской». 31. Общие методы поиска решений в пространстве состояний в продукционных системах. 32. Вывод в сети фреймов. 33. Вывод в семантической сети. 34. Дедуктивные методы поиска решений. 35. Методы поиска решений в больших пространствах состояний. 36. Поиск решений в условиях неопределенности. Вероятностная байесовская логика. 37. Приближенные рассуждения, нечеткая логика. 38. Композиционное правило вывода. 39. Пример приближенных рассуждений и композиционного правила вывода. 40. Реализация функций объяснения, обоснования и прогнозирования в ИИС. 41. Этапы проектирования ИИС и стадии существования ИИС. 42. Работа инженера знаний при разработке ИИС. 43. Инструментальные средства ИИС. Выбор инструментария. 44. Интеллектуальная система при интегрированном автоматизированном управлении экономическими объектами. 45. Задачи, решаемые при внутрифирменном планировании. 46. Календарное планирование производства. 47. Структура автоматизированной интеллектуальной системы планирования. 48. Использование имитационного моделирования в интеллектуальной информационной системе для реализации функций прогнозирования. 49. Оперативно-диспетчерское управление предприятием. 50. Фреймово-продукционная модель представления знаний в АИС диспетчерского управления. 51. Автоматизированная интеллектуальная система управления производственными процессами. 52. Основные факторы функционирования фирмы. 53. Прогнозирование и планирование доходов и затрат в интеллектуальной системе маркетинга. 54. Стратегия и программа маркетинга. Маркетинговый контроль. 55. Определение информационных потоков и структуры системы управления маркетингом. 56. Уровень определенности решаемых задач и среды функционирования системы управления маркетингом. 57. Ценные бумаги и их обращение. Финансовые и предпринимательские риски. 58. Виды и критерии риска. Риск-менеджмент. 59. Механика рынка ценных бумаг. Анализ и прогнозирование рынка. 60. Технический и фундаментальный анализ в интеллектуальной информационной системе рынка ценных бумаг. 61. Модель прогнозирования развития ситуаций в интеллектуальной информационной системе рынка ценных бумаг. 62. Анализ банковской деятельности. Основы банковского кредитования. 63. Анализ существующих банковских технологий. 64. Технический анализ залоговых средств (недвижимость, ценные бумаги) в интеллектуальной советующей системе “Банк”. 65. Эвристический анализ залоговых средств в интеллектуальной советующей системе “Банк”. 66. Модель реализации советующих функций в банковской информационной системе. 67. Обоснование рекомендаций и прогнозирование в банковской интеллектуальной советующей системе. 6. ВОПРОСЫ БИЛЕТОВ 1. Алгебра логики. Логические высказывания и высказывательные формы. Элементарные и составные высказывания. Логические связки и операции: отрицание, конъюнкция, дизъюнкция, импликация и эквиваленция. 2. Логические переменные и логические формулы. Выполнимые формулы. Тождественно истинные формулы (тавтологии). Тождественно ложные формулы (противоречия). Равносильные формулы. Таблицы истинности для логических формул. Правила их составления и использования. 3. Логические элементы компьютера - логические схемы И, ИЛИ, НЕ, И-НЕ, ИЛИ-НЕ. Таблицы истинности для перечисленных схем. Триггер и сумматор, их устройство и принципы работы. Основные законы алгебры логики. Методы упрощения логических формул. 4. Переключательные схемы. Равносильные схемы. Анализ и синтез схем по заданным условиям работы. 5. Решение логических задач средствами алгебры логики. Решение логических задач табличным способом. 6. Базовые понятия искусственного интеллекта (ИИ). Философские аспекты проблемы систем ИИ (существование, безопасность, полезность). 7. Краткая история искусственного интеллекта. Предыстория. Зарождение нейрокибернетики. От кибернетики «черного ящика» к ИИ. Классический период: игры и доказательство теорем. Поиск в пространстве состояний. Алгоритм поиска в ширину. Алгоритм поиска в глубину. Эвристический поиск. Романтический период: компьютер начинает понимать. 8. Краткая история искусственного интеллекта. Схемы представления знаний. Период модернизма: технологии и приложения. История искусственного интеллекта в России. 9. Основные направления исследований в области искусственного интеллекта. Представление знаний и разработка систем, основанных на знаниях (knowledge-based systems). Программное обеспечение систем ИИ (software engineering for AI). 10. Основные направления исследований в области искусственного интеллекта. Разработка естественно-языковых интерфейсов и машинный перевод (natural language processing). Интеллектуальные роботы (robotics). Обучение и самообучение (machine learning). Распознавание образов (pattern recognition). Новые архитектуры компьютеров (new hardware platforms and architectures). Игры и машинное творчество. Другие направления. 11. Искусственный интеллект и человеческое мышление. Механизм человеческого мышления. Цели. Факты и правила. Упрощение. Механизм вывода. Прямая и обратная цепочки рассуждений. 