Автор: А.В. Остроух
Издательство: Красноярск: Научно-инновационный центр,
ISBN: 978-5-907208-26-1.
Жанр: Компьютерная литература
Формат: PDF
Качество: Изначально электронное (ebook)
Иллюстрации: Черно-белые
Описание:
В монографии изложены концептуальные основы и методы представления знаний в системах искусственного интеллекта. Рассмотрены различные подходы, применяемые при проектировании и разработке интеллектуальных систем и технологий в транспортном комплексе, а также рассмотрены тенденции развития систем искусственного интеллекта.
Монография может быть использована для формирования профессиональной компетентности студентов высших учебных заведений, кадров высшей квалификации и научных сотрудников обучающихся и ведущих научные исследования в области разработки и практического применения систем искусственного интеллекта по укрупнённой группе направлений подготовки «Информатика и вычислительная техника».
Содержание:
Введение.
Системы искусственного интеллекта в инженерии знаний.
Роль интеллектуальных систем и технологий в процессе решения трудноформализуемых задач.
Понятие системы искусственного интеллекта.
Направления исследований в области систем искусственного интеллекта.
Классификация систем искусственного интеллекта.
Значение систем искусственного интеллекта.
Теоретические аспекты инженерии знаний и архитектура интеллектуальных информационных систем.
Данные и знания.
Свойства знаний.
Классификация знаний.
Базы знаний.
Архитектура систем искусственного интеллекта.
Методы представления знаний и решения задач в интеллектуальных системах.
Модели и методы представления знаний.
Классификация моделей представления знаний.
Неформальные (семантические) модели.
Формальные модели представления знаний.
Исчисление высказываний.
Исчисление предикатов.
Исчисление предикатов первого порядка.
Интерпретация формул в логике предикатов первого порядка.
Системы аксиом логики предикатов.
Правила вывода в исчислении предикатов.
Нормальные формы исчисления предикатов.
Предваренные (пренексные) нормальные формы исчисления предикатов.
Автоматизация доказательства в логике предикатов.
Методы решения задач в интеллектуальных системах.
Решение задач методом поиска в пространстве состояний.
Решение задач методом редукции.
Решение задач дедуктивного выбора.
Решение задач, использующие немонотонные логики, вероятностные логики.
Метод резолюций.
Метод резолюций в исчислении высказываний.
Метод резолюций в исчислении предикатов. Правило унификации в логике предикатов.
Алгоритм унификации для нахождения наиболее общего унификатора.
Алгоритм метода резолюций.
Представление неопределенности знаний и данных.
Источники неопределенности.
Интеллектуальные системы и теория вероятностей.
Сомнительность и возможность.
Теория возможности.
Неопределенное состояние проблемы неопределенности.
Технологии экспертных систем.
Назначение, классификация и принципы построения экспертных систем.
Назначение экспертных систем.
Классификация экспертных систем.
Структура экспертных систем.
Разработка экспертных систем.
Методология разработки экспертных систем.
Этапы разработки экспертных систем.
Методы поиска решений в экспертных системах.
Трудности разработки экспертных систем.
Взаимодействие инженера по знаниям (когнитолога) с экспертом.
Представление знаний в экспертных системах.
Уровни представления и уровни детальности.
Организация знаний в рабочей системе.
Организация знаний в базе данных.
Инструментальные средства проектирования и разработки экспертных систем.
Уровень используемого языка.
Парадигмы программирования и механизмы реализации.
Способ представления знаний.
Механизмы вывода и моделирования.
Средства приобретения знаний.
Экспертные системы реального времени.
Видеоролики по главе.
Нейросетевые технологии.
Нейробионика и нейрокомпьютеры.
Основы нейробионики.
Нейронные сети.
Нейрокомпьютеры.
Искусственные нейронные сети.
Базовая искусственная модель.
Классификация искусственных нейронных сетей.
Задачи, решаемые нейронными сетями.
Однослойные искусственные нейронные сети.
Многослойные нейронные сети.
Модели нейронных сетей.
Вероятностная нейронная сеть.
Обобщенно-регрессионная нейронная сеть.
Линейная сеть.
Сеть Кохонена.
Нейронные сети глубокого обучения.
Контролируемое и неконтролируемое обучение.
Глубокое обучение.
Обучение глубокой сети.
Системы распознавания образов и машинного зрения.
Основные принципы и целостность восприятия.
Распознавание символов.
Распознавание рукописных текстов.
Заключение.
Список использованных источников.
Магнет-ссылка:
Для просмотра скрытого содержимого вы должны войти или зарегистрироваться.
