|
|
|
|
|
СОДЕРЖАНИЕ
РАЗДЕЛ 1.1.
ВВЕДЕНИЕ В ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ
СИСТЕМЫ
Учебные вопросы:
1.1.1.1. Основные положения информационно-функциональной теории развития
техники
1.1.1.1.1. Процессы труда и познания, как информационные процессы снятия
неопределенности
1.1.1.1.2. Организм человека и средства труда как информационные системы
1.1.1.1.3. Законы развития техники
1.1.1.1.3.1. Закон перераспределения функций между человеком и средствами
труда
1.1.1.1.3.2. Закон повышения качества базиса
1.1.1.1.4. Детерминация формы сознания человека функциональным уровнем
средств труда
1.1.1.1.5. Неизбежность возникновения компьютеров, информационных систем и
систем искусственного интеллекта
1.1.1.2. Информационная теория стоимости
1.1.1.2.1. Связь количества и качества информации с меновой и
потребительной стоимостью
1.1.1.2.2. Информация, как сырье и как товар: абсолютная, относительная и
аналитическая информация. Данные, информация, знания
1.1.1.2.3. Стоимость и амортизация систем искусственного интеллекта и баз
знаний
1.1.1.2.4. Источники экономической эффективности систем искусственного
интеллекта и интеллектуальной обработки данных с позиций информационной теории
стоимости (повышение уровня системности и "охлаждение" объекта
управления)
1.1.1.3. Интеллектуализация – генеральное направление и развития
информационных технологий
1.1.1.3.1. От электронных вычислительных машин к компьютерам.
Функциональное определение компьютера
1.1.1.3.2. Эволюция понятия: "Обработка информации" от
информационного сырья к информационному продукту
1.1.1.3.3. Эволюция технологий создания и поддержки информационных систем:
автоматизация функций посредников
1.1.1.3.4. Перспективы информационных технологий: интеллектуализация,
создание самообучающихся, саморазвивающихся (эволюционирующих) и
самовоспроизводящихся систем
Контрольные вопросы
Рекомендуемая литература
Учебные вопросы
1.1.2.1. Данные, информация, знания. Системно-когнитивный анализ как
развитие концепции смысла Шенка-Абельсона. Место СИИ в иерархической системе
обработки информации
1.1.2.1.1. Постановка проблемы
1.1.2.1.2. Традиционные пути решения проблемы
1.1.2.1.2.1. Классификация и характеристика концепций смысла
1.1.2.1.2.2. Суть концепции смысла Шенка-Абельсона
1.1.2.1.3. Идея решения проблемы
1.1.2.1.3.1. Формулировка идеи
1.1.2.1.3.2. Обоснование принципиальной возможности реализации идеи
Относительная независимость функций от поддерживающих их структур
Диалектика: "Структура – свойство – отношение"
1.1.2.1.4. Когнитивная концепция СК-анализа и синтез когнитивного
конфигуратора
1.1.2.1.4.1. Понятие когнитивного конфигуратора и необходимость
естественнонаучной (формализуемой) когнитивной концепции
Определение понятия конфигуратора
Понятие когнитивного конфигуратора
Когнитивные концепции и операции
1.1.2.1.4.2. Базовая когнитивная концепция
Суть предложенной когнитивной концепции
Данные, информация, знания
Мониторинг, анализ, прогнозирование, управление
Факт, смысл, мысль
Иерархическая структура (пирамида) обработки информации
Базовая когнитивная концепция в свободном изложении
Базовая когнитивная концепция в формальном изложении
1.1.2.1.4.3. Когнитивный конфигуратор и базовые когнитивные операции
системного анализа
1.1.2.1.4.4. Задачи формализации базовых когнитивных операций системного
анализа
Выбор единой интерпретируемой численной меры для классов и атрибутов
Выбор неметрической меры сходства объектов в семантических пространствах
Определение идентификационной и прогностической ценности атрибутов
Ортонормирование семантических пространств классов и атрибутов
(Парето-оптимизация)
1.1.2.1.5. Мышление как вычисление смысла и реализация операций со смыслом
в инструментарии СК-анализа – системе "Эйдос"
1.1.2.1.7. Выводы
1.1.2.2. Понятие: "Система искусственного интеллекта", место СИИ
в классификации систем обработки информации и управления
1.1.2.3. Определение и классификация систем искусственного интеллекта,
цели и пути их создания
1.1.2.3.1. Тест Тьюринга и критерии "интеллектуальности"
информационных систем. Может ли машина мыслить? Может ли искусственный
интеллект превзойти своего создателя?