12. Метазнания. Проблема представления знаний. Данные и знания. Предметное (фактуальное) и проблемное (операционное) знания. Экстенсиональное и интенсиональное описание знаний. Декларативная и процедурная формы представления знаний. 13. Модели представления знаний. Представление в компьютере неформальных процедур. Алгоритмические модели. Продукционные модели. Семантические сети. Фреймы. Формальные логические модели. Объектно-ориентированный подход. 14. Вывод на знаниях. Механизмы вывода. Машина вывода. Стратегии управления выводом. Прямой и обратный вывод. Поиск решений в пространстве состояний. Методы поиска в глубину и ширину. Метод перебора, как наиболее универсальный метод поиска решений. 15. Методы ускорения перебора. Поиск методом редукции. Эвристический поиск. Поиск методом “генерация – проверка”. Поиск в факторизованном пространстве. Поиск в изменяющемся множестве иерархических пространств. Использование ограничений при поиске решений. Генетический алгоритм. Эволюционное (генетическое) программирование. 16. Логический и эвристический методы рассуждения в ИИС. Рассуждения на основе дедукции, индукции, аналогии. Нечеткий вывод знаний. Основы теории нечетких множеств. Операции с нечеткими знаниями. 17. Введение в ЭС. Определение ЭС. Назначение и основные свойства ЭС. Смысл экспертного анализа. Характеристики и базовые функции экспертных систем. 18. Приобретение знаний. Представление знаний. Управление процессом поиска решения. Разъяснение принятого решения. 19. Структура типовой экспертной системы (пользователь, инженер по знаниям, интерфейс пользователя, база знаний, решатель, подсистема объяснений, интеллектуальный редактор базы знаний). 20. Достоинства и недостатки экспертных систем. Отличие экспертных систем от других программных продуктов. 21. Принципы функционирования экспертных систем. Структурированные статические и динамические знания. Технология использования экспертных систем. 22. Классификация систем, основанных на знаниях. Классификация по решаемой задаче (интерпретация данных, диагностика, мониторинг, проектирование, прогнозирование, планирование, обучение, контроль и управление, поддержка принятия решений). Системы, решающие задачи анализа. Системы, решающие задачи синтеза. Примеры отраслевых экспертных систем. 23. Классификация систем, основанных на знаниях. Классификация по связи с реальным временем (статические ЭС, квазидинамические ЭС, динамические ЭС). Архитектура и структура статической и динамической экспертной системы. 24. Классификация систем, основанных на знаниях. Классификация по типу ЭВМ. Классификация по степени интеграции с другими программами (автономные ЭС, гибридные ЭС). 25. Интеллектуальные базы данных. Базы знаний и их основные свойства. Классификация запросов. Дедуктивный вывод. Понимание естественного языка. Взаимодействие с экономикоматематическими моделями. Технология использования базы знаний. Роль эксперта. Блок приобретения знаний. Блок логических выводов. Блок объяснений. 26. Разработка систем, основанных на знаниях. Технология проектирования и разработки ЭС. Проблемы разработки промышленных ЭС. Методика построения. Этапы разработки ЭС. 27. Этапы разработки ЭС. Выбор подходящей проблемы. Идентификация проблемы. Стадии разработки прототипа ЭС (извлечение знаний, структурирование или концептуализация знаний, формализация, реализация, тестирование, опытная эксплуатация). 28. Разработка систем, основанных на знаниях. Параллельные и последовательные решения. Технология быстрого прототипирования. 29. Коллектив разработчиков ЭС. Участники процесса разработки и требования к ним: конечный пользователь, эксперт (специалист проблемной области), программист, инженер по знаниям. Требования к участникам разработки. 30. Инструментальные средства разработки ИИС: языки программирования, языки представления знаний, генераторы, оболочки, средства автоматизации проектирования. 31. Функциональное, логическое, объектно-ориентированное (SMALLTALK) программирование. Использование инструментальных средств для различных проблемных областей и на различных этапах проектирования. 32. Прикладные интеллектуальные системы. Состояние и тенденции развития искусственного интеллекта. Успехи систем искусственного интеллекта и их причины. Состояние и перспективы рынка ИИ. 33. Экспертные системы реального времени — основное направление искусственного интеллекта. Основные производители экспертных систем и их программные продукты. Наиболее популярные приложения интеллектуальных информационных систем. 34. Новые направления в области искусственного интеллекта. Нейрокомпьютинг. Нейронные сети - основные понятия и определения. Модели нейронных сетей (Маккалоха, Розенблата, Хопфилда, с обратным распространением). 35. Типы сетей. Способы реализации нейрокомпьютеров и нейронных сетей. Алгоритмы обучения сетей. Обучение и самообучение. Адаптация и обучение. Методы обучения. 36. Организация функционирования сети. Программные средства анализа нейронных сетей. Прогнозирование с использованием сетей. Применение нейронных систем в экспертных системах. Задачи, решаемые на основе нейронных сетей. 