Компьютерные информационные технологии в ДОУ

 

Понятие математической модели очень близко к понятию информационной модели, и многие специалисты рассматривают  математическую модель как специфический, частный случай информационной модели.

 

В общем случае под математической моделью понимают совокупность уравнений, неравенств, и других математических формул, отражающих наиболее существенные черты какого-либо реального объекта, процесса или явления. Другими словами, вместо реальных вещей мы оперируем  математическими символами.

 

Характерной чертой математической модели является необходимость привлечения  математических соотношений для  адекватного описания рассматриваемых  явлений или связей между объектами. Математическая модель построена так, чтобы, решая ее, можно было получить исчерпывающее описание исследуемого объекта или явления.

 

Основное свойство правильно  построенной математической модели заключается в том, что она  позволяет не только описать поведение  объекта, но и предсказать, как будет  он вести себя в определенных ситуациях.

 

Более полно представить  математическую модель помогает так  называемый метод математического  моделирования. При математическом моделировании абстрагируются от конкретной физической природы объекта и  происходящих в нем процессов  и рассматривают только преобразование входных величин в выходные. Анализировать  математические модели проще и быстрее, чем экспериментально определять поведение  реального объекта в различных  режимах работы. Кроме того, анализ математической модели позволяет выделить наиболее существенные свойства данной системы, на которые надо обратить особое внимание при принятии решения. Дополнительное преимущество состоит в том, что при математическом моделировании не представляет труда испытать исследуемую систему в идеальных условиях или наоборот в экстремальных режимах, которые для реальных объектов или процессов требуют больших затрат или связаны с риском.

 

Применение метода математического  моделирования позволяет находить лучшие решения в области управления, выявляя возможные их результаты не непосредственно в ходе производства, а в процессе предварительных  расчетов, что предупреждает многие ошибки и потери в производстве.

 

Математический аппарат, применяемый при построении моделей, весьма разнообразен. Кроме классических разделов математического анализа (дифференциальное и интегральное исчисление) широко используются современные разделы  математики, в которых изучаются  методы, позволяющие находить оптимальные  решения: линейное, нелинейное и динамическое программирование. Для анализа многих операций применяют аппарат теории вероятностей. Это вызвано тем, что  исследования проводятся в условиях, определенных не полностью, зависящих  от случайных причин. В тех случаях, когда в центре внимания находятся  вопросы динамики явлений, широко применяют  аппарат дифференциальных уравнений, а в более сложных случаях  используется метод статистического  моделирования.

 

Кроме этого существуют методы дискретного программирования, которые  ориентированы на решение задач  оптимизации с целочисленными переменными; сетевые методы, которые применяются  там, где есть возможность четко  структурировать управляемый процесс  в виде графа, описывающего взаимосвязи работ, ресурсов, временных затрат и т. д.; математическая статистика, применяемая для решения задач анализа прогнозирования экономических и социальных процессов на предприятиях; эвристические методы и др.

 

• Компоненты и общая характеристика информационных технологий экспертных систем

 

Экспертная система (ЭС, англ. expert system) — компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные ЭС начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х получили коммерческое подкрепление.

 

В информатике экспертные системы рассматриваются совместно с базами знаний как модели поведения экспертов в определенной области знаний с использованием процедур логического вывода и принятия решений, а базы знаний — как совокупность фактов и правил логического вывода в выбранной предметной области деятельности.

 

Экспертные системы (ЭС), основаны на использовании искусственного интеллекта. Экспертные системы дают возможность менеджеру или специалисту  получать консультации экспертов по любым проблемам, о которых этими  системами накоплены знания.

 

Назначение экспертных систем заключается в решении достаточно трудных для экспертов задач  на основе накапливаемой базы знаний, отражающей опыт работы экспертов в  рассматриваемой проблемной области.

Под искусственным интеллектом  понимают способности компьютерных систем к таким действиям, которые  назывались бы интеллектуальными, если бы исходили от человека. Обычно имеются  в виду способности, связанные с  человеческим мышлением. Работы в области  искусственного интеллекта включают в  себя создание роботов, систем, моделирующих нервную систему человека, его  слух, зрение, обоняние, способность  к обучению.

 

Главная идея использования  технологии экспертных систем заключается  в том, чтобы получить от эксперта его знания и, загрузив их в память компьютера, использовать всякий раз, когда в этом возникнет необходимость. ЭС представляют собой компьютерные программы, трансформирующие опыт экспертов  в какой-либо области знаний в  форму эвристических правил (эвристик). Технология ЭС принимается в качестве советующих систем.

 

Сходство ИТ, используемых в экспертных системах и системах поддержки принятия решений, состоит в том, что обе они обеспечивают высокий уровень поддержки принятия решений. Однако имеются три существенных различия:

1) связано с тем, что  решение проблемы в рамках  систем поддержки принятия решений  отражает уровень ее понимания  пользователем и его возможности  получить и осмыслить решение.  Технология экспертных систем, наоборот, предлагает пользователю принять  решение, превосходящее его возможности;

2) выражается в способности  ЭС пояснять свои рассуждения  в процессе получения решения.  Часто эти пояснения оказываются  более важными для пользователя, чем само решение;

3) связано с использованием  нового компонента информационной  технологии - знаний.

Достоинство применения ЭС заключается в возможности принятия решений в уникальных ситуациях, для которых алгоритм заранее  не известен и формируется по исходным данным в виде цепочки рассуждений  из базы знаний.

 

Основные компоненты экспертных систем

Основными компонентами ИТ, используемой в ЭС, являются: интерфейс пользователя, база знаний, интерпретатор, модуль создания системы.

