Капля В.И., Капля Е.В., Коробцова Е.В. Системы искусственного интеллекта - файл n1.doc

приобрести
Капля В.И., Капля Е.В., Коробцова Е.В. Системы искусственного интеллекта
скачать (576.2 kb.)
Доступные файлы (1):
n1.doc2752kb.06.04.2006 09:24скачать

n1.doc

  1   2   3   4   5   6   7   8   9   ...   13


ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ

ВОЛГОГРАДСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

ВОЛЖСКИЙ ПОЛИТЕХНИЧЕСКИЙ ИНСТИТУТ (ФИЛИАЛ)
Капля В. И., Капля Е. В., Коробцова Е. В.
СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Учебное пособие


РПК «Политехник»

Волгоград 2006

УДК 004.032.26

Р е ц е н з е н т ы:

Филиал ГОУВПО «Московский энергетический институт (технический университет)» в г. Волжском, доцент кафедры

«Автоматизация технологических процессов и производств»,

канд. техн. наук Шамигулов П. В.

МОУ Волжский институт экономики, педагогики и права,

доцент кафедры математики, канд. техн. наук Матвеев В.В.
Капля В. И., Капля Е. В., Коробцова Е. В

Системы искусственного интеллекта: учебное пособие по дисциплине "Системы искусственного интеллекта" / ВолгГТУ, Волгоград, 2006. - 80 c.
ISBN 5 – 230 – 04639 - 2

Учебное пособие является базовым конспектом лекций по дисциплине "Системы искусственного интеллекта". В нем рассмотрены основные структуры и методы систем искусственного интеллекта.
Ил. 49. Табл. 1. Библиогр.: - 12 назв.
Печатается по решению редакционно-издательского совета Волгоградского государственного технического университета.
ISBN 5 – 230 – 04639 - 2

© Волгоградский государственный

технический университет, 2006

Введение



Системы искусственного интеллекта (СИИ) – это аппаратно-программные системы, предназначенные для решения двух основных задач:

Непосредственное воплощение СИИ находят в специальных интеллектуальных системах, в частности в роботах, нейрокомпьютерах. Технологические достижения СИИ применяются во многих программных продуктах. К ним следует отнести программы распознавания текстов, анализа изображений, распознавания речи. Программы, специализированные в определенных областях деятельности человека, принято называть “экспертными системами”.

1. Основные направления исследования СИИ



Назначение СИИ состоит в освобождении человека от трудоемких процессов обработки информации, накопления и применения знаний при решении сложных научно-технических задач.

Основные направления исследования СИИ:

  1. Представление знаний (формализация).

  2. Манипулирование знаниями: пополнение, классификация, обобщение, вывод новых знаний.

  3. Общение на естественных языках и носителях с ЭВМ.

  4. Восприятие зрительных сцен, речевых сообщений и текстов.

  5. Обучение решению новых задач, повышению качества решений.

  6. Поведение (учет состояния окружения).

Приведенная классификация исследовательских направлений не единственная. Все указанные направления не имеют четких границ, и в некоторой степени в каждом из них присутствуют все другие направления.

Разработка СИИ предполагает: определение структуры исходной информации; разработку алгоритмов обучения и работы; создание баз данных и знаний.

Распознавание образов – основной вид задач, решаемых СИИ. Термин “распознавание” является эквивалентом понятия “классификация” и предназначен для указания сложной структуры исходной информации. Объектами распознавания могут служить изображения, звуки, характеристики статистических данных. Выходным сигналом СИИ является вектор решений, отражающий принадлежность входного образа определенному множеству.


2. Классификация СИИ



Множественность параметров и свойств СИИ предполагает несколько способов классификации этих систем. Рассмотрим классификацию по уровню обученности системы. Такая классификация отображает уровень универсальности системы и значимость априорной информации для ее работы.


