+7(996)961-96-66
+7(964)869-96-66
+7(996)961-96-66
Заказать помощь

Контрольная работа на тему Контрольная работа 170713-04

ОПИСАНИЕ РАБОТЫ:

Предмет:
СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
Тема:
Контрольная работа 170713-04
Тип:
Контрольная работа
Объем:
23 с.
Дата:
26.07.2017
Идентификатор:
idr_1909__0011026
ЦЕНА:
345 руб.

276
руб.
Внимание!!!
Ниже представлен фрагмент данной работы для ознакомления.
Вы можете купить данную работу прямо сейчас!
Просто нажмите кнопку "Купить" справа.

Оплата онлайн возможна с Яндекс.Кошелька, с банковской карты или со счета мобильного телефона (выберите, пожалуйста).
ЕСЛИ такие варианты Вам не удобны - Отправьте нам запрос данной работы, указав свой электронный адрес.
Мы оперативно ответим и предложим Вам более 20 способов оплаты.
Все подробности можно будет обсудить по электронной почте, или в Viber, WhatsApp и т.п.
 

Контрольная работа 170713-04 - работа из нашего списка "ГОТОВЫЕ РАБОТЫ". Мы помогли с ее выполнением и она была сдана на Отлично! Работа абсолютно эксклюзивная, нигде в Интернете не засвечена и Вашим преподавателям точно не знакома! Если Вы ищете уникальную, грамотно выполненную курсовую работу, контрольную, реферат и т.п. - Вы можете получить их на нашем ресурсе.
Вы можете заказать контрольную Контрольная работа 170713-04 у нас, написав на адрес ready@referatshop.ru.
Обращаем ваше внимание на то, что скачать контрольную Контрольная работа 170713-04 по предмету СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ с сайта нельзя! Здесь представлено лишь несколько первых страниц и содержание этой эксклюзивной работы - для ознакомления. Если Вы хотите получить контрольную Контрольная работа 170713-04 (предмет - СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ) - пишите.

Фрагмент работы:





Содержание


1. Контрольное задание №4 Теоретические аспекты инженерии знаний (МПЗ – продукционная модель, МОНЗ – метод нечеткой логики Заде) 3
2. Контрольное задание №1. Искусственный интеллект и основные направления его развития и использования 9
Список используемой литературы 22
1. Контрольное задание №4 Теоретические аспекты инженерии знаний (МПЗ – продукционная модель, МОНЗ – метод нечеткой логики Заде)