1.1.2.3.2. Классификация систем искусственного интеллекта
1.1.2.3.3. Особенности технологии создания систем искусственного
интеллекта (обучение, "социализация", как технологический этап)
1.1.2.4. Информационная модель деятельности специалиста и место систем
искусственного интеллекта в этой деятельности
1.1.2.5. Жизненный цикл системы искусственного интеллекта и критерии
перехода между этапами этого цикла
Контрольные вопросы
Рекомендуемая литература
1.2.1. ЛЕКЦИЯ-3. Теоретические основы системно-когнитивного
анализа и место СИИ в структуре АСУ
Учебные вопросы:
1.2.1.1. Системный анализ, как метод познания
1.2.1.1.1. Принципы системного анализа
1.2.1.1.2. Методы и этапы системного анализа
1.2.1.1.3. Этапы когнитивного анализа
1.2.1.1.4. Предлагаемая обобщенная схема системного анализа,
ориентированного на интеграцию с когнитивными технологиями
1.2.1.2. Когнитивная концепция и синтез когнитивного конфигуратора
1.2.1.2.1. Понятие когнитивного конфигуратора и необходимость
естественнонаучной (формализуемой) когнитивной концепции
1.2.1.2.1.1. Определение понятия конфигуратора
1.2.1.2.1.2. Понятие когнитивного конфигуратора
1.2.1.2.1.3. Когнитивные концепции и операции
1.2.1.2.2. Предлагаемая когнитивная концепция
1.2.1.2.3. Когнитивный конфигуратор и базовые когнитивные операции
системного анализа
1.2.1.2.4. Задачи формализации базовых когнитивных операций системного
анализа
Выбор единой интерпретируемой численной меры для классов и атрибутов
Выбор неметрической меры сходства объектов в семантических пространствах
Определение идентификационной и прогностической ценности атрибутов
Ортонормирование семантических пространств классов и атрибутов
(Парето-оптимизация)
1.2.1.3. СК-анализ, как системный анализ, структурированный до уровня
базовых когнитивных операций
1.2.1.4. Место и роль СК-анализа и
систем искусственного интеллекта в структуре АСУ
1.2.1.4.1. Структура типовой АСУ
1.2.1.4.2. Параметрическая модель адаптивной АСУ сложными системами
1.2.1.4.3. Модель рефлексивной АСУ активными объектами и понятие мета-управления
1.2.1.4.4. Двухконтурная модель РАСУ в АПК
Концепция рефлексивной АСУ в АПК и технология QFD (технология
развертывания функций качества)
Рефлексивная АСУ АПК группы Б: 1-й контур: "Агротехнологии – конечный
продукт"
Рефлексивная АСУ АПК группы А: 2-й контур:
"Руководство – агротехнологический процесс"
Двухконтурная модель и обобщенная схема рефлексивной АСУ качеством
подготовки специалистов
Резюме
Контрольные вопросы
Рекомендуемая литература
1.2.2. ЛЕКЦИЯ-4. Системная теория информации и семантическая информационная модель
Учебные вопросы
1.2.2.1. Программа системного обобщения математики и предпосылки системной
теории информации
1.2.2.2. Теоретические основы системной теории информации
1.2.2.2.1. Требования к математической модели и численной мере
1.2.2.2.2. Выбор базовой численной меры
Абсолютная, относительная и аналитическая информация.
Выбор в качестве базовой численной меры количества информации
1.2.2.2.3. Конструирование системной численной меры на основе базовой
Системное обобщение формулы Хартли для количества информации
Гипотеза о законе возрастания эмерджентности и следствия из него
Системное обобщение классической формулы Харкевича, как количественная
мера знаний
Генезис системной (эмерджентной) теории информации
1.2.2.3. Семантическая информационная модель СК-анализа
1.2.2.3.1. Формализм динамики взаимодействующих семантических
информационных пространств. Двухвекторное представление данных.
