Практическое применение ГИС: решение задачи коммивояжера. 12 страница

Информационные системы второго вида могут, в свою оче­редь, формироваться как документально-фактографические (ДФИПС и АДФИПС), содержащие массивы двух видов:

• документальные и сопряженные с ними массивы фактогра­фической информации;

• информационно-логические системы (ИЛС).

В отличие от документальных, фактографических и докумен­тально-фактографических ИПС 1-го вида, выдающих по запро­сам только такую информацию, которая была ранее в них введе­на, ИЛС представляют собой информационные системы более высокого класса: они должны не только выдавать ранее введен­ную в них информацию, но и осуществлять, если необходимо, ло­гическую переработку этой информации с целью получения но­вой информации, которая в явном виде не вводилась в ИС.

ИЛС, или ILS, можно определить как совокупность ИПЯ {RL), правил перевода с естественного языка на информационный, т.е. правил индексирования (IND) и правил логического вывода (L V), которая предназначена для алгоритмического получения новой информации (/д):

IPS = <RL, IND, LV, I_N >. (5)

def

В начальный период развития теории информационного по­иска ИЛС иногда либо противопоставляли ИПС [5], либо отож­дествляли с фактографическими ИПС на том основании, что оба эти типа систем оперируют фактами, сведениями. Но ФИПС в отличие от ИЛС не обеспечивают получение новой информации из имеющейся, а только позволяют отыскивать фактографичес­кие сведения, которые были введены в систему.

В дальнейшем, когда появилось понятие документально-фак­тографической ИПС, в которой наряду с документальным поис­ком осуществляется аналитико-синтетическая обработка доку­ментов с целью извлечения из них фактов и получения на их основе новых форм документальной информации (например, обзоров, содержащих статистические обобщения или информацию о раз­новидностях интересующих пользователя технических устройств и т.п.), иногда стали считать, что при подобной обработке полу­чается новая информация, и тогда можно рассматривать ИЛС как один из видов документально-фактографических ИПС.

Развивая представления об информационных системах, спо­собных получать новую информацию, Ю.И. Шемакин [6, С. 60] предлагает понятие информационно-семантической системы:

19*

ISS= <a,St,tp_isstco,_ti>, > (6)

aef

где а- цель;5г-структура;#_кге ТР- подмножество технологических про­цессов для данной /55; со - условия; >.- время.

Входящие в определение (6) составляющие могут быть дета­лизированы с учетом конкретной реализации ИПС. Особенно важно уточнять состав технологических процессов:

Фйя = ^{< met}>^re' SemSI >, (7)

где met - методы; re - средства; SemSI - семантическая переработка семан­тической информации.

Определение (6) позволяет лучше учесть конкретные условия и особенности средств реализации при проектировании современ­ных ИПС.

Для ИПС научно-технической информации разрабатывали различные классификации:

по признаку «виды документальных ИС» (собствен­но информационно-поисковые системы, информационно-логические системы, информационно-семантические системы);

по в и д а м ИПЯ (ИПЯ, а соответственно и ИПС без грамма­тики и с грамматикой, ИПЯ с различными видами парадигмати­ческих и синтагматических отношений и т.п.);

по видам структур ИПС (ИПС иерархической струк­туры, в которых все лексические единицы ИПЯ связаны сильны­ми парадигматическими отношениями подчинения и соподчине­ния и образуют в совокупности иерархическую классификацию, представляющую собой древовидный граф или дерево понятий; ИПС фасетной структуры, в которых лексические единицы ИПЯ предварительно группируются в фасеты, а иерархические отно­шения устанавливаются внутри фасетов; ИПС неиерархической структуры, в которых лексические единицы ИПЯ упорядочива­ют по внешним признакам, например в алфавитном порядке.

Для того чтобы охарактеризовать систему НТИ более полно, разрабатывались многоаспектные классификации.

Наиболее развитой из таких классификаций является фасет-ная классификация А.В. Соколова [3], в которой признаки клас­сификации определяются семантическими средствами ИПС, т.е.

