Поиск

Полнотекстовый поиск:
Где искать:
везде
только в названии
только в тексте
Выводить:
описание
слова в тексте
только заголовок

Рекомендуем ознакомиться

'Документ'
Одной из характерных особенностей стандартизации при конструировании транспортных и технологических машин и оборудования в машиностроении, в том числе...полностью>>
'Документ'
03. 015 9....полностью>>
'Конспект'
Добрый день, уважаемые гости ! Меня зовут Елена Викторовна Володина. Я педагог декоративно – прикладного творчества объединения «Сувенир» в подростков...полностью>>
'Документ'
Задание 1. Задание включает 30 вопросов, к каждому из них предложено 4 варианта ответа. На каждый вопрос выберите только один ответ, который вы считае...полностью>>

Главная > Документ

Сохрани ссылку в одной из сетей:
Информация о документе
Дата добавления:
Размер:
Доступные форматы для скачивания:

Дисциплина: «Интеллектуальные подсистемы САПР» (Шкаберин В.А.)

  1. Понятие искусственного интеллекта. Модели представления знаний.

  2. Предмет исследования и основные  направления исследований в области искусственного интеллекта.

  3. Представление задач в пространстве состояний. Методы поиска в пространствах состояний.

  4. Продукционные модели представления знаний в интеллектуальных системах.

  5. Фреймовые модели представления знаний в интеллектуальных системах.

  6. Сетевые модели представления знаний в интеллектуальных системах.

  7. Логические модели представления знаний в интеллектуальных системах.

  8. Назначение, функции и структура экспертных систем.

  9. Назначение и структура интеллектуальных подсистем в современных САПР.

 

1. Понятие искусственного интеллекта. Модели представления знаний

Искусственный интеллект – это область информатики, которая занимается разработкой интеллектуальных компьютерных систем, т.е. систем, обладающих возможностями, которые мы традиционно связываем с человеческим разумом, - понимание языка, обучение, способность рассуждать, решать проблемы и т.д. (Барр и Файгенбаум, 1981 г.)

Искусственный интеллект – это одно из направлений информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка.

Существуют два направления в ИИ:

  1. Нейрокибернетика ориентирована на программно-аппаратное моделирование структур, подобных структуре мозга. Усилия сосредоточены на создании элементов, аналогичных нейронам, и их объединении в функционирующие системы. Эти системы называют нейронными сетями или нейросетями.

  2. Кибернетика «черного ящика». Главная ориентация этого направления ИИ – поиски алгоритмов решения интеллектуальных задач на существующих моделях компьютеров.

Знания – совокупность сведений, образующих целостное описание, соответствующее некоторому уровню осведомленности об описываемом вопросе, предмете, проблеме и т.д.

Данные- это отдельные факты, характеризующие объекты, процессы и явления предметной области и их свойства.

В информационных системах используют различные модели (способы) представления знаний:

1 Логические модели. В основе моделей такого типа лежит формальная система, задаваемая четверкой вида: M = . Множество T есть множество базовых элементов. P есть множество синтаксических правил. С их помощью из элементов T образуют синтаксически правильные совокупности.В множестве синтаксически правильных совокупностей выделяется некоторое подмножество A. Элементы A называются аксиомами. Множество B есть множество правил вывода.
2 Сетевые модели. В основе моделей этого типа лежит конструкция, названная семантической сетью(иерархическая сеть, в вершинах которой находятся информационные единицы. Дуги семантической сети соответствуют различным связям между информационными единицами). Сетевые модели формально можно задать в виде H = Г>. Здесь I есть множество информационных единиц; C1, C2, ..., Cn - множество типов связей между информационными единицами. Отображение Г задает между информационными единицами, входящими в I, связи из заданного набора типов связей.

Преимущества сетевой модели

  1. большие выразительные возможности;

  2. наглядность системы знаний, представленной графически;

  3. близость структуры сети, представляющей систему знаний, семантической структуре фраз на естественном языке;

  4. соответствие современным представлениям об организации долговременной памяти человека.

Недостатки сетевой модели

  1. Сетевая модель не дает (точнее, не содержит) ясного представления о структуре предметной области, которая ей соответствует, поэтому формирование и модификация такой модели затруднительны.

  2. Сетевые модели представляют собой пассивные структуры, для обработки которых необходим специальный аппарат формального вывода и планирования.

  3. Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети поставленной задачи. Это, в свою очередь, обусловливает еще один недостаток модели — сложность поиска вывода на семантических сетях.

