Интеллектуальные Информационные Системы

Начать. Это бесплатно
или Регистрация c помощью Вашего email-адреса
Rocket clouds
Интеллектуальные Информационные Системы создатель Mind Map: Интеллектуальные Информационные Системы

1. ВВЕДЕНИЕ В ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ

1.1. ПОНЯТИЕ ИНТЕЛЛЕКТУАЛЬНОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ

1.1.1. Роль интеллектуальных информационных систем в современном мире

1.1.2. История исследований в области искусственного интеллекта и основные понятия в данной области

1.1.3. Интеллектуальная информационная система и ее основные свойства

1.1.4. Классификация интеллектуальных информационных систем

1.1.5. Примеры интеллектуальных информационных систем

1.2. ОСОБЕННОСТИ ПОСТРОЕНИЯ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

1.2.1. Формулировка концепции создания искусственного интеллекта

1.2.2. Определение систем искусственного интеллекта

1.2.3. Информационная модель реакции систем искусственного интеллекта на воздействия окружающей среды

1.2.4. Жизненный цикл системы искусственного интеллекта и критерии перехода между этапами этого цикла

1.3. КЛАССИФИКАЦИЯ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

1.3.1. Понятие системы искусственного интеллекта и ее место в классификации информационных систем

1.3.2. Классификация систем искусственного интеллекта

2. ЭЛЕМЕНТЫ СИСТЕМНО-КОГНИТИВНОГО АНАЛИЗА

2.1. СИСТЕМНО-КОГНИТИВНЫЙ АНАЛИЗ

2.1.1. Основные понятия когнитивной теории

2.1.2. Концепция системно-когнитивного анализа

2.1.2.1. Базовая когнитивная концепция

2.1.2.2. Когнитивная концепция в свободном изложении

2.1.2.3. Когнитивная концепция в формальном изложении

2.1.3. Когнитивное моделирование

2.2. ПРЕДСТАВЛЕНИЕ И ОБРАБОТКА ДАННЫХ В РАМКАХ ТЕОРИИ СИСТЕМНО-КОГНИТИВНОГО АНАЛИЗА

2.2.1. Понятия «данные», «информация», «знания»

2.2.2. Концепция смысла Шенка-Абельсона

2.2.3. Диалектика «Структура – свойство – отношение» в рамках когнитивной теории

2.2.4. Понятия «факт», «смысл», «мысль» в рамках когнитивной теории

2.2.5. Иерархия задач обработки данных: «мониторинг», «анализ», «прогнозирование», «управление» в рамках когнитивной теории

2.3. КОГНИТИВНАЯ СТРУКТУРИЗАЦИЯ ЗНАНИЙ ОБ ИССЛЕДУЕМОМ ОБЪЕКТЕ И ВНЕШНЕЙ СРЕДЫ

2.3.1. Когнитивная структуризация знаний об исследуемом объекте и внешней среды на основе PEST-анализа

2.3.2. Ситуационный анализ проблем на базе SWOT-анализа

2.3.3. Этапы когнитивной технологии

3. ПРЕДСТАВЛЕНИЕ И ВЫВОД ЗНАНИЙ

3.1. МОДЕЛИ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ

3.1.1. Декларативные и процедурные знания

3.1.2. Логическая модель представления знаний

3.1.3. Псевдофизические модели представления знаний

3.1.4. Сетевая модель представления знаний

3.1.5. Фреймовая модель представления знаний

3.1.6. Продукционная форма представления знаний

3.2. МЕТОДЫ ПРИОБРЕТЕНИЯ И ИЗВЛЕЧЕНИЯ ЗНАНИЙ

3.2.1. Основные термины и определения в области приобретения знаний

3.2.2. Методы приобретения знаний

3.2.3. Методы извлечения знаний из данных

3.2.4. Методы получения экспертных знаний

3.2.5. Методы формирования знаний

3.3. НЕЧЕТКИЙ ВЫВОД ЗНАНИЙ

3.3.1. Основные положения нечеткого вывода знаний

3.3.2. Типы неточного вывода

3.4. ИЗВЛЕЧЕНИЕ ЗНАНИЙ ИЗ ДАННЫХ МЕТОДАМИ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ

3.4.1. Особенности систем интеллектуального анализа данных

3.4.2. Типы закономерностей, выявляемых методами интеллектуального анализа данных

3.4.3. Этапы функционирования типовой системы интеллектуального анализа данных

3.4.4. Пример функционирования системы интеллектуального анализа данных

4. ПРИНЦИПЫ ПОСТРОЕНИЯ И ФУНКЦИОНИРОВАНИЯ ПРИКЛАДНЫХ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА

4.1. ЭКСПЕРТНЫЕ СИСТЕМЫ

4.1.1. Экспертные системы: базовые понятия

4.1.2. Составные части экспертной системы и порядок ее функционирования

4.1.3. Классификация экспертных систем

4.1.4. Функционирование базы знаний экспертной системы

4.1.4.1. Обратный метод логического дедуктивного вывода

4.1.4.2. Прямой метод логического дедуктивного вывода

4.2. ЭТАПЫ ПРОЕКТИРОВАНИЯ ЭКСПЕРТНОЙ СИСТЕМЫ

4.2.1. Этап идентификации

4.2.2. Этап концептуализации

4.2.2.1. Атрибутивный подход к построению модели предметной области

4.2.2.2. Структурный (когнитивный) подход к построению модели предметной области

4.2.2.2.1. Понятия предметной области

4.2.2.2.2. Взаимосвязи между понятиями предметной области

4.2.2.2.3. Интерпретация предметной области

4.2.2.2.4. Установление семантических отношений между понятиями предметной области

