Нейронні мережі й експертні системи

Це великий клас систем, архітектура яких має аналогію з побудовою нервової тканини з нейронів. В одній з найпоширеніших архитектур - багатошаровому персептроне зі зворотним поширенням помилки - імітується робота нейронів у складі ієрархічної мережі, де кожний нейрон більше високого рівня з'єднаний своїми входами з виходами нейронів нижележащего шаруючи.

На нейрони самого нижнього шару подаються значення вхідних параметрів, на основі яких потрібно приймати якісь рішення, прогнозувати розвиток ситуації й т.д. Ці значення розглядаються як сигнали, що передаються в наступний шар, послабляючись або підсилюючись залежно від числових значень (ваг), приписуваних межнейронным зв'язкам. У результаті на виході нейрона самого верхнього шару виробляється деяке значення, що розглядається як відповідь - реакція всієї мережі на уведені значення вхідних параметрів.

Для того щоб мережа можна було застосовувати надалі, її колись треба "натренувати" на отримані раніше даних, для яких відомі й значення вхідних параметрів, і правильні відповіді на них (рис. 2.10).Тренування складається в підборі ваг межнейронных зв'язків, що забезпечують найбільшу близькість відповідей мережі до відомих правильних відповідей.

Рис.2.10. Схема інформаційної системи, що самонавчається

Основним недоліком нейросетевой парадигми є необхідність мати дуже великий обсяг навчальної вибірки, хоча сучасні сховища знань відносно легко дозволяють робити це. Інший істотний недолік полягає в тім, що навіть натренована нейронна мережа являє собою чорний ящик, "глотающий" початкові умови й прогноз, що видає. Знання, зафіксовані як ваги декількох сотень межнейронных зв'язків, зовсім не піддаються аналізу й інтерпретації людиною (відомі спроби дати інтерпретацію структурі настроєної нейросети виглядають поки непереконливо).

Приклади використовуваних нейросетевых систем - BrainMaker (CSS), NeuroShell (Ward Systems Group), OWL (HyperLogic).

На відміну від нейронних мереж, де прогноз формується без участі людини, експертні системи включають одного або декількох фахівців високого класу як елемент (рис. 2.11).

Рис. 2.11. Схема експертної інформаційної підсистеми

Експертна система має розгалужену мережу, що дозволяє робити запити й глибокий пошук у базах даних і сховищах знань. Якщо нейронні мережі працюють на принципі передачі інформації від одних шарів нейронів до інших, причому зміни інформації, що відбуваються під час передачі, обумовлені заздалегідь не застереженими евристичними правилами, то в експертних системах існує твердий логічний каркас - творець висновку, що автоматично проводить лінію міркування по закладеним в алгоритм правилам і використовує параметри, залучені в рішення.

Відповідь може бути відомий заздалегідь за результатами відкликань фахівців-експертів; ця відповідь зіставляється з відповіддю системи, параметри змінюються, і проводиться другий "прогін". У результаті видається експертний висновок з імовірнісною оцінкою його надійності. Інтерфейс допускає роботу відразу декількох користувачів.

Експертні системи широко застосовуються в бізнесі, часто працюють незалежно й не включаються в корпоративні інформаційні мережі. Як правило, вони є вузько спеціалізованими: транспортні, медичні, банківські, торговельні, юридичні й т.д.

Рис. 2.12. Загальна структура інтелектуальної ИС

Нейронні мережі, аналітичні й експертні системи утворять великий клас інтелектуальних систем. Структура такої інформаційної системи показана на рис. 2. 12.

Дата добавления: 2014-01-07