Разработка экспертной системы "Выбор ноутбука"
Этапы проектирования интеллектуальных систем. Разработка дерева решений для экспертной системы "Выбор ноутбука", его преобразование в правила. Создание правил, их соответствие путям, ведущим к возможным целям дерева решений. Применение дерева решений.
Рубрика | Программирование, компьютеры и кибернетика |
Вид | курсовая работа |
Язык | русский |
Дата добавления | 27.09.2014 |
Размер файла | 237,0 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Курсовой проект
по дисциплине: "Интеллектуальные информационные системы"
на тему: "Разработка экспертной системы "Выбор ноутбука".
Пермь-2013
Содержание
- Введение
- 1. Этапы проектирования интеллектуальных систем
- 2. Разработка экспертной системы "Выбор ноутбука"
- 2.1 Постановка задачи
- 3. Разработка дерева решений
- 3.1 Преобразование дерева решений в правила
- 3.2 Пример создания правил
- Список использованной литературы
Введение
Одним из основных препятствий на пути внедрения систем искусственного интеллекта является сама причина необходимости их внедрения, т.е. недостаток интеллекта естественного.
Современная экономика, характеризующаяся высокой динамичностью, глобализацией всех процессов, ориентацией на потребителя, возрастающей конкуренцией, проведением непрерывных инноваций, требует применения адекватных методов и средств оптимального управления предприятиями.
Ключевым вопросом эффективного применения этих методов и средств является организация и обработка знаний о возможностях и потенциале предприятия, которые становятся его интеллектуальным капиталом. Развивающаяся в настоящее время в менеджменте концепция управления знаниями предприятия предполагает использование современных информационных технологий, базирующихся в первую очередь на достижениях научного направления "Искусственный интеллект".
В связи с этим интеллектуальные информационные системы (ИИС) в экономике призваны освятить вопросы разработки и эффективного применения интеллектуальных информационных технологий в решении различных классов экономических задач в условиях неопределенности и динамичности среды функционирования предприятий, к которым относятся:
· экономический анализ;
· обоснование стратегических решений;
· инвестиционное проектирование;
· планирование, реорганизация и мониторинг бизнес-процессов;
· адаптация корпоративных информационных систем;
· создание и организация доступа к корпоративной памяти (хранилищу знаний).
1. Этапы проектирования интеллектуальных систем
Проектирование интеллектуальных систем - это итеративный и эволюционный процесс, в котором участвуют несколько специалистов: эксперт, обладающий знаниями о предметной области и желающий помочь работе по созданию системы, а также специалисты в области искусственного интеллекта - инженеры знаний, аналитики и программисты. В зависимости от объема и трудоемкости работ группа может состоять из трех - шести человек.
При оценке проблемной области на этапе проектирования интеллектуальных систем необходимо учитывать следующие факторы: легкость сбора данных, представимость данных, оправданность затрат на разработку интеллектуальных систем, наличие экспертов, наличие необходимых ресурсов (компьютеров, программистов, программного обеспечения и т.д.).
После анализа проблемной области и определения целесообразности внедрения интеллектуальной системы в этой сфере приступают непосредственно к проектированию системы.
Существуют различные взгляды на определение числа этапов проектирования интеллектуальных систем. Это зависит от многих факторов, в частности от характера функций будущей интеллектуальной системы, области использования, наличия развитых инструментальных средств и т.д.
Процесс построения систем разделяется на пять этапов (рис.1):
1. Идентификация определения задач и идентификация их характеристик. На этом этапе устанавливаются задачи, которые предполагается решать, их характеристики и особенности. Разрабатывается техническое задание на проектируемую систему. Далее очерчивается круг пользователей системы. Эти сведения помогут в дальнейшем правильно определить область знаний эксперта, определить функции системы и, как следствие, уровень необходимых знаний. В результате вырабатываются определенные требования.
2. Выделение главных концепций предметной области, которые отражают знания круга экспертов. Это дает возможность анализировать тип знаний, которыми оперирует эксперт в процессе принятия решений. Инженер знаний определяет формальные средства представления знаний и процедуры получения решений, в наибольшей степени соответствующие характеру рассуждений эксперта при выводе решения.
