Cтраница 1
Формирование базы знаний о контролируемом объекте и процессах деградации предполагает, прежде всего, и организацию базы данных априорной информации об изменении работоспособности объекта. Эта информация необходима для решения многих вопросов по выбору моделей прогнозирования и их обучению для решения прикладных задач. Априорная информация может быть получена путем машинного моделирования деградационных процессов и старения объектов на основе знания их физического механизма, по результатам производственных испытаний и по данным эксплуатации этих объектов. Вся информация о процессах и объектах хранится в БД, как составной части БЗ. [1]
Инженеры, имеющие дело с формированием базы знаний, должны убедиться, что сформулированные ими знания применены правильно, в том числе и в случае, когда существует прототип. [2]
В зависимости от типа используемого регулятора и способов формирования базы знаний ( и особенностей механизма вывода) нечеткий регулятор может быть адаптивным, самообучающимся и нечетким регулятором с активной экспертной системой. Если в структуре нечеткого регулятора на нижнем уровне иерархии используются адаптивные, самоорганизующие ПИД-регуляторы, то улучшаются функционирование и динамические характеристики исполнительного уровня, но не затрагиваются вопросы интеллектуализации его поведения. [3]
Разработки, упоминавшиеся в этой главе, демонстрируют возможность создания средств автоматизации формирования баз знаний. Хотя некоторые из них носят исследовательский характер, совершенно очевиден прогресс в этой области искусственного интеллекта, который позволяет надеяться, что в недалеком будущем будет устранено наиболее узкое место в создании экспертных систем - найдено эффективное решение задачи приобретения знаний. [4]
Укрупненный алгоритм программного модуля сквозного энергетического анализа процессов включает в себя алгоритмы для формирования базы знаний, расчета и анализа энергозатрат с возможностью приобретения знаний, проверки адекватности и полноты баз данных. [5]
На наш взгляд, все индуктивные модели представления знаний так ли иначе осуществляют формирование базы знаний. Однако здесь есть один момент, на котором стоит остановиться более подробно. [6]
Таким образом, программный модуль сквозного энергетического анализа как элемент экспертной системы включает механизм формирования базы знаний, позволяющий анализировать новые процессы на основе любого из существующих, лишь корректируя его. Применение элементов экспертных систем дает возможность наращивать базу знаний экспертами ( непрограммирующими пользователями) при помощи удобного графического интерфейса в диалоговом режиме. Использование алгоритмов проверки адекватности и полноты баз данных при вводе новых и коррекции существующих данных позволяет избежать случайных ошибок и возможных сбоев в работе программы. Объяснительная функция реализована в виде инструкции для пользователя, которая также может пополняться пользователем. [7]
При использовании оболочек и сред разработчик приложения полностью освобождается от программирования, его основные трудозатраты связаны с формированием базы знаний. [8]
Данный комплекс представляет собой web - сервер, развернутый в Intranet сети учебной части ЦПК и обеспечивает дистанционный доступ к формированию баз знаний по всем преподаваемым дисциплинам, применение единообразного стандартного программного обеспечения в клиентской части, автоматизированный дистанционный контроль знаний, а также накопление и анализ обобщенной статистики по степени усвоения материала в едином информационном пространстве методических разработок ЦПК. [9]
Будем считать, что модели, методы и алгоритмы, полученные в рамках направления машинного обучения, можно с успехом применять для формирования базы знаний. [10]
В настоящее время идет формирование баз знаний по всем отраслям человеческой деятельности. [11]
Специалист в определенной области, способный на основе свои; знаний и опыта дать пользователю квалифицированную консультацию ( совет, под сказку), помочь принять правильное решение. В экспертных системах знания экспертов являются источником формирования баз знаний. [12]
При наличии достаточно полной информации о функциональном семействе в литературных источниках, поля базы знаний, несущие информацию о наличии и расположении структурно-функциональных детерминант, заполняются посредством реферирования соответствующей литературы. Наконец, в качестве эффективного источника информации о структурно-функциональных детерминантах при формировании баз знаний для новых семейств белков может использоваться библиотека программных средств, предназначенных для высокоточного распознавания структурно-функциональных детерминант в исследовавшихся ранее семействах белков. [13]
Существует множество типичных подходов к системам управления накоплением знаний. Но каждая ситуация имеет свои специфические требования, которые, в свою очередь, диктуют один-единственный подход формирования баз знаний, их внедрения. Важно также проанализировать причины, по которым программа управления накоплением знаний не действует. [14]
Одной из основных проблем, возникающих при разработке подсистемы Диагностика ( ЭДС, по сути, является подсистемой гибридной интеллектуальной производственной системы), является формирование базы знаний. Как уже отмечалось, наиболее удобной формой представления знаний о состоянии технологического процесса являются продукционные модели, формируемые на основе экспертных опросов наиболее квалифицированных специалистов-технологов, обладающих богатым опытом по эксплуатации этого процесса. [15]