Лекция 8. Экспертныесистемыermak.cs.nstu.ru/neurotech/html/metodmat/ist2016/Lec_8.pdfинтерфейс Механизм объяснения Механизм

Интеллектуальные системы итехнологии

Лекция 8.Экспертные системы

А.В.ГавриловНГТУ, кафедра ВТ

• Экспе́ртная систе́ма (ЭС, expert system) —компьютерная система, способная частичнозаменить специалиста-эксперта в разрешениипроблемной ситуации (из Википедии).

• Основным назначением ЭС являетсяразработка программных средств, которые прирешении задач, трудных для человека, получают результаты, не уступающие покачеству и эффективности решения, решениямполучаемым человеком-экспертом.

• Начали разрабатываться в конце 1960-х годов.• В 1980-х годах сложилась технология иметодология разработки экспертных систем


• ЭС используются для решения такназываемых неформализованных задач, общим для которых является то, что: – задачи не могут быть заданы в числовойформе;

– цели нельзя выразить в терминах точноопределенной целевой функции;

– не существует алгоритмического решениязадачи;

– если алгоритмическое решение есть, то егонельзя использовать из-за

– ограниченности ресурсов (время, память).


Первые ЭС• DENDRAL – ЭС для распознавания структуры сложных органических

молекул по результатам их спектрального анализа (считается первой вмире экспертной системой);

• MOLGEN – ЭС для выработке гипотез о структуре ДНК на основеэкспериментов с ферментами;

• XCON – ЭС для конфигурирования (проектирования) вычислительныхкомплексов VAX 11 в корпорации DEC в соответствии с заказомпокупателя;

• MYCIN – ЭС диагностики кишечных заболеваний;• PUFF – ЭС диагностики легочных заболеваний;• MACSYMA – ЭС для символьных преобразований алгебраических

выражений;• YES/MVS – ЭС для управления многозадачной операционной системой

MVS больших ЭВМ корпорации IBM;• DART – ЭС для диагностики больших НМД корпорации IBM;• PROSPECTOR – ЭС для консультаций при поиске залежей полезных

ископаемых;• POMME – ЭС для выдачи рекомендаций по уходу за яблоневым садом;


Сельское хозяйство

Электроника

Компьютерныесистемы

Коммуникации

Химия

Управлениеинформацией

Наука

Армия

Бизнес

Медицина

Производство

Образование

Инжиниринг

Космос

Транспорт

100 200 300

Области использования ЭС


Задачи, решаемые ЭСУправление

Прогнозирование

Планирование

Инструктирование

Проектирование

Мониторинг

Моделирование

Выбор

Диагностика

Интерпретация

Рекомендация

%10 20 30


ЭКСПЕРТНЫЕ СИСТЕМЫ

ЗАДАЧА ВРЕМЯ КОМПЬЮТЕР ИНТЕГРАЦИЯ

ДИАГНОСТИКА

ПРОЕКТИРОВАНИЕ

ПРОГНОЗИРОВАНИЕ

ПЛАНИРОВАНИЕ

ОБУЧЕНИЕ

СТАТИЧЕСКИЕ СУПЕР ЭВМ

КВАЗИДИНАМИЧЕСКИЕ

ДИНАМИЧЕСКИЕ

СРЕДНЯЯ

СИМВОЛЬНЫЙПРОЦЕССОР

РАБОЧАЯ СТАНЦИЯ

ПЭВМ

АВТОНОМНАЯ

ГИБРИДНАЯ


Примеры экспертных систем• ACES. Экспертная система выполняет картографические работы по нанесению

обстановки на карты. • ASTA. Экспертная система помогает аналитику определить тип радара, пославшего

перехваченный сигнал. • DART. Экспертная система помогает обрабатывать разведданные о центрах

командования, управления и связи противника.• HANNIBAL. Экспертная система выполняет оценивание ситуаций в области

разведки радиообмена противника. Система идентифицирует соединенияпротивника и боевой порядок их связи, интерпретируя данные радиоперехвата.

• I&W. Экспертная система помогает аналитикам из разведки предсказывать, когда игде произойдет следующее вооруженное столкновение.

• CODES. Экспертная система помогает разработчику базы данных, желающемуиспользовать подход IDEF1 для определения концептуальной схемы базы данных.

• MIXER. Экспертная система оказывает помощь программистам в написаниимикропрограмм для разработанной Texas Instruments СБИС TI990. По заданномуописанию микропрограммы система получает оптимизированные микропрограммыдля TI990.

