Смекни!
smekni.com

Задачи искусственного интеллекта 7 Тест по теме «История развития искусственного интеллекта» 9 (стр. 17 из 24)

a)

/180 =
/180 =min {0.75, 1}

b)

/180 =
/180 =max {0.75, 1}

c)

/180 =
/180 =0.5*(
/180 +
/180)=0.875

d)

/180 =0.75,
/180=1

e) Нет правильного ответа

7. Пусть

(u),
(
u) – функции принадлежности нечетких множества А и В на универсальном множестве U. Пусть также С – нечеткое множество с функцией принадлежности mС(u), которое является объединением А и В. Определить значение принадлежности uÎU нечеткому множеству С, если mА(u)=0,5 и mВ(u) = 0?

а) mС(u) = max{mВ(u), mА(u)) = 0,5

b) mС(u) = min{mВ(u), mА(u)) = 0

c) mС(u) = 1- min{ mВ(u), mА(u)) = 1

d) Нет правильного ответа

8. Пусть

(u),
(
u) – функции принадлежности нечетких множества А и В на универсальном множестве U. Пусть также С – нечеткое множество с функцией принадлежности mС(u), которое является пересечение А и В. Определить значение принадлежности uÎU нечеткому множеству С, если mА(u)=0,5 и mВ(u) = 0?

a) mС(u) = max{ mВ(u), mА(u)) = 0,5

b) mС(u) = min{ mВ(u), mА(u)) = 0

c) mС(u) = 1- max{ mВ(u), mА(u)) = 0,5

d) mС(u) = 1- min{ mВ(u), mА(u)) = 1

e) Нет правильного ответа

Литература по теме «Нечеткие множества и нечеткая логика»

1. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети. М.: ФИЗМАТЛИТ, 2001. - с. 224.

2. Паклин Н. Нечеткая логика - математические основы. http://www.basegroup.ru/library/analysis/fuzzylogic/math/

3. Пивкин В. Я., Бакулин Е. П., Кореньков Д. И. Нечеткие множества в системах управления / под редакцией д.т. н., проф. Ю.Н. Золотухина, НГУ (электронное пособие). http://www.vevivi.ru/best/Nechetkie-mnozhestva-v-sistemakh-upravleniya-ref41397.html

4. Прикладные нечеткие системы: пер. с япон./ К.Асаи, Д. Ватада, С. Иваи и др.; под редакцией Т. Тэрано, К. Асаи, М. Сугэно. – М.:Мир, 1993. – с. 368.

5. Штовба С.Д. Введение в теорию нечетких множеств и нечеткую логику. http://matlab.exponenta.ru/fuzzylogic/book1/index.php

Часть 3. Интеллектуальные информационные системы

§1. Экспертные системы

На начальных этапах развития искусственный интеллект подвергался жесткой критике и одним из доводов был тот, что практической пользы от него нет, он занимается игрушками. Экспертные системы одними из первых доказали практическую пользу этого научного направления, принося в начале 80-х годов ХХ века коммерческую прибыль своим создателям.

Термин "системы, основанные на знаниях" (knowledge-based systems) появился в 1976 году одновременно с первыми системами, аккумулирующими опыт и знания экспертов.

Экспертные системы - это прикладные системы искусственного интеллекта, в которых база знаний представляет собой формализованные эмпирические знания высококвалифицированных специалистов (экспертов) в какой либо узкой предметной области, они аккумулируют эти знания и тиражирующие их для консультации менее квалифицированных специалистов.

В 1965 году Э. Фейгенбаум (бывший студент Герберта Саймона), Б. Бьюкенен (философ по образованию) и Д. Ледерберг (лауреат Нобелевской премии в области генетики) начали работы над первой экспертной системой DENDRAL. В 1969 году была создана математическая экспертная система MACSYMA В. Мартином и Д. Мозесом. Первая экспертная система для медицинской диагностике была создана в 1973 году Э. Шортлиффом и называлась MYCIN, она повлекла за собой разработку первого командного интерпретатора EMYCIN (В. Милле, Шортлифф и Бьюкенен). В 1976 году Дуда и Харт начали работу над экспертной системой PROSPECTOR, предназначенной для разведки полезных ископаемых, в 1984 году система точно предсказала существование месторождения молибдена, оцененного в многомиллионную сумму.

Эти экспертные системы, разработанные в 60-70-х годах стали классическими. По происхождению, предметным областям и по преемственности применяемых идей, методов и инструментальных программных средств их можно разделить на несколько семейств.

1. META-DENDRAL.Система DENDRAL позволяет определить наиболее вероятную структуру химического соединения по экспериментальным данным (масс- спектрографии, данным ядерном магнитного резонанса и др.).Meta-DENDRAL автоматизирует процесс приобретения знаний для DENDRAL. Она генерирует правила построения фрагментов химических структур.

2. MYCIN-EMYCIN-TEIREIAS-PUFF-NEOMYCIN. Это семейство медицинских ЭС и сервисных программных средств для их построения.

3. PROSPECTOR-KAS. PROSPECTOR - предназначена для поиска (предсказания) месторождений на основе геологических анализов. KAS - система приобретения знаний для PROSPECTOR.

4. CASNET-EXPERT. Система CASNET - медицинская ЭС для диагностики выдачи рекомендаций по лечению глазных заболеваний. На ее основе разработан язык инженерии знаний EXPERT, с помощью которой создан ряд других медицинских диагностических систем.

5. HEARSAY-HEARSAY-2-HEARSAY-3-AGE. Первые две системы этого ряда являются развитием интеллектуальной системы распознавания слитной человеческой речи, слова которой берутся из заданного словаря. Эти системы отличаются оригинальной структурой, основанной на использовании доски объявлений- глобальной базы данных, содержащей текущие результаты работы системы. В дальнейшем на основе этих систем были созданы инструментальные системы HEARSAY-3 и AGE (Attempt to Generalize- попытка общения) для построения экспертных систем.

6. Системы AM (Artifical Mathematician - искусственный математик) и EURISCO были разработаны в Станфордском университете доктором Дугласом Ленатом для исследовательских и учебных целей. В систему AM первоначально было заложено около 100 правил вывода и более 200 эвристических алгоритмов обучения, позволяющих строить произвольные математические теории и представления. EURISCO – это развитие системы AM, с ее помощью в военно-стратегической игре, проводимой ВМФ США, была разработана стратегия, содержащая ряд оригинальных тактических ходов.

Кроме разработки самих экспертных систем исследователи занялись созданием инструментальное средство для экспертных систем: в 1983 году компания IntelliCorp создала KEE, а в 1985 году агентство NASA выпустило первую версию CLIPS.

Экспертные системы быстро завоевали позиции на информационном рыкне и получили широкое расмпостранение. Уже в 1987 году опрос пользователей, проведенный журналом "Intelligent Technologies" (США), показал, что примерно:

- 25% пользователей используют ЭС;

- 25% собираются приобрести ЭС в ближайшие 2—3 года;

- 50% предпочитают провести исследование об эффективности их использования.

В России в исследования и разработку ЭС большой вклад внесли работы Д. А. Поспелова (основателя Российской ассоциации искусственного ин­теллекта и его первого президента), Э. В. Попова, В. Ф. Хорошевского, В. Л. Стефанюка, Г. С. Осипова, В. К. Финна, В. Л. Вагина, В. И. Городецкого и многих других.

Экспертные системы 60-90-ых годов являются первым поколением экспертных систем, для них характерно:

1) знаниями системы являются только знания эксперта, накопление знаний не предусматривается;