тема: "Нейронная сеть в качестве основы для экспертной системы продукционного
типа" докладчик: студент 5 курса ВМК Дергунов Антон Владимирович
Приглашаются все желающие.
Реферат:
Экспертная система - это компьютерная программа, обладающая знаниями в
какой-то предметной области и позволяющая с использованием их выдавать
рекомендации или решать задачи. (Питер Джексон) Продукционные правила - это
самый популярный способ представления знаний в экспертных системах. Они
представлены в форме "если условие, то следствие".
Но экспертные системы
продукционного типа обладают несколькими недостатками, в частности:
-
трудность создания базы знаний, требующая много времени работы эксперта в
предментной области (knowledge acquiring bottleneck)
- невозможность
применения для входных данных, для которых в базе знаний не предусмотренны явно
продукционные правила
- отсутствие возможности самообучаться в процессе
решения задач
Для решения этих проблем исследователи рекомендуют
использовать нейронные сети. Системы, полученные после такой интеграции,
называют гибридными интеллектуальными системами (hybrid intelligent systems,
hybrid neural networks). В докладе рассмотрена реализация автором разновидности
таких систем, называемая трансформационными гибридными системами
(transformational hybrid system). Функционирование системы основано на 3
действиях:
- Вставка продукционных правил в нейронную сеть: по исходным
продукционным правилам формируется определенная нейронная сеть с определенными
весовыми коэффициентами и структурой. Построенная таким образом нейронная сеть
дублирует поведение экспертной системы.
- Обучение нейронной сети с помощью
примеров из предметной области. В результате происходит уточнение начальных
продукционных правил, из которых была получена нейронная сеть.
- Извлечение
продукционных правил из нейронной сети: этот алгоритм рассматривает архитектуру
нейронной сети и выделяет из нее продукционные правила, описывающие ее
поведение. Полученные правила позволяют судить о работе нейронной
сети.
Таким образом, реализованная система обладает следующей
функциональностью:
- Работает как обычная экспертная система, но обладает
возможностью работы с неполными (или не полностью точными) правилами
-
Предоставляет автоматизированные средства для извлечения знаний из обучающих
примеров и уточнения знаний о предметной области
- Позволяет извлекать знания
из нейронной сети, позволяя открывать скрытые зависимости между
данными.
