Обзор исследований в области искусственного интеллекта




НазваниеОбзор исследований в области искусственного интеллекта
страница1/123
Дата публикации16.06.2014
Размер8.02 Mb.
ТипДокументы
literature-edu.ru > Информатика > Документы
  1   2   3   4   5   6   7   8   9   ...   123




СОДЕРЖАНИЕ

2.1. Классический период: игры и доказательство теорем 24

2.1.1. Поиск в пространстве состояний 24

2.1.2. Эвристический поиск 28

2.2. Романтический период: компьютер начинает понимать 30

2.2.1. Система SHRDLU 30

2.2.2. Схемы представления знаний 32

2.3. Период модернизма: технологии и приложения 34

2.3.1. В знании сила 34

2.3.2. Периоды "зимней спячки" и "пробуждения" в истории искусственного интеллекта 36

Рекомендуемая литература 37

Упражнения 37

ГЛАВА 3. Представление знаний 43

3.1. Представление знаний: принципы и методы 43

3.2. Планировщик STRIPS 45

3.2.1. Таблицы операторов и методика "средство -анализ завершения" 46

3.2.2. Анализ метода представления и управления в STRIPS 48

3.3. Формулировка подцелей в MYGIN 49

3.3.1. Лечение заболеваний крови 50

3.3.2. База знаний системы MYCIN 51

3.3.3. Структуры управления в MYCIN 53

3.4. Оценка и сравнение характеристик экспертных систем 55

3.4.1. Оценка системы MYCIN 55

3.4.2. Сравнение MYCIN и STRIPS 57

Рекомендуемая литература 58

Упражнения 58

ГЛАВА 4. Символические вычисления 61

4.1. Символическое представление 62

4.2. Физическая символическая система 62

4.3. Реализация символических структур на языке LISP 63

4.3.1. Структуры данных в языке LISP 63

4.3.2. Структура LISP-программы 64

4.3.3. Приложение функции и лямбда-исчисление 65

4.3.4. Обработка списков 66

4.3.5. Сопоставление с образцом 67

4.4. Почему. LISP не является языком представления знаний 68

4.4.1. Символический уровень и уровень знаний 69

4.4.2. LISP и разработка программ 69

4.5. Языки представления знаний 69

Рекомендуемая литература 70

Упражнения 71

ГЛАВА 5. Системы, основанные на знаниях 72

5.1. Канонические системы 72

5.2. Системы порождающих правил для решения проблем 73

5.2.1. Синтаксис представления правил 73

5.2.2. Рабочая память 75

5.3. Управление функционированием интерпретатора 78

5.3.1. Разрешение конфликтов 78

5.3.2. Прямая и обратная цепочки рассуждений 80

5.3.3. Правила и метаправила 84

Рекомендуемая литература 86

Упражнения 86

ГЛАВА 6. Ассоциативные сети и системы фреймов 89

6.1. Графы, деревья и сети 89

6.2. Ассоциативные сети 92

6.2.1. Разделение видов узлов и когнитивная экономия 92

6.2.2. Анализ адекватности ассоциативных сетей 93

6.3. Представление типовых объектов и ситуаций 94

6.3.1. Основные понятия концепции фреймов 94

6.3.2. Фреймы и графы 95

6.3.3. Значения по умолчанию и демоны 96

6.3.4. Множественное наследование 98

6.3.5. Сравнение сетей и фреймов 101

Рекомендуемая литература 101

Упражнения 101

ГЛАВА 7. Объектно-ориентированное программирование 105

7.1. Язык KRL 105

7.2. Языки LOOPS и FLAVORS 107

7.2.1. Передача сообщений 107

7.2.2. Проблема наложения методов 109

7.2.3. Метаклассы 110

7.3. Языки CLIPS и CLOS 112

7.3.1. Множественное наследование в CLOS и CLIPS 112

7.3.2. Наложение методов в CLOS и CLIPS 113

7.3.3. Метаклассы в CLOS и CLIPS 115

7.4. Множественное наследование в C++ 116

7.5. Объектно-ориентированный анализ и конструирование экспертных систем 119

Рекомендуемая литература 120

Упражнения 120

ГЛАВА 8. Логическое программирование 122

8.1. Формальные языки 122

8.1.1. Исчисление высказываний 122

8.1.2. Исчисление предикатов 123

8.2. Язык PROLOG 125

8.3. Опровержение резолюций 126

8.3.1. Принцип резолюций 126

8.3.2. Поиск доказательства в системе резолюций 127

8.4. Процедурная дедукция в системе PLANNER 130

8.5. PROLOG и MBASE 131

8.5.1. Правила поиска в языке PROLOG 131

8.5.2. Управление поиском в системе MBASE 132

Рекомендуемая литература 134

Упражнения 135

ГЛАВА 9. Представление неопределенности знаний и данных 137

9.1. Источники неопределенности 137

9.2. Экспертные системы и теория вероятностей 138

9.2.1. Условная вероятность 138

9.2.2. Коэффициенты уверенности 140

9.2.3. Коэффициенты уверенности и условные вероятности 141

9.3. Сомнительность и возможность 143

9.3.1. Нечеткие множества 143

9.3.2. Нечеткая логика 145

9.3.3. Теория возможности 146

9.4. Неопределенное состояние проблемы неопределенности 146

Рекомендуемая литература 147

Упражнения 147

ГЛАВА 10. Приобретение знаний 149

10.1. Теоретический анализ процесса приобретения знаний 149

10.1.1. Стадии приобретения знаний 150

10.1.2. Уровни анализа знаний 150

10.1.3. Онтологический анализ 153

10.2. Оболочки экспертных систем 153

10.2.1. Система EMYCIN 153

10.2.2. Сопровождение и редактирование баз знаний с помощью программы TEIRESIAS 154

10.3. Методы приобретения знаний 156

10.3.1. Использование опроса экспертов для извлечения знаний в системе COMPASS 156