3 Продукционные модели. В моделях этого типа используются некоторые элементы логических и сетевых моделей. Из логических моделей заимствована идея правил вывода, которые здесь называются продукциями, а из сетевых моделей - описание знаний в виде семантической сети.

Преимущества продукционных моделей

  1. Модульность

  2. Модифицируемость

  3. Доступность чтения

  4. Способность к самообъяснению

  5. Универсальность

  6. Эффективность организации памяти

Недостатки продукционной системы:

При большом числе продукций становится сложной проверка непротиворечивости системы продукций. Из-за присущей системе недетерминированности (неоднозначного выбора выполняемой продукции из фронта активизированных продукций) возникают принципиальные трудности при  проверке корректности работы системы
4. Фреймовые модели. В отличие от моделей других типов во фреймовых моделях фиксируется жесткая структура информационных единиц, которая называется протофреймом. В общем виде она выглядит следующим образом:
(Имя фрейма:

Имя слота 1(значение слота 1)

Имя слота 2(значение слота 2)

. . . . . . . . . . . . . . . . . . . . . .

Имя слота К (значение слота К)).

Значением слота может быть практически что угодно (числа или математические соотношения, тексты на естественном языке или программы, правила вывода или ссылки на другие слоты данного фрейма или других фреймов). В качестве значения слота может выступать набор слотов более низкого уровня

Преимущества фреймовой модели

Основное преимущество фреймов как модели представления знаний – эта модель отражает концептуальную основу организации памяти человека, а также ее гибкость и наглядность.

  1. Предмет исследования и основные направления исследований в области ИИ

Искусственный интеллект – это область информатики, которая занимается разработкой интеллектуальных компьютерных систем, т.е. систем, обладающих возможностями, которые мы традиционно связываем с человеческим разумом, - понимание языка, обучение, способность рассуждать, решать проблемы и т.д. (Барр и Файгенбаум, 1981 г.)

Искусственный интеллект – это одно из направлений информатики, целью которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограммисту ставить и решать свои, традиционно считающиеся интеллектуальными задачи, общаясь с ЭВМ на ограниченном подмножестве естественного языка.

Представление знаний и разработка систем, основанных на знаниях. Оно связано с разработкой моделей представления знаний, созданием баз знаний, образующих ядро экспертных систем.

 Программное обеспечение систем искусственного интеллекта.В рамках этого направления разрабатываются специальные языки для решения интеллектуальных задач, в которых традиционно упор делается на преобладание логической и символьной обработки над вычислительными процедурами. Кроме того, создаются пустые ЭС.

Разработка естественно-языковых интерфейсов и машинный перевод.Первые переводчики с английского на русский базировались на пословном переводе. Затем были предложены программы на основе морфологического анализа, но они оказались неплодотворны. В настоящее время используется несколько более сложных моделей:
•   применение так называемых «языков-посредников»«исходный язык оригинала — язык смысла — язык перевода»;

•   ассоциативный поисканалогичных фрагментов текста и их переводов в специальных текстовых репозиториях или базах данных;

•   структурный подход,включающий последовательный анализ и синтез естественно-языковых сообщений.

 Интеллектуальные роботы. Роботы (появилось в 20-х гг)— это электротехнические устройства, предназначенные для автоматизации человеческого труда.

I поколение. Роботы с жесткой схемой управления. Практически все современные промышленные роботы принадлежат к первому поколению. Фактически это программируемые манипуляторы.

II поколение. Адаптивные роботы с сенсорными устройствами. Есть образцы таких роботов, но в промышленности они пока используются мало.

III поколение. Самоорганизующиеся или интеллектуальные роботы. Это — конечная цель развития робототехники. Основные нерешенные проблемы при создании интеллектуальных роботов — проблема машинного зрения и адекватного хранения и обработки трехмерной визуальной информации.

 Обучение и самообучение. Включает модели, методы и алгоритмы, ориентированные на автоматическое накопление и формирование знаний на основе анализа и обобщения данных. Включает обучение по примерам (или индуктивное), а также традиционные подходы из теории распознавания образов. В последние годы к этому направлению тесно примыкают data mining — анализа данных и knowledge discovery — поиска закономерностей в базах данных.

 Распознавание образов. Распознавание образов  — описание классов объектов через определенные значения значимых признаков. Каждому объекту ставится в соответствие матрица признаков, по которой происходит его распознавание. Процедура распознавания использует чаще всего специальные математические процедуры и функции, разделяющие объекты на классы.

