Главная Обратная связь Поможем написать вашу работу!

Дисциплины:

Архитектура (936)
Биология (6393)
География (744)
История (25)
Компьютеры (1497)
Кулинария (2184)
Культура (3938)
Литература (5778)
Математика (5918)
Медицина (9278)
Механика (2776)
Образование (13883)
Политика (26404)
Правоведение (321)
Психология (56518)
Религия (1833)
Социология (23400)
Спорт (2350)
Строительство (17942)
Технология (5741)
Транспорт (14634)
Физика (1043)
Философия (440)
Финансы (17336)
Химия (4931)
Экология (6055)
Экономика (9200)
Электроника (7621)






Краткие теоретические сведения



Содержание

     
Список сокращений……………………………………………………
Введение………………………………………………………………..
Лабораторная работа № 1. Изучение методики разработки баз знаний экспертных систем в пакете ReSolver...............................  
1. Цель работы……………………………………..…………………...
2. Краткие теоретические сведения……………......……….…..…….
3. Методика разработки базы знаний с применением программных средств экспертной системы ReSolver..………………………………  
4. Задание на лабораторную работу, требования к содержанию отчета…………………………………………………………………...  
5. Контрольные вопросы…………………...…....……..……………...
Лабораторная работа № 2. Разработка базы знаний с помощью построения деревьев решений……………………...…..  
1. Цель работы………………………………………………………….
2. Краткие теоретические сведения………….………………..…...…
3. Построение деревьев решений в системе See5……………………
3.1 Описание системы See5........……………………………………...
3.2 Построение дерева решений в системе See5……………………..
4. Задание лабораторную работу, требования к содержанию отчета…………………………………………………………………...  
5. Контрольные вопросы……………………………………..………..
Лабораторная работа №3. Разработка базы знаний для системы нечеткого логического вывода в среде Matlab..............  
1. Цель работы……………………………………………………….....
2. Краткие теоретические сведения…………...……………………...
3. Разработка системы нечеткого логического вывода в среде Matlab.......................................................................................................  
3.1 Описание пакета Fuzzy Logic Toolbox………………..........…......
3.2 Синтез системы нечеткого логического вывода в среде Matlab.......................................................................................................  
4. Задание на лабораторную работу, требования к содержанию отчета......................................................................................................  
5. Контрольные вопросы…………………...………………………...

 



Лабораторная работа №4. Нейро-нечеткое моделирование в среде Matlab………………………………………………………...  
1. Цель работы………………………………………………………..
2. Краткие теоретические сведения…………………………………
3. Разработка нейро-нечеткой модели в среде Matlab......................
3.1 Описание ANFIS-редактора……………………………………..
3.2 Синтез нейро-нечеткой сети в среде Matlab................................
4. Задание на лабораторную работу, требования к содержанию отчета.....................................................................................................  
5. Контрольные вопросы……………………………………………..
Список литературы…………………………………………………...
Приложение 1. Назначение параметров и команд FIS-редактора среды Matlab…………………………………………………………..  
Приложение 2. Назначение параметров и команд ANFIS-редактора среды Matlab……………………………………...  

Список сокращений

БЗ – база знаний

ДР – дерево решений

ИИС – интеллектуальная информационная система

ННС – нейро-нечеткая сеть

СНЛВ – система нечеткого логического вывода



ФП – функция принадлежности

ЭС – экспертная система


Введение

 

Интеллектуальные информационные системы успешно применяются для решения практических задач в таких областях, как управление технологическими процессами, финансовый менеджмент, медицинская и техническая диагностика, биржевое прогнозирование, распознавание образов и других. Эффективное функционирование интеллектуальной системы в основном зависит от полноты и точности представления знаний в базе знаний. В лабораторном практикуме рассмотрены методики разработки баз знаний интеллектуальных информационных систем для различных моделей представления знаний, алгоритмы обнаружения знаний в данных на основе построения деревьев решений, а также принципы функционирования и обучения нейро-нечеткой сети в составе системы нечеткого вывода.

Базы знаний разрабатываются с применением инструментальных средств разработки интеллектуальных систем: оболочка экспертных систем ReSolver, система обнаружения знаний в данных и построения деревьев решений See5, программная среда Matlab с подсистемой Fuzzy Logic Toolbox.

Лабораторный практикум содержат порядок выполнения работ, контрольные вопросы и список литературы и предназначен для студентов старших курсов специальностей 220501 – Управление качеством, 351400 – Прикладная информатика (в экономике) и 080107 – Налоги и налогообложение.


Лабораторная работа № 1

ИЗУЧЕние методики разработки баз знаний экспертных систем в пакете ReSolver

Цель работы

 

Целью работы является изучение методики разработки баз знаний экспертных систем (ЭС) в заданной предметной области с применением оболочки экспертной системы ReSolver.

 

Краткие теоретические сведения

 



Процесс проектирования базы знаний (БЗ) экспертных систем и алгоритмов поиска решений состоит в выборе формальных моделей представления знаний, построении структуры БЗ, создании процедур для решения задач наполнения базы знаний, разработке алгоритмов поиска нужных знаний, обучении системы новым знаниям.

Экспертные системы– это системы, основанные на знании, целью функционирования которых является формирование рекомендаций по решению проблем, интересующих пользователя, на основе накопленных знаний и опыта в конкретной предметной области [2,3].

Экспертная система включает следующие компоненты: база знаний, механизм логического вывода, интерфейс пользователя, компонент объяснения рекомендаций, компонент обучения, интеллектуальный редактор базы знаний (рис 1.1).

База знаний – совокупность знаний о предметной области, организованная в соответствии с принятой моделью представления знаний [2].

Алгоритм обработки знаний для решения проблем называется механизмом логического вывода и определяется моделью представления знаний. Механизм логического вывода активно использует информацию, содержащуюся в базе знаний, для поиска правил и формирования рекомендаций по принятию решений, в форме советов или команд управления.

 

 

Рис. 1.1. Обобщенная структурная схема ЭС

Для общения с экспертной системой создается интерфейс пользователя, обеспечивающий пользователю возможность в диалоге формулировать запросы к ЭС и вводить исходные данные по интересующей пользователя проблеме, а также представлять рекомендации ЭС. Для объяснения рекомендаций, формируемых ЭС, служит компонент объяснения рекомендаций ЭС, который обычно ссылается на правила, использованные механизмом вывода в процессе решения задач. Для накопления новых знаний служиткомпонент обучения.

Формализм описания знаний называется моделью представления знаний. Знания в ЭС могут быть представлены с помощью различных моделей: логической, продукционной, фреймовой, объектно-ориентированной. В большинстве ЭС знания представлены в форме правил продукций «ЕСЛИ…ТО». В ЭС выбор модели представления знаний определяет возможности используемой базы знаний [5,7].

К настоящему времени разработано значительное число разнообразных инструментальных средств для экспертных систем [2,3,9], включая языки представления знаний (Rule Markup Language, Semantic Web Rule Language), языки программирования систем искусственного интеллекта (PROLOG, LISP), а также оболочки ЭС (G2, See5, ReSolver и другие).

Экспертные системы могут быть разработаны для решения многих проблем, состоящих в осуществлении выбора среди определенного набора вариантов решений на основе логических рассуждений. В данной лабораторной работе изучается методика разработки базы знаний с применением оболочки экспертной системы ReSolver.

 


Просмотров 894

Эта страница нарушает авторские права




allrefrs.ru - 2021 год. Все права принадлежат их авторам!