Модели, алгоритмы и инструментальные средства создания экспертных систем на базе функциональных сетей

• Автор: Хабибулина, Надежда Юрьевна
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2005
• Место защиты: Томск
• Количество страниц: 226 с. : ил.

Содержание
Введение .

Глава 1. Гибридная модель предметной области на базе функциональной сети параметров

1.1 Общая характеристика моделей и языков представления знаний

1.2 Концептуальная гибридная модель предметной области на базе

функциональной сети параметров

1.3 Язык представления знаний фреймы на сети параметров

Выводы
Глава 2. Алгоритмы формирования гибридной модели предметной области на базе функциональной сети параметров и поиска решений на данной модели

2.1 Процедуры поиска решений на моделях представления знаний

2.2 Эвристический алгоритм оптимизации базы знаний

2.3 Алгоритмы поиска решения на гибридной модели предметной
области на базе функциональной сети параметров
2.3.1 Постановка задач поиска решений
2.3.2 Алгоритм прямого вывода на функциональной сети параметров
с учетом альтернативности знаний и гибридности функциональных зависимостей в модели
2.3.3 Алгоритм обратного вывода на функциональной сети с учетом альтернативности знаний и гибридности функциональных зависимостей в модели
2.3.4 Алгоритм поиска оптимального решения на функциональной сети параметров с учетом альтернативности знаний и гибридности функциональных зависимостей методом прямого вывода
2.3.5 Алгоритм поиска оптимального решения на функциональной сети параметров с учетом альтернативности знаний и гибридности функциональных зависимостей методом обратного вывода
2.3.6 Выбор более эффективного алгоритма поиска оптимального решения на функциональной сети параметров
Выводы
Глава 3. Инструментальное программное средство создания гибридных экспертных систем, основанных на функциональных сетях
3.1 Общая характеристика инструментальных средств построения
экспертных систем
3.2 Инструментальное программное средство создания экспертных
систем, использующих гибридную модель на базе функциональной сети параметров
3.2.1 Назначение системы МУпЕЗВР
3.2.2 Каталог пользователей системы Vi
3.2.3 Каталог требований к системе ViI
3.2.4 Структура системы ViI
3.2.5 Функциональные возможности системы ЧУпЕЗВР
Выводы
Глава 4. Экспертные системы на базе гибридных моделей, использующих функциональную сеть параметров
4.1 Информационная система оценки финансовоэкономического
состояния предприятия
4.1.1 Общая характеристика предметной области
4.1.2 Модель статического и динамического экспрессанализа финансовоэкономического состояния предприятия, использующая функциональную сеть параметров
4.1.3 Модель традиционного анализа финансового состояния предприятия, использующая функциональную сеть параметров
4.1.4 Реализация экспертной системы Информационная система оценки финансовоэкономического состояния предприятия и ее практическое использование
4.2 Экспертная система анализа уровня развития социальноэкономической
системы
4.2.1 Общая характеристика модели анализа уровня развития социальноэкономической системы
4.2.2 Экспертная система анализа уровня энергосбережения в регионе
4.2.2.1 Общая характеристика предметной области
4.2.2.2 Модель оценки уровня энергосбережения в регионе
4.2.2.3 Реализация экспертной системы Информационная система оценки уровня энергосбережения в регионе и ее практическое использование
4.2.3 Экспертная система анализа уровня развития, эффективности функционирования и классификации технопарков России
4.2.3.1 Общая характеристика деятельности технопарка
4.2.3.2 Модель анализа уровня развития, эффективности функционирования и классификации технопарков России, использующая функциональную сеть
4.2.3.3 Реализация экспертной системы Анализ уровня развития, эффективности функционирования и классификации технопарков России и ее практическое использование
4.2.4 Экспертная система выбора организационной структуры
социальноэкономической системы
4.2.4.1 Общая характеристика предметной области
4.2.4.2 Модель выбора организационной структуры территориальной системы нефтепродуктообеспечения
4.2.4.3 Реализация экспертной системы выбора организационной структуры территориальной системы нефтепродуктообеспечения
и ее практическое использование
4.3 Экспертная система выбора более эффективного алгоритма решения задачи оптимизации
4.3.1 Общая характеристика предметной области
4.3.2 Модель выбора алгоритма решения задачи оптимизации, использующая функциональную сеть параметров
4.3.3 Реализация экспертной системы выбора алгоритма решения задачи оптимизации, использующая функциональную сеть параметров и ее практическое использование
Выводы
Заключение
Список литературы