Таким образом, в результате выполнения этого этапа выявляется и формулируются понятия, определяющие выбор характерной схемы представления знаний эксперта о предметной области.
3. Выбор формализма представления знаний и определение механизма вывода решений. Эти компоненты моделирования в значительной степени влияют на успешное решение поставленной задачи по проектированию системы.
Разработанная структура для представления знаний является основой для реализации следующего этапа - непосредственного построения базы знаний системы.
4. Выбор или разработка языка представления знаний. После того как правила сформулированы и представлены на выбранном языке представления, они заносятся инженером знаний в БЗ.
5. Тестирование системы.
Работоспособность системы определяется путем решения конкретных проверочных задач. При выявлении различных недостатков происходит обращение к тому или иному этапу разработки в зависимости от характера недостатков. При отсутствии каких-либо знаний в системе или их недостаточной определенности возвращаются к этапу 4 и по возможности вносят поправки. В случае если какие-либо знания, представленные экспертом практически невозможно представить в пределах формализма выбранной модели представления знаний, то возвращаются к этапу 3 и выбирают альтернативные модели или схемы представления знаний. Возможно, что причиной возврата может служить недостаточно адекватный базовый механизм логического вывода. Возникают ситуации, когда требуется переформулирование проблемы, так как исходная постановка задачи была неправильной.
Рис. 1. Этапы проектирования ИИ
Приведенная схема последовательности работ, на наш взгляд, достаточно полно и подробно раскрывает процесс проектирования ИИ, но некоторые важные этапы, связанные с созданием ряда функциональных модулей систем ИИ, не рассмотрены. Более подробный перечень работ при проектировании интеллектуальных систем:
· извлечение знаний из эксперта и передача их системе;
· выбор способа представления знаний в системе;
· выбор стратегии вывода (управления);
· выбор подсистемы объяснения;
· выбор подсистемы взаимодействия с пользователем;
· выбор адекватных средств реализации системы. Однако здесь, уже отсутствуют некоторые важные этапы, описанные выше.
Как уже отмечалось, содержание работ, число этапов проектирования интеллектуальных систем, последовательность их выполнения зависят от целого ряда объективных и субъективных факторов. Однако многие этапы и содержание работ являются общими и необходимыми для интеллектуальных систем практически всех типов. Ниже приводится перечень таких этапов и их составляющих:
1. Описание проблемной области: определение проблемной области, показывающее важность проблемы для всей организации; определение проблемных экспертов, желающих передать экспертизы (знания) базе знаний; подготовка и объявление плана развития.
2. Персонал: определение группы проектировщиков и соответствующих заданий; назначение квалифицированного руководителя проекта; установление и проведение в жизнь твердой линии управления.
3. Принятие проекта: проведение организационного заседания; обсуждение основного подхода к проблеме; подготовка специального плана развития; подготовка к монтажу необходимых технических средств и инструментария.
4. Прототип системы: развитие системного прототипа: тестирование; получение дополнительной информации о проблемной области по результатам тестирования.
5. Развитие полной системы: расширение базы знаний прототипа; оценивание структуры интерфейса пользователя; объединение средств обучения пользователей и документации.
6. Верификация системы: вовлечение в процесс проверки экспертов и потенциальных пользователей; обеспечение функционирования системы в соответствии с проектом.
7. Интеграция системы: выполнение полной системы, как планировалось; обеспечение совместимости и взаимодействия системы с уже действующими.
8. Поддержка системы: обеспечение непрерывной поддержки системы; модернизация БЗ в случае поступления новой информации; сохранение ответственности за систему.
9. Документация: подготовка полной документации системы; подготовка руководства для пользователя; организация консультаций пользователям.
Этапы создания интеллектуальных систем не являются четко очерченными и подробно регламентированными. Между некоторыми из них трудно провести временную и содержательную границу. Они в какой-то степени приблизительно описывают процесс проектирования интеллектуальных систем.