 Новые архитектуры компьютеров. Архитектура  фон Нейманакрайне неэффективна для символьной обработки. Создаются Пролог- и Лисп-машины, компьютеры V и VI поколений. Последние разработки посвящены компьютерам баз данных, параллельным и векторным компьютерам.

 Игры и машинное творчество. В основе первых игровых программ лежит один из ранних подходов — лабиринтная модель мышления плюс эвристики. Это направление охватывает сочинение компьютером музыки, стихов. Основным методом подобного «творчества» является метод пермутаций (перестановок) плюс использование некоторых баз знаний и данных, содержащих результаты исследований по структурам текстов, рифм, сценариям и т. п.

3. Представление задач в пространстве состояний. Методы поиска в пространствах состояний

Фундаментальная идея, которая появилась в результате первых опытов по применению компьютеров для решения игровых задач и головоломок, получила наименование поиск в пространстве состояний. Суть идеи в том, что множество проблем можно сформулировать в терминах 3-х важнейших ингредиентов:

  • исходное состояние проблемы, например исходное состояние головоломки;

  • тест завершения – проверка, достигнуто ли требуемое конечное состояние или найдено решение проблемы (примером может послужить правило определения, собрана ли головоломка);

  • множество операций, которые можно использовать для изменения текущего состояния проблемы, например шаги или перемещения фигур при сборке головоломки.

Один из способов представления пространства состояний – граф, в котором состояниям соответствуют узлы, а операциям – дуги.

В качестве примера рассмотрим задачу построения слова из некоторого множества букв (К И Т). Задавшись набором операций установки букв, можно сформировать пространство состояний.

Ориентированный граф (орграф) G=(V,E) состоит из множества вершин V и множества дуг E. Вершины также называются узлами, а дуги – ориентированными ребрами. Дуга представима в виде упорядоченной пары вершин (v, w), где вершина v называется началом, а w – концом дуги. Дугу (v, w) часто записывают как vw и изображают в виде

Говорят также, что дуга vw ведет от вершины v к вершине w, а вершина w смежная с вершиной v.

Вершины орграфа используют для представления объектов, а дуги – для отношений между объектами.

Путем в орграфе называется последовательность вершин v1, v2, ...vn, для которых существуют дуги v1v2, v2v3,...,v n-1vn. Этот путь начинается в вершине v1 и проходя через вершины v2, v3, ..., vn-1, заканчивается в вершине vn. Длина пути – количество дуг, составляющих путь.

Путь называется простым, если все вершины на нем, за исключением может быть первой и последней, различны.

Цикл – это простой путь длины не менее 1, который начинается и заканчивается в одной и той же вершине.

Иногда удобно к вершинам и дугам орграфа присоединить какую-либо информацию. Для этих целей используется помеченный орграф, т.е. орграф, у которого каждая дуга и/или каждая вершина имеет соответствующие метки. Меткой может быть имя, вес или стоимость дуги, или значение данных какого-либо типа.

Неориентированный граф G=(V, E) состоит из конечного множества вершин V и множества ребер E. В отличие от ориентированного графа, здесь каждое ребро (v, w) соответствует неупорядоченной паре вершин.

Вершины v и w называются смежными, если существует ребро (v, w)

Основные методы поиска:

  • поиск в глубину,

  • поиск в ширину,

  • поиск от наилучшего,

  • метод наискорейшего подъема,

  • стратегия ветвей и границ.

Поиск в ширину

Рис. 1. Простое пространство состояний: а - стартовая вершина, f и j - целевые вершины. Применение стратегии стратегии поиска в ширину дает следующий порядок прохода по вершинам: а,Ь,с, d,e,f. Более короткое решение [а,с, t] найдено раньше, чем более длинное [a,b,e,j].

Поиск в глубину

Ключевые понятия: состояние - характеризует некоторый момент решения задачи, оператор преобразует одно состояние в другое, являясь функцией, определенной на множестве состояний и принимающей значения из этого множества, решение задачи есть определенная последовательность операторов, преобразующая начальное состояние в целевое. Решение задачи ищется в пространстве состояний – множестве состояний, достижимых из начального состояния при помощи операторов Пространство состояний можно представить в виде графа, вершины которого соответствуют состояниям, а дуги – применяемым операторам. Тогда решение задачи – это путь, ведущий от начального состояния к целевому.

Поиск в глубину.

