Лекция 3 Методы и алгоритмы интеллектуальных систем.

План

1.Дифференциально-модельная концепция базы знаний для интеллектуальных систем. Дифференциальная макрофизика

2. Процедура построения дифференциальных моделей.

Дифференциальные модели повсеместно и привычно используются в современной науке и технике для представления динамических систем. Естественен интерес к построению и применению этих моделей при разработке и создании перспективных интеллектуальных систем автоматизированного проектирования, управления и обучения. Целью настоящей работы является изложение тех далеко идущих фундаментальных результатов в области систематики базы макрофизических знаний, которые проистекают из исследования проблемы алгоритмизации построения дифференциальных моделей.

Дифференциальную макрофизику образуют: механика (линейная и угловая), гидравлика (для жидкостей и газов), электрика (включая электромеханику) и термодинамика. К сожалению, упомянутая и подчеркнутая дифференциально-модельная концепция в познании является единственным, что эти науки объединяет. Все остальное - традиции, терминология, переменные, законы природы, принципы и т.д. - специфично для каждой из них и не способствует восприятию дифференциальной макрофизики как единого систематизированного и интегрированного целого. В каждой науке занимаются одним и тем же - познают физическую сущность, т.е. строят дифференциальные модели, но своим узкоспециализированным путем. Это многоязычие физиков не смущает. Они считают свою задачу выполненной. А многочисленная армия не физиков, занимающаяся построением и применением дифференциальных моделей, вынужденно мирится с возникающими непростыми междисциплинарными трудностями. Особенно остро это проявляется при обучении студентов, прежде всего, в областях автоматизированного проектирования, управления и технической кибернетики.

Таким образом, интересующая нас проблема алгоритмизации построения дифференциальных моделей до некоторой степени оказывается на «ничейной» междисциплинарной полосе. И один из путей ее решения - внимательный анализ базы макрофизических знаний с позиций дифференциально-модельной концепции, единственно общей для всех макрофизических наук. Прежде всего, обратимся к единой процедуре построения дифференциальных моделей, включающей следующие этапы:

1) выбор учитываемых в модели физических эффектов и соответствующего им перечня используемых законов природы;

2) определение физического смысла причинных и следственных переменных;

3) причинно-следственная интерпретация в используемых законах природы;

4) применение принципа композиции;

5) построение искомой дифференциальной модели с учетом причинно-следственной интерпретации законов природы.

Специфика каждой макрофизической науки проявляется во всех четырех этапах. Однако внимательный анализ используемых в различных науках принципов композиции (четвертый этап) приводит к однозначному выводу о целесообразности признания принципа Лагранжа-Релея в качестве универсального для дифференциальной макрофизики в целом. Это закономерное следствие из уже доказанной его применимости для линейной и угловой механик (Ж. Лагранж), для электрики и электромеханики (Дж. Максвелл).

Исследование принятой структуры записи принципа композиции Лагранжа-Релея приводит к получению важной информации по второму и третьему этапам означенной выше процедуры. Во-первых, принцип подразумевает необходимость использования четырех типов переменных, причинных координаты и скорости , следственных координаты и скорости .

Во-вторых, принцип представляет собой уравнение баланса внешней (входной) и внутренних причинных скоростей: , где K определяется количеством учитываемых в дифференциальной модели физических эффектов. Задание физического смысла , т.е. вида идеального ее источника, дает возможность определить физический смысл остальных переменных с учетом того, что произведение причинной и следственной скоростей всегда есть мощность .

Классы экспертных систем

Дифференциальная макрофизика - наука о познании физических сущностей материальных объектов и систем.

По степени сложности решаемых задач экспертные системы классифицируют по следующим признакам:

1) По способу формирования решения системы разделяют на 2 класса: аналитические и синтетические. Аналитические предполагают выбор решения из множества известных альтернатив. Синтетические предполагают генерацию решений (формирование объекта).

2) По способу учета временного признака: статические и динамические. Статические решают задачи при неизменяемых в процессе решения знаниях. Динамические допускают такие изменения. Статические системы допускают монотонное решение задачи от ввода исходных данных до конечного результата. Динамические предусматривают возможность пересмотра в процессе решения полученных ранее результатов.

3) По видам используемых данных и знаний: системы с детерминированными (четко определенными) знаниями и неопределенными знаниями. Под неопределенностью знаний понимается их неполнота или отсутствие, двусмысленность, нечеткость.

4) По числу используемых источников знаний: с использованием одного источника и множества; альтернативные и дополняющие друг друга.

	Анализ	Синтез
Детерминированная	Классифицирующие	Трансформирующие	Один источник знаний
Неопределенность	Доопределяющие	Многоагентные	Множество источников знаний
	Статика	Динамика

2.Процедура построения дифференциальных моделей.

Дифференциальные модели повсеместно и привычно используются в современной науке и технике для представления динамических систем. Естественен интерес к построению и применению этих моделей при разработке и создании перспективных интеллектуальных систем автоматизированного проектирования, управления и обучения.

Дифференциальные модели позволяют решать все задачи с помощью интегральных моделей, и, кроме того, с помощью вариационных методов при определенных критериях устанавливать и изменять режим бурения в течение рейса, т.е. находить Р р1 ( t), со 2 ( t), Q г ( 0 - Примером дифференциальных моделей может служить модель ЕМ.

Дифференциальные модели могут использоваться как в том случае, когда сигналы и отклики измеряются в некоторые, фиксированные моменты времени, так и при непрерывном измерении входных и выходных сигналов. В рамках этих моделей отклики всегда случайны, тогда как переменные состояния и управляющие сигналы могут быть и детерминированными и случайными. Параметры модели, подлежащие оцениванию, могут содержаться в самом дифференциальном уравнении, в начальных условиях, а также в уравнениях модели наблюдений.

Преимуществом дифференциальных моделей вида является то, что искомые параметры входят в них линейно.

Рассмотрим одну из дифференциальных моделей, которая встречается в теории эпидемий. Предположим, что некая популяция, состоящая из N особей, подразделяется на три группы. В первую из них включаются особи, которые восприимчивы к некоторой конкретно имеющейся в виду болезни, по здоровы. Во вторую группу объединяются особи, которые являются инфекционными - они сами больны и являются источником распространения болезни. Наконец, третья группа - это особи, которые здоровы и обладают иммунитетом к данной болезни.

Современные методы исследования, проектирования и создания сложных объектов и систем неразрывно связаны с разработкой, реализацией на ЭВМ и исследованием их моделей различных видов. Исследование динамических свойств и характеристик таких объектов часто проводится на их моделях в форме систем обыкновенных дифференциальных уравнений (ОДУ) в общем случае нелинейных и жестких. Для получения решений (траекторий) данные неалгоритмические математические (непрерывные) модели преобразуются в алгоритмические или машинные (дискретные) модели с применением какого-либо численного метода интегрирования (дискретизации) ОДУ. Hедостаточно корректное применение того или иного метода дискретизации и выбора шага h дискретности (интегрирования) может привести к неадекватности алгоритмической и математической моделей.

⇐ Предыдущая 123 4 5 6 7 8 Следующая ⇒