диплом Интеллектуальные системы. Управления данными в интеллектуальных системах

Внедрение новых технологий в производство аппаратуры привело к появ-лению запоминающих устройств большой емкости, с высокими надежностью и быстродействием.
Значительно повысились мощность и быстродействие периферийных уст-ройств ввода и вывода информации.
Было налажено массовое производство компонентов вычислительных систем, что привело к резкому удешевлению всех средств вычислительной тех-ники.
Кроме того, наметился переход от широкого использования больших ЭВМ к настольным, персональным компьютерам. Этот переход кроме вышеиз-ложенных причин обуславливался миниатюризацией электронных компонен-тов, а также повышением надежности серийно выпускаемых элементов. Совме-стное же использование ресурсов вычислительных систем и обмен данными решается с помощью вычислительных сетей разной топологии и масштаба. Также резко удешевились средства Multimedia.
Прогресс в производстве оборудования происходил параллельно с про-грессом в области разработки программного обеспечения. В последнее время все шире используются проблемно-ориентированные языки программирования, что в большинстве случаев снижает время на разработку программ в конкрет-ной предметной области.
В последние несколько лет широкое распространение получили новые подходы к программированию. Речь идет о так называемых CASE-технологиях и различных технологиях автоматического кодирования. Развитие и широкое внедрение этих технологий сделало труд программиста более творческим чем рутинным и позволило сократить время разработки программ.
Отдельно следует сказать о получившем широкое распространение объ-ектно-ориентированном подходе к программированию. Внедрение этого подхо-да позволило более глубоко структурировать производимое программное обес-печение, оптимизировать программный код, сделать программные модули бо-лее аппаратно-независимыми, стандартизировать интерфейс с ними. В связи с этим на рынке появилось много программных библиотек, в значительной мере облегчающих разработку программ.
Автоматизация труда программистов привела к значительному увеличе-нию скорости развития и совершенствования прикладных программных паке-тов. В комбинации с прогрессом в развитии аппаратуры это привело к появле-нию возможности разработки сложных прикладных программ во-первых, за ко-роткие сроки, во-вторых, ориентированных на массового потребителя, в-третьих, за сравнительно низкую цену. При этом эти программные продукты не теряют ни в мощности ни в быстродействии.
Появление на рынке современных операционных систем, таких как Windows” и Windows NT фирмы Microsoft Corp, новых версий OS/2 фирмы IBM и NetWare 4.X фирмы Novell, во-первых, позволило создавать программы на аппаратно-независимом уровне; во-вторых, привело к созданию единой системы пользовательского интерфейса и связанных с ним технологий; в-третьих, позво-лило разрабатывать программы, ориентированные на многозадачный режим ра-боты и динамический обмен данными между ними; в-четвертых, позволило бо-лее полно реализовать возможности современного аппаратного обеспечения; в-пятых, облегчило построение малых локальных сетей и использование техноло-гии клиент-сервер.
Все вышеназванное привело к тому, что в настоящее время, персональный компьютер стал настольным инструментом практически всех людей, занятых умственным трудом во всех сферах деятельности человека и локализованных во всех точках планеты. В то же время, автоматизации подвергаются в основном работы, требующие выполнения рутинных процессов, расчетов, связанных с громоздкими вычислениями. Это обусловило появление на рынке большого ко-личества программных продуктов, связанных с решением таких задач как: ав-томатизация набора текста, пример - широко известный текстовый процессор Microsoft Word; автоматизация издательской деятельности, примеры - PageMaker и Ventura Publisher; широко распространены системы организации презентационной графики, проверки орфографии, системы поддержки таблич-ных вычислений (Exel); современные СУБД типа Access, Paradox. Требования потребителей к автоматизации документооборота привели к совершенствова-нию технологий управления базами данных и связи между компьютерами т.е. привели к развитию вычислительных сетей разного масштаба и, в первую оче-редь, малых локальных сетей. Развиваются связанные с этим технологии рас-пределенных баз данных (использующие клиент-серверный принцип построе-ния). В настоящее время развитие информационно-поисковых систем представ-ляет собой отдельное научно-инженерное направление.
Таким образом, развитие программных и аппаратных средств вычисли-тельной техники позволило успешно автоматизировать такие виды человече-ской деятельности как подготовка и оформление текстов, проведение типовых расчетов, поиск и группирование информации в больших массивах данных и некоторые другие. Однако более сложные, аналитические задачи по-прежнему остаются уделом человеческого, а не “машинного” интеллекта.
С другой стороны, в повседневной деятельности менеджеров различных уровней, лиц, принимающих решения, можно выделить ряд типовых задач, ко-торые во многом могут быть переложены на плечи ЭВМ. Эти задачи носят оп-ределенно интеллектуальный характер и требуют большого опыта и внимания при своем решении.
Примерами таких задач могут быть: оценка и выбор оптимальных про-ектных решений; оценка ситуации и выбор решения при управлении сложными процессами; техническая и медицинская диагностика; прогнозирование финан-сово-экономических параметров: доходности предприятия, курсов валют, бир-жевых цен и т.п.; оценка кредитных и инвестиционных рисков; оценка сложных объектов (типа объектов недвижимости) при их купле/продаже; подбор и рас-становка кадров.
В мире уже сегодня известно значительное количество программных сис-тем, предназначенных для решения указанных задач. В силу интеллектуального характера решаемых ими задач, а также в силу того, что самим системам при-сущи способность обучаться и объяснять свои решения, способность достичь высокого качества формируемых решений, такие системы называют интеллек-туальными.
Под этим общим названием в последнее время принято объединять дос-таточно широкий круг программных продуктов. К ним относятся и экспертные системы, и системы для численного обоснования принятия решения(decision support systems), и системы для распознавания образов(текстов, изображения, речи), и некоторые другие.
Постепенное накопление опыта, оттачивание теории и отладка алгорит-мов, позволили доказать в конце концов ощутимую эффективность интеллекту-альных программ, что привело к резкому всплеску интереса к подобным про-граммным продуктам, особенно к системам способным решать финансовые и управленческие задачи. Процесс развития этого направления продолжается и в настоящее время. Кроме этого, в программировании в целом наметилась быстро развивающаяся тенденция к интеллектуализации. Так, практически все попу-лярные программные продукты в большей, или в меньшей степени приобрели черты интеллектуальности. Запоминание действий пользователя, подсказки и рекомендации по оптимальному использованию соответствующих режимов са-мих программ, сложные ассоциативные поиски, оптимизация кода при про-граммировании, сложные механизмы обеспечения корректности данных при вводе и хранении – вот неполный перечень признаков «поумнения» современ-ных программных средств. А это, в свою очередь, является немало важной предпосылкой дальнейшего прогресса в разработке интеллектуальных сис-тем(ИС).
Одной из базовых проблем, при создании ИС, является выбор модели представления знаний [3, 5, 8, 14]. Именно модель представления знаний опре-деляет архитектуру, возможности и свойства системы, а также методы приобре-тения знаний ИС. Именно она, в конце концов, определяет насколько система может называться интеллектуальной.
Суть проблемы представления знаний заключается в их формализации, то есть в переводе их в символьное представление. В настоящее время известен ряд базовых моделей представления знаний и их модификаций, это представле-ние с помощью фактов и правил, исчисления предикатов, нейронные сети, се-мантические сети, фреймы. При построении ИС может быть использован любой из них, сам по себе или в сочетании с другими. Каждая из моделей позволяет получить систему с некоторыми преимуществами - делает ее более эффектив-ной в конкретных условиях, облегчает ее понимание и модификацию. При этом сопоставление различных моделей представления знаний является сложной, слабо формализуемой задачей.
Сетевые интеллектуальные системы, являясь программными продуктами, разработка которых сложна и требует больших временных и материальных за-трат, разрабатывались обычно на заказ крупными исследовательскими центра-ми и организациями. Такие экспертные системы во-первых, ориентированы на решение задач оценки в конкретной предметной области; во-вторых, такие экс-пертные системы имели весьма высокую цену, что ограничивало их широкое распространение; в-третьих, такие экспертные системы предъявляли высокие требования к аппаратному обеспечению; и, наконец, в-четвертых, они ограни-чивали число пользователей одновременно работающих в системе.
Перечисленные недостатки могут быть существенно ослаблены и даже устранены полностью на базе применения современных аппаратных и про-граммных технологий, рассмотренных выше.
Целью настоящей дипломной работы является разработка структуры и ал-горитмов взаимодействия программных блоков интеллектуальной системы для оценки сложных объектов, построенной по принципу «клиент\сервер». По-скольку проектирование всей системы - задача трудоемкая и под силу лишь группе программистов, конкретно рассматривается проектирование одного из блоков системы – блока управления данными и знаниями интеллектуальной системы, построенной по принципу «клиент\сервер». Проектируемый блок обеспечивает такие основные свойства системы как распределенность данных и знаний, параллелизм при доступе и обработке данных, гибкость при настройке, надежность и корректность всей информации.