7. ГЛОССАРИЙ АЛГОРИТМ. Содержание и последовательность операций, точно определяющие решение задачи путем вычислительного процесса, преобразующего исходные данные в конечный результат. АЛЬФА-БЕТА АЛГОРИТМ. Стратегия поиска решения с сокращением перебора за счет отбрасывания заведомо бесперспективных ветвей. АРХИТЕКТУРА. 1) Организационная структура, в рамках которой происходит применение знаний и решение проблем. 2) Принципы инженерии знаний, направляющие выбор подходящих структур для конкретных экспертных систем. АТРИБУТ. Признак или свойство, характеризующие объект. Например, в факте “Цвет слона серый” понятие слон - это объект, цвет -атрибут, а серый - значение. АТРИБУТ-ЗНАЧЕНИЕ. Способ представления фактуального знания, при котором атрибутам могут присваиваться значения. Например, в факте “Животное имеет волосяной покров” атрибутом служит животное, а его значением является имеет_волосяной_покров. БАЗА ДАННЫХ. В системе, основанной на знаниях, этот термин, как правило, означает рабочую память. В этой памяти хранятся множество фактов, описывающих текущую ситуацию, и все пары атрибут-значение, которые были установлены к определенному моменту. БАЗА ЗНАНИЙ. Один или несколько специальным образом организованных файлов, хранящих систематизированную совокупность понятий, правил и фактов, относящихся к некоторой предметной области. Содержимое Б.З. оформляется, связывается между собой и представляется таким образом, чтобы на его основе можно было с помощью специальных программ осуществлять рассуждения и делать выводы, получая сведения, которые в явном могут не присутствовать в Б.З. Для построения Б.З. применяются методы искусственного интеллекта, специальные языки описания знаний и интеллектуальный интерфейс. Б.З. являются основной содержательной частью интеллектуальных информационных систем, интеллектуальных обучающих систем, интеллектуальных систем программирования и экспертных систем, где с их помощью представляются навыки и опыт экспертов - специалистов в данной предметной области. Например, Б.З. в области медицины содержит накопленные медицинскими специалистами сведения о связях между болезнями, их симптомами и порождающими причинами, описания стереотипных ситуаций при течении болезни и рекомендуемых или предпринятых лечебных действиях и их результатах и т.п. На основе такой Б.З. разрабатываются экспертные диагностические и прогнозирующие медицинские системы. БАЗА ПРАВИЛ или память для хранения правил, которая содержит набор срабатывающих в определенных ситуациях правил, имеющих форму ЕСЛИ-ТО. Такие конструкции получили название продукционных правил. Каждое правило складывается из двух частей. Первая из них антецедент, или посылка правил, - состоит из элементарных предложений (например, на улице идет дождь), соединенных логическими связками И, ИЛИ и т.д. Вторая часть, называемая консеквентом, или заключением, состоит из одного или нескольких предложений, которые образуют выдаваемое правилом решение. Антецедент представляет собой образец правила, предназначенного для распознавания ситуации, когда оно должно сработать. ВИРТУАЛЬНЫЙ. Реально не существующий или воспринимаемый иначе, чем реализован. Например, понятие “виртуальная реальность” означает мир, созданный компьютерными средствами. Он реально не существует, однако компьютер может воздействовать на зрительные, слуховые и др. органы чувств человека, вызывая у него иллюзию погружения в этот мир. Кроме того, человек может влиять на события, происходящие в этом мире, что усиливает ощущение реальности. Простым примером погружения в виртуальную реальность является компьютерная игра. ВОЗВРАТ. Процедура поиска, в которой в различных точках в ходе решения задачи делается предположительный выбор дальнейшего направления процесса, а если некоторый выбор приводит к неприемлемому результату, то происходит возвращение к предыдущей точке, где делается другой выбор. ВЫВОД. Процесс рассуждения, во время которого из известных фактов выводятся новые факты. ДЕМОНЫ. Скрытые или виртуальные процедуры в системах, основанных на знаниях, активизируемые данными. ДЕРЕВО ВЫВОДА. Графическое представление возможных путей поиска решения в Прологе. ДИАГНОСТИЧЕСКИЕ СИСТЕМЫ. Тип систем, основанных на знаниях, которые применяются для нахождения причин неполадок в технических системах или заболеваний у человека. ДОЛГОВРЕМЕННАЯ ПАМЯТЬ. Часть человеческой памяти, предназначенная для хранения сведений, необходимость в которых может возникнуть не только в момент их появления, но и некоторое время спустя. Аналогична внешней памяти компьютера или базе правил в системе, основанной на знаниях. ДОМЕН. Определенная часть знаний о некоторой области. Информатика представляет собой весьма обширный домен, в то время как когнитивное моделирование - более узкий. ДОСКА ОБЪЯВЛЕНИЙ. Глобальная структура данных в экспертной системе, через которую осуществляется взаимодействие различных источников знаний. ЕСТЕСТВЕННЫЙ ЯЗЫК. Обычный метод обмена информацией между людьми: системы коммуникации посредством устной речи или различных формальных систем письменности, средства представления фактов в технических дисциплинах с помощью общепринятых символов (химических структурных формул, чертежей и схем в инженерном деле и т.п.). ЗАВИСИМОСТЬ. Связь между антецедентами и соответствующими консеквентами, создаваемая в результате применения некоторого правила вывода. Посредством зависимостей записывается способ, которым решения выводятся из исходных данных и предшествующих решений. ЗНАНИЯ. Совокупность фактов, закономерностей и эвристических правил, с помощью которых можно решить поставленную задачу. ИЕРАРХИЯ. Отношение подчиненности между понятиями или объектами. ИНЖЕНЕР ЗНАНИЙ (КОГНИТОЛОГ). Специалист, которому знакомы содержательная сторона задачи и методы структурирования знаний в экспертных системах. Эта область деятельности предполагает наличие навыков в теории познания, информатике и системах, основанных на знаниях. ИНЖЕНЕРИЯ ЗНАНИЙ. Дисциплина, нацеленная на задачу построения экспертных систем; средства и методы, обеспечивающие разработку таких систем. ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА ИНЖЕНЕРИИ ЗНАНИЙ. Символьные языки программирования, ориентированные на создание экспертных систем и систем искусственного интеллекта (например, LISP, SMALLTALK). Языки инженерии знаний, т.е. языки высокого уровня, ориентированные на построение ЭС (например, ПРОЛОГ, KES, LOOPS). Системы программирования, автоматизирующие разработку (проектирование) ЭС (например, KEE, ART, TIMM), их часто называют окружением для разработки систем ИИ, ориентированных на знания. Оболочки ЭС (или пустые ЭС) - ЭС, не содержащие знаний ни о какой проблемной области (например, EMYCIN, ЭКСПЕРТ, ЭКО). ИНТЕЛЛЕКТУАЛЬНАЯ ИНФОРМАЦИОННАЯ СИСТЕМА. Автоматизированная информационная система, снабженная интеллектуальным интерфейсом, позволяющим пользователю делать запросы на естественном или профессионально-ориентированном языке. ИНТЕЛЛЕКТУАЛЬНАЯ ОБУЧАЮЩАЯ СИСТЕМА. Автоматизированная обучающая система, снабженная интеллектуальным интерфейсом, позволяющим обучаемому в процессе обучения вести диалог, отвечать на вопросы и выполнять задания на естественном языке. ИНТЕЛЛЕКТУАЛЬНЫЙ ИНТЕРФЕЙС. Интерфейс, обеспечивающий взаимодействие пользователя с ЭВМ на естественном языке. Интеллектуальный интерфейс, как правило, включает диалоговый процессор, интерпретирующий профессиональный язык пользователя, и планировщик, преобразующий описание задачи в программу ее решения на основе информации, хранящейся в базе знаний. ИНТЕРПРЕТАТОР. Процедура, производящая разбор входного потока данных, преобразование его в исполнимую форму и немедленно его выполняющая. ИНТЕРПРЕТИРУЮЩАЯ СИСТЕМА. Тип системы, основанной на знаниях, применяемых для вывода заключений по наблюдаемым данным. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ (ИИ). Одна из ветвей информатики. Основной проблемой ИИ является разработка методов представления знаний и решения неформализуемых задач. КОГНИТИВНОЕ МОДЕЛИРОВАНИЕ. Область науки, целью которой является разработка теории и моделей человеческого мышления и его функций. КОМПИЛИРУЕМЫЕ ЗНАНИЯ. Знания, полученные от эксперта или из другого источника и организованные в форме, позволяющей включить их в систему, основанную на знаниях. Обычно знания каким-либо образом структурируются, например, путем выделения чанков и установления взаимосвязей между ними. КОМПОНЕТ УПРАВЛЕНИЯ. Процедура вывода или интерпретатор правил, определяющие последовательность применения правил. КОНСУЛЬТАЦИОННЫЙ РЕЖИМ. Один из интерактивных режимов в ЭС, при котором пользователь продвигается к решению задачи, задвая системе вопросы. ЛИСП. Программная среда для решения символьных задач. МЕТА-. Приставка, означающая рефлексивное применение соответствующего понятия. МЕТАЗНАНИЯ. Знания о знаниях. МЕТАСОЗНАНИЕ. Способность размышлять над своим собственным процессом мышления. МЕТАПРАВИЛО. Правило, предписывающее то, как следует использовать правила. МЕТОДЫ РЕШЕНИЯ, СИЛЬНЫЕ И СЛАБЫЕ. Эвристики управления. Слабые методы не зависят от предметной области, а в сильных методах используются знания о предмете, что позволяет достичь большей работоспособности. МЕХАНИЗМ ВЫВОДА. Часть продукционной системы, которая выводит новые факты из имеющихся в базе знаний. МНОЖЕСТВО ПРАВИЛ. Совокупность правил, составляющая модуль эвристического знания. МОДУС ПОНЕНС. Правило вывода вида ЕСЛИ А ТО В. НАСЛЕДОВАНИЕ. Процесс получения объектом значений для своих атрибутов от класса объектов, находящегося выше него в родовидовой иерархии. ОБРАТНАЯ ЦЕПОЧКА РАССУЖДЕНИЙ. Стратегия вывода, при которой вывод производится путем подбора подходящих фактов под имеющееся заключение. ОБЪЕКТ. Элемент системы, основанной на знаниях, который описывается одним или несколькими атрибутами. ПОИСК В ГЛУБИНУ. Стратегия поиска, при которой исследование очередной альтернативы продолжается до тех пор, пока дальнейшее продвижение в глубь дерева решений окажется невозможным. ПОИСК В ШИРИНУ. Стратегия поиска решения, при которой сначала просматриваются все узлы данного уровня, а затем происходит спуск на более детальный уровень пространства альтернатив. ПРАВИЛО. Пара, состоящая из антецедентного условия и консеквентного