Семантические пространства классов и атрибутов
Требования к системам координат, свойства векторов классов и атрибутов,
решение проблемы снижения размерности описания и ортонормирования
1.2.2.3.2. Применение классической теории информации К.Шеннона для расчета
весовых коэффициентов и мер сходства
Формальная постановка задачи
Информация как мера снятия неопределенности
Количество информации в индивидуальных событиях и лемма Неймана–Пирсона
1.2.2.3.3. Математическая модель метода распознавания образов и принятия
решений, основанного на системной теории информации
Формальная постановка основной задачи рефлексивной АСУ активными объектами
и ее декомпозиция
Декомпозиция основной задачи в ряд частных подзадач
Решение задачи 1: "Синтез семантической информационной модели
активного объекта управления"
Решение задачи 2: "Адаптация модели объекта управления"
Решение задачи 3: "Разработка алгоритмов решения основных задач
АСУ"
Решение подзадачи 3.1: "Расчет влияния факторов на переход объекта
управления в различные состояния (обучение, адаптация)"
Решение подзадачи 3.2: "Прогнозирование поведения объекта управления
при конкретном управляющем воздействии и выработка многофакторного управляющего
воздействия (обратная задача прогнозирования)"
Решение подзадачи 3.3: "Выявление факторов, вносящих основной вклад в
детерминацию состояния АОУ; снижение размерности модели при заданных
ограничениях"
Решение подзадачи 3.4: "Сравнение влияния факторов. Сравнение
состояний объекта управления"
Семантический информационный анализ
Кластерно-конструктивный анализ и семантические сети
Когнитивные диаграммы классов и признаков
Содержательное (смысловое) сравнение классов
Содержательное (смысловое) сравнение признаков
Обоснование сопоставимости частных критериев Iij
Теорема-1: Индивидуальные количества информации, содержащейся в признаках
объекта о принадлежности к классам, сопоставимы между собой.
Теорема-2: Величины суммарной информации, рассчитанные для одного объекта
и разных классов, сопоставимы друг с другом.
Теорема-3: Величины суммарной информации, рассчитанные для разных объектов
и разных классов, а также классов и классов, признаков и признаков,
взаимно-сопоставимы.
Теорема-4: Неметрический интегральный критерий сходства, основанный на
модифицированной формуле А.Харкевича и обобщенной лемме Неймана-Пирсона,
аддитивен.
Обобщение интегральной модели путем учета значений выходных параметров
объекта управления
1.2.2.4. Некоторые свойства математической модели (сходимость,
адекватность, устойчивость и др.)
1.2.2.4.1. Непараметричность модели. Робастные процедуры и фильтры для исключения
артефактов
1.2.2.4.2. Зависимость информативностей факторов от объема обучающей
выборки
1.2.2.4.3. Зависимость адекватности семантической информационной модели от
объема обучающей выборки (адекватность при малых и больших выборках)
1.2.2.4.4. Семантическая устойчивость модели
1.2.2.4.5. Зависимость некоторых параметров модели от ее
ортонормированности
Зависимость адекватности модели от ее ортонормированности
Зависимость уровня системности модели от ее ортонормированности
Зависимость степени детерминированности модели от ее ортонормированности
1.2.2.5. Взаимосвязь математической модели СК-анализа с другими моделями
1.2.2.5.1. Взаимосвязь системной меры целесообразности информации со
статистикой c2 и новая
мера уровня системности предметной области
1.2.2.5.2. Сравнение, идентификация и прогнозирование как разложение
векторов объектов в ряд по векторам классов (объектный анализ)
1.2.2.5.3. Системно-когнитивный и факторный анализ. СК-анализ, как метод
вариабельных контрольных групп
1.2.2.5.4. Семантическая мера целесообразности информации и эластичность
Эластичность в непрерывном случае
Эластичность в дискретном случае
Свойства эластичности
1.2.2.5.5. Связь семантической информационной модели с нейронными сетями
Метафора нейросетевого представления семантической информационной модели
Соответствие основных терминов и понятий
Недостатки нейронных сетей и пути их преодоления в семантической
информационной модели
Гипотеза о нелокальности нейрона и информационная нейросетевая парадигма
Решение проблемы интерпретируемости весовых коэффициентов (семантическая
мера целесообразности информации и закон Фехнера)
Семантическая информационная модель, как нелокальная нейронная сеть
Гипотеза о физической природе нелокального взаимодействия нейронов в
нелокальной нейронной сети
Решение проблемы интерпретируемости передаточной функции
Решение проблемы размерности
Моделирование причинно-следственных цепочек в нейронных сетях и
семантической информационной модели
Моделирование иерархических структур обработки информации
Нейронные сети и СК-анализ
1.2.2.5.6. Математический метод СК-анализа в свете идей интервальной
бутстрепной робастной статистики объектов нечисловой природы
Постановка проблемы
Традиционные пути решения проблемы
Идея решения проблемы
Математическая модель СК-анализа
Системное обобщение формулы Хартли
Гипотеза о Законе возрастания эмерджентности
Математическая формулировка:
Интерпретация
Системное обобщение формулы Харкевича
Классическая формула Харкевича
Выражение классической формулы Харкевича через частоты фактов
Вывод коэффициента эмерджентности Харкевича на основе принципа
соответствия с выражением Хартли в детерминистском случае
Вывод системного обобщения формулы Харкевича
Окончательное выражение для системного обобщения формулы Харкевича
Связь системной теории информации (СТИ) с теорией
Хартли-Найквиста-Больцмана и теорией Шеннона
Интерпретация коэффициентов эмерджентности СТИ
Матрица абсолютных частот
Матрица информативностей
Неметрический интегральный критерий сходства, основанный на лемме
Неймана-Пирсона
Связь системной меры целесообразности информации с критерием c2
Оценка адекватности семантической информационной модели в СК-анализе и
бутстрепные методы
Непараметричность модели. Робастные процедуры и фильтры для исключения
артефактов
Методика численных расчетов СК-анализа
Детальный список БКОСА и их алгоритмов
Иерархическая структура данных семантической информационной модели
СК-анализа
Специальный программный инструментарий СК-анализа – система
"Эйдос"
Выводы
Резюме
Контрольные вопросы
Рекомендуемая литература
1.2.3. ЛЕКЦИЯ-5. Методика численных расчетов (алгоритмы и
структуры данных)
Учебные вопросы
1.2.3.1. Принципы формализации предметной области и подготовки
эмпирических данных
Понятие шкалы и градации. Типы шкал
Шкалы классов (классификационные шкалы)
Шкалы атрибутов (описательные шкалы)
1.2.3.2. Иерархическая структура данных и последовательность численных
расчетов в СК-анализе
1.2.3.3. Обобщенное описание алгоритмов СК-анализа
БКОСА-2.1. "Восприятие и запоминание исходной обучающей
информации"
БКОСА-2.2. "Репрезентация. Сопоставление индивидуального опыта с
коллективным (общественным)"
БКОСА-3.1.1. "Обобщение (синтез, индукция). Накопление первичных
данных"
БКОСА-3.1.2. "Обобщение (синтез, индукция). Исключение
артефактов"
БКОСА-3.1.3. "Обобщение (синтез, индукция). Расчет степени истинности
содержательных смысловых связей между предпосылками и результатами (обобщенных
таблиц решений)"
БКОСА-3.2. "Определение значимости шкал и градаций факторов, уровней
Мерлина"
БКОСА-3.3. "Определение значимости шкал и градаций классов, уровней
Мерлина"
БКОСА-4.1. "Абстрагирование факторов (снижение размерности семантического
пространства факторов)"
БКОСА-4.2. "Абстрагирование классов (снижение размерности
семантического пространства классов)"
БКОСА-5. "Оценка адекватности информационной модели предметной
области"
БКОСА-7. "Сравнение, идентификация и прогнозирование. Распознавание
состояний конкретных объектов (объектный анализ)"
БКОСА-9.1. "Дедукция и абдукция классов (семантический анализ
обобщенных образов классов, решение обратной задачи прогнозирования)"
БКОСА-9.2. "Дедукция и абдукция факторов (семантический анализ
факторов)"
БКОСА-10.1.1. "Классификация обобщенных образов классов"
БКОСА-10.1.2. "Формирование бинарных конструктов классов"
БКОСА-10.1.3. "Визуализация семантических сетей классов"
БКОСА-10.2.1. "Классификация факторов"
БКОСА-10.2.2. "Формирование бинарных конструктов факторов"
БКОСА-10.2.3. "Визуализация семантических сетей факторов"
БКОСА-10.3.1. "Содержательное сравнение классов"
БКОСА-10.3.2. "Расчет и отображение многомногозначных когнитивных
диаграмм, в т.ч. диаграмм Вольфа Мерлина"
БКОСА-10.4.1. "Содержательное сравнение факторов"
БКОСА-10.4.2. "Расчет и отображение многомногозначных когнитивных
диаграмм, в т.ч. инвертированных диаграмм Мерлина"
БКОСА-11. "Многовариантное планирование и принятие решения о
применении системы управляющих факторов"
1.2.3.4. Детальные алгоритмы СК-анализа
Резюме
Контрольные вопросы
Рекомендуемая литература
1.2.4. ЛЕКЦИЯ-6. Технология синтеза и эксплуатации приложений в системе
"Эйдос"
Учебные вопросы
1.2.4.1. Назначение и состав системы "ЭЙДОС"
1.2.4.1.1. Цели и основные функции системы "Эйдос"
Синтез содержательной информационной модели предметной области
Идентификация и прогнозирование состояния объекта управления, выработка
управляющих воздействий
Углубленный анализ содержательной информационной модели предметной области
1.2.4.1.2. Обобщенная структура системы "Эйдос"
1.2.4.2. Пользовательский интерфейс, технология разработки и эксплуатации
приложений в системе "ЭЙДОС"
1.2.4.2.1. Начальный этап синтеза модели: когнитивная структуризация и
формализация предметной области, подготовка исходных данных (подсистема
"Словари") (БКОСА-1, БКОСА-2)
Классификационные шкалы и градации (БКОСА-1.1)
Описательные шкалы и градации (БКОСА-1.2)
Ввод-корректировка обучающей информации (БКОСА-2.1)
Управление составом обучающей информации (БКОСА-2.2)
1.2.4.2.2. Синтез модели: пакетное обучение системы распознавания
(подсистема "Обучение") (БКОСА-3)
Расчет матрицы абсолютных частот (БКОСА-3.1.1)
Исключение артефактов (робастная процедура) (БКОСА-3.1.2)
Расчет матриц информативностей (БКОСА-3.1.3, 3.2, 3.3)
Измерение сходимости и устойчивости модели
1.2.4.2.3. Оптимизация модели (подсистема "Оптимизация")
(БКОСА-4)
Формирование ортонормированного базиса классов (БКОСА-4.2)
Исключение признаков с низкой селективной силой (БКОСА-4.1)
Удаление классов и признаков, по которым недостаточно данных
1.2.4.2.4. Верификация модели (оценка ее адекватности) (БКОСА-5)
1.2.4.2.5. Эксплуатация приложения в режиме адаптации и периодического
синтеза модели (БКОСА-7, БКОСА-9, БКОСА-10)
Идентификация и прогнозирование (подсистема "Распознавание")
(БКОСА-7)
Информационные портреты классов
(БКОСА-9.1)
Расчет матрицы сходства эталонов классов (БКОСА-10.1.1)
Генерация кластеров и конструктов классов (БКОСА-10.1.2)
Автоматическое выполнение режимов 1-2-3
Вывод 2d-семантических сетей классов (БКОСА-10.1.3)
Когнитивные диаграммы классов (БКОСА-10.3.1, 10.3.2)
Семантические портреты атрибутов (БКОСА-9.2)
Расчет матрицы сходства атрибутов (БКОСА-10.2.1)
Генерация кластеров и конструктов атрибутов (БКОСА-10.2.2)
Вывод 2d-семантических сетей атрибутов (БКОСА-10.2.3)
Когнитивные диаграммы атрибутов (БКОСА-10.4.1, 10.4.2)
Оценка достоверности заполнения анкет
1.2.4.3. Технические характеристики и обеспечение эксплуатации системы
"ЭЙДОС" (версии 12.5)
1.2.4.3.1. Состав системы "Эйдос": базовая система, системы
окружения и программные интерфейсы импорта данных
1.2.4.3.2. Отличия системы "Эйдос" от аналогов: экспертных и
статистических систем
1.2.4.3.3. Некоторые количественные характеристики системы
"Эйдос"
1.2.4.3.4. Обеспечение эксплуатации системы "Эйдос"
1.2.4.4. АСК-анализ, как технология синтеза и эксплуатации рефлексивных
АСУ активными объектами
Резюме
Контрольные вопросы
Рекомендуемая литература
РАЗДЕЛ 1.3.
ПРИНЦИПЫ ПОСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ИНФОРМАЦИОННЫХ СИСТЕМ
1.3.1. ЛЕКЦИЯ-7. Системы с интеллектуальной обратной связью и
интеллектуальными интерфейсами
Учебные вопросы
1.3.1.1. Интеллектуальные интерфейсы. Использование биометрической
информации о пользователе в управлении системами
1.3.1.1.1. Идентификация и аутентификация личности по почерку. Понятие
клавиатурного почерка
1.3.1.1.2. Соотношение психографологии и атрибуции текстов
1.3.1.1.3. Идентификация и аутентификация личности пользователя компьютера
по клавиатурному почерку
Варианты постановки задачи распознавания клавиатурного почерка
Характеристики клавиатурного почерка
Математические методы распознавания клавиатурного почерка
1.3.1.1.4. Прогнозирование ошибок оператора по изменениям в его
электроэнцефалограмме
1.3.1.2. Системы с биологической обратной связью
1.3.1.2.1. Общие положения
1.3.1.2.1. Мониторинг состояния сотрудников сборочного конвейера с целью
обеспечения высокого качества продукции
1.3.1.2.2. Компьютерные тренажеры, основанные на БОС, для обучения больных
навыкам управления своим состоянием
1.3.1.2.3. Компьютерные игры с БОС
1.3.1.3. Системы с семантическим резонансом. Компьютерные Y-технологии и
интеллектуальный подсознательный интерфейс
1.3.1.4. Системы виртуальной реальности и критерии реальности. Эффекты
присутствия, деперсонализации и модификация сознания пользователя
1.3.1.4.1. Классическое определение системы виртуальной реальности
1.3.1.4.2. "Эффект присутствия" в виртуальной реальности
1.3.1.4.3. Применения систем виртуальной реальности
1.3.1.4.4. Модификация сознания и самосознания пользователя в виртуальной
реальности
1.3.1.4.5. Авторское определение системы виртуальной реальности
1.3.1.4.6. Критерии реальности при различных формах сознания и их
применение в виртуальной реальности
1.3.1.4.7. Принципы эквивалентности (относительности) Галилея и Эйнштейна
и критерии виртуальной реальности
1.3.1.5. Системы с дистанционным телекинетическим интерфейсом
Контрольные вопросы
Рекомендуемая литература
1.3.2. ЛЕКЦИЯ-8. Автоматизированные системы распознавания образов
Учебные вопросы
1.3.2.1. Основные понятия
1.3.2.1.1. Признаки и образы конкретных объектов, метафора фазового
пространства
1.3.2.1.2. Признаки и обобщенные образы классов
1.3.2.1.3. Обучающая выборка и ее репрезентативность по отношению к
генеральной совокупности. Ремонт (взвешивание) данных
1.3.2.1.4. Основные операции: обобщение и распознавание
1.3.2.1.5. Обучение с учителем (экспертом) и самообучение (кластерный
анализ)
1.3.2.1.6. Верификация, адаптация и синтез модели
1.3.2.2. Проблема распознавания образов
1.3.2.3. Классификация методов распознавания образов
1.3.2.4. Применение распознавания образов для идентификации и
прогнозирования. Сходство и различие в содержании понятий
"идентификация" и "прогнозирование"
1.3.2.5. Роль и место распознавания образов в автоматизации управления сложными
системами
1.3.2.5.1. Обобщенная структура системы управления
1.3.2.5.2. Место системы идентификации в системе управления
1.3.2.5.3. Управление как задача, обратная идентификации и прогнозированию
1.3.2.6. Методы кластерного анализа
1.3.2.6.1. Древовидная кластеризация
1.3.2.6.2. Двухвходовое объединение
1.3.2.6.3. Метод K средних
Контрольные вопросы
Рекомендуемая литература
1.3.3. ЛЕКЦИЯ-9. Математические методы и автоматизированные системы поддержки принятия решений
Учебные вопросы
1.3.3.1. Многообразие задач принятия решений
1.3.3.1.1. Принятие решений, как реализация цели
1.3.3.1.2. Принятие решений, как снятие неопределенности (информационный
подход)
Простейшее понятие об информации (подход Хартли).
Мера Шеннона, как обобщение меры Хартли для неравновероятных событий.
1.3.3.1.3. Связь принятия решений и распознавания образов
1.3.3.1.4. Классификация задач принятия решений
1.3.3.2. Языки описания методов принятия решений
1.3.3.2.1. Критериальный язык
1.3.3.2.2. Язык последовательного бинарного выбора
1.3.3.2.3. Обобщенный язык функций выбора
1.3.3.2.4. Групповой выбор
1.3.3.3. Выбор в условиях неопределенности
1.3.3.3.1. Информационная (статистическая) неопределенность в исходных данных
1.3.3.3.2. Неопределенность последствий
1.3.3.3.3. Расплывчатая неопределенность