средствами ИПЯ, методами индексирования, методами (прави­лами, алгоритмами) поиска по запросу.

| • 1. Информационные системы: учеб. пособие для вузов / Под ред.
ЛВ.Н. Волковой и Б.И. Кузина. - СПб.: СПбГГУ, 1998.2. Михайлов А.И.
^Основы информатики / А.И. Михайлов, А.И. Черный, Р.С. Гиляревский. -
{;' М.: Наука, 1968. 3. Соколов А.В. Информационно-поисковые системы:
' учеб. пособие для вузов/А.В. Соколов. ~М.: Радио и связь, 1981. 4. Певз-
i н е р Б. Р. Информационно-поисковые системы и информационно-поиско-
:■ вые языки/Б.Р. Певзнер.-М.: ИПКИР, 1974. 5. Черный А.И. Введение
,' в теорию информационного поиска / А.И. Черный. - М.: Наука, 1975.
6. Шемакин Ю.И. Компьютерная семантика / Ю.И. Шемакин, А. А. Ро­
манов. - М.: Научно-образовательный центр «Школа Китайгородской»,
1996. В.Н. Волкова

ИНФОРМАЦИОННЫЙ ПОДХОД К АНАЛИЗУ СИСТЕМ, к

их исследованию, предложенный в 1975 г. [1].

Специфика системного анализа состоит в том, что он, с од­ной стороны, должен основываться на методах качественного анализа (опираться на научное мировоззрение), а с другой - ис­пользовать методы формализованного представления систем (см.). При этом по сравнению с другими видами качественного анали­за (например, философским анализом) системный анализ отли­чается стремлением к формализации или хотя бы символизации

j логических процедур исследования систем. Применение для это-

\ го формальных логик бесперспективно, поскольку они в силу ме­тафизичности и действия закона исключенного третьего не рас­считаны на анализ противоречивых элементов и развивающихся систем. Отразить взаимоотношения элементов во всем их мно­гообразии способна только диалектическая логика, которая, что-

V бы стать средством системного анализа, нуждается в символи-

i зации.

В 1975 г. [1] был предложен подход, базирующийся на диа­лектическом обобщении законов функционирования и развития систем различной физической природы. Подход первоначально был ориентирован на отображение и анализ пространственно-

! распределенных систем, опирался на аппарат математической теории поля и был назван теорией информационного поля [1], а в дальнейшем на основе этой теории был получен вариант инфор­мационного описания объектов с сосредоточенными параметра­ми [2] (т.е. с выделением дискретных элементов), названный вна­чале теорией информационных цепей, что часто более удобно для

i

исследования реальных объектов и процессов. Затем для обоб­щенного наименования подхода использовались и другие терми­ны (информационно-методологический подход, информационно-гносеологический подход, информационный анализ систем). Но в дальнейшем привилось название Информационный подход к ана­лизу систем.

В соответствии с информационным подходом понятие инфор­мация рассматривается как структура материи, не зависящая от специфических ее свойств.

Основными формами существования информации являются понятия чувственного отражения в форме чувственной информа­ции, или информации восприятия, и логического отражения, логи­ческой информации, или информационного потенциала, и их логи­ческого пересечения, названного в рассматриваемой теории информационной сложностью, содержанием, смыслом. Для кон­структивного использования этих понятий вводятся соответству­ющие детерминированные и статистические меры.

Для измерения чувственной информации:

• в качестве вероятностной меры принята логарифмическая
мера

/ = _ fog/,, = - log 0,5/ = -log 0,5', (1)

где p. - априорная вероятность конкретного значения измеряемой величи­ны; p^J - совместная вероятность всех J значений измеряемой величины от единицы до данного значения;

• в качестве дискретной меры J вводится мера отраженной в
нашем сознании элементной базы системы в форме

J = A/AA, (2)

где А - общее количество каких-либо знаков, воспринимаемых измери­тельными приборами или нашими органами чувств; ЬЛ - «квант», с точностью до которого нас интересует воспринимае­мая информация, или разрешающая способность прибора.

Логическая информация (сущность) Я, в отличие от J, всегда относящейся к конкретным объектам или свойствам, характери­зует целый класс однородных в определенном отношении объек­тов, или свойств, являясь семантическим синтезом законов логи-

ки, правил функционирования системы и ее элементов, образу­ющих функционал ее существования.

Логическую информацию Я с учетом того, что она характе­ризует не единичный объект, а класс однородных в определен­ном смысле объектов, или свойств, можно определить через плот­ность вероятности ДУ₍) того, что J имеет значение У.:

H-ffViWi- (3)

В частном случае вместо плотности вероятности можно оха­рактеризовать класс однородных объектов просто вероятностью q_i и представить /₍. в логарифмической форме; тогда получим

Я—JUlogp,. (За)

Значения q_ii&p_i могут быть не равны, но возможны ситуации, когда q_t ~ p_t, что имеет место в энтропийной мере Шеннона.

В приложениях рассматриваемого подхода к конкретным за­дачам часто необходимо различать логическую информацию се­мантическую (измеряя ее рассмотренной энтропийной мерой) и прагматическую (целевую) информацию Я_ц, для оценки которой применяется соотношение, аналогичное выражению (Зй), только в этом случае удобнее заменить вероятность недостижения цели

p_t на сопряженную (1 - р\)'■

1=1

где р.' - вероятность достижения цели;

q_i - вероятность того, что оцениваемая компонента будет использо­вана для достижения цели.

При детерминированном измерении можно принять различ­ную форму усреднения (опосредования), для чего вводится пара­метр у, который может выбирать постановщик задачи. Тогда

Н-$й. (5)

где У. - результаты измерения ^согласно (2);

п - объем понятия, т.е. число охватываемых понятием объектов; Y - параметр логики усреднения, при различных значениях которо­го получаются различные выражения для определения Н.

Наиболее простой и естественной является линейная логика, соответствующая параметру усреднения у = 1 и приводящая к среднему арифметическому

N 1 N

i=i ⁿ /=i

где q_k - вероятность встретить J_k среди всех п_о объектов; N - число различных информации (объектов);

J=^H±J_k-

Соотношение (6) символизирует основной закон классичес­кой логики Аристотеля, согласно которому сущность Н понятия обратно пропорциональна его объему п_о.

При других значениях у получаются усреднения другого типа: среднегеометрическое (при у = 0), среднегармоническое (при у = - 1), среднеквадратическое (при у = 2).

Способы оценки J и Я даны в таблице.

В некоторых приложениях могут быть использованы одно­временно обе формы представления информационных характе­ристик - и детерминированная, и вероятностная, а также пере­ход от одной формы к другой.

Следует оговорить особенности вероятностных характерис­тик, используемых в излагаемом подходе. В частном случае p_t мо­жет быть статистической вероятностью, определяемой на основе репрезентативной выборки, подчиняющейся той или иной ста­тистической закономерности.

Однако в общем случае вероятность достижения цели pf и ве­роятность использования оцениваемой компоненты (свойства) при принятии решения q_i могут иметь более широкую трактовку и использоваться не в строгом смысле с позиции теории вероят­ностей, справедливой для стохастических, повторяющихся явле­ний, а характеризовать единичные явления, события, когда р. выступает как степень целесоответствия (см.).

Информационная сложность или содержание (смысл) С опре­деляется пересечением (логическим произведением, а в частных случаях - декартовым произведением) J и Н:

C = Jr\HwmC = JH. ^л (7)

В зависимости от того, применительно к характеристике всей системы или ее элементов используется С, можно говорить о си­стемной С_с, собственной С₀ и взаимной С_в сложности; при этом

С_С = С₀ + С_В. (8)

Учитывая особую роль цели в теории систем и системного анализа, рассмотрим логику процесса достижения цели. Посколь­ку всякая вещь обретает смысл лишь на фоне целенаправленной деятельности, сама цель деятельности определяется через смысл как его предельное значение. Иными словами, если определить цель как отраженный экстремум функционала нашего существо­вания, то в роли этого функционала как раз и выступает смысл.

Рассматриваемый подход позволяет учесть не только стати­ку, но и кинематику, и динамику исследуемого процесса.

При оценке логической информации (потенциала)

Я = J[J/n, idjfdt, UfiJIdt²), (9)

где л - объем понятия;

х - информационное сопротивление канала (имеет размер-

ность времени);

L - ригидность, характеризующая геометрию тела и его инер-

ционные свойства, сопротивляемость системы новому (эта, казалось бы, отрицательная характеристика обус­ловливает в то же время устойчивость системы, ее иссле­довательские и прогностические способности);

dJIdt и d²J/dt- скорость и ускорение изменения информации соответ­ственно.

Соотношение (9) было получено в теории информационного поля как дискретный вариант описания информационного про­цесса в форме информационной цепи и представляет собой ана­лог описания электрической цепи, что первоначально представ­лялось некоторым доказательством аналогий в полях различной физической природы.

Но в последующем, чтобы избежать обвинения в физикализ-ме, автор вывел [4] это соотношение на основе законов диалек­тической логики (отрицания, отрицания отрицания, единства про­тивоположностей).

В дальнейшем на основе закона всеобщей взаимосвязи и вза­имозависимости было получено описание процессов с учетом взаимного влияния компонентов, отображающих проблемную ситуацию, в форме системы уравнений типа:

где п_И - собственный объем /-го понятия;

л.. - взаимный объем i-ro иу'-го понятий;

х_н и L_|V- собственные информационное сопротивление н ригидность данного понятия соответственно;

т.. и L.- взаимное информационное сопротивление и взаимная ригид­ность /-го иу'-го понятий.

Система размытых относительно истинных (диалектических) суждений типа (10) позволяет сделать символическое размытое умозаключение путем решения этой системы по правилам, отли­чающимся от математических в той мере, в какой диалектичес­кая логика отличается от классической, т.е. в меру влияния зако­нов тождества и исключенного третьего.

В соотношениях (9) и (10) в случае допустимости линейной аппроксимации могут быть знаки «+» между компонентами, но в общем случае - более сложные отношения логического сумми­рования. Однако для значительного числа практических прило­жений допустима линеаризация объединения логических инфор­мации, характеризующих статику, кинематику и динамику исследуемого процесса при условии, что периодически (с учетом закона перехода количественных изменений в качественные) сле­дует пересматривать константы п, т, L.

Если учесть не только изменение Я, но и информацию вос­приятия J, то можно получить соотношения для С, аналогич­ные (10):

В соотношениях (10) и (И) J' и J" отражают динамику изме­нения J₍. при становлении понятий о материальных свойствах или объектах /-го вида.

На основе этих понятий разработаны обобщающие законо­мерности, информационные оценки, информационные модели систем различной физической природы.

Информационный подход нашел широкое применение в мо­делировании систем управления [3, 6], в исследовании многокри­териальных задач [4, 9], отображении проблемных ситуаций с учетом взаимного влияния отображаемых объектов или матери­альных свойств исследуемого объекта [4, 10, 13 и др.], в сравни­тельном анализе иерархических структур [6, 8, 10, 11 и др.] (см. Закономерность целостности), в разработке проектов сложных технических комплексов [13] и т. д.

На базе информационных оценок разработаны методы орга­низации сложных экспертиз [12] (см. Методы организации слож­ных экспертиз).

Примечание. В литературе термин информационный подход используется и в более широком смысле.

• 1. Денисов А.А. Теоретические основы кибернетики: информацион­ное поле / А.А. Денисов. - Л.: ЛПИ, 1975. 2. Денисов А.А. Основы тео­рии информационных цепей: конспект лекций / А.А. Денисов. - Л.: ЛПИ, 1977. 3. Денисов А.А. Информация в системах управления: учеб. посо­бие/ А.А. Денисов -Л.: ЛПИ, 1980. 4. Денисов А.А. Теория больших систем управления: учеб. пособие для вузов / А.А. Денисов, Д.Н. Колесни­ков. - Л.: Энергоиздат, 1982. 5. Волкова В.Н. Теория систем и методы системного анализа в управлении и связи / В.Н. Волкова, В.А. Воронков, А.А. Денисов и др. - М: Радио и связь, 1983. 6. Денисов А.А. Инфор­мационные основы управления/А.А. Денисов. -Л.: Энергоатомиздат, 1983. 7. Денисов А.А. Введение в информационный анализ систем: текст лек­ций / А.А. Денисов. - Л.: ЛПИ, 1988. 8. Ден исов А.А. Иерархические