10.3.2. Автоматизация процесса извлечения знаний в системе OPAL 158

10.3.3. Графический интерфейс модели предметной области 158

10.3.4. Эффективность программы OPAL 161

10.4. Приобретение новых знаний на основе существующих 162

Рекомендуемая литература 162

Упражнения 163

ГЛАВА 11. Эвристическая классификация (I) 169

11.1. Классификация задач экспертных систем 170

11.2. Классификация методов решения проблем 172

11.2.1. Эвристическое сопоставление 172

11.2.2. Общность эвристической классификации 173

11.3. Классификация или конструирование? 177

Рекомендуемая литература 178

Упражнения 178

ГЛАВА 12. Эвристическая классификация (II) 184

12.1. Инструментальные средства и задачи, решаемые экспертной системой 184

12.2. Эвристическая классификация в системах MUD и MORE 185

12.2.1. Модель предметной области выполнения буровых работ 185

12.2.2. Стратегии приобретения знаний 189

12.2.3. Использование коэффициентов уверенности в программе MORE 191

12.2.4. Опыт эксплуатации системы MORE 193

12.3. Совершенствование стратегий 194

12.3.1. Уроки проекта GUIDON 194

12.3.2. Структура задач в системе NEOMYCIN 195

Рекомендуемая литература 197

Упражнения 197

ГЛАВА 13. Иерархическое построение и проверка гипотез 200

13.1. Влияние сложности пространства гипотез на организацию работы системы 200

13.1. Обход дерева 202

13.2. Структурированные объекты в CENTAUR 202

13.2.1. Структура фреймов в CENTAUR 202

13.2.2. Правила, включенные в прототипы 203

13.3. Формирование суждений на базе модели в системе INTERNIST 204

13.3.1. Представление знаний в дереве заболеваний 204

13.3.2. Методика выделения правдоподобных гипотез в INTERNIST 206

13.3.3. Проблемы, обнаруженные в процессе эксплуатации системы INTERNIST 208

13.4. Рабочая среда инженерии знаний TDE 209

Рекомендуемая литература 210

Упражнения 211

ГЛАВА 14. Решение проблем конструирования (I) 213

14.1. Области применения методов конструктивного решения проблем 213

14.2. Система R1/XCON 214

14.2.1. Компоненты и ограничения 215

14.2.2. Использование текущего контекста для управления структурой задачи 216

14.2.3. Формирование суждений с учетом ограничений: метод Match 218

14.3. Использование знаний, развитие и расширение системы XCON 220

14.3.1. Извлечение знаний в системе R1/XCON 220

14.3.2. Совершенствование и расширение системы R1/XCON 222

Рекомендуемая литература 224

Упражнения 224

ГЛАВА 15. Решение проблем конструирования (II) 226

15.1. Стратегии конструирования 226

15.2. Архитектура систем планирования и метапланирования 228

15.3. Извлечение, представление и применение знаний о проектировании 234

15.3.1. Реализация обратного прослеживания в системе VT 234

15.3.2. Приобретение знаний с помощью системы SALT 236

15.4. Итоги анализа систем решения проблем конструирования 237

Рекомендуемая литература 239

Упражнения 239

ГЛАВА 16. Средства формирования пояснений 242

16.1. Формирование пояснений на основе знаний 242

16.1.1. Подсистема формирования пояснений в MYCIN 243