Задачи каждого этапа могут быть решены только при совместной работе заказчика (пользователя) ИИС и разработчика. Особенно велик удельный вес работ заказчика на первом этапе, поскольку только он может определить, какие физические величины используются для описания ИО, какие используются при этом физические и математические модели и что является целью функционирования ИИС (целью измерения или целью обработки полученных результатов). На последующих этапах основная роль принадлежит разработчику, однако и на этих этапах необходимо учитывать мнение заказчика, в первую очередь в части эргономических свойств ИИС.
Стадии существования интеллектуальных систем (или жизненные циклы системы) соответствуют уровню готовности системы, завершенности ее функциональных возможностей, реализуемых инструментарием. Определяют следующие стадии существования интеллектуальных систем: демонстрационный прототип; исследовательский прототип; действующий прототип; промышленная система; коммерческая система.
Демонстрационный прототип - это состояние разработанности системы, когда она решает некоторую часть проблемных задач. При разработке демонстрационного прототипа стремятся достичь противоречивых целей: с одной стороны, система на стадии демонстрационного прототипа должна выполнять задачи, которые бы довольно полно характеризовали ее возможности, с другой стороны, эту стадию стремятся пройти как можно быстрее. Работа демонстрационного прототипа может быть признана удовлетворительной, если он оперирует минимальным набором правил, достаточным для решения некоторых задач. Время разработки колеблется от двух месяцев до года.
Исследовательский прототип проектируется в течение 1,5-2 лет. На этой стадии развития системы ее БЗ уже содержит несколько сотен правил, которые достаточно адекватно описывают предметную область.
Действующий прототип интеллектуальных систем осуществляет качественный вывод решений на расширившемся пространстве правил, достигшем порядка 1000. Поэтому для вывода сложных решений требуются большие ресурсы времени и памяти.
Промышленные системы обеспечивают высокий уровень качества решения проблем предметной области при значительных уменьшениях времени решения и требуемой памяти. Количество правил возрастает не столь значительно по сравнению с действующим прототипом. На этой стадии происходит преобразование действующего прототипа за счет расширения числа правил и совершенствования интеллектуальных систем на базе использования более эффективных, инструментальных средств. Это требует примерно 3-4 года.
Коммерческая система предназначена в основном для продажи. Она является либо проблемно-ориентированной, либо проблемно-независимой.
Современные ИИС обладают большой гибкостью, когда на базе одних и тех же аппаратных средств (измерительных каналов и средств вычислительной техники) можно решать различные измерительные задачи, часть которых могла не ставиться на начальном этапе разработки ИИС. Эта специфика ИИС должна учитываться при их проектировании. В частности, должна предусматриваться возможность подключения новых измерительных каналов, а возможно, и разработка этих каналов. При этом мнение заказчика в части возможного развития ИИС также является определяющим.
Современный интерес к системам управления знаниями со стороны разработчиков корпоративных ИС справедливо обусловлен следующими причинами:
· работники предприятия тратят слишком много времени на поиск необходимой информации;
· опыт ведущих и наиболее квалифицированных сотрудников используется только ими самими;
· ценная информация захоронена в огромном количестве документов и данных, доступ к которым затруднен;
· дорогостоящие ошибки повторяются из-за недостаточной информированности и игнорирования предыдущего опыта.
Изучение же и овладение практическими методами и приемами инженерии знаний может существенно повысить качество проектируемых экспертных систем.
2. Разработка экспертной системы "Выбор ноутбука"
2.1 Постановка задачи
Прежде всего, поставим задачу, для решения которой будет разрабатываться экспертная система. Подходящей задачей, при решении которой можно использовать обратную цепочку рассуждений, может быть задача, вытекающая из следующей ситуации: в компьютерный магазин пришёл человек, который желает приобрести ноутбук. Менеджер магазина обладает знаниями в данной области. Ему нужно решить какой ноутбук предложить покупателю.
На первый взгляд задача не очень сложная, но на решение менеджера влияет много факторов. Допустим, клиент в данной области не разбирается и менеджеру следует не употреблять в разговоре терминов, касающихся каких-то отдельных тонкостей инструмента.
Поскольку в задаче надо выбрать один из нескольких возможных вариантов (ноутбуков), для её решения можно воспользоваться обратной цепочкой рассуждений. В действительности ответ уже существует. Если менеджер понимает что нужно клиенту, то без труда сможет подобрать для него подходящий ноутбук. Менеджеру необходимо задать клиенту такие вопросы, ответы на которые дадут возможность сделать правильный выбор.
Итак, задача поставлена. Теперь нужно наглядно ее представить. Для описания подобных задач обычно используются диаграммы, которые называются деревьями решений. Деревья решений дают необходимую наглядность и позволяют проследить ход рассуждений.
3. Разработка дерева решений
Дерево решений - это ориентированный граф, вершинами которого являются условия и выводы, а дугами результат выполнения (проверки) условий.
Диаграммы называются деревьями решений потому, что, подобно настоящему дереву, имеют ветви. Ветви деревьев решений заканчиваются логическими выводами. Многие задачи сложны, и их непросто представить (или для их решения не собираются использовать экспертную систему). Дерево решений помогает преодолеть эти трудности.
На рисунке показано дерево решений для примера с выбором ноутбука. Видно, что диаграмма состоит из кружков и прямоугольников, которые называются вершинами. Каждой вершине присваивается номер. На вершины можно ссылаться по этим номерам. Линии, соединяющие вершины, называются дугами или ветвями. Кружки, содержащие вопросы, называются вершинами решений. Прямоугольники содержат цели диаграммы и означают логические выводы. Линии (стрелки) показывают направление диаграммы. Многие вершины имеют сразу по нескольку ветвей, связывающих их с другими вершинами. Выбор выходящей из вершины ветви определяется проверкой условия, содержащегося в вершине.
Общая цель системы, в которой реализованы обратные рассуждения, - получить окончательный ответ.
дерево решение экспертная система
3.1 Преобразование дерева решений в правила
Как уже говорилось, правило ЕСЛИ-ТО состоит из двух частей. Часть ЕСЛИ может включать несколько условий, которые связываются между собой логическими операторами И, ИЛИ и НЕ. Часть ТО правила включается в работу только в том случае, если истинны все условия в условной части. В дереве решений обеим частям правила соответствуют связанные между собой вершина решения (кружок) и вершина логического вывода (прямоугольник). Условная часть содержит все вершины решения, находящиеся на пути к логическому выводу, т.е. каждая вершина решения на пути к выводу - это одно условие части ЕСЛИ. Вывод же составляет часть ТО правила.
Длинную фразу "Какой ноутбук вы хотите?” можно заменить переменной, принимающей значения "Рабочий" или "Игровой”. В действительности все вершины содержат переменные, имеющие уникальные имена. Список имен переменных, текст, который они заменяют, и номера вершин сводят в таблицу, (табл.1). Использование переменных вместо полного текста упрощает формирование и запись правил.
Таблица 1
Таблица имён переменных
Имя переменной |
Условия |
Вершина (ы) |
|
A1 |
Какой ноутбук вы хотите? |
1 |
|
A2 |
Какая цена? |
2 |
|
A3 |
Новый ли? |
3 |
|
A4 |
Какой цвет? |
4 |
|
A5 |
Какой вес? |
5 |
|
A6 |
Какая частота процессора? |
6 |
|
A7 |
Сколько оперативка? |
7 |
|
A8 |
Сколько лет? |
8 |
|
A9 |
Есть ли сумка? |
9 |
|
А10 |
Это дизайнерская модель? |
10 |
|
А11 |
Сколько дюймов экран? |
11 |
|
А12 |
Какая емкость аккумулятора? |
12 |
|
А13 |
Какие динамики? |
13 |
|
А14 |
Сколько ядер? |
14 |
|
А15 |
С Windows? |
15 |
|
А16 |
Какой объем жестского диска? |
16 |
|
А17 |
Какое состояние? |
17 |
|
А18 |
Собственник был один? |
18 |
|
А19 |
Какая цена? |
19 |
|
Res |
20,21,22,23, 24,25,26,27, 28, 29,30,31, 32,33,34,35, 36,37,38,39, 40,41,42,43, 44,45,46 |
3.2 Пример создания правил
В качестве примера рассмотрим путь 1,2,4,9, 20. Создание правила начинается с вывода и дерево решения просматривается в обратную сторону. Применив полученный путь и имена переменных из табл. 1, можно создать правило:
ЕСЛИ A1="Игровой" И A2="до 20000" И A4="белый" И A9="Да", ТО Res=Acer
В табл. 2 приведены все правила для дерева решений, показанного на рис. Правила соответствуют всем путям, ведущим к возможным целям дерева решений. Номера правил можно выбрать произвольно, т. к они и служат только для удобства идентификации.
Таблица 2
Правила "ЕСЛИ-ТО"
Правило |
Путь |
|
10 ЕСЛИ A1="Игровой" И A2="до 20000" И A4="белый" И A9="Да", ТО Res=Acer |
1,2,4,9, 20 |
|
20 ЕСЛИ A1="Игровой" И A2="до 20000" И A4="белый" И A9="Нет", ТО Res=Asus |
1,2,4,9,21 |
|
30 ЕСЛИ A1="Игровой" И A2="до 20000" И A4="Красный" И A10="Да", ТО Res=Lenovo |
1,2,4,10,22 |
|
40 ЕСЛИ A1="Игровой" И A2="до 20000" И A4="Красный" И A10="Нет", ТО Res=Toshiba |
1,2,4,10,23 |
|
50 ЕСЛИ A1="Игровой" И A2="до 20000" И A4="Черный" И A11="до 17 дюймов", ТО Res=Samsung |
1,2,4,11,24 |
|
60 ЕСЛИ A1="Игровой" И A2="до 20000" И A4="Черный" И A11=">17 дюймов", ТО Res=Sony |
1,2,4,11,25 |
|
70 ЕСЛИ A1="Игровой" И A2="до 30000" И A5="до 400гр" И A12="до 8часов", ТО Res=DNS |
1,2,5,12,26 |
|
80 ЕСЛИ A1="Игровой" И A2="до 30000" И A5="до 400гр" И A12="> 8часов", ТО Res= Sony |
1,2,5,12,27 |
|
90 ЕСЛИ A1="Игровой" И A2="до 30000" И A5="до 600гр", ТО Res= Lenovo |
1,2,5, 28 |
|
100 ЕСЛИ A1="Игровой" И A2="до 30000" И A5="> 600гр" И A13="стерео", ТО Res= DNS |
1,2,5,13,33 |
|
110 ЕСЛИ A1="Игровой" И A2="до 30000" И A5="> 600гр" И A13="Blue Ray", ТО Res= Apple |
1,2,5,13,34 |
|
120 ЕСЛИ A1="Игровой" И A2="> 30000" И A6="> 2Гц" И A14="2 ядра", ТО Res= Sony |
1,2,6,14,30 |
|
130 ЕСЛИ A1="Игровой" И A2="> 30000" И A6="> 2Гц" И A14="4 ядра", ТО Res= Apple |
1,2,6,14,31 |
|
140 ЕСЛИ A1="Игровой" И A2="> 30000" И A6=" 2Гц" ТО Res= Sony |
1,2,6,29 |
|
150 ЕСЛИ A1="Рабочий" И A3="да" И A7="1Гб", ТО Res= DNS |
1,3,7,32 |
|
160 ЕСЛИ A1="Рабочий" И A3="да" И A7="до 2Гб" И A15="да", ТО Res= Sony |
1,3,7,15,35 |
|
170 ЕСЛИ A1="Рабочий" И A3="да" И A7="до 2Гб" И A15="нет", ТО Res= Apple |
1,3,7,15,36 |
|
180 ЕСЛИ A1="Рабочий" И A3="да" И A7="> 2Гб" И A16="250Гб", ТО Res= Samsung |
1,3,7,16,37 |
|
190 ЕСЛИ A1="Рабочий" И A3="да" И A7="> 2Гб" И A16="500Гб", ТО Res= Sony |
1,3,7,16,38 |
|
200 ЕСЛИ A1="Рабочий" И A3="да" И A7="> 2Гб" И A16=">500Гб", ТО Res= Lenovo |
1,3,7,16,39 |
|
210 ЕСЛИ A1="Рабочий" И A3="нет" И A8="свыше 5 лет" И A17="отличное", ТО Res= Apple |
1,3,8,17,40 |
|
220 ЕСЛИ A1="Рабочий" И A3="нет" И A8="свыше 5 лет" И A17="хорошее", ТО Res= Sony |
1,3,8,17,41 |
|
230 ЕСЛИ A1="Рабочий" И A3="нет" И A8="свыше 5 лет" И A17="плохое", ТО Res= Toshiba |
1,3,8,17,42 |
|
240 ЕСЛИ A1="Рабочий" И A3="нет" И A8="от 2 до 5 лет" И A18="да", ТО Res= Apple |
1,3,8,18,43 |
|
250 ЕСЛИ A1="Рабочий" И A3="нет" И A8="от 2 до 5 лет" И A18="нет", ТО Res= Asus |
1,3,8,18,44 |
|
260 ЕСЛИ A1="Рабочий" И A3="нет" И A8="до 2 лет" И A19="до 15000", ТО Res= DNS |
1,3,8, 19,45 |
|
270 ЕСЛИ A1="Рабочий" И A3="нет" И A8="до 2 лет" И A19=">15000", ТО Res= Sony |
1,3,8, 19,46 |