2.1. Системы без обучения



Система устанавливает принадлежность объектов множества  классам i, i=1,...,m. Свойства объекта определяются техническими средствами измерения (ТСИ). Анализ свойств производится с помощью блока алгоритмов распознавания (БАР) с использованием априорной информации (АИ). Схема СИИ без обучения приведена на рис.2.1.



Рис.2.1. Схема системы без обучения
В системах без обучения первоначальная априорная информация должна быть полной для того, чтобы определить априорный алфавит классов, построить априорный словарь признаков, произвести описание каждого класса на языке этих признаков, определить решающие границы и правила.

2.2. Обучающиеся системы



В тех случаях, когда первоначальной априорной информации достаточно для того, чтобы определить априорный алфавит классов и построить априорный алфавит признаков, но недостаточно для описания классов на языке признаков (либо использование априорной информации нецелесообразно), применяют обучающиеся системы.

Исходную информацию, необходимую для построения обучающихся систем распознавания, можно представить в следующем виде:

(2.1)

Множество объектов 1,...,z представляет собой обучающую последовательность объектов, каждый из которых характеризуется набором признаков x1,...,xN. Цель процедуры обучения - определение разделяющих функций Fi(x1,...,xN), i=1,...,m. Обучение проводится путем многократного предъявления системе распознавания различных объектов с указанием классов, к которым эти объекты принадлежат.

Обучающиеся системы распознавания "работают с учителем", как показано на рис.2.2. Эта работа заключается в том, что "учитель" (У) многократно предъявляет системе обучающие объекты (ОО) всех выделенных классов и указывает, к каким классам они принадлежат. Затем "учитель" начинает экзаменовать систему распознавания, корректируя ее ответы до тех пор, пока количество ошибок в среднем не достигнет допустимого уровня.



Рис.2.2. Схема обучающейся системы

режим обучения; режим экзамена
В состав обучающейся системы входят: ТСИ - технические средства измерения; БАО - блок алгоритмов обучения; АИ - априорная информация; БАР - блок алгоритмов распознавания. Обучение является формой адаптации системы при смене задачи распознавания.

2.3. Самообучающиеся системы



В случае, если первоначальной априорной информации достаточно лишь для определения словаря признаков x1,...,xN, но недостаточно для проведения классификации объектов, используются самообучающиеся системы. На стадии формирования самообучающейся системе предъявляют исходную совокупность объектов 1,...,z, заданных значениями своих признаков для 1 - ; ... ; для z - . Однако из-за ограниченного объема первоначальной информации система при этом не получает указаний о том, к какому классу объекты исходной совокупности принадлежат. Эти указания заменяются набором правил, в соответствии с которыми на стадии самообучения система распознавания сама вырабатывает классификацию и в дальнейшем ее придерживается. Выбранная системой классификация может отличаться от естественной.



Рис.2.3. Схема самообучающейся системы

режим самообучения; распознавание неизвестных объектов
В состав самообучающейся системы входят: ОС - объекты для самообучения; ТСИ - технические средства измерения; АИ - априорная информация; БАР - блок алгоритмов распознавания; ПК - правила классификации; ФК - формирователь классов.

Результаты решения задачи распознавания неизвестных объектов следует использовать для уточнения априорного описания классов, поэтому при построении систем распознавания целесообразно использовать принцип обратной связи. Блок априорной информации должен быть снабжен специальными алгоритмами корректировки априорных описаний классов.

Обучающиеся и самообучающиеся системы получают недостающую априорную информацию в процессе обучения или самообучения. Цель обучения и самообучения – выработать такое количество информации, которое необходимо для функционирования системы распознавания. Создание обучающихся и самообучающихся систем распознавания обусловлено тем, что на практике достаточно часто встречаются ситуации, когда отсутствует полная первоначальная априорная информация.

  1   2   3   4   5   6   7   8   9   ...   13


Учебный материал
© nashaucheba.ru
При копировании укажите ссылку.
обратиться к администрации