Cтраница 2
Понимание природы данных предметной области также важно при формализации знаний. [16]
Принципиальное значение в системном подходе имеет выбор способа формализации знания. [17]
Если попытаться заглянуть вперед, пофантазировать, то ПК представляется инструментом формализации знаний пользователя-профессионала. Действительно, каждый из нас является специалистом в какой-то области знаний, умений, навыков. Как правило, эти знания сугубо индивидуальны и с очень большим трудом поддаются формализации. Очень соблазнительно использовать персональность персонального компьютера для попытки формализации таких знаний и умений, создавая соответствующие программы. [18]
Модель семантической сети - это модель, основой нотации для которой является формализация знаний в виде ориентированного графа с размеченными вершинами и дугами. Вершинам соответствуют объекты или ситуации, а дугам - отношения между ними. [19]
Основу рассматриваемой ЭС составляют продукционные правила, полученные в результате анализа и формализации знаний о процессе водоподготовки. [20]
Специалист, вооруженный ПЭВМ, значительно расширяет свои интеллектуальные возможности, легче осуществляет формализацию собственных знаний и приложения их к формализации задачи, видит весь сквозной путь решения задачи от постановки до получения конечного результата. [21]
Выявление модели процесса, используемой для генерации решений, может стать важным шагом при формализации знаний. Возможные типы, которые могут встретиться, включают в себя как поведенческие, так и математические методы. Если эксперт применяет упрощенную поведенческую модель при выводе решения или при его обосновании, то при анализе модели можно получить много важных концепций и связей. Если часть концептуальной структуры описывается математической ( аналитической или статистической) моделью, то такая модель может дать важную дополнительную информацию по решению задач, которую следует непосредственно включать в экспертную систему. [22]
В четвертой главе обсуждаются проблемы интеллектуализации системы принятия решений и управления технологическими объектами ГКМ на основе формализации знаний о технологическом объекте и сочетания их с традиционными математическими моделями объектов, рассматриваются вопросы повышения достоверности информации в АСУ ТП и диагностика состояния технологических процессов УКПГ. [23]
Профессиональные микроЭВМ, составляя техническую основу АРМ, представляют также наиболее массовый и достаточно эффективный инструмент для формализации знаний, опыта и навыков в самых различных профессиональных областях. Они позволяют создавать базы профессиональных знаний. Известно, что организация бухгалтерского учета на предприятиях и в организациях строго регламентируется Планом счетов бухгалтерского учета, положениями о бухгалтерских записях и документах, порядке учета производственных запасов, расчетов по заработной плате с рабочими и служащими и др. Это позволяет исходя из распределения учетно-контроль-ных работ между различными пользователями на каждой персональной микроЭВМ ( автоматизированном рабочем месте) создавать базы нормативно-методических и инструктивных материалов по ведению учета и выполнению расчетов, обеспечивая таким образом надлежащий уровень профессиональных знаний и обмен передовым опытом. [24]
Разработана методология создания экспертных систем оперативной диагностики реального времени, внедрена компьютерная система, позволяющая автоматизировать процесс отбора и формализации знаний специалистов по максимально простой и удобной для них форме, автоматически заполнить базы знаний, проверить и отладить алгоритмы поиска неисправностей до постановки системы на объект. Для специалистов-экспертов требуется только знание объекта диагностирования, остальное компьютерная система сделает сама. [25]
В технологическом плане крайне необходимым является решение проблемы работы со знаниями в рамках единого подхода, реализующего выбор МПЗ, формализацию знаний и создание СИИ, реализующей идею автоформализации знаний самим экспертом. [26]
Инженерия знания - достаточно молодое направление искусственного интеллекта, появившееся тогда, когда практические разработчики столкнулись с весьма нетривиальными проблемами трудности добычи и формализации знаний. [27]
При определении профессиональных требований к аналитику следует учитывать, что ему необходимы различные навыки и умения для грамотного и эффективного проведения процессов извлечения, концептуализации и формализации знаний. [28]
Однако объективные трудности работы с экспертом, естественно приводят к попыткам возложить на него деятельность по заполнению базы знаний, т.е. объединить эксперта и инженера-интерпретатора, непосредственно проводящего формализацию знаний. Существуют две тенденции преодоления указанных трудностей. Первая тенденция связана со встречным движением эксперта и разработчика ЭС. Для такого подхода характерна разработка различных интеллектуальных систем-ассистентов и языков представления знаний высокого и сверхвысокого уровня. Вторая тенденция обусловлена стремлением обеспечить эксперта средствами, которые позволяли бы ему заполнить базу знаний, оставаясь практически на уровне языка предметной области. Однако разработка таких средств связана с существенными трудностями и направлена в настоящее время на создание языков, максимально приспособленных для описания знаний из строго ограниченных предметных областей. Имеющийся опыт показывает, что пока не удается в достаточной мере освободить эксперта от затруднений, обусловленных необходимостью переводить проявления ( воли) знания в специфические конструкции того или иного из используемых языков представления. Особенно остро эти затруднения проявляются при работе с системами продукций. [29]
Наконец, превалирование математических моделей как основного инструмента принятия решений в САПР может привести к абстрагированию от реальных объектов и их чрезвычайно сложных взаимодействий при решении задач автоматизированного проектирования и опасности искажения его результатов из-за излишней формализации знаний. [30]