Интерфейс пользователя. Менеджер (специалист) использует интерфейс для ввода информации и команд в экспертную систему и получения выходной информации из нее. Команды включают в себя параметры, направляющие процесс обработки знаний. Информация обычно выдается в форме значений, присваиваемых определенным переменным.

Руководитель может использовать четыре метода ввода информации: меню, команды, естественный язык и собственный  интерфейс,

Технология экспертных систем предусматривает возможность получать в качестве выходной информации не только решение, но и необходимые  объяснения. Различают два вида объяснения:

- объяснения, выдаваемые, по запросам. Пользователь в любой момент может потребовать от экспертной системы объяснения своих действий;

- объяснения полученного решения проблемы. После получения решения пользователь может потребовать объяснений того, как оно было получено. Система должна пояснить каждый шаг своих рассуждений, ведущих к решению задачи.

База знаний. Она содержит факты, описывающие проблемную область, а также логическую взаимосвязь этих фактов. Центральное место в базе знаний принадлежит правилам. Правило определяет, что следует делать в данной конкретной ситуации, и состоит из двух частей: условия, которое может выполняться или нет, и действия, которое следует произвести, если условие выполняется. Все используемые в экспертной системе правила образуют систему правил, которая даже для сравнительно простой системы может содержать несколько тысяч правил.

Все виды знаний могут быть представлены с помощью одной  либо нескольких семантических моделей. К наиболее распространенным моделям  относятся логические, продукционные, фреймовые и семантические сети

Интерпретатор. Это часть ЭС, производящая в определенном порядке обработку знаний (мышление), находящихся в базе знаний. Технология работы интерпретатора сводится к последовательному рассмотрению совокупности правил (правило за правилом). Если условие, содержащееся в правиле, соблюдается, выполняется определенное действие, и пользователю предоставляется вариант решения его проблемы.

Во многих экспертных системах вводятся дополнительные блоки: база данных, блок расчета, блок ввода и корректировки  данных. Блок расчета необходим в  ситуациях, связанных с принятием  управленческих решений. При этом важную роль играет база данных, где содержатся плановые, физические, расчетные, отчетные и другие постоянные или оперативные  показатели. Блок ввода и корректировки  данных используется для оперативного и своевременного отражения текущих  изменений в базе данных.

Модуль создания системы. Он служит для создания набора (иерархии) правил. Существуют два подхода, которые  могут быть положены в основу модуля создания системы: использование алгоритмических  языков программирования и использование  оболочек экспертных систем.

Для представления базы знаний специально разработаны языки Лисп и Пролог, хотя можно использовать и любой известный алгоритмический  язык.

Оболочка экспертных систем представляет собой готовую программную  среду, которая может быть приспособлена  к решению определенной проблемы путем создания соответствующей  базы знаний. В большинстве случаев  использование оболочек позволяет  создавать экспертные системы быстрее  и легче в сравнении с программированием.

Модели знаний

Знания - это выявленные закономерности предметной области (принципы, связи, законы), позволяющие решать задачи в этой области. Для хранения знаний используются базы знаний.

 

Знания могут быть классифицированы по следующим категориям:

- поверхностные - знания о видимых взаимосвязях между отдельными событиями и фактами в предметной области;

- глубинные - абстракции, аналогии, схемы, отражающие структуру и процессы в предметной области.

 

Существуют десятки моделей  представления знаний для различных  предметных областей. Большинство из них может быть сведено к следующим  классам:

- продукционные;

- семантические сети;

- фреймы;

- формальные логические модели.

 

Под фреймом понимается абстрактный  образ или ситуация. В психологии и философии известно понятие  абстрактного образа. Например, слово  «комната» вызывает у слушающих образ комнаты: «жилое помещение с четырьмя стенами, полом, потолком, окнами и дверью, площадью 6-20 м² «.

 

Из этого описания ничего нельзя убрать (например, убрав окна, мы получим уже чулан, а не комнату), но в нем есть «дырки», или «слоты», - это незаполненные значения некоторых  атрибутов - количество окон, цвет стен, высота потолка, покрытие пола и др.

 

В теории фреймов такой  образ называется фреймом. Фреймом  называется также и формализованная  модель для отображения образа.

Структуру фрейма можно представить  так:

ИМЯ ФРЕЙМА:

(имя 1-го слота: значение 1-го слота),

(имя 2-го слота: значение 2-го слота),

………………….

(имя N-ro слота: значение N-ro слота).

 

Различают фреймы-образцы, или  прототипы, хранящиеся в базе знаний, и фреймы - экземпляры, которые создаются  для отображения реальных ситуаций на основе поступающих данных.

 

Модель фрейма является достаточно универсальной, поскольку позволяет  отобразить все многообразие знаний о мире через:

- фреймы-структуры, для обозначения объектов и понятий (заем, залог, вексель);

- фреймы-роли (менеджер, кассир, клиент);

- фреймы-сценарии (банкротство, собрание акционеров, празднование именин);

- фреймы-ситуации (тревога, авария, рабочий режим устройства) и др.

 

Важнейшим свойством теории фреймов является заимствованное из теории семантических сетей наследование свойств.

Основным преимуществом  фреймов как модели представления  знаний является способность отражать концептуальную основу организации  памяти человека, а также ее гибкость и наглядность.

 

В представлении знаний выделяют формальные логические модели, основанные на классическом исчислении предикатов I порядка, когда предметная область  или задача описывается в виде набора аксиом. Эта логическая модель применима в основном в исследовательских  «игрушечных» системах, так как предъявляет  очень высокие требования и ограничения  к предметной области. В промышленных же экспертных системах используются различные ее модификации и расширения.

 

Модели знаний - продукционная, фреймовая, семантических сетей - обладают практически равными возможностями  представления знаний. Дополнительно  каждая модель знаний обладает следующими свойствами: