Экспертные знания

Cтраница 1

Экспертные знания позволяют выделить полезные данные на раннем этапе, предлагая перспективные пути их использования и помогая избежать неоправданных попыток, как можно раньше отсекая тупиковые ветви. Экспертные системы достигают высокого качества работы, используя знания, позволяющие наилучшим образом использовать имеющееся в их распоряжении время. [1]

Необходимы также экспертные знания для того, чтобы оценить рабочие параметры и эксплуатационные характеристики имеющегося в наличии оборудования и программного обеспечения, и затем определить способ его наиболее эффективного использования с учетом функциональных и количественных ограничений. [2]

Короче говоря, экспертные знания сами по себе представляются и необходимыми, и почти достаточными для построения экспертной системы. [3]

Исходя из того, как именно экспертные знания будут использоваться в ЭС при составлении конкретных проектов, SALT анализирует текущее состояние БЗ и предлагает эксперту-пользователю ввести или пересмотреть тот или иной фрагмент знаний. Диалог с пользователем в SALT ведется либо посредством вопросов-подсказок, либо посредством меню. Инициатива в диалоге принадлежит системе. [4]

Схема подстройки параметров алгоритма обучения ВР. [5]

Нечеткая база правил на рис. 1, содержащая экспертные знания, используется для адаптивного изменения значений параметров обучения МНС в зависимости от состояния сети и реального значения параметров обучения: h - скорости обучения и ж - коэффициента инерционности, используемых в формуле ( 1) для обновления весовых коэффициентов на каждой итерации процедуры обучения по алгоритму ВР. [6]

Наибольший интерес для построения баз знаний СИИ представляют концептуальные и экспертные знания. Концептуальные знания выражают свойства объектов, процессов и ситуаций через понятия ( базовые элементы) соответствующей области. Описание понятия включает описание его компонентов, указания взаимосвязи с другими понятиями, а также операциональную часть, содержащую зависимости между компонентами понятий. [7]

Последнее обстоятельство лежит в основе тезиса Ковальского, согласно которому человеческие экспертные знания обычно не поддаются полной формализации ( являющейся, в некотором отношении, их заменой), и поэтому нет оснований надеяться, что эти знания будут иметь точную спецификацию, которой они должны соответствовать. Следует, таким образом, ожидать, что процесс введения экспертных знаний в программу для компьютера - в противоположность точной разработке хорошо специфицированных обычных программ - будет протекать посредством проб и ошибок. По мере того как база знаний развивается и к компетентности системы предъявляются новые требования, в нее должны вноситься соответствующие коррективы - точно так же и спецификацию программ возможно потребовалось бы совершенствовать для того, чтобы внести поправки и уточнения и привести ее в соответствие с новыми потребностями. По своей природе логическое программирование более, чем какой-либо другой из существующих вычислительных формализмов, приспособлено для решения задач обнаружения противоречивости ( например, с помощью процедур опровержения) и неполноты ( например, посредством правил вывода по умолчанию) с целью мотивации необходимости усовершенствования экспертной системы, в то время как метаязык логического программирования обеспечивает автоматическое описание критериев и механизмов для этого усовершенствования. [8]

Часть системы, основанной на знаниях, или экспертной системы, содержащая экспертные знания. [9]

В кремниевых компиляторах обычно используют как идеи трансляции описаний разных аспектов и иерархических уровней, так и экспертные знания. [10]

Вообще говоря, системы с нечеткой логикой целесообразно применять для сложных процессов, когда нет простой математической модели; если экспертные знания об объекте или о процессе можно сформулировать только в лингвистической форме. [11]

Аналитические оценки показывают, что в среднем около 25 % ответов экспертов проверяются, что позволяет считать созданную базу знаний непротиворечивой и надежно отражающей экспертные знания. [12]

В настоящее время представляется несомненным, что алгебраический подход представляет собой не специализированную теорию, а скорее математическую технологию построения проблемно-ориентированных теорий синтеза высококачественных алгоритмов на базе соответствующих эвристических информационных моделей, то есть параметрических семейств операторов, отражающих те или иные экспертные знания о предметной области. Можно сказать, что выработалась определенная культура применения алгебраических методов при исследовании конкретных предметных областей, которая позволяет сформулировать правильную последовательность вопросов, ответы на которые и составляют проблемно-ориентированную теорию. [13]

В 50 - 60 - х годах знания, использовавшиеся во многих ранних программах искусственного интеллекта, формировались вручную. При этом программист мог записать экспертные знания в машинном коде, не отделяя их от механизма логического вывода. Формирование знаний вручную требует, чтобы программист знал достаточно много о предметной области для эффективного взаимодействия с экспертом, но этот подход никак не подразумевает, что эксперт знает что-либо о вычислительной технике и программировании или об использованной конкретной реализации. Тем самым программист либо уже является экспертом, либо быстро становится им. Требуются большие усилия, чтобы построить и выверить такую программу, и практически невозможно обеспечить согласованность знаний, используемых при решении задач, когда происходят частые поправки. [14]

Сотрудник ( или менеджер) может использовать экспертную власть в организации, предоставляя информацию или идеи, которые, по мнению других, помогут организации или подразделению достигнуть цели или принять более приемлемое решение. Другие считают, что им нужны экспертные знания для достижения своих личных целей. [15]

Страницы: 1 2