Объектноориентированный подход является развитием фреймового представления. В его основе лежат понятия объект и класс. Как и в случае с использованием концепции фреймов, основная идея состоит в том, чтобы заключить данные и связанные с ними процедуры в некие структуры, объединенные механизмом наследования. Продукционные МПЗ , модели, основной структурной единицей которых являются порождающие правила или правилапродукции ПП. Данные МПЗ характеризуются высокой модульностью и легкостью модификации знаний отдельные Г1П выражают самостоятельные фрагменты знаний и могут быть независимо добавлены или исключены из базы знаний. Однако это свойство модульности оборачивается и недостатками отсутствие целостного образа знаний, не всегда ПП оказываются взаимно независимыми, что может привести к необходимости изменения имеющихся правил при введении новых. Неясность взаимосвязей между правилами снижает эффективность вывода на системах продукций. На каждой итерации при поиске выполняемой продукции проверяются все правила. Таким образом, появляется проблема комбинаторного взрыва. Кроме того, в процессе вывода проверяется множество тупиковых ветвей, что также снижает эффективность вывода. Для решения этих проблем создаются всевозможные механизмы управления выводом на системах продукций. В модель включаются знания о применимости в тех или иных условиях продукций, т. Причем управляющие знания отделены от предметных знаний, что позволяет применять в продукционных МПЗ различные управляющие стратегии. Продукционные системы позволяют отображать недостоверные, неточные размытые знания. Недостоверность, нечеткость знаний обусловлена многозначностью, ненадежностью, неполнотой, неопределенностью и неточностью сведений, фактов и данных, а также, часто, недетерминированностью процедур вывода. Условно все методы можно разделить на две группы в соответствии с двумя основными типами неопределенности случайности и нечеткости 4 ,. Случайная или вероятностная неопределенность связана со случайностью событий. Байеса байесовская вероятность , но в инженерии знаний нелогично иметь дело со степенью надежности, приписанной знаниям изначально, как с байесовской вероятностью , , т. Одним из первых был разработан метод использования коэффициентов уверенности, не имеющий теоретического подкрепления, но ставший эффективным алгоритмом обработки ненадежных знаний. Предложен и метод нечетких выводов, названный субъективным байесовским методом. Позже была введена теория вероятностей ДемпстераШафера, которая имеет все признаки математической теории. По сравнению с байесовской вероятностью теория ДемпстераШафера отличается тем, что она не фиксирует значения вероятности, а может представлять и незнание . Гораздо чаще в продукционных системах для оценки ненадежных знаний используют теорию нечетких множеств и нечеткую логику. Разработка и использование теории нечетких множеств 1, 5, , , , связаны со стремлением формально описать лингвистические понятия, которыми оперирует человек в процессе принятия решений, а также имитировать рассуждения, опирающиеся на эти понятия. Нечеткую логику впервые ввел Л. Заде , . Данная логика является разновидностью непрерывной логики, в которой логические формулы могут принимать истинностные значения между 0 и 1. В нечеткой логике как правилам, так и фактам данным приписывается некоторое истинностное значение степень достоверности иногда используется термин фактор уверенности или коэффициент уверенности. В отличие от вероятности степень достоверности это некоторое произвольное субъективное значение, не имеющее статистического смысла . Нейронная сеть НС это кибернетическая модель нервной системы, состоящая из совокупности однородных элементов кибернетических нейронов узлов , , , . Соединения нейронов узлов в НС представляют собой различные многослойные структуры, каждая из которых имеет один входной слой, один выходной слой и множество промежуточных функциональных слоев. Различают следующие схемы НС однолинейные, пирамидальные, воронкообразные и древовидные.