• ACE. Экспертная система определяет неисправности в телефонной сети и даетрекомендации по необходимому ремонту и восстановительным мероприятиям.


Примеры экспертных систем (2)• S&PCBRS - разработана для решения следующихзадач: оценка рейтинга ценных бумаг по данным офирмах эмитентах; формирование корректнойрейтинговой шкалы.

• Nereid - разработана для поддержки принятия решенийдля оптимизации работы с валютными опционами.

• ExpSystem PC 1.4.2 - поможет людям не столь хорошоразбирающихся в комплектующих для персональногокомпьютера подобрать себе приемлемуюконфигурацию будущего компьютера

• FALCON - определяет вероятные причины отклоненийпараметров процесса от нормы на химическом заводе, интерпретируя данные, состоящие из числовыхзначений показаний приборов, положенияпереключателей и состояния аварийных датчиков


Структура экспертной системы.


Структура экспертной системы(2)

Эксперт

Инженер знанийПользователь

Интеллектуальныйинтерфейс

Механизмобъяснения

Механизмприобретения

знаний

Механизм вывода

База знаний

Извлечениезнаний

Экспертнаясистема


Пример ЭС

ЕСЛИ двигатель незаводится И стартёр неработает,

ТО неполадки в системеэлектропитания стартёра

продукция

ЗАЖИГАНИЕ

АВТОМОБИЛЬ

СИСТЕМАОХЛАЖДЕНИЯ

СИСТЕМАЭЛЕКТРОПИТАНИЯ

СТАРТЁРА

СИСТЕМАПОДАЧИТОПЛИВА

ТОРМОЗНАЯСИСТЕМА

АККУМУЛЯТОР

РЕГУЛЯТОРНАПРЯЖЕНИЯ

РАСПРЕДЕЛИТЕЛЬ

УРОВЕНЬЭЛЕКТРОЛИТА

КОНТАКТЫ

ЗАРЯЖЕН?

пример


Пример работы ЭС «Диагностикадвигателя» с подсистемой объяснений

• Система: Имеется ли бензин в топливном баке? Пользователь: Да. Система: Истинно ли то, что двигатель работает ? Пользователь : НетСистема: Истинно ли, что фары горят ? Пользователь: Почему? Система: Я пытаюсь доказать, что проблема с аккумулятором. Было установлено, что двигатель не работает. Поэтому, если не имеет место, что фары горят, тогда имеется проблема саккумулятором. Истинно ли, что фары горят? Пользователь: НетСистема: я заключаю, что имеется проблема с аккусулятором. Пользователь: Как? Система: Это следует из правила 2: IF NOT ngine_turns_overAND NOT engine_turns_overwas- ответ, данный пользователем. NOT lights_come_onwas - ответ, данный пользователем.


Цикл работы экспертной системы

ВЫБОРКА СОПОСТАВЛЕНИЕ

РАЗРЕШЕНИЕКОНФЛИКТОВ

ВЫПОЛНЕНИЕ

БАЗА ЗНАНИЙ РЕЛЕВАНТНЫЙНАБОР

КОНФЛИКТНЫЙНАБОР

ОТБОР

РАБОЧАЯ ПАМЯТЬ

ЦИКЛ РАБОТЫ


Управление в ЭС

... ...

ДАННЫЕ

РАБОЧАЯ ПАМЯТЬ

(БАЗА ДАННЫХ)

ЕСЛИ St1 ТО D1P1:

ЕСЛИ St2 ТО D2P1:

ЕСЛИ StN ТО DNP1:

БАЗА ЗНАНИЙ

(ПРЕЦЕДЕНТЫ)

ПАМЯТЬ СОСТОЯНИЙ

ИНТЕРПРЕТАТОРУПРАВЛЕНИЕ


Прототипы ЭС (стадиисуществования ЭС)

• Демонстрационный– Для демонстрации возможностей выбранных архитектурныхрешений (может отсутствовать при использованиидействующего прототипа)

• Исследовательский– Для совершенствования архитектуры ЭС и базы знаний

• Действующий– Лишенный незавершенности, свойственнойисследовательскому прототипу (иногда вместо негоподразумевают исследовательский)

• Промышленный– Для реального применения в рамках однойорганизации/корпорации (для которой разрабатывалась ЭС)

• Коммерческий– Для широкого применения во многихорганизациях/корпорациях


Исследовательский прототип• Исследовательским прототипом называют систему, которая решает представительный класс задачприложения, но может быть неустойчива в работе и неполностью проверена. При наличии развитыхинструментальных средств (ИС) для разработкиисследовательского прототипа требуется примерно 2 -4 месяца. Исследовательский прототип обычно имеет вбазе знаний не больше 50 общих исполняемыхутверждений; при использовании только частныхутверждений их количество возрастает в 3 - 10 раз.