предложения, которая может быть использована в дедуктивном процессе типа прямой или обратной цепочки рассуждений. ПРЕДСТАВЛЕНИЕ ЗНАНИЙ. Метод структурирования фактов и отношений для включения их в базу знаний. ПРОЛОГ. Язык программирования высокого уровня, предназначенный для разработки программ и систем искусственного интеллекта. Пролог позволяет описать решаемую задачу на точном логическом языке, указывая конечную цель разработки, не уделяя существенного внимания способу ее достижения. Пролог считается языком программирования пятого поколения ЭВМ и применяется для создания ЭС, интеллектуальных информационных систем, интеллектуальных обучающих систем. Свое название получил от сокращения английских слов PROgramming in LOGic. ПРЯМАЯ ЦЕПОЧКА РАССУЖДЕНИЙ. Стратегия вывода, при которой правила применяются к фактам для получения заключений, из них вытекающих. РАЗРЕШЕНИЕ КОНФЛИКТА. В продукционных системах это процесс выбора нужного правила из нескольких путем сопоставления с заданными фактами в рабочей памяти. СИСТЕМА. Множество элементов, находящихся в отношениях и связях друг с другом, которое образует определенную целостность, единство. СИСТЕМЫ, ОСНОВАННЫЕ НА ЗНАНИЯХ. Класс компьютерных программ, использующих для решения задач знания и процедуры вывода. СЛОТ. Признак или описание компоненты некоторого объекта во фрейме. Слоты могут соответствовать внутренне присущим признакам, таким как имя, определения или происхождение, или же представлять такие выведенные атрибуты, как значение, важность, или другие подобные объекты. ФАКТ. Утверждение или посылка, которые являются истинными. Факт может состоять из атрибута и соответствующего значения. ФРЕЙМ. Структура для представления знаний, которая состоит из одного или нескольких атрибутов, описывающих объект. Значение каждого атрибута хранится в слоте, таким образом, фрейм представляет собой множество слотов, связанных с объектом. ЧАНК. Фрагмент знаний, хранимый и используемый как единое целое. ЭВРИСТИЧЕСКИЕ ПРАВИЛА. Неформальные знания, используемые в целях повышения эффективности поиска в данной предметной области. ЭКСПЕРТНАЯ СИСТЕМА. Система программных и аппаратных средств, включающая базу знаний, способная на основании методов искусственного интеллекта и предоставляемых пользователем фактов идентифицировать ситуацию, поставить диагноз, сделать прогноз, сгенерировать решение или дать рекомендацию для выбора действия. ЭС обычно ориентируется на некоторую предметную область и способна получать, накапливать, корректировать знания из этой области, выводить новые знания из уже известных, решать практические задачи на основе этих знаний и объяснять ход решения. Помимо базы знаний, хранящей факты, закономерности и правила, в ЭС входят программы-решатели, реализующие функции планирования, поиска решения задачи, механизма логического вывода из часто неполных и нечетких знаний. Создание ЭС начинается с разработки ее первоначального варианта - прототипа ЭС. Далее следует длительный, многоэтапный процесс испытаний и совершенствования. Для программирования ЭС применяются в основнм языки ЛИСП, ПРОЛОГ, СИ. 8. СТРУКТУРА ПИСЬМЕННОГО ОТЧЕТА ПО ПАРНО-ИНДИВИДУАЛЬНОМУ ЗАДАНИЮ НА РАЗРАБОТКУ ПРОТОТИПА ЭС 8.1. ТИТУЛЬНЫЙ ЛИСТ ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ ГОУ ВПО «Алтайский государственный университет» Кафедра информационных систем в менеджменте ОТЧЕТ по дисциплине «ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ» Выполнил студент ___ группы, 4 курса дневного отделения ____________ Проверил: ________________________________ ________________________________ ________________________________ Работа защищена “ “ ___________ 2007 г. Оценка ________________ Барнаул 2007 8.2. СОДЕРЖАНИЕ РАБОТЫ 1. Введение 2. Постановка задачи 2.1. Описание предметной области 2.2 Назначение системы (цель разработки) 2.3. Основные задачи 3. Разработка системы 3.1. Структура системы 3.2. Представление знаний 3.3. Основные компоненты экспертной системы 3.3.1. Машина вывода (алгоритм принятия решений экспертом, обратная цепочка рассуждений) 3.3.2. Интерфейс пользователя 3.3.3. Система объяснений 3.4. Вспомогательные средства 4. Приложения 4.1. Тексты программ 4.2. Тестовые примеры 5. Литература 9. ПЕРЕЧЕНЬ ПРИМЕРНЫХ ВОПРОСОВ КОМПЬЮТЕРНОГО ТЕСТА 1. Является ли распознавание образов направлением искусственного интеллекта? + Да - Нет 2. Является ли генерация и распознавание речи направлением искусственного интеллекта? + Да - Нет 3. Относятся ли экспертные системы к интеллектуальным информационным системам? + Да - Нет 4. Относятся ли самообучающиеся системы к интеллектуальным информационным системам? + Да - Нет 5. Относятся ли адаптивные системы к интеллектуальным информационным системам? + Да - Нет 6. Какая разновидность экспертных систем основана на интеграции различных источников данных? - Классифицирующие - Трансформирующие + Мультиагентные 7. Для решения каких задач предназначены экспертные системы? + Неформализованных - Формализованных + Стохастических + Детерминированных 8. База знаний является центральным компонентом экспертной системы? + Да - Нет 