Для достижения указанной цели необходимо решить следующие задачи:
- проанализировать основные задачи, решаемые ИС в целом и ее отдель-ными блоками: АРМ администратора системы, АРМ эксперта, АРМ лица при-нимающего решения (руководителя), АРМ рядового оператора;
- разработать структуры данных и основные функции перечисленных ав-тономных рабочих мест и серверного блока;
- разработать порядок взаимодействия всех блоков системы;
- выполнить программную реализацию блока управления данными и зна-ниями интеллектуальной системы.

ВВЕДЕНИЕ
1. ПРЕДСТАВЛЕНИЕ ДАННЫХ И ЗНАНИЙ В ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМАХ 11
1.1. Модель представления знаний с помощьюправил 11
1.2. Модель представления знаний с помощью логики предикатов 14
1.3. Модель представления знаний с помощью сетей нейронов 17
1.4. Модель представления знаний с помощью семантических сетей 22
1.5. Модель представления знаний с помощью фреймов 24
1.6. Cистемы «клиент\сервер» и общая организация данных в них 26
ВЫВОДЫ 30
2. АРХИТЕКТУРА ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ (ИС) ДЛЯ ОЦЕНКИ СЛОЖНЫХ ОБЪЕКТОВ 33
2.1. Постановка задачи оценки сложных объектов. Описание представления знаний. 33
2.2. Типовая структура ИС 37
3. ПРОЕКТИРОВАНИЕ СРЕДСТВ УПРАВЛЕНИЯ ДАННЫМИ В ИС 41
3.1. Описание основных структур данных 41
3.2. Назначение, состав и описание блока управления данными 45
3.2.1 Функции первого уровня 49
3.2.2.Описание функций нижних уровней 50
4. ОПИСАНИЕ ПРИМЕНЕНИЯ СРЕДСТВ УПРАВЛЕНИЯ ДАННЫМИ В ИС 53
4.1. Описание интерфейса пользователя (руководство пользователя) 53
4.1.1. Создание проекта 53
4.1.2. Откытие проекта 56
4.1.3. Закрытие проекта 57
4.1.4. Сохранение копии проекта 57
4.1.5. Удаление проекта 57
4.1.6. Формирование множества свойств 58
4.1.7. Формирование перечня классов 63
4.1.8. Формирование перечня требований 65
4.2.Описание контрольного примера 69
5. ТЕХНИКО-ЭКОНОМИЧЕСКОЕ ОБОСНОВАНИЕ ДИПЛОМНОЙ РАБОТЫ 74
5.1. Бизнес-план 74
5.1.1. Резюме 74
5.1.2. Описание программы 75
5.1.3. Информация о возможных конкурентах 76
5.1.4. Стратегия маркетинга 77
5.1.6 План производства 78
5.2. Функционально-стоимостной анализ 78
5.2.1 Построение дерева целей. 78
5.2.2. Построение структурной модели программы 80
5.2.3. Построение функциональной модели 80
программы 80
5.2.4 Расчет стоимости программных единиц 81
5.3. Построение и анализ функционально-стоимостной диаграммы 89
5.4. Технико-экономические расчеты (на 12 мая 1998г.) 92
5.4.1. Расчет стоимости машино-часа на ЭВМ 92
5.4.2. Расчет сметной стоимости НИ ОКР и цены программы 96
5.4.3 Расчет эксплутационных издержек у потребителя. 97
5.4.4 Расчет годового экономического эффекта 98
и показателей эффективности. 98
5.5. Выводы 99
6. БЕЗОПАСНОСТЬ ЖИЗНЕДЕЯТЕЛЬНОСТИ. 100
6.1. Обоснование выбора объекта. 100
6.2. Особенности труда пользователей ЭВМ. 100
6.2.1. Общие сведения. 100
Диапазон 103
6.2.2. Рекомендации по организации рабочих мест пользователей. 103
6.3. Расчёт системы освещения. 105
6.3.1. Индивидуальное задание. 105
6.3.2. Общие теоретические сведения. 106
6.3.3. Расчёт естественной освещенности. 106
6.3.4. Расчёт искусственного освещения помещения. 108
6.4. Выводы по изучению вопроса о безопасности жизнедеятельности. 111
ЗАКЛЮЧЕНИЕ 113
ЛИТЕРАТУРА 115
ПРИЛОЖЕНИЯ 120

В первой главе проводится обзор современных интеллектуальных систем, особое внимание уделено проблемам представления данных и знаний. Рассмат-риваются различные модели представления знаний в известных системах, пред-ложена конструктивная классификация этих моделей по набору объективных параметров.
