Змістовий модуль 2. Подання знань в інтелектуальних системах.

Тема 5. Представлення знань: принципи та методи. Знання, представлення знань. Моделі представлення знань: декларативні та процедурні моделі представлення знань. Поняття представлення, опис, синтаксис семантика.

Тема 6. Моделі представлення знань. Моделі представлення знань: факти та правила, логіка предикатів, семантичні мережі, нейронні мережі, фрейми. Поняття нейрон, штучний нейрон, математична модель нейрону, нейронна мережа.

Тема 7. Оперативна аналітична обробка даних. Поняття OLAP – система. Три рівня інформаційних систем: рівень делатізованих даних, рівень агрегованих даних, рівень закономірностей. Багатовимірне (кубічне) подання даних. Технологія багатомірних баз даних. Багатовимірна таблиця «об'єкт - властивість - час». Вимоги Е.Ф.Кодда. Основні OLAP-операції.

Тема 8. Поняття вимірювання: типи шкал, факти і параметри, ієрархія вимірювань. Типи шкал: абсолютна шкала, шкала відносин, шкала інтервалів, шкала порядку і шкала найменувань. Поняття шкала, вимірювання, факт, подія, миттєвий знімок, сукупні миттєві знімки. Адитивні, напівадитивні, неадитивні параметри.

 

Змістовий модуль 3. Інтелектуальна обробка даних.

Тема 9. Задачі галузі інтелектуальної обробки інформації. Загальна характеристики задач інтелектуальної обробки інформації: класифікація, розпізнавання образів, вибір, прийняття рішень, формування висновків, побудова прогнозу, кластерний аналіз (формування класів). Поняття складного об’єкту. Аналіз та оцінка об’єкту.

Тема 10. Таксономія. Поняття таксон, кластер, клас. Формулювання задачі таксономії. Основні цілі при вирішенні завдань таксономії. Гіпотеза компактності. Гіпотеза λ-компактності. λ-відстань.

Тема 11. Задача кваліметрії. Формулювання задачі кваліметрії. Особливості задачі кваліметрії. Поняття еталону. Структура моделі представлення знань. Формування множини властивостей, вимог, вагових коефіцієнтів. Формування вектора критичності. Формування еталону.

Тема 12. Задача класифікації. Формулювання задачі класифікації. Особливості задачі класифікації. Послідовність формування шаблону вимог в задачі класифікації. Оцінка якості навчання до створення проекту. Інтерпретація інтегральних характеристик в задачі класифікації. Три пункту анализу моделі. Особливості візуалізації результатів.

2 Завдання до контрольної роботи

Розробити експертну систему за варіантом. У рамках роботи:

- вирішити задачу кваліметрії до вибраної експертної системи – оцінити якість об’єктів, використовуючи універсальну експертну систему Expek Pro

Послідовність виконання

 I. Підготовка до роботи в системі Expek Pro:

1. Сформулювати постановку задачі.

2. Скласти перелік властивостей оцінюємих об’єктів.

3. Скласти перелік вимог до оцінюємих об’єктів та зазначити які властивості відповідають кожній вимозі.

4. Надати коефіцієнти (вагові, дугові та критичності) вимог та властивостей.

5. Описати еталони властивостей.

6. Скласти перелік оцінюємих об’єктів (не менше 5).

II. Робота в системі Expek Pro:

1. Створити проект.

2. Встановити параметри проекта.

3. Створити базу даних.

4. Описати множину якостей.

5. Описати множину вимог.

6. Навчити систему.

7. Заповнити базу даних об’єктами.

8. Виконати для об’єктів одинокий розрахунок, проаналізувати результати.

9. Виконати множинний розрахунок за відповідною формулою.

10. Візуалізувати результати.

III. Зміст протокола:

1. Постановка задачі.

2. Перелік властивостей оцінюємих об’єктів.

3. Перелік вимог, відповідних властивостей та коефіцієнтів.

5. Описати еталоні моделі.

6. Привести список оцінюємих об’єктів з описом всіх властивостей.

7. Послідовність виконання роботи з коротким описом дій.

8. Висновок.

 

 

- вирішити задачу класифікації до вибраної експертної системи – розпізнавання об’єктів з використанням універсальної експертної системи Expek Pro.

Послідовність виконання

I. Робота в системі Expek Pro:

1. Створити проект.

2. Встановити параметри проекту.

3. Приєднати (створити) базу даних.

4. Описати множину класів.

5. Описати множину вимог.

6. Навчити систему.

7. Проаналізувати еталони.

8. Виконати множинний розрахунок за найбільш відповідною формулою.

9. Виконати для деяких об’єктів поодинокий розрахунок та проаналізувати внесок кожної властивості до прийнятого рішення.

10. Візуалізувати результати.

11. Ввести в БД контрольну вибірку.