1.3.3.4. Решение как компромисс и баланс различных интересов. О некоторых
ограничениях оптимизационного подхода
1.3.3.5. Экспертные методы выбора
1.3.3.6. Юридическая ответственность за решения, принятые с применением
систем поддержки принятия решений
1.3.3.7. Условия корректности использования систем поддержки принятия
решений
1.3.3.8. Хранилища данных для принятия решений
Контрольные вопросы
Рекомендуемая литература
1.3.4. ЛЕКЦИЯ-10. Экспертные системы
Учебные вопросы
1.3.4.1. Экспертные системы, базовые понятия
1.3.4.2. Экспертные системы, методика построения
1.3.4.3. Этап-1: "Идентификация"
1.3.4.4. Этап-2: "Концептуализация"
1.3.4.5. Этап-3: "Формализация"
1.3.4.6. Этап-4: "Разработка прототипа"
1.3.4.7. Этап-5: "Экспериментальная эксплуатация"
1.3.4.8. Этап-6: "Разработка продукта"
1.3.4.9. Этап-7: "Промышленная эксплуатация"
Контрольные вопросы
Рекомендуемая литература
1.3.5. ЛЕКЦИЯ-11. Нейронные сети
Учебные вопросы
1.3.5.1. Биологический нейрон и формальная модель нейрона Маккалоки и
Питтса
1.3.5.2. Возможность решения простых задач классификации непосредственно
одним нейроном
1.3.5.3. Однослойная нейронная сеть и персептрон Розенблата
1.3.5.4. Линейная разделимость и персептронная представляемость
1.3.5.5. Многослойные нейронные сети
1.3.5.5.1. Многослойный персептрон
1.3.5.5.2. Модель Хопфилда
1.3.5.5.3. Когнитрон и неокогнитрон Фукушимы
1.3.5.6. Проблемы и перспективы нейронных сетей
1.3.5.7. Модель нелокального нейрона и нелокальные интерпретируемые
нейронные сети прямого счета
1.3.5.7.1. Метафора нейросетевого представления семантической информационной
модели
1.3.5.7.2. Соответствие основных терминов и понятий
1.3.5.7.3. Гипотеза о нелокальности нейрона и информационная нейросетевая
парадигма
1.3.5.7.4. Решение проблемы интерпретируемости весовых коэффициентов
(семантическая мера целесообразности информации и закон Фехнера)
1.3.5.7.5. Семантическая информационная модель, как нелокальная нейронная
сеть
1.3.5.7.6. Гипотеза о физической природе нелокального взаимодействия
нейронов в нелокальной нейронной сети
1.3.5.7.7. Решение проблемы интерпретируемости передаточной функции
1.3.5.7.8. Решение проблемы размерности
1.3.5.7.9. Решение проблемы линейной разделимости
1.3.5.7.10. Моделирование причинно-следственных цепочек в нейронных сетях
и семантической информационной модели
1.3.5.7.11. Моделирование иерархических структур обработки информации
1.3.5.7.12. Нейронные сети и СК-анализ
1.3.5.7.13. Графическое отображение нейронов, Паррето-подмножеств
нелокальной нейронной сети, семантических сетей, когнитивных карт и диаграмм в
системе "Эйдос"
Обучение нелокальной нейронной сети
Классические когнитивные карты
Обобщенные когнитивные карты
Резюме
Контрольные вопросы
Рекомендуемая литература
1.3.6. ЛЕКЦИЯ-12. Генетические алгоритмы и моделирование биологической эволюции
Учебные вопросы
1.1.6.1. Основные понятия, принципы и предпосылки генетических алгоритмов
1.1.6.2. Пример работы простого
генетического алгоритма
1.1.6.3. Достоинства и недостатки
генетических алгоритмов
1.1.6.4. Примеры применения генетических алгоритмов
Контрольные вопросы
Рекомендуемая литература
1.3.7. ЛЕКЦИЯ-13. Когнитивное моделирование
Учебные вопросы:
1.3.7.1. Определение основных понятий: "Когнитивное
моделирование" и "Классическая когнитивная карта", их связь с
когнитивной психологией и гносеологией
1.3.7.2. Когнитивная (познавательно-целевая) структуризация знаний об
исследуемом объекте и внешней для него среды на основе PEST-анализа и
SWOT-анализа
1.3.7.3. Разработка программы реализации стратегии развития исследуемого
объекта на основе динамического имитационного моделирования (при поддержке
программного пакета Ithink)
Контрольные вопросы
Рекомендуемая литература
Учебные вопросы
1.3.8.1. Интеллектуальный анализ данных
1.3.8.2. Типы выявляемых закономерностей
1.3.8.2.1. Ассоциация
1.3.8.2.2. Последовательность
1.3.8.2.3. Классификация
1.3.8.2.4. Кластеризация
1.3.8.2.5. Прогнозирование
1.3.8.3. Математический аппарат
1.3.8.3.1. Деревья решений
1.3.8.3.2. Регрессионный анализ
1.3.8.3.3. Нейронные сети
1.3.8.3.4. Временные ряды
1.3.8.4. Области применения технологий интеллектуального анализа данных
1.3.8.4.1. Розничная торговля
1.3.8.4.2. Банковская деятельность
1.3.8.4.3. Страховой бизнес
1.3.8.4.4. Производство
1.3.8.5. Автоматизированные системы
для интеллектуального анализа данных
Резюме
Контрольные вопросы
Рекомендуемая литература
РАЗДЕЛ 1.4. ПРИМЕНЕНИЕ И ПЕРСПЕКТИВЫ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
1.4.1. ЛЕКЦИЯ-15. Области
применения систем искусственного
интеллекта
Учебные вопросы
1.4.1.1. Обзор опыта применения АСК-анализа для управления и исследования
социально-экономических систем
1.4.1.1.1. Синтез и решение задач управления качеством подготовки
специалистов
1.4.1.1.2. Экономические исследования
6.1.3.1. Маркетинговые исследования
6.1.3.2. Рекламные исследования
1.4.1.1.3. Социологические и политологические исследования
1.4.1.2. Поддержка принятия решений по выбору агротехнологий, культур и
пунктов выращивания
1.4.1.2.1. Поддержка принятия решений по выбору агротехнологий
Параметры семантической информационной модели
Методика проведения работ
Ограничения и недостатки предложенных модели и инструментария и пути их
преодоления
1.4.1.2.2. Поддержка принятия решений по выбору культур и пунктов
выращивания
Цель работы
Проблема
Традиционные пути решения
Недостатки традиционных путей
Предлагаемая концепция решения проблемы
Математическая модель
Алгоритмы и структуры данных
Программный инструментарий
Технология применения программного инструментария
Картографическое районирование косточковых плодовых в Южно-Российском
регионе
1.4.1.3. Прогнозирование динамики сегмента рынка
1.4.1.3.2. Когнитивная структуризация и формализация предметной области
1.4.1.3.3. Исходные данные для прогноза: биржевые базы данных
1.4.1.3.4. Формирование точечных прогнозов
1.4.1.3.5. Формирование средневзвешенного прогноза
1.4.1.3.6. Оценка адекватности модели. Зависимость достоверности
прогнозирования от разброса точечных прогнозов
1.4.1.3.7. Детерминистские и бифуркационные участки траектории
1.4.1.3.8. Прогнозирования времени перехода системы в бифуркационное
состояние
1.4.1.3.9. Исследование семантической информационной модели
Ослабление влияния факторов со временем
Старение информации и периоды эргодичности процессов в предметной области
Автоколебания фондового рынка
Время реакции системы на изменение факторов (ригидность)
Управление фондовым рынком на детерминистских участках траектории
Управление фондовым рынком в точках бифуркации
1.4.1.4. Анализ динамики макроэкономических состояний городов и районов на
уровне субъекта Федерации в ходе экономической реформы (на примере
Краснодарского края) и прогнозирование уровня безработицы (на примере
Ярославской области)
Резюме
Контрольные вопросы
Рекомендуемая литература
1.4.2. ЛЕКЦИЯ-16. Перспективы развития систем искусственного интеллекта, в т.ч. в Internet
Учебные вопросы
1.4.2.1. Ограничения АСК-анализа и обоснованное расширение области его
применения на основе научной индукции
1.4.2.2. Перспективы применения АСК-анализа в управлении
1.4.2.2.1. Оценка рисков страхования и кредитования предприятий
Актуальность.
Традиционные подходы к решению проблемы: фундаментальный и технический
подход (содержательные и феноменологические модели)
Предлагаемая методология и технология как синтез технического и
фундаментального подхода. Общие принципы решения проблемы
1.4.2.2.2. Мониторинг, прогнозирование и управление в
финансово-экономической сфере
Актуальность
Предлагаемый подход
Ценовой мониторинг
Мониторинг хода экономической реформы
Мониторинг инвестиционных проектов
Кредитно-финансовый мониторинг
Мониторинг предприятий
Социально–психологический мониторинг
Результаты и перспективы
1.4.2.2.3. Некоторые перспективные области применения АСК-анализа
1.4.2.3. Развитие АСК-анализа
1.4.2.3.1. Многоагентные распределенные системы обнаружения, накопления и
использования знаний в Internet
1.4.2.3.2. Развитие АСК-анализа с применением теории нечетких множеств и
неклассической логики
1.4.2.3.3. Динамика взаимодействующих семантических пространств и создание
континуального АСК-анализа
1.4.2.4. Другие перспективные области применения АСК-анализа и систем
искусственного интеллекта
Резюме
Контрольные вопросы
Рекомендуемая литература
ОСНОВНАЯ ЛИТЕРАТУРА
ДОПОЛНИТЕЛЬНАЯ ЛИТЕРАТУРА
INTERNET-САЙТЫ
КРАТКИЙ СЛОВАРЬ ТЕРМИНОВ ПО СК-АНАЛИЗУ И СИСТЕМАМ
ИСКУССТВЕННОГО ИНТЕЛЛЕКТА