Стр. 12 - СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ПРИНЯТИЯ РЕШЕНИЙ

[

Введите текст]

Содержание

10

СИСТЕМЫИСКУССТВЕННОГО ИНТЕЛЛЕКТА И ПРИНЯТИЯ РЕШЕНИЙ.

ОПТИМИЗАЦИЯ БАЗ ЗНАНИЙ НЕЧЕТКИХ ЭКСПЕРТНЫХ СИСТЕМ

методами обработки данных. Среди привлекающих пользователя достоинств

нейронных сетей можно выделить следующее:

•

обучаемость на наборе примеров;

•

универсальность, как следствие способности аппроксимировать любую

нелинейную функцию с заданной точностью (данному вопросу посвящены

работы

[9,

14]

);

•

построение нелинейной регрессионной зависимости или нелинейной разде-

ляющей поверхности без априорного задания вида нелинейной функции с

точностью до значений параметров, идентифицируемых в дальнейшем;

•

возможность решения одновременно нескольких задач прогнозирования

или классификации одной нейромоделью с векторным выходом;

•

целевая функция, оптимизируемая при обучении нейросети, "может быть

робастной к выбросам в данных, может включать в себя дополнительные

слагаемые, например, регуляризующие решение"

[23]

;

•

возможна визуализация путем проекции на двумерное нелинейное много-

образие, порождаемое картой Кохонена (набором квантующих данные

ядер, между которыми задано топологическое соседство и на которые за-

тем натягивается кусочно-линейная или гладкая интерполирующая по-

верхность).

К недостаткам нейросетей следует отнести, прежде всего, их логическую

непрозрачность. Человеку сложно интерпретировать внутреннюю структуру

обученной нейросети, самостоятельно использовать найденный ею способ реше-

ния задачи. Подробнее об основных моделях искусственных нейронных сетей

можно прочитать в работах

[3,

15,

18,

19,

20,

21]

.

4.

Продукционная модель

Это один из наиболее часто и давно используемых в экспертных системах

способов представления знаний

[10]

. Основой продукционной модели является

множество продукций, в которых некоторые действия ассоциируются с набором

условий, что может быть представлено правилами вида:

ЕСЛИ (условие), ТО (следствие).

"

Если – то"-правила считаются естественным выразительным средством пред-

ставления знаний. Они обладают следующими положительными свойствами:

•

модульность: каждое правило описывает небольшой, относительно неза-

висимый фрагмент знаний;

•

возможность инкрементного наращивания: добавление новых правил в ба-

зу знаний происходит относительно независимо от других правил;

•

удобство модификации (как следствие модульности): существующие пра-

вила можно изменять и заменять новыми относительно независимо от дру-

гих правил;

•

простота механизмов вывода;