При каких условиях и для решения, каких задач применяются нейронные сети

База знаний ЭС

База знаний (БЗ) - используется для хранения знаний человека-эксперта о предметной области.

Знания, полученные от эксперта, в ЭС представляются в виде правил, количество которых может измеряться тысячами. Некоторые из этих правил однозначны и имеют вид: «Если то-то И то-то, ТО получается такой-то результат». Другие правила менее определены, и предполагают вероятностные оценки: «Если (до известной степени) то-то И (до известной степени) то-то ТО, (до известной степени) справедлив такой-то результат. Эти правила называются «эвристики» - теоретически не обоснованные правила, которые формируются у каждого специалиста при длительной работе в конкретной предметной области, «квинтэссенция» его профессионального опыта.

Формирование базы знаний - длительный и сложный процесс. Эксперт в какой-либо области работает вместе с так называемым инженером по представлению знаний. Вдвоём они определяют, какими должны быть правила и как они взаимосвязаны между собой.

Один из сложнейших моментов формирования БЗ - это получение знаний от эксперта для их формализации. Поскольку много выводов эксперт считает очевидными, и некоторые использует интуитивно, бывает очень тяжело получить от него связанную, логически последовательную информацию о процессе решения задачи.

Механизм логического вывода ЭС

Механизм логического вывода (МЛВ)

Механизм логического вывода - это "интеллект" экспертной системы, который решает поставленную задачу путём построения цепочки логических выводов.

МЛВ имитирует процесс мышления эксперта. Логический вывод формируется МЛВ на основе правил из базы знаний в прямой или обратной последовательности.

На примере простейшей базы знаний проиллюстрируем прямую и обратную последовательности логического вывода.

При прямой последовательности - правила рассматриваются одно за другим по порядку. Каждое правило проверяется на истинность. Возможны три исхода: правило истинно либо нет, либо не хватает исходных данных для его оценки.

Если после 1-го цикла остаются правила, которые еще могут быть активизированы, то МЛВ запускает 2-й цикл. Циклы продолжаются до тех пор, пока возможна активизация правил.

При обратной последовательности МЛВ двигается от противного - логический вывод N принимается за правильный и задача заключается в доказательстве вывода.

Анализируя подходы можно сделать вывод, что обратная последовательность занимает меньше времени, чем прямая так как: нет необходимости рассматривать все правила; не надо многократно проделывать несколько циклов.

Вместе с тем при обратной последовательности может быть пропущен более эффективный способ решения задачи, что является недостатком

Интерфейс ЭС

Интерфейс экспертной системы включает подсистему пополнения знаний и подсистему объяснения.

Подсистема пополнения знаний предназначена для добавления в базу знаний новых правил и модификации имеющихся. В простейшем случае такая подсистема может работать как обычный текстовый редактор, с помощью которого вводятся и изменяются правила.

Подсистема объяснения может работать в активном режиме - в виде информационных сообщений, сопровождающих полученные системой результаты, либо в пассивном режиме - выдавать ответы на запросы пользователя. По запросу пользователя экспертная система должна объяснить, что она делает в данный момент - какое правило проверяет, либо вывести всю цепочку логического вывода, который формируется.

Такая возможность «объяснения» - одна из наиболее важных экспертных систем. Компьютер уже является не «черным ящиком», а помощником для пользователя, который в диалоговом режиме помогает решать задачи.

Преимущества ЭС перед человеком – экспертом.

У них нет предубеждений.

Они не делают поспешных выводов.

Экспертные системы выбирают наилучшую альтернативу из всех возможных.

База знаний предметной области может быть очень большой.

Экспертные системы устойчивы к "помехам".

При каких условиях и для решения, каких задач применяются нейронные сети.

Нейрон состоит из трех основных элементов:

- один или несколько дендритов (вход нейрона - принимает импульсы);

сома (тело нейрона - обрабатывает входящие импульсы);

аксон (выход нейрона - передача импульса другому нейрону).

Аксон контактирует с дендритами других нейронов через синапсы. Синапсы - это такие образования, которые регулируют входящие импульсы. Синапсы могут усиливать или уменьшать импульс. Синапсы можно рассматривать как приоритеты входящих сигналов. Сигнал от одного нейрона может быть более важным (синапс усиливает импульс), чем от другого (синапс снижает импульс). Каждый синапс имеет свою «силу» - ее называют весом синапса. Вес синапса - это его способность усиливать или уменьшать входящий импульс.