Дисциплина имеет целью ознакомить учащихся с некоторыми методами организации знаний, возможными компонентами интеллектуальных систем, такими как: искусственные нейронные сети, нечеткие системы, генетические алгоритмы. <...> 13 2.1 Этапы развития научного направления «мягкие вычисления» 13 2.2 Объекты проблемной области, базовые и нечеткие значения. <...> 30 5.1 Многослойные нейронные сети прямого распространения 30 5.2 Сеть Кохонена . <...> 38 4 Схемы нечеткого вывода искусственного нейрона Вопросы и задания для самоконтроля . <...> 50 9.2 Программные средства реализации ГИИС 53 Выводы по теме . <...> 57 Список сокращений и обозначений БЗ – база знаний; ГА – генетический алгоритм; ГИИС – гибридная интеллектуальная система; ИИ – искусственный интеллект; ИНС – искусственная нейронная сеть; ИС – интеллектуальная система; НЛВ – нечеткий логический вывод; НЭС – нечеткая экспертная система; ОРО – сеть обратного распространения ошибки; ФП – функция принадлежности; Fuzzy queries – нечеткие запросы к базам данных; SOM – самоорганизующаяся карта Кохонена. <...> Практикум основан на использовании программных пакетов Protйgй, CubiCalc, Deductor Studio, GeneHunter. <...> База знаний (БЗ) – это особого рода база данных, разработанная для управления знаниями (метаданными), то есть сбором, хранением, поиском и выдачей знаний. <...> Для них должен выполняться принцип рекурсивной вложимости одних информационных единиц в другие, то есть должна существовать возможность произвольного установления между отдельными информационными единицами отношений типа "часть - целое", "род - вид" или "элемент - класс". <...> В информационной базе между информационными единицами должна быть предусмотрена возможность установления связей различного типа. <...> Его можно было бы назвать отношением релевантности для информационных единиц. <...> Основы теории нечетких множеств 2.1 Этапы развития научного направления «мягкие вычисления» Прежде чем нечеткий подход к моделированию сложных систем получил признание во всем <...>
Проектирование_баз_данных_и_баз_знаний_Конспект_лекций .pdf
УДК 004.89
Жданова Е.И.
Проектирование баз данных и баз знаний. Конспект лекций. – Самара. ФГОБУВПО
ПГУТИ, 2011. – 81 с.
Дисциплина имеет целью ознакомить учащихся с некоторыми методами организации
знаний, возможными компонентами интеллектуальных систем, такими
как: искусственные нейронные сети, нечеткие системы, генетические алгоритмы.
Предусмотрено обучение студентов принципам построения интеллектуальных
информационных систем и их «настройке», анализу существующих
элементов интеллектуальности и выбору оптимального. Затрагивается вопрос
применения инструментальных средств поддержки проектирования и построения
нейросетей, нечетких экспертных систем и систем, функционирующих на
основе генетических алгоритмов.
Методические указания подготовлены на кафедре "Экономические и информационные
системы" ФГОБУВПО ПГУТИ, предназначены для студентов всех
форм обучения специальностей 080801 (Прикладная информатика в экономике).
Могут быть полезны преподавателям смежных дисциплин.
Рецензент
Трошин Ю.В. – к.т.н., доцент кафедры «Экономические и информационные
системы» ПГУТИ
Федеральное государственное бюджетное учреждение
высшего профессионального образования
«Поволжский государственный университет телекоммуникаций и информатики»
©
Жданова Е.И., 2011.
3
Стр.3
Содержание
Список сокращений и обозначений ......................... 5
Лекция 1. ..................................................................... 6
Тема 1. Введение ....................................................... 6
1.1 Основные понятия ............................................... 6
1.2 Онтологический инжиниринг знаний ................ 8
Выводы по теме ....................................................... 11
Вопросы и задания для самоконтроля ................... 12
Лекция 2. ................................................................... 13
Тема 2. Основы теории нечетких множеств ......... 13
2.1 Этапы развития научного направления «мягкие вычисления» 13
2.2 Объекты проблемной области, базовые и нечеткие значения. Функции
принадлежности ..................................................... 14
2.3 Операции с нечеткими множествами ............ 16
2.4 Операции над нечѐткими отношениями ........ 17
Выводы по теме ....................................................... 18
Вопросы и задания для самоконтроля ................... 18
Тема 3. Нечеткие системы ...................................... 19
3.1 Определение лингвистической переменной .... 19
3.2 Нечеткий логический вывод.
................................................................................... 20
Выводы по теме ....................................................... 23
Вопросы и задания для самоконтроля ................... 23
Лекция 3 .................................................................... 24
Тема 4. Основы теории нейронных сетей ............. 24
4.1 Биологические нейронные сети ....................... 24
4.2 Хронология развития искусственных нейронных сетей 25
4.3 Структурная схема модели
................................................................................... 26
4.4 Классификация нейронных сетей .................... 27
Выводы по теме ....................................................... 29
Вопросы и задания для самоконтроля ................... 29
Тема 5. Многослойные нейронные сети прямого распространения. Сеть
Кохонена ................................................................... 30
5.1 Многослойные нейронные сети прямого распространения 30
5.2 Сеть Кохонена ............................................... 32
Выводы по теме ....................................................... 34
Вопросы и задания для самоконтроля ................... 34
Тема 6. Основы теории нейронных сетей. Алгоритм обратного распространения
ошибки ...................................................................... 35
6.1 Теоретические вопросы .................................... 35
6.2 Пример применения алгоритма ....................... 36
Выводы по теме ....................................................... 38
4
Схемы нечеткого вывода
искусственного нейрона
Стр.4
Вопросы и задания для самоконтроля ................... 38
Тема 7. Основы теории нейронных сетей. Рекуррентные нейронные сети
7.1 Сеть Хопфилда .............................................. 39
7.2 Сеть Хемминга .............................................. 42
Выводы по теме ....................................................... 43
Вопросы и задания для самоконтроля ................... 43
Лекция 4 .................................................................... 44
Тема 8. Генетические алгоритмы ........................... 44
8.1 История развития теории ГА ......................... 44
8.2 Принцип работы ГА .......................................... 44
8.3 Программные средства реализации ГА .......... 49
Выводы по теме ....................................................... 49
Вопросы и задания для самоконтроля ................... 49
Лекция 5. ................................................................... 50
Тема 9. Гибридные интеллектуальные системы .. 50
9.1 Классификация гибридных систем ............. 50
9.2 Программные средства реализации ГИИС 53
Выводы по теме ................................................... 54
Вопросы и задания для самоконтроля ................... 54
Список используемой литературы ........................ 56
Глоссарий ................................................................. 57
Список сокращений и обозначений
БЗ – база знаний;
ГА – генетический алгоритм;
ГИИС – гибридная интеллектуальная система;
ИИ – искусственный интеллект;
ИНС – искусственная нейронная сеть;
ИС – интеллектуальная система;
НЛВ – нечеткий логический вывод;
НЭС – нечеткая экспертная система;
ОРО – сеть обратного распространения ошибки;
ФП – функция принадлежности;
Fuzzy queries – нечеткие запросы к базам данных;
SOM – самоорганизующаяся карта Кохонена.
39
5
Стр.5