очень дружественный. Другие блоки включают подсистему объяснения, чтобы
разъяснять доводы, согласно которым система движется в направлении решения;
подсистему накопления знания, чтобы помочь инженеру знания в регистрации
правил заключения и параметров в базе знаний; рабочую область, чтобы
использовать компьютер, поскольку решение сделано.
Нейронные сети (Neural Networks). Нейронные сети устроены по аналогии с
работой человеческой нервной системы, но фактически используют статистиче-
ский анализ, чтобы распознать модели из большого количества информации
посредством адаптивного изучения.
В то время как экспертные системы пробуют ввести опыт людей в
компьютерную программу, нейронные сети пытаются создать значимые модели из
большого количества данных. Нейронные сети могут распознавать модели, не
ясные для пользователей, и адаптировать их при получении новой информации.
Ключевая характеристика нейронных сетей в том, что они обучаются.
Программе нейронных сетей сначала дается набор данных, состоящих из многих
переменных, связанных с большим количеством случаев, или исходов, в которых
результаты известны. Программа анализирует данные и обрабатывает все
корреляции, а затем выбирает набор переменных, которые строго соотнесены с
известными частными результатами, как начальная модель. Эта начальная модель
используется для предсказания результатов различных случаев, которые затем
сравниваются с известными результатами. Базируясь на этом сравнении,
программа изменяет модель, регулируя параметры переменных или даже заменяя
их. Этот процесс программа нейронных сетей повторяет много раз, стремясь
улучшить прогнозирующую способность при наладке модели. Когда в этом
итерационном подходе дальнейшее усовершенствование исчерпывается,
программа готова делать предсказания для будущих случаев.
Как только станет доступным новое большое количество случаев, данные о них
также вводятся в нейронную сеть, и модель еще раз корректируется. Нейронная
сеть обучается в основном относительно причинно-следственных моделей из этих
дополнительных данных, и прогнозирующая способность улучшается.
2.4. Аппаратно-программная платформа информационных систем.
Проблемы выбора аппаратно-программной платформы
Выбор аппаратной платформы и конфигурации системы очень важен. Это
связано, в частности, с характером прикладных систем, который в значительной
степени может определять рабочую нагрузку вычислительного комплекса в целом.
Однако часто оказывается сложно с достаточной точностью предсказать саму
нагрузку, особенно в случае, когда система должна обслуживать несколько групп
разнородных по своим потребностям пользователей.
Обычно рабочая нагрузка существенно определяется «типом использования»
системы. Например, можно выделить серверы NFS, серверы управления базами
данных и системы, работающие в режиме разделения времени. Эти категории
систем перечислены в порядке увеличения их сложности. Как правило, серверы
СУБД значительно сложнее, чем серверы NFS, а серверы разделения времени,
особенно обслуживающие различные категории пользователей, являются наиболее
сложными для оценки. К счастью, существует ряд упрощающих факторов.