9. Является ли механизм объяснений компонентом экспертной системы? + Да - Нет 10. Является ли механизм вывода компонентом экспертной системы? + Да - Нет 11. Является ли механизм дообучения компонентом экспертной системы? + Да - Нет 12. Является ли блок предобработки данных компонентом экспертной системы? - Да + Нет 13. Является ли идентификация этапом разработки экспертных систем? + Да - Нет 14. Является ли концептуализация этапом разработки экспертных систем? + Да - Нет 15. Является ли адаптация этапом разработки экспертных систем? + Да - Нет 16. Является ли тестирование этапом разработки экспертных систем? + Да - Нет 17. Является ли обучение этапом разработки экспертных систем? + Да - Нет 18. На чем основана логическая модель представления знаний. - На правилах продукции + На системе исчисления предикатов первого порядка - На фреймах 19. Какое обозначение представляет посылку правила продукции? + Антецедент - Консеквент 20. Какое обозначение представляет заключение правила продукции? - Антецедент + Консеквент 21. Имя фрейма является его атрибутом? + Да - Нет 22. Имя слота является его атрибутом? + Да - Нет 23. Демон является его атрибутом фрейма? + Да - Нет 24. Интеллектуальный интерфейс является атрибутом фрейма? - Да + Нет 25. Сеть является атрибутом фрейма? - Да + Нет 26. Узел является элементом семантической сети? + Да - Нет 27. Дуга является элементом семантической сети? + Да - Нет 28. Является ли стратегией поиска решений в экспертных системах«Поиск в ширину»? + Да - Нет 29. Является ли стратегией поиска решений в экспертных системах «По ключу»? - Да + Нет 30. Является ли стратегией поиска решений в экспертных системах «По индексу»? - Да + Нет 31. Чем определяется значение лингвистической переменной? + Набором вербальных характеристик некоторого свойства. - Набором числовых характеристик некоторого свойства. 32. Относится ли извлечение знаний к стратегии получения знаний? + Да - Нет 33. Относится ли приобретение знаний к стратегии получения знаний? + Да - Нет 34. Относится ли формирование знаний к стратегии получения знаний? + Да - Нет 35. Какие методы относятся к практическому извлечению знаний? + Коммуникативные + Текстологические - Логические + Экспертные 36. Является ли наблюдение пассивным методом извлечения знаний? + Да - Нет 37. Является ли «Мозговой штурм» пассивным методом извлечения знаний? - Да + Нет 38. Является ли интервью активным методом извлечения знаний? + Да - Нет 39. Является ли возможность дообучения приемуществом нейронных сетей? - Да + Нет 40. Является ли отсутствие возможности объяснения результатов решения задачи недостатком нейронных сетей? + Да - Нет 41. Решаются ли задачи оценки при помощи нейронных сетей? + Да - Нет 42. Решаются ли задачи аппроксимации при помощи нейронных сетей? + Да - Нет 43. Решаются ли задачи интегрирования при помощи нейронных сетей? - Да + Нет 44. Решаются ли задачи прогнозирования при помощи нейронных сетей? + Да - Нет 45. Является ли синапс элементом нейрона? + Да - Нет 46. Является ли решатель элементом нейрона? + Да - Нет 47. Какие бывают типы нейронных сетей? + Полносвязные + Многослойные - Замкнутые - Открытые 48. Входит ли в состав нейросетевого интеллектуального блока "Учитель"? - Да + Нет 49. Входит ли в состав нейросетевого интеллектуального блока "Предобработчик"? + Да - Нет 50. Входит ли в состав нейросетевого интеллектуального блока "Экспертная система"? - Да + Нет 51. Является ли суммирование функцией предобработчика нейросетевого блока? + Да - Нет 52. Применяется ли метод обратного распространения ошибки для обучения нейронных сетей? + Да - Нет 53. Применяется ли персептрон Розенблатта для решения задач аппроксимации? - Да + Нет 54. Применяется ли персептрон Розенблатта для решения задач классификации? + Да - Нет 55. Применяется ли карта самоорганизации Кохонена, для решения задач аппроксимации? + Да - Нет 56. Применяется ли карта самоорганизации Кохонена для решения задач классификации? - Да + Нет 57. Гибридные модели представления знаний предназначены - Для решения одного типа задач + Для решения различных типов задач - Для решения задач имитационного моделирования 58. Какой признак относится к классификации экспертных систем: + Доопределяющие + Мультиагентные - Гипертекстовые системы + Когнитивная графика - Компонентные технологии 59. Какие элементы входят в состав экспертной системы? - Нейроимитатор + База знаний + Конструктор - Контрастер - Сумматор 60. Назовите этап разработки экспертной системы. + Тестирование + Концептуализация - Постановка - Обучение + Кодирование + Детализация 61. Из каких частей состоит правило продукции. - Фрейм + Антецедент + Консеквент - Вершина + Атрибут 62. Какой функцией определяется нечеткое множество? - «Сигмоидой» + «Принадлежности» - «Квадратичной» - «Распределения» - «Регрессии» 63. Назовите стратегии поиска решений в экспертных системах? + «Поиск в ширину» - «По ключу» - «По индексу» + «Прямой перебор» + «Стохастический перебор» 64. Назовите методы практического извлечения знаний. + Коммуникативные - Вероятностные + Детерминированные + Текстологические + Экспертные 65. Назовите участника процесса проектирования экспертной системы: + Математик + Программист - Технолог - Конструктор + Когнитолог 66. Что относится к преимуществам нейронных сетей. - Прозрачность + Дообучение - Открытость + Надежность - Точность 67. Назовите элементы математической модели формального нейрона. + Сумматор + Синапс - Множитель - Делитель + Связь 68. Какой компонент входит в состав нейросетевого интеллектуального блока? - Учитель + Синапс + Сумматор - Контрастер - Сеть 69. Назовите метод формирования значений выходных параметров нейросети. - Оптимизация - Экспертный + Статистический - Нелинейного программирования - Наименьших квадратов 70. Назовите метод обучения многослойных нейронных сетей + Центра неопределенности - Симплекс - метод + Обратного распространения ошибки - Наименьших квадратов - Дисперсионный анализ 71. Для решения каких задач предназначены гибридные экспертные системы? - Аналитических + Детерминированных + Стохастических + Неформализованных - Алгебраических 72. Какому термину соответствует определение: "ИС, основанная на знаниях специалиста в конкретной области"? - креативно-ориентированная система + экспертная система - образовательная система - предметная система - нет правильного ответа 73. Какие утверждения, противопоставляющие экспертные и креативно-ориентированные системы, верны? + ЭС предназначена для выбора решения из известных решений, КОС для создания нового решения + ЭС основана на шаблонном использовании знаний, КОС предполагает нешаблонность + ЭС конкретны, КОС универсальны - ЭС предназначена для решения в нестандартных ситуациях, КОС для стандартного решения - ЭС ориентирована на творческие способности человека, КОС основана на шаблонном использовании знаний - ЭС универсальны, КОС конкретны - нет правильного ответа 74. Экспертная система включает в себя: + базу знаний + факты + понятия + правила + механизм принятия решений - подсказки-стимулы - инструменты фиксации идей - инструменты генерирования идей - инструменты комбинирования идей + пользовательский интерфейс - нет правильного ответа 75. База знаний включает в себя: + факты + понятия + правила - механизм принятия решений - подсказки-стимулы - инструменты фиксации идей - инструменты генерирования идей - инструменты комбинирования идей - пользовательский интерфейс - нет правильного ответа 76. В отличие от базы данных, база знаний включает в себя: + правила принятия решений - подсказки-стимулы - инструменты фиксации идей - инструменты генерирования идей - инструменты комбинирования идей - пользовательский интерфейс - нет правильного ответа 77. Какие признаки характеризуют экспертную систему? + адаптивность + работа со знаниями + принцип воспроизводимости компетенции эксперта - креативность - способность давать экспертную оценку в любой области - широкий проблемный диапазон - нет правильного ответа + предназначена для выбора решения из известных решений + узкий проблемный диапазон - универсальность - возможность применения в нестандартных ситуациях - ориентирована на творческие способности человека 78. С помощью какого алгоритма чаще всего реализуется механизм принятия решений? + Если-То-Иначе - Если-Вывод - Если-Нет-Да - Да-Нет-Да - Истина-Ложь-Истина - нет правильного ответа 79. Что относится к преимуществам экспертных систем? - высокая адаптивность - низкие затраты средств на создание и поддержание - возможность использования невербально выраженных знаний - возможность синтеза новых знаний - возможность применения в нестандартных ситуациях - широкий проблемный диапазон + отсутствие эмоциональных факторов при принятии решения + возможность передачи и воспроизведения знаний + низкая стоимость эксплуатации + высокая оперативность при принятии решений - нет правильного ответа 80. Правила принятия решений входят в - базу данных + базу знаний - любую информационную систему + экспертную систему - креативно-ориентированную систему - нет правильного ответа 81. Формальная процедура, которая гарантирует получение оптимального или корректного решения: + алгоритм - процедура вывода - режим приобретения знаний 82. Часть системы, основанной на знаниях, или ЭС, содержащей предметные знания: - база данных + база знаний - программа 83. Часть механизма вывода, которая решает, когда и в каком порядке применять различные "куски" предметных знаний: - решатель + диспетчер - интерпретатор 84. Информация, необходимая программе для того, чтобы эта программа вела себя интеллектуально: - факты - правила + знания 85. Часть механизма вывода, которая решает, каким образом применять предметные знания: + интерпретатор - диспетчер - диалоговый компонент 86. Число, которое означает вероятность или степень уверенности, с которой можно считать данный факт достоверным или справедливым: - коэффициент достоверности - коэффициент справедливости + коэффициент уверенности 87. Та часть ЭС, в которой содержатся общие знания о схеме управления решением задач: + механизм вывода - механизм приобретения знаний - решение задач 88. Предметные знания, знания о предметной области: - факт - знание + правило 89. Метод