Действующий прототип

• Действующий прототип надежно решает всезадачи, но для решения сложных задач можеттребовать чрезмерно много времени и (или) памяти. Доведение системы от началаразработки до стадии действующего прототипатребует примерно 6 - 9 месяцев, при этомколичество исполняемых утверждений в базезнаний увеличивается до 100.


Промышленный прототип

• ЭС, достигшая стадии промышленнойсистемы, обеспечивает высокое качестворешений всех задач при минимуме времени ипамяти. Обычно процесс преобразованиядействующего прототипа в промышленнуюсистему состоит в расширении базы знаний (до150 исполняемых утверждений) и еетщательной отладке. Доведение ЭС от началаразработки до стадии промышленной системына развитом ИС требует примерно 12 - 18 месяцев.


Коммерческий прототип

• Обобщение задач, решаемых ЭС на стадиипромышленной системы, позволяет перейти кстадии коммерческой системы, т.е. к системе, пригодной не только для собственногоиспользования, но и для продажи различнымпотребителям. Доведение системы докоммерческой стадии требует примерно 1,5 - 2 года. Приведенные выше сроки справедливыдля ЭС средней сложности.

• Note: приведенные выше количественныеоценки в разных источниках могут бытьразные.


Коллектив разработчиков ЭС• Эксперт

– Предоставление знаний для построения ЭС• Инженер по знаниям

– Извлечение и формализация знаний– Разработка или выбор архитектуры ЭС– Разработка процедур тестирования

• Программист– Разработка и кодирование компонентов ЭС или дополнений квыбранному инструментальному средству

• Пользователь– Использование ЭС (решение задач предметной области)

• Тестировщик– Тестирование прототипов ЭС

• Руководитель проекта– Координация работ исполнителей


Этапы создания ЭСИдентификация проблемной

области

Концептуализацияпроблемной области

Формализация базы знаний

Реализация базы знаний

Тестирование базы знаний

Опытная эксплуатация

Переформулирование

Переформулирование

Перепроектирование

Уточнение

Требования

Структура

Модель

Коды


ИдентификацияПриемы Описание

1. Наблюдение Инженер наблюдает, не вмешиваясь, за тем, какэксперт решает реальную задачу

2. Обсуждениезадачи

Инженер на представительном множестве задачнеформально обсуждает с экспертом данные,знания и процедуры решения

3. Описаниезадачи

Эксперт описывает решение задач для типичныхзапросов

4. Анализрешения

Эксперт комментирует получаемые результатырешения задачи, детализируя ход рассуждений

5. Проверкасистемы

Эксперт предлагает инженеру перечень задач длярешения (от простых до сложных),которыерешаются разработанной системой

6. Исследованиесистемы

Эксперт исследует и критикует структуру базызнаний и работу механизма вывода

7. Оценкасистемы

Инженер предлагает новым экспертам оценитьрешения разработанной системы


1. Идентификация1.1. Определение участников и их ролей в

процессе создания и эксплуатацииэкспертной системы

1.2. Идентификация проблемы1.3. Определение необходимых ресурсов -

временных, людских, материальных1.4. Определение целей

В качестве целей, преследуемых присоздании экспертных систем, могут быть: повышение скорости принятия решения, повышение качества решений, тиражирование опыта экспертов и т.п.


1.2. Идентификация проблемы• Какой класс задач должна решать ЭС• Как эти задачи могут быть охарактеризованы илиопределены

• Какие можно выделить подзадачи• Какие исходные данные должны использоваться длярешения

• Какие понятия и взаимосвязи между ними используютсяпри решении задачи экспертами

• Какой вид имеет решение и какие концепциииспользуются в нем

• Какие аспекты опыта эксперта существенны для решениязадачи

• Какова природа и объем знаний, необходимых длярешения задачи

• Какие препятствия встречаются при решении задач• Как эти помехи могут влиять на решение задачи


2. Концептуализация• Какие типы данных нужно использовать• Что из данных задано, а что должно бытьвыведено

• Имеют ли подзадачи наименования• Имеют ли стратегии наименования• Имеются ли ясные частичные гипотезы, которые широко используются


Этапы разработки ЭСЭтап разработки Характер прототипа Количество

правил

Срок

разработки

Стоимость

Идентификация Демонстрацион-ный 50 - 100 1 - 2 мес.

Концептуализация Исследователь-

Формализация ский 200 - 500 3 - 6 мес. 25 - 50т.$

Реализация Действующий 500 - 1000 6 - 12 мес.

Тестирование Промышленный 1000 - 1500 1 - 1,5 года 300т.$

Опытная

эксплуатация

Коммерческий 1500 - 3000 1,5 - 3 года 2 - 5 млн.$


Стратегии разработкиШирокий

набор задач

Концентрированный


Комплексный


Назначение Автоматизация Стандартизация,

повышение качества

Реорганизация

бизнес-процессов

Требования к

разработчикам

Эксперты-пользователи Профессиональные

команды

Междисциплинарные

команды

Стоимость Низкая на проект Высокая на проект Высокая на проект

Риск Диверсифицированный Концентрированный Концентрированный

Примеры DuPont du Nemours

Оболочка Insight Plus

Сотни экспертных

систем. Сотни правил в

каждой ЭС

DEC, ЭС

конфигурирования

компьютеров XCON,

продажи XSEL

17000 правил,

эффект 27 млн. долл.

Xerox

Среда разработки

информационной системы

ART-Enterprise (Inferenсe)

Интеллект. моделирование

ReThink (Gensym)


Средства разработки ЭС1. Традиционные (в том числе объектно-ориентированные) языки программирования

типа С, С++ (как правило, эти ИС используются не для создания ЭС, а длясоздания ИС).

2. Символьные языки программирования (например, Lisp, Prolog и их разновидности). Эти ИС в последнее время, как правило, не используются в реальныхприложениях в связи с тем, что они плохо приспособлены к объединению спрограммами, написанными на языках традиционного программирования.

3. Инструментарий, содержащий многие, но не все компоненты ЭС. Эти средствапредназначены для разработчика, от которого требуются знаниепрограммирования и умение интегрировать компоненты в программный комплекс. Примерами являются такие средства, как OPS 5, ИЛИС и др.

4. Оболочки ЭС общего назначения, содержащие все программные компоненты, но неимеющие знаний о конкретных предметных средах. Средства этого ипоследующего типов не требуют от разработчика приложения знанияпрограммирования. Примерами являются ЭКО, Leonardo, Nexpert Object, Kappa идр.

Подчеркнем, что в последнее время термин "оболочка" (shell) используется реже, егозаменяют на более широкий термин "среда разработки" (development environment). Если хотят подчеркнуть, что средство используется не только на стадииразработки приложения, но и на стадиях использования и сопровождения, тоупотребляют термин "полная среда" (complete environment). Примерами такихсредств для создания статических ЭС являются: Nexpert Object , ProKappa, ART*Enterprise, Level 5 Object и др.


Средства разработки ЭС (2)5. Проблемно/предметно-ориентированные оболочки (среды): • проблемно-ориентированные средства (problem-specific),

ориентированные на некоторый класс решаемых задач и имеющие всвоем составе соответствующие этому классу альтернативныефункциональные модули (примерами таких классов задач являютсязадачи поиска, управления, планирования, прогнозирования и т.п.);

• предметно-ориентированные средства (domain-specific), включающиезнания о некоторых типах предметных областей, что сокращает времяразработки БЗ.

При использовании инструментария четвертого типа могут возникнутьследующие трудности:

1) управляющие стратегии, вложенные в механизм выводаинструментария, могут не соответствовать методам решения, которыеиспользует эксперт, взаимодействующий с данной системой, чтоможет привести к неэффективным, а возможно, и неправильнымрешениям;

2) язык представления знаний, принятый в инструментарии, может неподходить для данного приложения.

Значительная компенсация этих трудностей достигается применениемпроблемно/предметно-ориентированных средств (ИС пятого типа).


Описаниеметода

Программные инструментальные средства

представлениязнаний

ЭКОA rgusSoft

G UR UM D BS

N expertO bject

N euron D ata

LEV EL-5Leve l C o

A R TEnterp riseIn ference

G 2G ensym

ESW in2.0

Описаниеобъектов :Семант . сеть *Объекты(Фреймы )

* * * * *

Предикаты *Правила * * * * * * *Действия :Правила * * * * * * *Сообщения * * * *Предикаты *Процедуры * * * * * *Неопределен-ность:Наслед .свойств

* * * * *

Коэф . уверен . * * * * *Неч .множества

* * * *

Усл. вероятн . *Вывод :Прямаяцепочка

* * * * *

Обратн .цепочка

* * * * * * *

Объект .ориент .

* * * *

Гипотет . вывод * *Обраб .времени

* *

Доска объявл . *


Наиболее популярные ИС для ЭС (США)• Малые ИС:

– VP Expert (paperback Software),– 1st Class (1st Class Expert System). – Personal Consultant Easy,– Procedure Consultant,– Crystal,– Exsys Corvid.

• Средние ИС:– Nexpert Object (Neuron Data),– ProKappa (Intellicorp),– Art-IM,– ART Enterprise (Inference),– level 5 Object (IBI).

• Большие ИС:– Aion DS 5.1 (Trinzic). – KBMS (Trinzic),– ART (Inference).

• Символьные ИС:– KEE (Intellicorp),– ART (Inference).– Gold Works (Golden Hill),– Mercury (AIT).


Оболочка EXSYS CORVID

Окно для определения переменных


Оболочка EXSYS CORVID (2)

Окно для выбора типа переменной








Малые ИС для ЭС, разработанные вРоссии

• ЭКО,• МОДИС,• SIMER+MIR,• ЭКСПЕРТ,• ЛЭДИ,• МЭС,• ЭСПЛАН,• ФИАКР,• ПИЭС,• ЗНАТОК,• ЭКРАН,• ШЭДЛ• ESWin


Инструментальное ПО ESWin

В состав инструментального ПО входят:• экспертная оболочка для запуска экспертныхсистем ESWin с целью их отладкиразработчиком экспертных систем,

• интерпретатор баз знаний ESWinUs длязапуска экспертных систем конечнымпользователем,

• редакторы баз знаний EdKB и KlbEdit,• программа для просмотра и диагностикицелостности баз знаний KBView,

• программа для редактирования и оптимизациибаз знаний KBOptim


Инструментальное ПО ESWin (2)

В качестве методов представления знанийиспользованы:

• правила- продукции с представлениемнечеткости в виде коэффициентовдостоверности с обратным логическимвыводом,

• фреймы для описания структуры предметнойобласти и диалога с пользователем,

• лингвистические переменные для описаниянечетких понятий, входящих во фреймы.


Инструментальное ПО ESWin (3)

ПО поддерживает решение задач методом обратногонечеткого логического вывода. При этом факты берутсяиз диалога с пользователем и из баз данных через SQL-запросы.

В диалоге можно использовать для пояснения графику вформате BMP, GIF, AVI, HTML, при проверке условий иформировании значений в заключениях правил можноиспользовать простые арифметические выражения.

В процессе решения задачи используются различные видыконтекста, в том числе, наследование, что облегчаетнаписание баз знаний, и делает их достаточно гибкими.

Можно использовать при описании предметной областиотношения между понятиями типа "часть-целое" и"'элемент-класс".


Оболочка ESWinПример БЗ


Оболочка ESWin (2)



поставлчемой с СУБД Access


Оболочка ESWin (4)При проверке условия при интерпретации правила




Редактор EdKb (2)Окно для редактирования фрейма


Редактор EdKb (3)Окно для редактирования правил


Редактор EdKb (4)Окно для редактирования условия/заключенияв правиле


Редактор EdKb (5)Окно для редактирования значения лингвистическойпеременной


Редактор EdKb (6)Окно для редактирования значениялингвистической переменной


Средние ИС российскогопроизводства

• НЭКС,• ЭКСПЕРТ-МИКРО,• ЭКСНА,• КОНС-ПРОЛОГ,• ПРОДУС


Большие ИС российскогопроизводства

• НЭКС,• ОПС-86,• МЕДИФОР,• КОМФОРТ,• КОНСУЛЬТАНТ-2,• РЕЛЯП


Подходы к разработке ЭС

1. подход, базирующийся наповерхностных знаниях;

2. структурный подход; 3. подход, базирующийся на глубинных

знаниях;4. смешанный подход, базирующийся на

использовании поверхностных иглубинных знаний.