В алгоритме перебора вглубь раскрытию в первую очередь подлежит вершина, имеющая наибольшую глубину. Такой принцип может привести к бесконечному процессу – если пространство состояний бесконечно. Самое распространенный способ – ограничить глубину просмотра дерева или графа. Это означает, что в ходе перебора раскрываются только вершины с глубиной, не превышающей некоторую заданную граничную глубину, т.е. в первую очередь раскрытию подлежит вершина наибольшей глубины, но не превышающей эту границу.

Основные шаги алгоритма ограниченного перебора вглубь таковы:

Шаг 1. Поместить начальную вершину в список Open.

Шаг 2. Если список Open пуст, то окончание алгоритма и выдача сообщения о неудаче поиска, в противном случае перейти к следующему шагу.

Шаг 3. Выбрать первую вершину из списка Open (назовем ее Current) и перенести ее в список Closed.

Шаг 4. Если глубина вершины Current равна граничной глубине, то перейти к шагу 2, в ином случае перейти к следующему шагу.

Шаг 5. Раскрыть вершину Current, построив все ее дочерние вершины. Если дочерних вершин нет, то перейти к шагу 2, иначе поместить все дочерние вершины (в произвольном порядке) в начало списка Open и построить указатели, ведущие от этих вершин к родительской вершине Current.

Шаг 6. Если среди дочерних есть хотя бы одна целевая вершина, то окончание алгоритма и выдача решения задачи, получающегося просмотром указателей от найденной целевой вершины к начальной. В противном случае перейти к шагу 2.

Поиск в ширину.

алгоритм перебора вширь:

Шаг 1. Поместить начальную вершину в список нераскрытых вершин Open.

Шаг 2. Если список Open пуст, то окончание алгоритма и выдача сообщения о неудаче поиска, в противном случае перейти к следующему шагу.

Шаг 3. Выбрать первую вершину из списка Open (назовем ее Current) и перенести ее в список Closed.

Шаг 4. Раскрыть вершину Current, образовав все ее дочерние вершины. Если дочерних вершин нет, то перейти к шагу 2, иначе поместить все дочерние вершины (в любом порядке) в конец списка Open и построить указатели, ведущие от этих вершин к родительской вершине Current.

Шаг 5. Проверить , нет ли среди дочерних вершин целевых. Если есть хотя бы одна целевая вершина, то окончание алгоритма и выдача решения задачи, получающегося просмотром указателей от найденной целевой вершины к начальной. В противном случае перейти к шагу 2.



Похожие документы:

  1. А. В. Витавская доктор технических наук, профессор, заведующая проблемной лабораторией по созданию продуктов нового поколения

    Документ
    ... по соответствующим проектным дисциплинам): - просматривает бланки ... Эти системы имитируют интеллектуальные процессы обработки ... САПР или подсистемы САПР; - головной организацией по САПР (при создании САПР проектной организации или типовой подсистемы САПР ...
  2. А. В. Михеев локальная устойчивость псевдосферических ортотропных оболочек на упругом основании

    Документ
    ... » Рассматриваются вопросы построения подсистемы САПР метеорологической поддержки (МП ... практических занятий по дисциплине «концепции современного ... интеллектуального анализа данных. Интеллектуальный анализ, параллельные алгоритмы, интеллектуальный ...
  3. Курс лекций по дисциплине «Теория информационных процессов и систем» для студентов ВлГУ, обучающихся по направлению 230400. 62 Информационные системы и технологии

    Документ
    ... рядом САПРов, которые ... Подсистема контроля качества 2. Подсистема управления технологическим процессом 3. Подсистема ... развития естественнонаучных дисциплин (таковы дифференциальное ... осуществляющим информационную и интеллектуальную поддержку выработки ...
  4. Аннотация к рабочей программе дисциплины «Математическая логика и теория алгоритмов» по направлению 230100. 62 Информатика и вычислительная техника

    Документ
    ... файлов. 11. Программы САПР, их графические возможности. ... программных средств интеллектуальных систем. Краткое содержание дисциплины. Искусственный интеллект ... . Функциональные подсистемы АСОИУ: структура функциональной подсистемы, функциональные ...
  5. Учебное пособие по дисциплине 1722 «Проектирование асоиу» по специальности 230102 Автоматизированные системы обработки информации и управления Факультет ит

    Анализ
    ... системы имитируют интеллектуальные процессы обработки ... проектирования (САПР) - предназначены ... Подсистема маркетинга Производственные подсистемы Финансовые и учетные подсистемы Подсистема ... поддерживать удобную дисциплину сопровождения, модификации ...

Другие похожие документы..