системы: учеб. пособие / А.А. Денисов, В.Н. Волкова. - Л.: ЛПИ, 1989.
9. Волкова В.Н. Системное проектирование радиоэлектронных пред­
приятий с гибкой автоматизированной технологией / В.Н. Волкова, А.П. Гра­
дов, А.А. Денисов и др. -М.: Радио и связь, 1990. 10. Системный анализ
в экономике и организации производства: учеб. для вузов / Под ред.
С.А.Валуева, В.Н. Волковой.-Л.: Политехника, 1991. П.Волкова В.Н.
Основы теории систем и системного анализа / В.Н. Волкова, А.А. Денисов. -
СПб.: Изд-во СПбГТУ, 1997. Изд. 3-е - СПб: Изд-во СПбГПУ, 2003. -
С. 155-232. 12.Волкова В.Н. Методы организации сложных экспертиз
/ В.Н. Волкова, А.А Денисов. - СПб.: Изд-во СПбГТУ, 1998. П.Широко­
ва СВ. Разработка информационных моделей системного анализа про­
ектов сложных технических комплексов / СВ. Широкова. - СПб.: Изд-во
СПбГТУ, 1998. А.А. Денисов

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ (ИИ) - область научного знания, объединяющая большое число направлений, занимаю­щихся исследованием принципов и закономерностей мыслитель­ной деятельности и моделированием задач, которые традицион­но относят к интеллектуальным.

В настоящее время в число направлений ИИ включают рабо­ты от исследования принципов восприятия (моделирование ор­ганов зрения, осязания и т.п.) и моделирования функций мозга до специальных методов доказательства теорем, диагностики за­болеваний, игры в шахматы, написания стихотворений и музы­кальных произведений, сказок и т.п.

Теория искусственного интеллекта имеет достаточно длитель­ную предысторию.

Идея создания искусственного подобия человека для реше­ния сложных задач и моделирования человеческого разума воз­никла еще в древние времена (искусственные люди, логическая машина Р. Луллия и т.п.).

Однако формирование ИИ как научного направления начи­нается после создания ЭВМ (в 40-х гг. XX в.) и кибернетики (см.) Н. Винера, частью которой первоначально считались и работы по ИИ. А оформление ИИ в самостоятельную область знаний произошло в 50-60-е гг. XX в.

Термин «искусственный интеллект» - Artificial Intelligence (AI) - был предложен в 1956 г. на семинаре с аналогичным названием в Дартсмудском колледже (США).

В переводе с английского термин Intelligence буквально озна­чает «умение рассуждать разумно», а не «интеллект» (Intellect), но он вполне отражает задачи этого научного направления.

Работы в области ИИ начинались с моделирования элемен­тарных игр в кубики, крестики-нолики и т.п., с создания интел­лектуальных роботов и планирования их поведения. Эти задачи являются классическими при обучении теоретическим основам ИИ. На идеях их решения разработаны основные модели пред­ставления знаний: продукционные, семантические сети, фреймы.

Но первыми работами, которые внесли существенный вклад
в становление ИИ как науки, считают работы Ф. Розенблата и
У. Мак-Каллока, создавших в 1956-1965 гг. первые нейронные
сети и устройство, получившее название «персептрон» (perceptron)
[14, 22]; А. Ньюэлла, Дж. Шоу, Г. Саймона, создавших машину
I «Логик-теоретик», и других создателей «решателей задач» [7];

М. Минского (автора модели фрейма и фреймового представле-
j ния знаний) [15].

Примерно в те же 50-60-е гг. XX в. началось становление ИИ
и в нашей стране. Но в отличие от зарубежных исследователей,
которые шли от моделирования игр, создания устройств восприя­
тия типа «персептрон» и интеллектуальных роботов (т.е. от прак-
j тики, экспериментов), только в 90-е гг. XX в. появились их теоре-

тические работы. В СССР пытались в первую очередь решить проблему методологически, концептуально.

В 1954 г. в МГУ под руководством А.А. Ляпунова начал
if работать семинар «Автоматы и мышление». В этом семинаре

jj принимали участие физиологи, лингвисты, психологи, матема-

тики.

На различных семинарах и в печати в течение длительного периода обсуждались проблемы «Может ли машина мыслить?», «Можно ли создать электронный мозг, подобный мозгу челове­ка?», «Почему невозможен искусственный интеллект» и т.п. По­добные дискуссии продолжались до 80-х гг. XX в. [12].

Предлагались различные концепции моделирования мозга -нейронная (А.В. Напалков), вероятностная (А.Б. КЬган), поле­вая (В.В. Налимов) и т.п.

Проводились исследования закономерностей мышления и разумного поведения (В.Н. Пушкин [18, 21], Н.М. Амосов [3]), принципов и моделей творчества (Г.С. Альтшуллер [2 и др.], А.И. Половинкин [16]), эвристических решений ([1] и др.), рабо­ты по распознаванию образов (М.М. Бонгард [6], который в 60-е гг. XX в. разработал алгоритм «Кора», моделирующий деятель­ность человеческого мозга при распознавании образов), по со-

зданию лексических и семиотических основ моделирования за­дач ИИ (Ю.Д. Апресян [4] и др.). Большой вклад в становление отечественной школы ИИ внесли М.Л. Цетлин, М.А. Гаврилов.

Параллельно в 60-70-х гг. XX в. разрабатывались отдельные программы и проводились исследования в области поиска реше­ния логических задач, доказательства теорем. Такие работы проводились в Ленинграде (Ленинградское отделение математи­ческого института им. В.А. Стеклова), в Киеве (в Институте ки­бернетики АН УССР под руководством В.М. Глушкова) и неко­торых других научных центрах.

В качестве особого этапа в развитии ИИ необходимо отме­тить создание школы ситуационного управления, или ситуацион­ного моделирования. Эта школа первоначально возникла в Мос­ковском энергетическом институте. Основателем школы является Д.А. Поспелов [18-20], который в последующем работал в ВЦ АН СССР. Идеи Д.А. Поспелова развивали его ученики -В.А. Вагин, создавший в последующем самостоятельное направ­ление в рамках ИИ, Ю.И. Клыков, Л.С. Загадская (Болотова) и др., разрабатывавшие лингвистические средства моделирования ситуаций и представления знаний [5, 13 и др.], явившиеся в после­дующем хорошей основой для развития ИИ.

Немаловажную роль в развитии ИИ сыграл в начале 70-х гг. XX в. семинар, проводимый при кафедре Кибернетики Московс­кого инженерно-физического института (зав. кафедрой и руко­водитель семинара Л.Т. Кузин).

На этом семинаре обсуждались первые работы В.Ф. Хорошев­ского, внесшего в последующем значительный вклад в разра­ботку интеллектуальных систем [9 и др.]. Под влиянием идей, об­суждаемых на семинаре, был разработан первый язык сентенци­ального типа РЕФАЛ (автор - В.Ф. Турчин, 1968 г.), ориентиро­ванный на символьное представление знаний.

Способствовали развитию отечественной школы ИИ между­народные конференции, проводимые в середине 70-х гг. XX в. в Тбилиси по инициативе В.В. Чавчанидзе.

После признания ИИ отдельной областью науки произошло разделение его на два основных направления: нейрокибернетика и кибернетика «черного ящика» (см.), являющаяся основой техни­ческой кибернетики. Эти направления развивались, различаясь как в методологии, так и в технологии.

На их основе возникали самостоятельные подходы и ответв­ления: модели лабиринтного поиска (конец 50-х гг. XX в.); эври­стическое программирование (начало 60-х гг.); модели, базиру­ющиеся на математической логике; системы, основанные на знаниях (начало 80-х гг.), или экспертные системы (см.); когни­тивный подход (см.); логистическое направление ИИ [10]; концеп­ция структурированной неопределенности и голономных систем ИИ [11].

В последнее время все большее распространение для обобщен­ного наименования систем искусственного интеллекта получает термин интеллектуальные системы.

Значительную роль в сближении различных направлений и объединении ученых, их развивающих, сыграли Научный совет по проблеме «Искусственный интеллект», созданный в 1974 г. при Комитете по системному анализу при Президиуме Академии наук СССР (председатель Г.С. Поспелов), и учрежденная в 1988 г. Ас­социация искусственного интеллекта (президент Д.А. Поспелов).