12. Виконати для неї розрахунок.

13. Розрахувати вірогідність помилки зо класами та загальну.

14. Проаналізувати результати та запропонувати вдосконалення моделі.

II. Зміст протокола:

1. Постановка задачі.

2. Перелік властивостей оцінюємих об’єктів.

3. Список класів.

4. Перелік вимог, відповідних властивостей та коефіцієнтів.

5. Описати еталоні моделі.

6. Привести список оцінюємих об’єктів з описом всіх властивостей.

7. Послідовність виконання роботи з коротким описом дій.

8. Висновок.

 

3 Список варіантів завдання

3.1 Список тем для вирішення задачі оцінки складних об'єктів

 

(варіант розраховується, як остання цифра залікової книжки)

 

0	Вибір кандидатів на посаду адміністратора
1	Вибір монітора для дому
2	Вибір марки мобільного телефону для офісних співробітників
3	Вибір провайдера для доступу в мережу Інтернет для невеликого офісу
4	Вибір відеокарти для дизайнера великого рекламного агенства
5	Вибір відеокамери для домашнього користування
6	Вибір фотоапарата для професійної зйомки
7	Вибір моделі жорсткого диска для офісних комп'ютерів
8	Вибір принтера для невеликої поліграфічної фірми
9	Вибір ноутбука для домашнього користування

 

3.2 Список тем для вирішення задачі класифікації

 

(варіант розраховується, як остання цифра залікової книжки)

 

0	Класифікація кандидатів на посаду мережного адміністратора за класами «Підходить», «Не підходить»
1	Класифікація моніторів за класами «Для дому», «Для офісу»
2	Класифікація мобільних телефонів за класами «Користувальницькі», «Бізнес»
3	Класифікація провайдерів для доступу в мережу Інтернет за класами «Для офісу», «Для будинку»
4	Класифікація відеокарт за класами «Для офісу», «Для будинку»
5	Класифікація відеокамер за класами «Домашня», «Професійна»
6	Класифікація фотоапаратів за класами «Домашній», «Професійний»
7	Класифікація жорстких дисків за класами «Для офісу», «Для сервера»
8	Класифікація принтерів за класами «Для офісу», «Для дому»
9	Класифікація ноутбука за класами «Ігровий», «Офісний»

4 Теоретичні відомості

Інтелектуальна обробка даних (ІОД)

Класифікація задач ІОД

Типізація і класифікація задач ІОІ була і є предметом дослідження багатьох відомих авторів. Остаточного рішення цієї задачі поки не існує через розмаїття критеріїв, що використовують різні автори. Частіше всього класифікація проводиться на підставі аналізу типу первинних даних: якісні і кількісні, дискретні і безперервні, кінцеві і нескінченні множини значень і т.п, на основі розмірності і типів результатів, що їх одержують при вирішенні цих задач, а також на підставі аналізу характеру основних процесів вирішення.

Дійсно, у всій множині задач, розв'язуваних у області інтелектуальної обробки інформації (ІОІ), прийнято виділяти такі типи, як класифікація, розпізнавання образів, вибір, прийняття рішень, формування висновків, побудова прогнозу, кластерний аналіз (формування класів). На перший погляд усі вони істотно розрізняються між собою і є цілком самостійними задачами.

Однак, якщо проаналізувати суть перерахованих задач і характер процесів у ході їх вирішення, то можна побачити ряд спільних рис. Усі ці задачі носять яскраво виражений інтелектуальний характер і засновані на маніпулюванні знаннями. В ході вирішення зазначених задач приходиться мати справу з складними об'єктами, описаними значною кількістю атрибутів (³7±2).

Під складним об'єктом тут і далі буде розумітися широкий клас сутностей, до яких відносяться об'єкти і різні процеси реального світу, що описуються своїми властивостями, ситуації, що характеризують стан об'єктів або процесів, моделі реальних об'єктів і процесів. Істотними при цьому є два основних моменти, – складним є об'єкт, що 1) описується числом властивостей, що перевищує 7±2, та 2) до складу опису об'єкта входять як кількісні, так і якісні властивості.

В основі вирішення перерахованих задач ІОІ лежить аналіз і оцінка об'єктів. Таким чином, існує реальна можливість уніфікувати перераховані задачі і запропонувати узагальнений підхід до їх вирішення, що є досить актуальним у сучасних умовах зростаючого інтересу до автоматизації інтелектуального аналізу даних (data mining).

Треба зауважити, що у множині перерахованих задач ІОІ присутня задача, яку доцільно розглядати окремо – кластерний аналіз (формування класів). Цей тип задач буде розглядатися в трохи пізніше.

Ключовою проблемою при кількісному обґрунтуванні прийняття рішення в різних задачах синтезу і аналізу є оцінка складних об'єктів.

