Карпов Л.Е., Юдин В.Н. Методы добычи данных при построении локальной метрики в системах вывода по прецедентам

Рассматриваются методы достоверного (дедуктивного) и правдоподобного (абдуктивного, индуктивного) выводов в интеллектуальных системах различного назначения. Приводятся методы дедуктивного вывода на графовых структурах: вывод на графе связей, графе дизъюнктов, вывод на иерархических структурах. Даются различные виды параллелизма при выводе на графовых структурах. Описываются как классические, так и немонотонные модальные логики: логики убеждения и...

Приводится классификация программных средств для интеллектуальных систем. Описываются конкретные языки представления знаний и манипулирования ими, базовые языки, используемые в интеллектуальных системах, системы поддержки разработки интеллектуальных систем, ЭВМ с высоким уровнем интерпретации языков, спецпроцессоры баз данных, знаний и логического вывода для ЭВМ пятого и последующих поколений. Для специалистов в области управления, информационных...

База знаний и данных. Понятие модели. Логические модели. Модели знаний на основе продукций. Фреймовая модель знаний. Семантические сети. Машина вывода. Понятие формальной системы. Примеры стратегии вывода. Как функционирует машина вывода. Извлечение знаний и обучение. Извлечение знаний от многих экспертов. Проблема непротиворечивости формализованной базы знаний. Обучение системы. Интерфейс с пользователем. Инструментальные средства создания эксп...

ПГТУ, ИСТз-08, 5 семестр. Преподаватель: Сабатуллина Т. Л. Проблемная область искусственного интеллекта. Представление знаний. Исчисление высказываний. Правила вывода в исчислении предикатов (силлогизмы). Графы. Введение в фреймы. Способ формализации фреймов. Сетевые модели. Продукционная модель. Управление поиском в продукционных системах. Практика: логическая модель представления знаний. Вопросы к лекциям.

Введение. Лекции 2-3: Модели и методы решения задач. Представление знаний в интеллектуальных системах. Представление знаний в интеллектуальных системах (часть 2). Планирование задач. Лекции 7-8: Экспертные системы. Методы работы со знаниями. Системы понимания естественного языка. Системы машинного зрения. Тенденции развития систем искусственного интеллекта.

Лекции Донецк, Украина, ДонНТУ. Преподаватель Прыгунов, 2012 г., 1 Основные понятия и определения теории интеллектуальных информационных систем(интеллект, психика; сознание; разум.). 2 Что понимают под понятием "искусственный интеллект". 3 Приведите смысл теста Тьюринга и схему его проведения. 4 Классификация интеллектуальных информационных систем. Их различия. 5 Особенности систем, основанных на знаниях. 6 Особенности самоорганизующихся систем...

Ведение в системы искусственного интеллекта. Архитектура систем искусственного интеллекта. База знаний и данных. Машина вывода. Извлечение знаний и обучение. Обучение системы. Интерфейс с пользователем. Организация работы. Инструментальные средства создания систем искусственного интеллекта. База знаний. Методы извлечения знаний. Формальное описание понятий предметной области (ПО). Методы классификации. СОБЫТИЯ И ПРОЦЕССЫ. Системы продукций: струк...

МГТУ. Введение. Модели и методы решения задач. Представление знаний в интеллектуальных системах. Представление знаний в интеллектуальных системах (часть 2). Планирование задач. Экспертные системы. Методы работы со знаниями. Системы понимания естественного языка. Системы машинного зрения. Тенденции развития систем искусственного интеллекта.rn

СПб: СПГПУ, 2005. – 147 с. Диссертация на соискание ученой степени кандидата технических наук. Специальность: 05.13.01 - Системный анализ, управление и обработка информации. (На правах рукописи). Научный руководитель: доктор технических наук, профессор Крук Е.А. Аннотация. Целью данной диссертационной работы является построение методов оптимизации параметров кодирования в многочастотных системах, позволяющих снизить мощность передатчика, требуе...

-М.: Знание, 1985. 192 с. Данный выпуск содержит книгу, в которой рассматриваются проблемы и методы применения математики в планировании и управлении с позиций теории сложности. Краткое содержание: Что такое категория "сложность" и зачем она нужна?; Алгоритмическая сложность; Вычислительная сложность; Информационная сложность; Сложность статистической обработки информации; Категория "сложность" и искусственный интеллект.