ÑоÑÐ¼Ð°Ñ Adobe PDF, ÑÐ°Ð·Ð¼ÐµÑ 2173 Ðб - ÐнÑоÑмаÑионно ...
ÑоÑÐ¼Ð°Ñ Adobe PDF, ÑÐ°Ð·Ð¼ÐµÑ 2173 Ðб - ÐнÑоÑмаÑионно ... ÑоÑÐ¼Ð°Ñ Adobe PDF, ÑÐ°Ð·Ð¼ÐµÑ 2173 Ðб - ÐнÑоÑмаÑионно ...
ISBN 5–7262–0471–9ЛЕКЦИИ ПО НЕЙРОИНФОРМАТИКЕНеопределенность и неполнота информацииЭкспертные системы и формальная логикаПопробуем проследить за способом работы эксперта в некоторой определеннойобласти. Примерами экспертов являются врач, проводящий обследование,финансист, изучающий условия предоставления ссуды, либопилот, управляющий самолетом.Действия эксперта могут условно быть представлены в виде повторяющейсяпоследовательности из трех этапов:• получение информации о состоянии окружающего мира;• принятие решения относительно выбора некоторых действий, по поводукоторых у эксперта имеются определенные ожидания последствий;• приобретение опыта путем сопоставления результатов действий иожиданий и возврат к первому этапу.Приобретенные новый опыт и информация о мире позволяют экспертусообразно действовать в будущем.Попытки компьютерного моделирования действий эксперта привели вконце 60-х годов к появлению экспертных систем (ЭС) [6], которые чащевсего основывались на продукционных правилах типа «ЕСЛИ условие,ТО факт или действие». Будущее подобных систем связывалось при этомс заменой экспертов их моделями. Однако после первых успехов обнажилисьпроблемы, и первой среди них — серьезные затруднения при попыткахработы с нечеткой, недоопределенной информацией.Следующие поколения ЭС претерпели кардинальные изменения:• вместо моделирования эксперта моделируется предметная область;• вместо попыток учета неопределенности в правилах — использованиеклассической теории вероятностей и теории принятия решений;• вместо попыток замены эксперта — оказание ему помощи.В конце 80-х годов были предложены обобщения ЭС в виде байесовых 1сетей [21] и была показана практическая возможность вычислений вероятностныхвыводов даже для сетей больших размеров.1 По-видимому, первые работы по использованию графовых моделей в статистическоммоделировании относятся еще к 20-м годам прошлого века. (Wright S. Correlation andcausation // Journal of Agricultural Research, 20, 557, 1921).152 УДК 004.032.26 (06) Нейронные сети
С. А. ТЕРЕХОВВернемся к трехэтапному описанию профессиональных действий эксперта.Сейчас нас будет интересовать вопрос, как наблюдения эксперта,т. е. получение им информации о внешнем мире, изменяют его ожиданияпо поводу ненаблюдаемых событий?Особенности вывода суждений в условиях неопределенностиСуть приобретаемого знания в условиях неопределенности состоит в понимании,влияет ли полученная информация на наши ожидания относительнодругих событий. Основная причина трудностей при использовании систем,основанных на правилах, состоит в учете «сторонних», «косвенных» последствийнаблюдаемых событий. Проиллюстрируем это на уже успевшемстать классическим примере [15].Шерлок Холмс вышел из дома утром и заметил, что трава вокруг влажная.Он рассудил 2 : «Я думаю, что ночью был дождь. Следовательно, трававозле дома моего соседа, доктора Ватсона, вероятно, также влажная».Таким образом, информация о состоянии травы у дома Холмса повлиялана его ожидания относительно влажности травы у дома Ватсона. Нопредположим, что Холмс проверил состояние сборника дождевой воды иобнаружил, что тот — сухой. В результате Холмс вынужден изменить ходсвоих рассуждений, и состояние травы возле его дома перестает влиятьна ожидания по поводу травы у соседа.Теперь рассмотрим две возможные причины, почему трава у домаХолмса оказалась влажной. Помимо дождя, Холмс мог просто забыть выключитьполивальную установку накануне. Допустим, на следующее утроХолмс снова обнаруживает, что трава влажная. Это повышает его субъективныевероятности и для прошедшего дождя, и по поводу забытой дождевальнойустановки. Затем Холмс обнаруживает, что трава у дома Ватсонатакже влажная и заключает, что ночью был дождь.Следующий шаг рассуждений практически невозможно воспроизвестив системах, основанных на правилах, однако он абсолютно естественендля человека: влажность травы у дома Холмса объясняется дождем, иследовательно нет оснований продолжать ожидать, что была забытавключенной поливальная машина. Следовательно, возросшая, было, субъек-2 Мы сознательно обужаем мир возможных причин и способов рассуждений великогосыщика до элементарного их набора, что не мешает, однако, понять, почему и они весьматрудно программируются в машине.УДК 004.032.26 (06) Нейронные сети 153
- Page 102 and 103: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 104 and 105: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 106 and 107: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 108 and 109: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 110 and 111: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 112 and 113: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 114 and 115: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 116 and 117: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 118 and 119: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 120 and 121: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 122 and 123: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 124 and 125: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 126 and 127: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 128 and 129: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 130 and 131: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 132 and 133: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 134 and 135: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 136 and 137: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 138 and 139: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 140 and 141: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 142 and 143: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 144 and 145: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 146 and 147: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 148 and 149: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 150 and 151: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 154 and 155: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 156 and 157: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 158 and 159: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 160 and 161: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 162 and 163: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 164 and 165: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 166 and 167: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 168 and 169: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 170 and 171: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 172 and 173: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 174 and 175: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 176 and 177: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 178 and 179: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 180 and 181: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 182 and 183: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 184 and 185: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 186 and 187: ISBN 5-7262-0471-9ЛЕКЦИИ ПО
- Page 188: НАУЧНАЯ СЕССИЯ МИФ
С. А. ТЕРЕХОВВернемся к трехэтапному описанию профессиональных действий эксперта.Сейчас нас будет интересовать вопрос, как наблюдения эксперта,т. е. получение им информации о внешнем мире, изменяют его ожиданияпо поводу ненаблюдаемых событий?Особенности вывода суждений в условиях неопределенностиСуть приобретаемого знания в условиях неопределенности состоит в понимании,влияет ли полученная информация на наши ожидания относительнодругих событий. Основная причина трудностей при использовании систем,основанных на правилах, состоит в учете «сторонних», «косвенных» последствийнаблюдаемых событий. Проиллюстрируем это на уже успевшемстать классическим примере [15].Шерлок Холмс вышел из дома утром и заметил, что трава вокруг влажная.Он рассудил 2 : «Я думаю, что ночью был дождь. Следовательно, трававозле дома моего соседа, доктора Ватсона, вероятно, также влажная».Таким образом, информация о состоянии травы у дома Холмса повлиялана его ожидания относительно влажности травы у дома Ватсона. Нопредположим, что Холмс проверил состояние сборника дождевой воды иобнаружил, что тот — сухой. В результате Холмс вынужден изменить ходсвоих рассуждений, и состояние травы возле его дома перестает влиятьна ожидания по поводу травы у соседа.Теперь рассмотрим две возможные причины, почему трава у домаХолмса оказалась влажной. Помимо дождя, Холмс мог просто забыть выключитьполивальную установку накануне. Допустим, на следующее утроХолмс снова обнаруживает, что трава влажная. Это повышает его субъективныевероятности и для прошедшего дождя, и по поводу забытой дождевальнойустановки. Затем Холмс обнаруживает, что трава у дома Ватсонатакже влажная и заключает, что ночью был дождь.Следующий шаг рассуждений практически невозможно воспроизвестив системах, основанных на правилах, однако он абсолютно естественендля человека: влажность травы у дома Холмса объясняется дождем, иследовательно нет оснований продолжать ожидать, что была забытавключенной поливальная машина. Следовательно, возросшая, было, субъек-2 Мы сознательно обужаем мир возможных причин и способов рассуждений великогосыщика до элементарного их набора, что не мешает, однако, понять, почему и они весьматрудно программируются в машине.УДК 004.032.26 (06) Нейронные сети 153