Принцип ієрархічності баз знань

Даний принцип дозволяє уникнути проблеми розмірності, яка обумовлена тим, що при великій кількості вхідних змінних побудова системи висловів про невідому залежність «вхід-вихід» значно ускладнюється. У зв'язку з цим доцільно виконати класифікацію вхідних змінних і побудувати на її основі так зване дерево виводу, яке буде представляти собою систему ієрархічно зв'язаних нечітких баз знань меншої розмірності. Використовуючи принцип ієрархічності, можна враховувати практично необмежену кількість вхідних змінних, що впливають на оцінку виходу.

Застосування когнітивної графіки і гіпертексту у відображенні інформації.

ІСППР повинні володіти зручними для ОПР засобами спілкування і відображення поточної ситуації на основі сучасних технологій графіки і гіпертексту. Образне, графічне сприйняття інформації про вирішувану задачу або керований об'єкт чи процес зручніше текстового і по виразності і за часом сприйняття. Особливо ця перевага важлива для ІСППР, використовуваних при управлінні складними і критичними за часом процесами. Ефективні графічні засоби дозволяють добитися максимальної виразності і сприйнятливості інформації ОПР і забезпечити необхідний для прийняття рішень рівень її розуміння.

Концептуальна структура інтелектуальних систем підтримки прийняття рішень

Розглянемо концептуальну структуру ІСППР, представлену на рис. 10.9.

В структурі ІСППР можна умовно виділити наступні головні підсистеми:

1) традиційні для інтелектуальних систем модулі;

• бази даних і знань;

• механізму висновків;

• накопичення і активізації знань;

• модулі пояснення;

• організації взаємодії з користувачем - інтерфейсів;

2) підсистеми:

• аналізатор проблемної ситуації;

• моделювання (імітації) проблемної ситуації;

• прогнозування;

• проблемні підсистеми: комп'ютерної підтримки проектування (CAD - АСУП);

• організації різних видів інтерфейсу (образного, текстового, мовного, у вигляді різних графіків і діаграм) з ОПР;

3) Підсистема інтелектуальних технологій, що дозволяє створювати гібридні інтелектуальні підсистеми і містить наступні модулі:

• Експертна система PC Shell 2.2, заснована на символьному представленні знань у вигляді правил і фактів;

Рис. 10.9. Концептуальна структура інтелектуальної системи підтримки прийняття рішень

• Підсистема, заснована на нечіткій логіці;

• Підсистема імітації нейронних мереж (система, що навчається);

• Модуль генетичних алгоритмів.

4) Підсистема пошуку рішень, що містить як теоретико-аналітичні методи, так і евристичні методирозв’язання задач, які показали свою ефективність на практиці.

Висновки:

1. В даному розділі описаний підхід до розробки методології проектування інтелектуальних систем підтримки прийняття рішень (ІСППР).

2. Сформульовані основні принципи проектування ІСППР: відкрита модульна і динамічна структура, адаптивність і навчання на основі накопиченого досвіду, принцип ієрархічності баз знань, паралельна обробка інформації і розподілена структура системи.

3. Представлена концептуальна структура ІСППР.

4. Інтеграція найперспективніших інтелектуальних технологій моделювання знань і процесівприйняття рішень, таких як: штучні нейронні мережі, генетичні алгоритми і механізми висновків, були заснованими на нечіткій логіці з традиційною експертною системою, дозволить створювати ІСППР, відповідаючу всім найважливішим вимогам, що пред'являються сучасним СППР.

[2,с.137-207; 5,с.228-326; 8,с.205-248; 9,с.161-250]

Контрольні питання

1. Як складаються еврістичні правила для задач нечіткого управління?

2. Як здійснюється побудова бази нечітких лінгвістичних правил?

3. Яким чином проводиться фазифікація вхідних змінних в нечітких регуляторах?

4. Яким чином проводиться дефазифікація вихідних змінних в нечітких регуляторах?

5. Які задачі розвязуються інтелектуальними системами підтримки прийняття рішень?

6. Основні компоненти інтелектуальних систем підтримки прийняття рішень.

Дата добавления: 2015-07-20