16.1.2. Формирование пояснений в системах, производных от MYCIN 244

16.1.3. Формирование пояснений на основе фреймов 246

16.1.4. Организация вывода пояснений в системе CENTAUR 246

16.1.5. Использование мультимедийного интерфейса для формирования пояснений 251

16.2. Формирование пояснений и автоматическое программирование 253

16.2.1. Автоматическое программирование в системе XPLAN 253

16.2.2. Проект Explainable Expert Systems 254

16.2.3. Планирование текстов пояснений и модели пользователей в PEA 257

16.3. Перспективы дальнейших исследований методов формирования пояснений 258

Рекомендуемая литература 259

Упражнения 259

ГЛАВА 17. Инструментальные средства разработки экспертных систем 263

17.1. Общая характеристика инструментальных средств для построения экспертных систем 263

17.2. Оболочки экспертных систем 264

17.3. Языки программирования высокого уровня 266

17.3.1. Языки описания порождающих правил 266

17.3.2. Объектно-ориентированные языки 267

17.3.3. Языки логического программирования экспертных систем 268

17.3.4. Многофункциональные программные среды 269

17.3.5. Дополнительные модули 271

17.4. Использование инструментальных средств 273

17.4.1. Характерные сложности и способы их избежать 273

17.4.2. Выбор подходящего инструментария для разработки экспертной системы 274

17.4.3. Практическое освоение инструментальных средств 276

17.4.4. Стиль программирования 278

17.5. Некоторые максимы разработки экспертных систем 278

Рекомендуемая литература 280

Упражнения 280

ГЛАВА 18. Системы с доской объявлений 282

18.1. Принципы организации систем с доской объявлений 282

18.2. Системы HEARSAY, AGE и ОРМ 283

18.2.1. Почему для HEARSAY-II выбрана такая архитектура 284

18.2.2. Использование источников знаний в HEARSAY-II 284

18.2.3. Система HEARSAY-III— оболочка для создания систем с доской объявлений 285

18.2.4. Инструментальные среды AGE и ОРМ 286

18.3. Среда с доской объявлений ВВ 288

18.3.1. Уровни абстракции в среде ВВ 288

18.3.2. Системы ВВ1 и ACCORD 288

18.3.3. Система PROTEAN 289

18.3.4. Интеграция стратегий логического вывода 289

18.3.5. Общая характеристика ВВ 290

18.4. Эффективность и гибкость модели с доской объявлений 290

18.4.1. Организация доски объявлений в системе GBB 290

18.4.2. Компоновка доски объявлений в среде ERASMUS 291

18.5. Организация параллельных вычислений в системах CAGE и POLIGON 292

Рекомендуемая литература 293

Упражнения 294

ГЛАВА 19. Система отслеживания истинности предположений 295

19.1. Отслеживание зависимостей 295

19.1.1. Релаксация в сети 295

19.1.2. Пересмотр допущений 297

19.2. Пересмотр теорий высказываний 298

19.3. Немонотонное обоснование 299

19.4. Работа со множеством контекстов 302

19.4.1. Отслеживание истинности предположений, основанное на анализе допущений 302

19.4.2. Использование систем отслеживания истинности предположений для диагностирования на основе моделей 305

19.5. Сравнение различных вариантов организации систем отслеживания истинности предположений 308

Рекомендуемая литература 308

Упражнения 308

ГЛАВА 20. Формирование знаний на основе машинного обучения 310

20.1. Индуктивное обучение 311

20.2. Система Meta-DENDRAL 312

20.2.1. Формирование и уточнение правил 313

20.2.2. Пространство версий 315

20.2.3. Алгоритм отсеивания кандидатов 316

20.2.4. Сопоставление экземпляров с образцами в Meta-DENDRAL 317

20.3. Построение дерева решений и порождающих правил 318

20.3.1. Структура дерева решений 318

20.3.2. Алгоритм формирования дерева решений по обучающей выборке 320

20.4. Уточнение наборов правил 324

Рекомендуемая литература 325

Упражнения 326

ГЛАВА 21. Сети доверия 327

21.1. Теория Демпстера—Шефера 327

21.1.1. Функции доверия 327

21.1.2. Применение теории Демпстера—Шефера к системе MYCIN 328

21.2. Методика Перла 330

21.3. Сравнение методов неточных рассуждений 332

21.4. Резюме 333

Рекомендуемая литература 333

Упражнения 333

ГЛАВА 22. Рассуждения, основанные на прецедентах 335

22.1. База прецедентов 336

22.1.1. Программа CHEF 336

22.1.2. Методы извлечения и адаптации прецедентов 337

22.2. Обучение с помощью компьютера: система САТО 339

22.2.1. Предметная область программы САТО 339

22.2.2. Расследования и рассуждения в юриспруденции 339

22.2.3. Обучение с помощью системы САТО 340

22.3. Формирование отчетов в системе FRANK 342

22.4. Сравнение систем, основанных на правилах и прецедентах 344

Рекомендуемая литература 344

ГЛАВА 23. Гибридные системы 346

23.1. Методы обучения в системе ODYSSEUS 346

23.2. Системы ODYSSEUS и MINERVA 348

23.2.1. Оболочка экспертной системы MINERVA 349

23.2.2. Обучение в системе ODYSSEUS 349

23.3. Использование прецедентов для обработки исключений 350

23.4. Гибридный символический подход и нейронные сети 352

23.4.1. Нейронные сети 352

23.4.2. SCALIR — гибридная система для извлечения правовой информации 355

23.4.3. Организация обучения в системе SCALIR 358

23.5. Будущее гибридных систем 358

Рекомендуемая литература 359

Упражнения 359

ГЛАВА 24. Заключение 361

24.1. Загадка искусственного интеллекта 361

24.2. Представление знаний 362

24.3. Языки программирования систем искусственного интеллекта 363

24.4. Решение практических проблем 364

24.5. Архитектура экспертных систем 365

Рекомендуемая литература 366

Литература 367

Введение

При подготовке третьего издания книги Введение в экспертные системы автор старался прежде всего учесть интересы и пожелания читателей четырех основных категорий:
  1   2   3   4   5   6   7   8   9   ...   123

Добавить документ в свой блог или на сайт

Похожие:

Обзор исследований в области искусственного интеллекта iconРеферат в данном проекте произведена попытка автоматизировать процесс...
Полученное таким образом решение на данный момент не имеет аналогов в нашем университете по дисциплине «Системы искусственного интеллекта»....

Обзор исследований в области искусственного интеллекта iconВ настоящий момент в создании искусственного интеллекта (в первоначальном...
Целью этой работы является рассмотрение алгоритмов поиска пути, провести обзор и анализ области применения, в каких целях используются...

Обзор исследований в области искусственного интеллекта icon«Целостный мир viii» 2014 Секция №1 «В царстве линий, формул и файлов»
Моделирование поведения искусственного интеллекта в редакторе уровней на примере двумерной игры

Обзор исследований в области искусственного интеллекта iconРабочая программа дисциплины основы искусственного интеллекта
Программа составлена в соответствии с Государственным образовательным стандартом высшего профессионального образования по педагогическим...

Обзор исследований в области искусственного интеллекта iconРечь в данной работе пойдет о так называемом "геделевском аргументе",...
Заметим, что "геделевский аргумент"в настоящее время поддерживается рядом известных авторов (Дж. Лукас (1), Р. Пенроуз (2,3 ) и др.)...

Обзор исследований в области искусственного интеллекта iconДиагностика интеллекта методом рисуночного теста
Количественная оценка интеллекта в системе психолого-педагогической диагностики 3

Обзор исследований в области искусственного интеллекта iconМонография написана на основе обширного исторического и богословского...
В монографии на основании последних исследований в области истории и археологии проведено исследование библейской книги пророка Захарии...

Обзор исследований в области искусственного интеллекта iconНаучный отчет Содержание. Аналитический обзор результатов экспериментальных...
Теоретическая концепция профилактики девиантного поведения и реабилитации учащихся школы

Обзор исследований в области искусственного интеллекта iconХрестоматия по вниманию
Хрестоматия позволяет составить представление как об истории, так и о современном состоянии проблем и исследований в области психологии...

Обзор исследований в области искусственного интеллекта iconОбзор средств массовой информации
Суд намерен выпустить под залог бывшего замминистра строительства и жкх омской области, подозреваемого во взяточничестве 7

Литература


При копировании материала укажите ссылку © 2015
контакты
literature-edu.ru
Поиск на сайте

Главная страница  Литература  Доклады  Рефераты  Курсовая работа  Лекции