• Подход, базирующийся на поверхностныхзнаниях, применяется к сложным задачам, которые не могут быть точно описаны. Этотподход заключается в получении от экспертафрагментов знаний (часто звристических), которые релевантны решаемой задаче, Приэтом не предпринимается никаких попытоксистематического или глубинного изученияобласти, что предопределяет использованиепоиска в пространстве состояний в качествеуниверсального механизма вывода. Обычно вЭС, использующих данный подход, в качествеспособа представления выбираются правила.


• Структурный подход к построению ЭС обусловлентем, что для ряда приложений применение толькотехники поверхностных знаний не обеспечиваетрешения задачи. Действительно, использование поискав качестве механизма вывода в неструктурированнойбазе знаний может приводить к ненадежным и (или) некачественным решениям. Структурный подход кпостроению ЭС подобен структурномупрограммированию. Однако применительно к ЭС речьне идет о том, что структурирование должно довестизадачу до алгоритма (как в традиционномпрограммировании), а предполагается, что частьзадачи решается с помощью поиска. Структурныйподход в различных приложениях целесообразносочетать с поверхностным или глубинным.


• В глубинном подходе компетентность ЭСбазируется на модели той проблемной среды, вкоторой эта ЭС работает. Модель может бытьопределена различными способами(декларативно, процедурно). Необходимость вряде приложений использовать модели вызванастремлением исправить несовершенствоповерхностного подхода, возникающего приотсутствии правил, удовлетворяющих текущейситуации в рабочей памяти. Глубинные ЭСкроме возможностей поверхностных ЭСобладают способностью при возникновениинеизвестной ситуации определить с помощьюнекоторых общих принципов, справедливых дляобласти экспертизы, какие действия следуетвыполнить.


• Смешанный подход в общем случаеможет сочетать поверхностный, структурный и глубинный подходы. Например, поверхностный подход можетбыть использован для поиска адекватныхзнаний, которые затем используютсянекоторой глубинной моделью.


Задача приобретения знаний.Характеристики ИС в контексте

приобретения знаний

1. Уровень языка, в которомосуществляется приобретение знаний:

– формализованный язык; – ограниченный естественный язык (ЕЯ); – язык пиктограмм и изображений; – ЕЯ и язык изображений


2. Тип приобретаемых знаний: – данные в виде таблиц, содержащих значения

входных и выходного атрибутов (по которыминдуктивными методами строится деревовывода);

– специализированные правила; – общие и специализированные правила.

3. Тип приобретаемых данных: – атрибуты со значениями; – объекты; – классы структурированных объектов и их

экземпляры, получающие значения атрибутов понаследованию


Методы извлечения знаний


Классификация вопросов приинтервьювировании


Мозговой штурм• Метод «мозгового штурма» - один из наиболее известных ишироко применяемых методов генерирования новых идейпутем творческого сотрудничества группы специалистов. Являясь в некотором смысле единым мозгом, группа пытаетсяштурмом преодолеть трудности, мешающие разрешитьрассматриваемую проблему. В процессе такого штурмаучастники выдвигают и развивают собственные идеи, стимулируя появление новых и комбинируя их. Дляобеспечения максимального эффекта «мозговой штурм»должен подчиняться определенным правилам и основыватьсяна строгом разделении во времени процесса выдвижения идейи процесса их обсуждения и оценки. На первой стадии штурмазапрещается осуждать выдвинутые идеи и предложения(считается, что критические замечания уводят к частностям, прерывают творческий процесс, мешают выдвижению идей). Роль аналитика состоит в том, чтобы активизироватьтворческое мышление участников заседания и обеспечитьвыдвижение возможно большего числа идей.


Простейший алгоритм извлечения знанийиз текстов включает следующие шаги.

1. Составить «базовый» список литературы для ознакомленияс предметной областью.

2. Выбрать текст для извлечения знаний.3. Беглое знакомство с текстом. Провести консультации со

специалистами для определения значений незнакомыхслов.

4. Сформировать первую гипотезу о макроструктуре текста.5. Внимательно прочитать текст и выписать ключевые слова и

выражения, определив тем самым «смысловые вехи».6. Определить связи между ключевыми словами, разработать

макроструктуры текста в форме графа или реферата.7. Сформировать новое представление знаний на основании

макроструктуры текста.

Documents

Лекция 8. Экспертныесистемыermak.cs.nstu.ru/neurotech/html/metodmat/ist2016/Lec_8.pdfинтерфейс Механизм объяснения Механизм