Так, в ході проектування будь-яких об'єктів необхідні оцінка і порівняння проектних рішень, а також оцінка кінцевого продукту. Широке застосування механізмів оцінки знаходять в економіці не тільки для оцінки якості продукції, або оцінки ефективності різних процесів, але і для побудови прогнозу розвитку процесів.

Ще однією областю застосування механізмів оцінки є керівницька діяльність на будь-яких рівнях, у ході якої доводиться вирішувати і проектні, і порівняльні, і прогностичні задачі.

Далі запропонований підхід, що дозволяє уніфікувати рішення перерахованих вище задач ІОІ шляхом представлення їх в термінах задачі ОСО.

Різноманіття середовищ, в яких виникають задачі ІОІ, зводиться до двох нечітко розмежованих типів. Це середовища, утворені безперервними об'єктами, і середовища, в яких переважає антипод безперервності – дискретність. Для середовищ першого типу характерні кількісні відношення і обчислювальні процедури. В середовищах іншого типу обробляється якісна, смислова інформація. У безперервних середовищах для вирішення задач використовуються обчислювальні моделі, у дискретних – логіко-лінгвістичні, в яких об'єкти і ситуації представляються атрибутивними (ознаковими) описами, а процеси вирішення задач є процесами обробки атрибутивних описів.

Аналіз процесів, що лежать в основі вирішення задач класифікації, розпізнавання образів, вибору, прийняття рішень, формування висновків, показує, що всі вони базуються на оцінці складних об'єктів. Основна відмінність вказаних задач полягає у тому, що розрізняється мета оцінювання. Для аргументації цього ствердження можна розглянути загальні риси таких задач, як оцінка (кваліметрія) і класифікація.

Оцінка складного об'єкта – це обчислення кількісного показника, що характеризує об'єкт, що аналізується, на підставі його властивостей.

Класифікація – це віднесення об'єкта, що аналізується, до одного з заданих класів (категорій) у відповідності з його властивостями, структурою, функціями і т.п.

Звичайно в ході класифікації виконуються наступні дії: порівняння об'єкта, що аналізується, у термінах його властивостей з еталоном кожного класу і оцінка ступеня подібності до еталона. Останнім етапом вирішення задачі класифікації є віднесення об'єкта до класу, для якого виявлено найбільший збіг з еталоном. Формально це виражається у вигляді вирішального правила:

O_i Í t_j ç k_j=extr D_ij

де O_i – об'єкт, що аналізується,

t_j – один з класів, що розпізнається, t_j ÍT

k_j – міра подібності О_i, що аналізується, і еталону j-го класу;

D_ij – відстань у обраній метриці між об'єктом О_i і еталоном j-го класу.

Неважко помітити, що в основі задачі класифікації лежить оцінка об'єкта, що аналізується. Кількісний показник, що формується як результат оцінки, є в даному випадку мірою приналежності об'єкта до деякого класу.

Отже, з цієї точки зору, задачі класифікації і оцінки досить схожі. Основною відмінністю є тип результату, що формується. Як правило, у задачі класифікації формується результат символьного типу – найменування класу приналежності. У задачі оцінки результат – це кількісна міра чисельного типу.

Близькість (спорідненість) задач оцінки і класифікації виявляється ще і в тому, що деякі задачі класифікації безпосередньо формулюються і вирішуються як оцінні задачі, а задачі оцінки – як задачі класифікації.

Так, наприклад, при постановці медичного діагнозу, який традиційно вважається задачею класифікації, у випадку одночасної наявності у пацієнта декількох захворювань необхідна кількісна оцінка тяжкості кожного з захворювань для вірного вибору стратегії и тактики лікування.

З іншого боку, добре відома оцінка успішності учнів часто вирішується як задача класифікації. В цьому випадку результат, що формується, вибирається з заздалегідь заданої кінцевої множини значень, наприклад, ”незадовільно”, ”задовільно”, ”добре”, ”відмінно”.

Аналогічно міркуючи, можна показати, що розпізнавання образів, прийняття рішень, вибір і формування висновку, а також прогнозування можуть бути виражені в термінах задачі оцінки складних об'єктів. Природно, що в кожному конкретному випадку та чи інша задача вимагає специфічних попередніх, або заключних дій, але в основі їх усіх лежить саме оцінка складних об'єктів.

Прогнозування – це визначення таких невідомих характеристик об'єкта дослідження, які можуть виникнути у результаті його подальшого розвитку або при наявності певних умов. Метою прогнозування є підвищення якості прийняття рішень і визначення стратегії адекватних дій.

Незважаючи на те, що задача прогнозування частіше всього вирішується як задача класифікації, і, значить, також може бути зведена до задачі оцінки, підходи до її вирішення будуть розглянуті більш докладно у наступних лекціях.

⇐ Предыдущая1234567Следующая ⇒

Поделиться: