Скачать 8.02 Mb.
|
СОДЕРЖАНИЕ 2.1. Классический период: игры и доказательство теорем 22 2.1.1. Поиск в пространстве состояний 22 2.1.2. Эвристический поиск 25 2.2. Романтический период: компьютер начинает понимать 27 2.2.1. Система SHRDLU 27 2.2.2. Схемы представления знаний 28 2.3. Период модернизма: технологии и приложения 30 2.3.1. В знании сила 30 2.3.2. Периоды "зимней спячки" и "пробуждения" в истории искусственного интеллекта 32 Рекомендуемая литература 33 Упражнения 33 ГЛАВА 3. Представление знаний 38 3.1. Представление знаний: принципы и методы 38 3.2. Планировщик STRIPS 40 3.2.1. Таблицы операторов и методика "средство -анализ завершения" 40 3.2.2. Анализ метода представления и управления в STRIPS 43 3.3. Формулировка подцелей в MYGIN 44 3.3.1. Лечение заболеваний крови 44 3.3.2. База знаний системы MYCIN 45 3.3.3. Структуры управления в MYCIN 47 3.4. Оценка и сравнение характеристик экспертных систем 49 3.4.1. Оценка системы MYCIN 49 3.4.2. Сравнение MYCIN и STRIPS 50 Рекомендуемая литература 51 Упражнения 51 ГЛАВА 4. Символические вычисления 54 4.1. Символическое представление 54 4.2. Физическая символическая система 55 4.3. Реализация символических структур на языке LISP 56 4.3.1. Структуры данных в языке LISP 56 4.3.2. Структура LISP-программы 57 4.3.3. Приложение функции и лямбда-исчисление 58 4.3.4. Обработка списков 58 4.3.5. Сопоставление с образцом 59 4.4. Почему. LISP не является языком представления знаний 60 4.4.1. Символический уровень и уровень знаний 61 4.4.2. LISP и разработка программ 61 4.5. Языки представления знаний 61 Рекомендуемая литература 62 Упражнения 62 ГЛАВА 5. Системы, основанные на знаниях 64 5.1. Канонические системы 64 5.2. Системы порождающих правил для решения проблем 65 5.2.1. Синтаксис представления правил 65 5.2.2. Рабочая память 67 5.3. Управление функционированием интерпретатора 69 5.3.1. Разрешение конфликтов 70 5.3.2. Прямая и обратная цепочки рассуждений 71 5.3.3. Правила и метаправила 75 Рекомендуемая литература 77 Упражнения 77 ГЛАВА 6. Ассоциативные сети и системы фреймов 80 6.1. Графы, деревья и сети 80 6.2. Ассоциативные сети 82 6.2.1. Разделение видов узлов и когнитивная экономия 83 6.2.2. Анализ адекватности ассоциативных сетей 83 6.3. Представление типовых объектов и ситуаций 85 6.3.1. Основные понятия концепции фреймов 85 6.3.2. Фреймы и графы 85 6.3.3. Значения по умолчанию и демоны 86 6.3.4. Множественное наследование 88 6.3.5. Сравнение сетей и фреймов 90 Рекомендуемая литература 91 Упражнения 91 ГЛАВА 7. Объектно-ориентированное программирование 94 7.1. Язык KRL 94 7.2. Языки LOOPS и FLAVORS 96 7.2.1. Передача сообщений 96 7.2.2. Проблема наложения методов 97 7.2.3. Метаклассы 99 7.3. Языки CLIPS и CLOS 100 7.3.1. Множественное наследование в CLOS и CLIPS 100 7.3.2. Наложение методов в CLOS и CLIPS 101 7.3.3. Метаклассы в CLOS и CLIPS 103 7.4. Множественное наследование в C++ 103 7.5. Объектно-ориентированный анализ и конструирование экспертных систем 107 Рекомендуемая литература 107 Упражнения 107 ГЛАВА 8. Логическое программирование 109 8.1. Формальные языки 109 8.1.1. Исчисление высказываний 109 8.1.2. Исчисление предикатов 110 8.2. Язык PROLOG 112 8.3. Опровержение резолюций 113 8.3.1. Принцип резолюций 113 8.3.2. Поиск доказательства в системе резолюций 114 8.4. Процедурная дедукция в системе PLANNER 116 8.5. PROLOG и MBASE 117 8.5.1. Правила поиска в языке PROLOG 117 8.5.2. Управление поиском в системе MBASE 118 Рекомендуемая литература 120 Упражнения 120 ГЛАВА 9. Представление неопределенности знаний и данных 123 9.1. Источники неопределенности 123 9.2. Экспертные системы и теория вероятностей 124 9.2.1. Условная вероятность 124 9.2.2. Коэффициенты уверенности 126 9.2.3. Коэффициенты уверенности и условные вероятности 127 9.3. Сомнительность и возможность 128 9.3.1. Нечеткие множества 128 9.3.2. Нечеткая логика 129 9.3.3. Теория возможности 130 9.4. Неопределенное состояние проблемы неопределенности 131 Рекомендуемая литература 131 Упражнения 132 ГЛАВА 10. Приобретение знаний 133 10.1. Теоретический анализ процесса приобретения знаний 133 10.1.1. Стадии приобретения знаний 134 10.1.2. Уровни анализа знаний 134 10.1.3. Онтологический анализ 136 10.2. Оболочки экспертных систем 136 10.2.1. Система EMYCIN 137 10.2.2. Сопровождение и редактирование баз знаний с помощью программы TEIRESIAS 137 10.3. Методы приобретения знаний 139 10.3.1. Использование опроса экспертов для извлечения знаний в системе COMPASS 139 10.3.2. Автоматизация процесса извлечения знаний в системе OPAL 141 10.3.3. Графический интерфейс модели предметной области 141 10.3.4. Эффективность программы OPAL 143 10.4. Приобретение новых знаний на основе существующих 144 Рекомендуемая литература 144 Упражнения 144 ГЛАВА 11. Эвристическая классификация (I) 151 11.1. Классификация задач экспертных систем 151 11.2. Классификация методов решения проблем 153 11.2.1. Эвристическое сопоставление 153 11.2.2. Общность эвристической классификации 155 11.3. Классификация или конструирование? 157 Рекомендуемая литература 158 Упражнения 158 ГЛАВА 12. Эвристическая классификация (II) 164 12.1. Инструментальные средства и задачи, решаемые экспертной системой 164 12.2. Эвристическая классификация в системах MUD и MORE 165 12.2.1. Модель предметной области выполнения буровых работ 165 12.2.2. Стратегии приобретения знаний 169 12.2.3. Использование коэффициентов уверенности в программе MORE 171 12.2.4. Опыт эксплуатации системы MORE 172 12.3. Совершенствование стратегий 173 12.3.1. Уроки проекта GUIDON 173 12.3.2. Структура задач в системе NEOMYCIN 174 Рекомендуемая литература 175 Упражнения 175 ГЛАВА 13. Иерархическое построение и проверка гипотез 178 13.1. Влияние сложности пространства гипотез на организацию работы системы 178 13.1. Обход дерева 179 13.2. Структурированные объекты в CENTAUR 180 13.2.1. Структура фреймов в CENTAUR 180 13.2.2. Правила, включенные в прототипы 181 13.3. Формирование суждений на базе модели в системе INTERNIST 181 13.3.1. Представление знаний в дереве заболеваний 182 13.3.2. Методика выделения правдоподобных гипотез в INTERNIST 183 13.3.3. Проблемы, обнаруженные в процессе эксплуатации системы INTERNIST 185 13.4. Рабочая среда инженерии знаний TDE 185 Рекомендуемая литература 187 Упражнения 187 ГЛАВА 14. Решение проблем конструирования (I) 190 14.1. Области применения методов конструктивного решения проблем 190 14.2. Система R1/XCON 191 14.2.1. Компоненты и ограничения 191 14.2.2. Использование текущего контекста для управления структурой задачи 192 14.2.3. Формирование суждений с учетом ограничений: метод Match 195 14.3. Использование знаний, развитие и расширение системы XCON 196 14.3.1. Извлечение знаний в системе R1/XCON 196 14.3.2. Совершенствование и расширение системы R1/XCON 198 Рекомендуемая литература 199 Упражнения 199 ГЛАВА 15. Решение проблем конструирования (II) 201 15.1. Стратегии конструирования 201 15.2. Архитектура систем планирования и метапланирования 202 15.3. Извлечение, представление и применение знаний о проектировании 208 15.3.1. Реализация обратного прослеживания в системе VT 208 15.3.2. Приобретение знаний с помощью системы SALT 210 15.4. Итоги анализа систем решения проблем конструирования 211 Рекомендуемая литература 212 Упражнения 212 ГЛАВА 16. Средства формирования пояснений 215 16.1. Формирование пояснений на основе знаний 215 16.1.1. Подсистема формирования пояснений в MYCIN 216 16.1.2. Формирование пояснений в системах, производных от MYCIN 217 16.1.3. Формирование пояснений на основе фреймов 218 16.1.4. Организация вывода пояснений в системе CENTAUR 218 16.1.5. Использование мультимедийного интерфейса для формирования пояснений 223 16.2. Формирование пояснений и автоматическое программирование 224 