В современном представлении ИИ определяют как научное направление, целью которого является разработка аппаратно-программных средств, позволяющих пользователю-непрограм­мисту ставить и решать свои, традиционно считающиеся ин­теллектуальными задачи, общаясь с ЭВМ на ограниченном под­множестве естественного языка [9].

Такое определение охватывает практически все направления работ, проводимых в обширной области знаний, называемой ис­кусственным интеллектом. И в такой трактовке результаты ис­следований в области ИИ наиболее интересны для исследования развивающихся систем и решения задач системного анализа.

• 1. Александров Е.А. Основы теории эвристических решений. Под­ход к изучению естественного и построению искусственного интеллекта / Е.А. Александров. ~М.:Радиоисвязь, 1975.2. Ал ьтшуллер Г.С. Твор­чество как точная наука / Г.С. Альтшуллер. - М.: Сов. радио, 1979. З.Амо­сов Н.М. Искусственный разум / Н.М. Амосов. - Киев: Наукова думка, 1969. 4. Апресян Ю.Д. Лексическая семантика: семиотические средства языка / Ю.Д. Апресян. - М.: Наука, 1974. 5. Болотова Л.С. Системы искусственного интеллекта: теоретические основы СИИ и формальные мо­дели представления знаний: учеб. пособие / Л.С. Болотова, М.Я. Комаров, А.А. Смольянинов. - М: Изд-во МИРЭА (ТУ), 1998. 6. Бонгард М.М. Распознавание образов / М.М. Бонгард. - М.: Наука, 1973. 7. Вычисли­тельные машины и мышление.-М.: Мир, 1967.8. Гаазе-Рапопорт М.Г. Порождение структур волшебных сказок: препринт / М.Г. Гаазе-Рапопорт, Д.А. Поспелов, Е.Т. Семенова. - М.: АН СССР, 1980. 9. Гаврил о-

в а Т. А. Базы знаний интеллектуальных систем / Т.А. Гаврилова,
В.Ф. Хорошевский. - СПб.: Питер, 2000. 10. Девятков В. В. Системы
искусственного интеллекта: учеб. пособие/В.В. Девятков.-М.: Изд-во МГТУ
им. Н.Э. Баумана, 2001. Н.Игнатьев М.Б. Голономные автоматичес­
кие системы /М.Б. Игнатьев, -М.: Изд-во АН СССР, 1963. ^.Искусст­
венный интеллект: за и против // Кибернетика: перспективы развития. -
М.: Наука, 1981.-С. 74-124. 13. Клыков Ю. И. Ситуационное управле­
ние большими системами / Ю.И. Клыков. - М.: Энергия, 1974. 14. Мак-
Маллок У.С. Логическое исчисление идей, имитирующих нервную ак­
тивность/У.С. Мак-Маллок, В. Пите//Нейрокомпьютер. - 1992.~№ 3, 4. -
С. 40-53, 15. М и некий М. Фреймы для представления знаний/М. Мин­
ский. - М.: Мир, 1979. 16. Половинкин А.И. Методы инженерного
творчества/А.И. Половинкин. -Волгоград: Изд-во ВолгПИ, 1984. 17. По­
спелов Г.С. Искусственный интеллект - основа новой информацион­
ной технологии / Г.С. Поспелов. - М.: Наука, 1988. 18. Поспелов Д.А.
Мышление и автоматы / Д.А. Поспелов, В.Н. Пушкин. - М.: Сов. радио,
1972. 19. Поспелов Д.А. Фантазия или наука: на пути к искусственно­
му интеллекту / Д.А. Поспелов. - М.: Наука, 1982. 20. Поспелов Д.А.
Ситуационное управление: теория и практика / Д.А. Поспелов. - М.: Наука,
1986. 21. Пушкин В.Н. Оперативное мышление в больших системах /
В.Н. Пушкин. - М.: Энергия, 1965. 22. Розенблат Ф. Принципы нейро-
динамики. Персептроны и теория механизмов мозга / Ф. Розенблат. - М.:
Мир, 1965. 23.Станкевич, Л.А. Интеллектуальные технологии и пред­
ставление знаний. Интеллектуальные системы / Л.А. Станкевич. - СПб.:
Изд-во СПбТТУ, 2000. Л.С. Болотова, В.Н. Волкова

Дата добавления: 2015-11-04