представления знаний посредством сети узлов, соответствующих концепциям или объектам, связанных дугами, которые описывают отношения - между узлами: - правила - фреймы + семантические сети 90. Метод представления знаний, когда свойства связываются с вершинами, представляющими концепции или объекты: - правила + фреймы - семантические сети 91. Признак или свойство, характеризующие объект: + атрибут - признак - свойство 92. Память для хранения правил, которая содержит набор срабатывающих в определенных ситуациях правил, имеющих форму ЕСЛИ-ТО: - база знаний + база правил - база данных 93. Реально не существующий или воспринимаемый иначе, чем реализован: - вымышленный - нереальный + виртуальный 94. Процедура поиска, в которой в различных точках в ходе решения задачи делается предположительный выбор дальнейшего направления процесса, а если некоторый выбор приводит к неприемлемому результату, то происходит возвращение к предыдущей точке, где делается другой выбор: - выбор + возврат - вывод 95. Процесс рассуждения, во время которого из известных фактов выводятся новые факты: - выбор - возврат + вывод 96. Скрытые или виртуальные процедуры в системах, основанных на знаниях, активизируемые данными: - вампиры - упыри + демоны 97. Тип систем, основанных на знаниях, которые применяются для нахождения причин неполадок в технических системах или заболеваний у человека: + диагностические системы - прогностические системы - проекционные системы 98. Внешняя память компьютера или база правил в системе, основанной на знаниях: - фотографическая память - КЭШ-память + долговременная память 99. Определенная часть знаний о некоторой области: + домен - правила - принципы 100. Отношение подчиненности между понятиями или объектами: - зависимость - подчинение + иерархия 101. Специалист, которому знакомы содержательная сторона задачи и методы структурирования знаний в экспертных системах: + инженер знаний - эксперт - программист 102. Дисциплина, нацеленная на задачу построения экспертных систем; средства и методы, обеспечивающие разработку таких систем: - экспертология + инженерия знаний - методика знания 103. Автоматизированная информационная система, снабженная интеллектуальным интерфейсом, позволяющим пользователю делать запросы на естественном или профессионально-ориентированном языке: + интеллектуальная информационная система - интеллектуальная обучающая система - экспертная система 104. Автоматизированная обучающая система, снабженная интеллектуальным интерфейсом, позволяющим обучаемому в процессе обучения вести диалог, отвечать на вопросы и выполнять задания на естественном языке: - интеллектуальная информационная система + интеллектуальная обучающая система - экспертная система 105. Тип системы, основанной на знаниях, применяемых для вывода заключений по наблюдаемым данным: + интерпретирующая система - интеллектуальная обучающая система - экспертная система 106. Представление знаний, основанное на правилах, построено на использовании выражений вида: + если-то - если-не - если не-то 107. Определяет тип ЭВМ, тип ОС и используемый язык программирования: - среда взаимодействия + среда функционирования - окружающая среда 108. Определяют особенности ИС с точки зрения реализации компонентов ЭС: - основные знания + основные свойства - основные правила 109. Стадия существования ИС по степени отработанности: - начальная - конечная + экспериментальная 110. Стадия существования ИС по степени отработанности: - научная + исследовательская - научно-исследовательская 111. Стадия существования ИС по степени отработанности: - торговая + коммерческая - научная 112. ЭС, не содержащие знаний ни о какой проблемной области: + оболочки ЭС - символьные языки программирования - системы, автоматизирующие разработку ЭС 113. Окружение для разработки систем ИИ, ориентированных на знания: - оболочки ЭС - символьные языки программирования + системы, автоматизирующие разработку ЭС 114. Языки высокого уровня, ориентированные на построение ЭС: + языки инженерии знаний - символьные языки программирования - системы, автоматизирующие разработку ЭС 115. Языки программирования, ориентированные на создание ЭС и систем ИИ: - языки инженерии знаний + символьные языки программирования - системы, автоматизирующие разработку ЭС 116. Определяет вероятные последствия заданных ситуаций: + ЭС, осуществляющие прогноз - ЭС, выполняющие диагностирование - ЭС, выполняющие проектирование 117. Разрабатывают конфигурацию объектов с учетом набора ограничений, присущих проблеме: - ЭС, осуществляющие прогноз - ЭС, выполняющие диагностирование + ЭС, выполняющие проектирование 118. Сравнивают действительное поведение с ожидаемым поведением системы: + ЭС, осуществляющие наблюдение - ЭС, выполняющие отладку - ЭС, выполняющие обучение 119. Находят рецепты для исправления неправильного поведения устройств: - ЭС, осуществляющие наблюдение + ЭС, выполняющие отладку - ЭС, выполняющие обучение 120. Подвергают диагностике, "отладке" и исправлению ("ремонту") поведения обучаемого: - ЭС, осуществляющие наблюдение - ЭС, выполняющие отладку + ЭС, выполняющие обучение