Из приведённого примера видно, как удобно применять деревья решений. Они позволяют просто и наглядно формировать правила для базы знаний, а без базы знаний экспертную систему не построить. Можно построить базу знаний для своей проблемной области аналогично; ему только надо учесть, что должно быть хотя бы одно правило для каждого пути, ведущего к цели.
Список использованной литературы
1. Гаврилова Т.А. Хорошевский В.Ф. Базы знаний интеллектуальных систем. - С. - Пб.: Питер, - 2000, - С.125,133.
2. Гаврилова Т. Извлечение знаний: "пассивные" методы // Бизнес Инжиниринг Групп (БИГ-СПб), - 20-24 апреля 2009г. - http://big. spb.ru/publications/bigspb/km/izvl_knowlg_passiv_metod. shtml
3. Гаврилова Т. Работа со знаниями: активные групповые методы // Бизнес Инжиниринг Групп (БИГ-СПб), - 20-24 апреля 2009г.
4. Бабак В.Ф., Рыженко И.Н. Совершенствование методологии проектирования информационных систем // ГОУ ВПО "Ярославский гос. пед. ун-т им. К.Д. Ушинского", - 2002. - http://citforum. yspu. yar.ru/cfin/articles/mpis. shtml.
5. Дорофеев В.Д. Инновационный менеджмент: Учеб. пособие - Пенза: Изд-во Пенз. гос. ун-та, - 2003. - С.25, 27.
Размещено на Allbest.ru
...Подобные документы
Аналитический обзор системы управления курсами Moodle, программное построение ее модулей. Разработка структурной схемы и базы знаний экспертной системы. Создание дерева вопросов и выбор алгоритма поиска решений. Анализ возможных угроз и защита информации.
дипломная работа [534,7 K], добавлен 14.12.2013Общая характеристика киноиндустрии как предметной области работы. Разработка базы данных и дерева вопросов для получения информации для выбора фильма. Программная реализация экспертной системы. Тестирование системы и создание руководства пользователя.
курсовая работа [1,9 M], добавлен 19.05.2014Виды и основные функции интеллектуальных систем. Выбор инструментального средства для создания экспертной системы. Физическое проектирование базы данных. Использование среды EsWin 2.1 для разработки и тестирования экспертной системы выбора должности.
курсовая работа [615,8 K], добавлен 22.03.2016Назначение экспертной системы. Разработка экспертной системы путем самостоятельного программирования в полном объеме простейшей ЭС в "GURU". Листинг экспертной системы по прогнозированию на бирже уровня цен, если валютный курс доллара падает или растет.
лабораторная работа [17,8 K], добавлен 15.01.2011Рассмотрение нелинейных динамических структур данных в виде бинарного дерева. Построение дерева двоичного поиска. Реализация трех обходов дерева, выведение обходов на экран компьютера. Разработка текста программы. Симметричноправая прошивка дерева.
контрольная работа [81,6 K], добавлен 14.12.2011Разработка экспертной системы диагностики и выбора оптимальных решений. Формирование медицинской базы. Структура программного средства. Работа с базами данных. Функционирование программного средства, добавление и редактирование заболеваний, симптомов.
дипломная работа [5,5 M], добавлен 23.03.2012Этапы разработки экспертных систем. Требования к организации-разработчику. Правильный выбор подходящей проблемы, работа с экспертом. Разработка прототипной системы. Развитие прототипа до промышленной экспертной системы. Особенности оценки системы.
презентация [169,1 K], добавлен 14.08.2013Обслуживание двух встречных потоков информации. Структура информационных систем. Разработка структуры базы данных. Режимы работы с базами данных. Четыре основных компонента системы поддержки принятия решений. Выбор системы управления баз данных.
курсовая работа [772,0 K], добавлен 21.04.2016Структура типичной экспертной системы. База данных (рабочая память), её назначение. Функция getsport как экземпляр класса cSport. Алгоритм работы экспертной системы. Реализация пользовательского интерфейса. Результаты тестирования системы пользователем.
курсовая работа [1018,8 K], добавлен 13.06.2012Технология экспертных систем на основе искусственного интеллекта: разработка и внедрение компьютерных программ, способных имитировать, воспроизводить области деятельности человека, требующих мышления, определенного мастерства и накопленного опыта.
курсовая работа [264,8 K], добавлен 22.12.2008Проектирование экспертной системы выбора нейронной сети. Сущность семантических сетей и фреймов. MatLab и системы Фаззи-регулирования. Реализация программы с использованием пакета fuzzy logic toolbox системы MatLab 7. Составление продукционных правил.
курсовая работа [904,4 K], добавлен 17.03.2016Участники и инструментальные средства создания экспертной системы. Классификация, преимущества, сферы применения экспертных систем. Разработка блок-схемы алгоритма и программы на языке Турбо Паскаль для решения задачи по теме "Двумерные массивы".
курсовая работа [1,0 M], добавлен 18.01.2014Постановка задачи и принятие решений, связанных со строительством бани на дачном участке. Структура экспертной системы: блоки и алгоритм функционирования. Понятийно-объектная и концептуальная модель предметной области: структура, состав, база знаний.
дипломная работа [867,9 K], добавлен 26.08.2012Организация бинарного дерева. Порядок размещения данных в нелинейных структурах. Организация пользовательского интерфейса. Симметричный обход дерева. Параллельная работа обработчиков исключений. Расширенный графический интерфейс и его возможности.
курсовая работа [426,0 K], добавлен 24.06.2013Сущность интеллектуальных систем. Запись математического выражения в виде ориентированного графа. Особенности разработки генетического алгоритма для решения задачи аппроксимации логического вывода экспертной системы на основе метода сетевого оператора.
дипломная работа [1,0 M], добавлен 17.09.2013Разработка программы на языке С#, которая будет заниматься построением бинарного дерева для исходных данных и их редактированием, поиском информации о товарах по заданному ключу. Графические схемы алгоритмов поиска и удаления элемента бинарного дерева.
курсовая работа [796,9 K], добавлен 22.02.2016История развития, применение искусственных нейронных сетей. Распознавание образов в сети. Сжатие данных и ассоциативная память. Проектирование экспертной системы, позволяющей диагностировать заболевания органов пищеварения. Программная реализация системы.
курсовая работа [744,0 K], добавлен 05.02.2016Человеко-машинные комплексы, специально предназначенные для принятия решений. Процесс принятия решений и его этапы. Методы поиска новых вариантов решений: дерево решений, морфологические таблицы, конференции идей. Принцип математической оценки тенденций.
курсовая работа [272,1 K], добавлен 30.07.2009История появления первой экспертной системы DENDRAL. Проектирование и разработка программной экспертной системы, предназначенной для анализа финансового состояния предприятия. Основные предикаты и секции приложения: domains, predicates, clauses, goal.
курсовая работа [1,5 M], добавлен 21.05.2016Разработка экспертной системы по выбору языка программирования, отвечающего критериям разработчика: представление базы знаний; выбор и обоснование механизма вывода решения. Программа формирования основного меню, реализация механизма выработки решения.
курсовая работа [2,5 M], добавлен 15.08.2012