16.2.1. Автоматическое программирование в системе XPLAN 224 16.2.2. Проект Explainable Expert Systems 225 16.2.3. Планирование текстов пояснений и модели пользователей в PEA 227 16.3. Перспективы дальнейших исследований методов формирования пояснений 228 Рекомендуемая литература 229 Упражнения 229 ГЛАВА 17. Инструментальные средства разработки экспертных систем 233 17.1. Общая характеристика инструментальных средств для построения экспертных систем 233 17.2. Оболочки экспертных систем 234 17.3. Языки программирования высокого уровня 236 17.3.1. Языки описания порождающих правил 236 17.3.2. Объектно-ориентированные языки 237 17.3.3. Языки логического программирования экспертных систем 237 17.3.4. Многофункциональные программные среды 238 17.3.5. Дополнительные модули 239 17.4. Использование инструментальных средств 241 17.4.1. Характерные сложности и способы их избежать 242 17.4.2. Выбор подходящего инструментария для разработки экспертной системы 242 17.4.3. Практическое освоение инструментальных средств 244 17.4.4. Стиль программирования 246 17.5. Некоторые максимы разработки экспертных систем 246 Рекомендуемая литература 247 Упражнения 247 ГЛАВА 18. Системы с доской объявлений 249 18.1. Принципы организации систем с доской объявлений 249 18.2. Системы HEARSAY, AGE и ОРМ 250 18.2.1. Почему для HEARSAY-II выбрана такая архитектура 250 18.2.2. Использование источников знаний в HEARSAY-II 251 18.2.3. Система HEARSAY-III— оболочка для создания систем с доской объявлений 252 18.2.4. Инструментальные среды AGE и ОРМ 253 18.3. Среда с доской объявлений ВВ 254 18.3.1. Уровни абстракции в среде ВВ 254 18.3.2. Системы ВВ1 и ACCORD 254 18.3.3. Система PROTEAN 255 18.3.4. Интеграция стратегий логического вывода 255 18.3.5. Общая характеристика ВВ 256 18.4. Эффективность и гибкость модели с доской объявлений 256 18.4.1. Организация доски объявлений в системе GBB 256 18.4.2. Компоновка доски объявлений в среде ERASMUS 257 18.5. Организация параллельных вычислений в системах CAGE и POLIGON 258 Рекомендуемая литература 259 Упражнения 259 ГЛАВА 19. Система отслеживания истинности предположений 260 19.1. Отслеживание зависимостей 260 19.1.1. Релаксация в сети 260 19.1.2. Пересмотр допущений 261 19.2. Пересмотр теорий высказываний 263 19.3. Немонотонное обоснование 264 19.4. Работа со множеством контекстов 266 19.4.1. Отслеживание истинности предположений, основанное на анализе допущений 266 19.4.2. Использование систем отслеживания истинности предположений для диагностирования на основе моделей 269 19.5. Сравнение различных вариантов организации систем отслеживания истинности предположений 271 Рекомендуемая литература 271 Упражнения 271 ГЛАВА 20. Формирование знаний на основе машинного обучения 273 20.1. Индуктивное обучение 273 20.2. Система Meta-DENDRAL 275 20.2.1. Формирование и уточнение правил 276 20.2.2. Пространство версий 277 20.2.3. Алгоритм отсеивания кандидатов 278 20.2.4. Сопоставление экземпляров с образцами в Meta-DENDRAL 279 20.3. Построение дерева решений и порождающих правил 280 20.3.1. Структура дерева решений 280 20.3.2. Алгоритм формирования дерева решений по обучающей выборке 282 20.4. Уточнение наборов правил 285 Рекомендуемая литература 286 Упражнения 287 ГЛАВА 21. Сети доверия 288 21.1. Теория Демпстера—Шефера 288 21.1.1. Функции доверия 288 21.1.2. Применение теории Демпстера—Шефера к системе MYCIN 289 21.2. Методика Перла 290 21.3. Сравнение методов неточных рассуждений 292 21.4. Резюме 293 Рекомендуемая литература 293 Упражнения 294 ГЛАВА 22. Рассуждения, основанные на прецедентах 295 22.1. База прецедентов 296 22.1.1. Программа CHEF 296 22.1.2. Методы извлечения и адаптации прецедентов 297 22.2. Обучение с помощью компьютера: система САТО 298 22.2.1. Предметная область программы САТО 298 22.2.2. Расследования и рассуждения в юриспруденции 299 22.2.3. Обучение с помощью системы САТО 299 22.3. Формирование отчетов в системе FRANK 301 22.4. Сравнение систем, основанных на правилах и прецедентах 303 Рекомендуемая литература 303 ГЛАВА 23. Гибридные системы 304 23.1. Методы обучения в системе ODYSSEUS 304 23.2. Системы ODYSSEUS и MINERVA 306 23.2.1. Оболочка экспертной системы MINERVA 306 23.2.2. Обучение в системе ODYSSEUS 307 23.3. Использование прецедентов для обработки исключений 308 23.4. Гибридный символический подход и нейронные сети 309 23.4.1. Нейронные сети 309 23.4.2. SCALIR — гибридная система для извлечения правовой информации 312 23.4.3. Организация обучения в системе SCALIR 314 23.5. Будущее гибридных систем 314 Рекомендуемая литература 315 Упражнения 315 ГЛАВА 24. Заключение 317 24.1. Загадка искусственного интеллекта 317 24.2. Представление знаний 318 24.3. Языки программирования систем искусственного интеллекта 319 24.4. Решение практических проблем 320 24.5. Архитектура экспертных систем 321 Рекомендуемая литература 321 Литература 323 Введение При подготовке третьего издания книги Введение в экспертные системы автор старался прежде всего учесть интересы и пожелания читателей четырех основных категорий: |
Обзор исследований в области искусственного интеллекта Обзор исследований в области искусственного интеллекта глава представление знаний |
«История развития искусственного интеллекта» 12 Тест по теме «Направления и подходы исследований в области искусственного интеллекта» 21 |
||
Программа Форума-выставки «госзаказ: за цифровые закупки» Дискуссия по фз-44 «20 лет закупкам в России: фундамент для искусственного интеллекта создан» |
Положение об открытом университетском конкурсе компьютерных программ реализации логических игр Конкурс логических игр проводится Петрозаводским государственным университетом в целях создания организационных условий для раскрытия... |
||
Образовательная программа дополнительного образования детей «Робототехника» Робототехника является одним из важнейших направлений научно- технического прогресса, в котором проблемы механики и новых технологий... |
Актуальные проблемы современной когнитивной науки Материалы шестой... Ивановское региональное отделение Научного совета по методологии искусственного интеллекта ран |
||
Методика проведения исследования 3 Мировой рынок ии: ключевые тренды... Целью настоящего исследования было определить актуальный уровень осведомленности о технологиях машинного обучения и искусственного... |
Инструкция по подготовке статей на конференцию кии-2010 В работе описываются правила оформления статей на конференцию Российской Ассоциации Искусственного Интеллекта. Инструкция представляет... |
||
М. А. Холодная Психология интеллекта: парадоксы исследования Существует ли интеллект как психическая реальность? (причины кризиса тестологических теорий интеллекта) |
Центром Азиатских Правовых Исследований Китайское Юридическое Общество совместно с Центром Азиатских Правовых Исследований Московского Государственного Университета имени... |
||
Институт ядерных исследований учёный совет Институт ядерных исследований Российской академии наук образован в 1970 году для создания экспериментальной базы и проведения фундаментальных... |
Здравоохранения воронежской области приказ ... |
||
Препарат гиалуроновой кислоты (500-730 кда) в лечении остеоартрита:... Целью настоящей работы является обзор внутрисуставной терапии остеоартрита (ОА) коленного сустава препаратом гиалуроновой кислоты... |
Марка Сергеева государственные и муниципальные библиотеки иркутской... Г 72 ежегод аналит обзор / Иркут обл гос универс науч б-ка им. И. И. Молчанова-Сибирского |
||
Словом можно убить, Словом можно спасти, Словом можно полки За собой... Рик Бриггс назвал санскрит идеально пригодным языком для изучения проблем искусственного интеллекта: не утратив своей выразительности,... |
«Кормление тяжелобольных. Виды искусственного питания» ... |
Поиск |