4.2.3. Этап формализации

4.2.4. Этап выполнения

4.2.5. Этап тестирования

4.2.6. Этап опытной эксплуатации

4.3. ПРИМЕРЫ ПОСТРОЕНИЯ ЭКСПЕРТНЫХ СИСТЕМ

4.3.1. Пример построения экспертных диагностических систем

4.3.2. Пример ЭС, основанной на правилах логического вывода и действующую в обратном порядке

4.4. ОСНОВЫ ЯЗЫКА ПРОГРАММИРОВАНИЯ ПРОЛОГ

4.4.1. Синтаксис

4.4.1.1. Термы

4.4.1.2. Константы

4.4.1.2.1. Атомы

4.4.1.2.2. Числа

4.4.1.3. Переменные

4.4.1.3.1. Область действия переменных

4.4.1.4. Сложные термы, или структуры

4.4.1.5. Синтаксис операторов

4.4.1.6. Синтаксис списков

4.4.1.7. Синтаксис строк

4.4.2. Утверждения

4.4.3. Запросы

4.4.4. Ввод программ

4.4.5. Унификация

4.4.6. Выражения

4.4.6.1. Арифметические выражения

4.4.6.2. Арифметические операторы

4.4.6.3. Вычисление арифметических выражений

4.4.6.4. Сравнение результатов арифметических выражений

4.4.7. Структуры данных

4.4.7.1. Списки

4.4.7.2. Стандартные функции обработки списков

4.4.7.3. Сложение многочленов

4.5. НЕЙРОННЫЕ СЕТИ

4.5.1. Проблемы решаемые нейронными сетями

4.5.2. Биологический нейрон и формальная модель нейрона Маккалоки и Питтса

4.5.3. Активационная функция нейрона

4.5.4. Простейшая нейронная сеть

4.5.5. Однослойная нейронная сеть и персептрон Розенблата

4.5.6. Машинное обучение нейронной сети на примерах

4.5.6.1. Обучение на примерах

4.5.6.2. Решение задач классификации и линейного разделения множеств

4.5.6.3. Проблемы обучения нейронной сети

4.5.6.4. Пример решения задачи нейроном

4.5.7. Классификация нейронных сетей

4.6. МНОГОСЛОЙНЫЕ НЕЙРОННЫЕ СЕТИ

4.6.1. Многослойный персептрон

4.6.2. Модель Хопфилда

4.6.3. Когнитрон и неокогнитрон Фукушимы

4.6.4. Модель нелокального нейрона

4.6.5. Динамические нейронные сети

4.6.6. Проблемы развития нейронных сетей

4.6.7. Нейрокомпьютеры, нейропроцессоры, нейропакеты

4.7. ТЕОРИЯ НЕЧЕТКИХ МНОЖЕСТВ

4.7.1. Понятие нечеткого множества

4.7.2. Возможности применения теории нечетких множеств для описания различных видов неопределенности

4.7.3. Операции над нечеткими множествами

4.7.3.1. Равные F-множества

4.7.3.2. F-подмножества

4.7.3.3. Объединение F-множеств

4.7.3.4. Пересечение F-множеств

4.7.3.5. Особенности операций пересечения и объединения Fмножеств

4.7.3.6. Разность и дополнение F-множеств ................................................ 176 17.3.7 Другие отношения F-множеств

4.7.4. Понятие о нечеткой логике

4.8. ГЕНЕТИЧЕСКИЕ АЛГОРИТМЫ

4.8.1. Основные понятия, принципы и предпосылки генетических алгоритмов

4.8.2. Принцип функционирования генетического алгоритма

4.8.2.1. Алгоритм функционирования простейшего генетического алгоритма

4.8.2.2. Репродуктивный план Холланда, как пример реализации генетического алгоритма

4.8.3. Достоинства и недостатки генетических алгоритмов

4.8.4. Примеры применения генетических алгоритмов

4.9. ОБРАБОТКА ЕСТЕСТВЕННОГО ЯЗЫКА В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ

4.9.1. Основные понятия о системах, использующих естественный язык

4.9.2. Технологии анализа естественного языка

4.9.2.1. Подбор шаблона

4.9.2.2. Синтаксический анализ

4.9.2.3. Семантические грамматики

4.9.2.4. Анализ с помощью падежных фреймов

4.9.2.5. Обработка предложений естественного языка с помощью нейронных сетей