Во второй главе рассмотрены общие вопросы построения ИС для задач оценки сложных объектов. Проведена формализация основных задач оценки. Описываются модель представления знаний и основные блоки ИС. Рассматри-вается специфика и принципы построения ИС по технологии «клиент\сервер».
В третей главе описана разработка блока управления данными и знаниями в сетевой многопользовательской ИС. Представлены основные структуры дан-ных и алгоритмы, реализация сделана в среде программирования Borland Delphi 3.0 для операционной системы Microsoft Windows.
В четвертой главе приводится описание применения интеллектуальной системы, пользовательский интерфейс, а также контрольный пример.
В пятой главе рассматриваются вопросы экономики, производится техни-ко-экономический расчет.
В шестой главе рассматриваются вопросы охраны труда при работе с пер-сональными компьютерами.
Работа заканчивается Заключением, в котором сделаны основные выводы об эффективности полученных результатов, рассмотрены возможные направле-ния развития данной работы.

1. Aбу-Мустафа Я.С., Псалтис Д. Оптические нейронно-сетевые компьютеры//В мире науки. 1987. N 5. С. 42-50.
2. Вольфенгаген В.Э., Воскресенская О.В., Горбанев Ю.Г. Система представления знаний с использованием семантических сетей//Вопросы кибернетики: Интеллектуальные банки данных. -М.: АН СССР, 1979. - С. 49-69.
3. Вудс У.А. Основные проблемы представления знаний//ТИИЭР. - 1986. - Т.74, N 10. -С. 32-47.
4. Гаврилова Т.А. Представление знаний в экспертной диагностической системе АВТАНТЕСТ//Изв. АН СССР. Техн. кибернетика. - 1984. - N 5. - С. 165-173.
5. Ивашко В.Г., Финн В.К. Экспертные системы и некоторые проблемы их интеллектуализации//Семиотика и информатика. -1986. - Вып.27. - С.25-61.
6. Кирсанов Б.С., Попов Э.В. Отечественные оболочки экспертных систем для больших ЭВМ//Искусственный интеллект: Справочник. - Т.1. - М.: Радио и связь, 1990. - С. 369-388.
7. Ковригин О.В., Перфильев К.Г. Гибридные средства представления знаний в системе СПЭИС//Всесоюзная конференция по искусственному интеллекту: Тез. докл. - Переславль-Залесский, 1988. -Т.2.- С.490-494.
8. Кук М.Н., Макдональд Дж. Формальная методология приобретения и представления экспертных знаний. - ТИИЭР. - Т.74, N 10. - 1986. -С.145-155.
9. Минский М. Фреймы для представления знаний. - М.:Мир, 1979. -151 с.
10. Минский М., Пейперт С. Персептроны. М.:Мир, 1971. С. 261.
11. Нечеткие множества в моделях управления и искусственного интеллекта/А.Н. Аверкин, И.З. Батыршин, А.Ф. Блишун и др.- М.: Наука, 1986. -312 с.
12. Осипов Г.С. Метод формирования и структурирования модели знаний для одного типа предметных областей//Изв. АН СССР. Техн. кибернетика. - 1988. -N 2. -С.3-12.
13. Осуга С. Обработка знаний: Пер. с япон. - М.: Мир, 1989. -292 с.
14. Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. -М.: Наука, 1987. -288 с.
15. Построение экспертных систем/Под ред. Ф. Хейес-Рота, Д. Уотермана, Д. Лената. -М.: Мир, 1987. -С. 434.
16. Представление и использование знаний/Под ред. Х. Уэно, М. Исидзука. -М.: Мир, 1989. -220 с.
17. Приобретение знаний: Пер. с япон./Под ред. С. Осуги, Ю. Саэки. -М.: Мир, 1990. -304 с.
18. Скрэгг Г. Семантические сети как модели памяти//Новое в зарубежной лингвистике. -М.: Радуга, 1983. -Вып. XII. -С.228-271.
19. Тэнк Д.У., Хопфилд Д.Д. Коллективные вычисления в нейроноподобных электронных схемах//В мире науки. 1988. N 2. С. 44-53.
20. Уотермен Д. Руководство по экспертным системам: Пер. с англ. -М.: Мир, 1989. -388 с.
21. Хоггер К. Введение в логическое программирование. - М. Мир, 1988. -348с.
22. Экспертные системы. Принципы работы и примеры: Пер. с англ./Под ред. Р. Форсайта. -М.: Радио и связь, 1987. -224 С.
23. Элти Дж., Кумбс М. Экспертные системы: Концепции и примеры: Пер. с англ. -М.: Финансы и статистика, 1986. -191 с.
24. Aarts E.H.L., Korst J.H.M. Boltzmann machines and their applications//Lect. Notes Comput. Sci. 1987. V. 258. P. 34-50.
25. Aarts E.H.L., Korst J.H.M. Boltzmann machines for travelling salesman problem//European J. Oper. Res. 1989. V. 39. P. 79-95.
26. Abu-Mostafa Y.S., Jaques J.N.St. Information capacity of the Hopfield model//IEEE Trans. Inform. Theory. 1985. V. 31. P. 461.
27. Ackley D.H., Hinton G.E., Sejnowski T.J. A learning algorithm for Bolzmann machines//Cognit. Sci. 1985. V. 9. N 1. P. 147-169.
28. Amari S. Field theory of self-organizing neural networks//IEEE Trans. Syst., Man, Cybern. 1983. V. 13. P. 741.
29. Athale R., Stirk C.W. Compact architectures for adaptive neuraal nets//Ibid. 1989. V. 28. N 4. 34. Boahen K.A., Pouliquen P.O., Andreou A.G., Jenkins R.E. A Heteroassociative memory using current-mode MOS analog VLSI circuits//IEEE Trans. Circuits Syst. 1989. V. 36. N 5. P. 747-755.
30. Carpenter G.A., Grossberg S. A massively parallel architecture for a self-organizing neural pattern recognition machine//Comput. Vision Graphics Image Process. 1986. V. 37. P. 54-115.
31. Cohen M.A., Grossberg S. Absolute stability of global pattern formation and parallel memory storage by competitive neural networks//IEEE Trans. Syst., Man, Cybern. 1983. V. 13. N 5. P. 815-826.
32. Fox G.C., Koller J.G. Code generation by a generalized neural networks: general principles and elementary examples//J. Parallel Distributed Comput. 1989. V. 6. N 2. P. 388-410.
33. Hammond P. Logic programming for expert systems//M. Sc. Thesis, Dept. of Computing. Imperial College, Univ> of London, England. 1980.
34. Hammond P. APES: a user manual. //Doc Report 82/9. 1983.
35. Hebb D.O. The organization of behaviour. N.Y.: Wiley, 1949.
36. Hopfield J.J. Neural networks and physical systems with emergent collective computational abilities//Proc. Natl. Acad. Sci. 1984. V. 9 P. 147-169.
37. Hopfield J.J., Feinstein D.I., Palmer F.G. Unlearning has a stabilizing effect in collective memories//Nature. 1983. V. 304. P. 141-152.
38. Hopfield J.J., Tank D.W. Neural computation of decision in optimization problems//Biol. Cybernet. 1985. V. 52. P. 141-152.
39. McCulloch W.S., Pitts W.H. A logical calculus of the ideas immanent in nervous activity//Bull. Math. Biophys. 1943. V. 5. P. 115-133.
40. Newell A., Simon H. Computer simulation of human thinking//Science. 1961. P. 2011-2017. 49. Newell A., Simon H. Human problem solving//Englewood Cliffs, N.Y. 1972.
41. Newell A., Shaw J.C., Simon H. Chess playing programs and the problem of complexity IBM//J. Res. Develop. 1958. P. 320-335.
42. Ohta J., Tai S., Oita M. et. al. Optical implementation of an assoñiative neural network model with aa stohastic process//Ibid. 1989. V. 28. N 12. P. 2426-2428.
43. Rosenblatt F. The peseptron: a probabilistic model for information storage and organization in the brain//Psychol. Rev. 1958. V. 65. P. 386.
44. Rosenblatt F. Principles of neurodynamics. Spartan., Washington, D.C., 1962.
45. Simon H. Models of man//N.Y. 1957.
46. Simon H. The science of the artifitial//Cambridge. 1969.
47. Simon H. The theory of problem solving//Information processing 1971, Amsterdam, P.267-277.
48. Шлеер С., Меллор С. Объектно-ориентированный анализ: моделирование мира в состояниях: Пер. с англ. - Киев : Диалектика, 1993. - 240 с.
49. Шевченко В. Нейронные сети.//Компьютерное обозрение, №46, 1996, С.19.
ПЕРЕЧЕНЬ ГРАФИЧЕСКОГО МАТЕРИАЛА