Продукционная модель основана на правилах, позволяющая представить знания в виде предложений типа «Если (условие), то (действие)».
Под «условием» (антецедентом) понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под «действием» (консеквентом) – действия, выполняемые при успешном исходе поиска.
Чаще всего вывод на такой БЗ бывает прямой (от данных к поиску цели) или обратный (от цели для ее подтверждения – к данным). Данные – это исходные факты, хранящиеся в базе фактов, на основании которых запускается машина вывода или интерпретатор правил, перебирающий правила из продукционной базы знаний.
Интеллектуальная система, основанная на продукционной МПЗ в общем случае содержит 3 основных компонента: механизм вывода; базу знаний (набор правил); рабочую память [4, с. 43].
В зависимости от направления, в котором проходит вывод (от фактов к цели или, наоборот, от цели к фактам) различают 3 типа выводов: прямой; обратный; двунаправленный.
Прямой вывод проходит в направлении от фактов к цели. Он имеет следующую последовательность:
1) извлечение из рабочей памяти фактов, предварительно записанных в нее;
2) применение к ним правил (продукций) и получение новых фактов;
3) продолжение вывода в соответствии с пп.1,2 до тех пор, пока не будет получен факт, который является целью или ее отрицанием, либо невозможно больше применять продукции.
Обратный вывод проходит в направлении от цели к фактам.
Он имеет следующую последовательность действий:
1) предполагается, что цель – истинная, и из набора правил выбираются те продукции, в которых цель является заключением (т.е. входит в THEN-секцию);
2) предпосылки (т.е. IF-секции) этих правил принимаются за новые подцели и помещаются в рабочую память;
3) к новым подцелям вновь применяются пп.1,2 до тех пор, пока все правила не окажутся выбранными, а подцели будут ложными (тогда основная цель – ложная), либо пока все подцели, определяющие основную цель, не окажутся истинными, или достигнутыми, тогда основная цель – истинная.
Двунаправленный вывод является комбинированным способом, сочетающим элементы прямого и обратного вывода.
Продукционная МПЗ тесно связана с вопросами естественноязыкового общения и задачами распознавания текста и машинного перевода (как с естественных, так и с формальных языков). Такая задача носит название задачи компиляции и ее целесообразно рассмотреть отдельно.
Примерами являются EMYCIN (удобна для решения дедуктивных задач, таких как диагностика заболеваний или неисправностей, для которых характерно большое количество ненадежных входных измерений (симптомов, результатов лабораторных тестов и т.п.)), OPS-5 (первый язык ИИ, разработанный в 1970-х годах как альтернатива Прологу).
Наверное, самым впечатляющим у человеческого интеллекта является способность принимать правильные решения в условиях неполной и нечеткой информации. Построение моделей приближенных размышлений человека и использование их в компьютерных системах представляет сегодня одну из важнейших проблем науки.
Основы нечеткой логики были заложены в конце 60-х лет в работах известного американского математика Латфи Заде. Исследования такого рода было вызвано возрастающим неудовольствием экспертными системами. Хваленый «искусственный интеллект», который легко справлялся с задачами управления сложными техническими комплексами, был беспомощным при простейших высказываниях повседневной жизни, типа «Если в машине перед тобой силит неопытный водитель – держись от нее подальше». Для создания действительно интеллектуальных систем, способных адекватно взаимодействовать с человеком, был необходим новый математический аппарат, который переводит неоднозначные жизненные утверждения в язык четких и формальных математических формул. Первым серьезным шагом в этом направлении стала теория нечетких множеств, разработанная Заде. Его работа «Fuzzy Sets», опубликованная в 1965 году в журнале «Information and Control», заложила основы моделирования интеллектуальной деятельности человека и стала начальным толчком к развитию новой математической теории. Он же дал и название для новой области науки – «fuzzy logic» (fuzzy – нечеткий, размытый, мягкий).
Чтобы стать классиком, надо немного опередить свое время. Существует легенда о том, каким образом была создана теория «нечетких множеств». Один раз Заде имел длинную дискуссию со своим другом относительно того, чья из жен более привлекательна. Термин «привлекательная» является неопределенным и в результате дискуссии они не смогли прийти к удовлетворительному итогу. Это заставило Загде сформулировать концепцию, которая выражает нечеткие понятия типа «привлекательная» в числовой форме.
Дальнейшие работы профессора Латфи Заде и его последователей заложили фундамент новой теории и создали предпосылки для внедрения методов нечеткого управления в инженерную практику.
Аппарат теории нечетких множеств, продемонстрировав ряд многообещающих возможностей применения – от систем управления летательными аппаратами до прогнозирования итогов выборов, оказался вместе с тем сложным для воплощения. Учитывая имеющийся уровень технологии, нечеткая логика заняла свое место среди других специальных научных дисциплин – где-то посредине между экспертными системами и нейронными сетями.
Свое второе рождение теория нечеткой логики пережила в начале восьмидесятых годов, когда несколько групп исследователей (в-основном в США и Япони) всерьез занялись созданием электронных систем различного применения, использующих нечеткие управляющие алгоритмы. Теоретические основы для этого были заложены в ранних работах Коско и других ученых.
Третий период начался с конца 80-х годов и до сих пор. Этот период характеризуется бумом практического применения теории нечеткой логики в разных сферах науки и техники. До 90-ого года появилось около 40 патентов, относящихся к нечеткой логике (30 – японских). Сорок восемь японских компаний создают лабораторию LIFE (Laboratory for International Fuzzy Engineering), японское правительство финансирует 5-летнюю программу по нечеткой логике, которая включает 19 разных проектов – от систем оценки глобального загрязнения атмосферы и предвидения земле