Партнеры

Рекомендуем

архитектурные бюро москвы

• купить масло м8г2

• Стальные каминные топки - продажа в дискаунтере каминов.

Счетчики








Принципы разработки интеллектуальных интерфейсов (на примере проектирования корпоративных сетей)

Логунов Д.В.

Проблема разработки крупномасштабных компьютерных сетей относится к NP-полным задачам, которые невозможно решить только математическими методами. Следовательно, система проектирования вычислительных сетей должна поддерживать гибридные модели представления знаний, работать с нечетко представленными и с разноформатными данными, то есть быть открытой. Более того, система должна иметь возможность общаться с пользователем на языке близком к естественному.

Применение гибридных моделей представления знаний, то есть моделей использующих совместно символьное и нейросетевое представления знаний, имеет ряд важных преимуществ: во-первых, появляется возможность использовать в интеллектуальной системе максимально широкий спектр экспертных знаний о предметной области [1], во-вторых, осуществляется организация обмена знаниями между различными модулями интеллектуальной системы (в том числе и между модулями, использующими различные парадигмы представления и получения экспертных знаний).

Отличием от существующих разработок является открытость для добавления модулей с различными методами обработки данных. Гибридная модель представления знаний позволяет описывать решение сложной задачи в виде взаимосвязанной совокупности более простых подзадач, для каждой из которых возможно использовать различные парадигмы представления знаний. В итоге система поддержки принятия решения (СППР) может представлять собой сложную конструкцию из взаимосвязанных нейронных сетей, фрагментов символьных баз данных, статистических моделей и т.д.

Открытость системы позволяет подключать модули и для преобразования данных из внешних разноформатных баз во внутренний формат программы для пополнения базы знаний, что делает систему гибкой и независимой от формата поступающих извне данных.

Структура базы знаний задается в виде направленного графа, узлы которого представляют модули обработки данных, а ребра задают направление и последовательность решения подзадач.

Классическим способом описания графовых моделей является использование матриц инциденции и матриц смежности. Однако в данном случае проблема машинного представления графа усложняется тем, что вместе со структурой графа необходимо хранить описание отдельной задачи.

Для представления структуры знаний в теории систем искусственного интеллекта разработан язык семантических сетей. Однако для описания иерархически декомпозированных задач такой подход может оказаться избыточным, так как задачи связаны однородными дугами. Кроме того, процедуры вывода по древовидному графу значительно проще процедур вывода по семантической сети.

Основой для разработки послужила модель, используемая в системе "Аналитик" [2]. Отличительная особенность графовой модели - возможность использования нескольких парадигм представления знаний при решении одной задачи. Для отдельной задачи может быть сформировано несколько баз знаний. Они будут иметь общий целевой параметр (группу параметров), но могут использовать для решения различные наборы исходных данных.

Общение пользователя и системы- диалог на ограниченном естественном языке (ЕЯ). ЕЯ-диалог- отдельный DLL-модуль с многоуровневым лингвистическим процессором (ЛП), который состоит из пяти блоков: лексический анализатор, блок определения слов, чисел и констант, блок трансляции во внутренний формальный язык, блок трансляции в формальный язык запросов к базе знаний и блок непосредственного выполнения запроса. Интенсивное развитие информационных технологий в России, необходимость обмена огромными массивами информации внутри предприятий и между ними, критичность к скорости передачи данных и к их надежности делают проблему проектирования корпоративных сетей одной из первоочередных и обеспечивают большой интерес к данной разработке.

Список литературы

  1. Honavar V., L. Uhr. Integrating Symbol Processing and Connectionist Networks. - Invited chapter. In: Intelligent Hybrid Systems. 1995, pp. 177-208. Goonatilake, S. and Khebbal, S. (Ed.) London: Wiley.
  2. Бутаков С.В., Рубцов Д.В. Взаимодействие интеллектуальных компонентов информационных систем через Internet / Информационные технологии. - 2000. 4. 52-53.
  3. Пятковский О.И., Рубцов Д.В., Бутаков С.В. Система анализа финансово - хозяйственных показателей деятельности предприятия // Информационные технологии. - 1999 8. С. 31.

Источник: http://www.miem.edu.ru/rio/seminar5/ai_sborn.zip (МИЭМ)
кафедра "Компьютерные системы и сети" Калужского филиала Московского государственного технического университета им. Н.Э. Баумана г. Калуга, ул. Кирова, 16-17, т.д. (084-22) 4-84-84, т.р. (084-2) 578-523, e-mail: dilog@mail.ru, academ@kaluga.ru