|
Введение
За последнее десятилетие рост производительности компьютеров, объемов их оперативной и внешней памятей, пропускной способности внешних устройств и каналов связи качественно изменил ситуацию в вычислительной технике и сферах ее применения.
Определившие эти достижения сверхбольшие интегральные схемы и их концентрированное выражение: современные микропроцессоры и схемы памяти, положили начало эпохе массовой компьютеризации. Основным предметом труда этой эпохи становится информация, а новым орудием труда - компьютеры. При этом если раньше для подготовки интеллектуального работника необходимо было провести его обучение с использованием "книжных" знаний, то теперь все в большей степени информация, накопленная в компьютерах, становится сама производительной силой, выступая в качестве баз знаний в интеллектуальных автоматизированных системах управления.
Сегодня, на заре массовой компьютеризации, существует значительный разрыв между возможностями аппаратных средств компьютеров и применяемыми методами решения прикладных задач. Наиболее освоенные на сегодня методы основаны на хорошо формализованных алгоритмах, полученных в результате построения математических моделей предметных областей. Чаще всего это трудоемкие расчеты по известным формулам либо простые последовательности действий, приводящие после многократного применения к желаемому результату. Однако в практической деятельности многие актуальные задачи относятся к плохо формализованным, для которых не известны аналитические зависимости или цепочки действий, приводящих к результату без интеллектуального вмешательства человека.
Ранее для решения этих задач просто не хватало ресурсов компьютеров, и поэтому было бессмысленно ставить саму проблему решения плохо формализованных задач. Кроме того, существуют трудоемкие хорошо формализованные задачи, решение которых традиционными методами практически трудно выполнимо из-за размерности этих задач. К их числу относятся аппроксимация функций большой размерности, оптимизационные задачи.
Методы решения плохо формализованных задач имеют дело с обработкой данных, накопленных в результате некоторых измерений и экспериментов. Поэтому первым вопросом является рассмотрение способов организации хранения и выборки данных о предметных областях в базах данных в зависимости от решаемой задачи.
Для задач распознавания образов, кластеризации данных, ассоциативного (контекстного) поиска данных, аппроксимации функций многих переменных, прогнозирования и оптимизации применяются обучаемые методом "проб и ошибок" нейросети, являющиеся байесовскими классификаторами, работающими в условиях отсутствия знания функций распределения вероятностей.
Генетические и эволюционные алгоритмы - один из способов стохастической оптимизации, хорошо зарекомендовавший себя при решении ряда важных задач.
Нечеткая логика позволяет работать с параметрами, имеющими скорее качественную природу типа: "большой - маленький", а не точное значение этих параметров, выражаемое определенным числом. Применение нечетких правил позволяет создать устойчивые к возмущениям, эффективные системы управления.
В совокупности эти методы и ряд других составляют основу современных технологий прогнозирования на основе временных рядов данных, извлечения закономерностей из данных (data mining), систем поддержки принятия решений (DSS - decision support system), что аккумулируется термином интеллектуальный анализ данных (ИАД).
Информационно-поисковые системы применяются как один из основных инструментов извлечения нужной информации из документальных баз данных и из серверов сети Internet. Без них найти что-нибудь содержательное по интересующей пользователя проблеме достаточно трудно.
Экспертные системы служат способом привлечения знаний экспертов для решения плохо формализованных задач.
Представленные в последней главе средства моделирования позволяют производить:
моделирование природных, производственных и финансовых процессов;
моделирование работы потоковых систем;
координацию и планирование сложных разработок;
наглядное представление принципов работы сложных систем.
Для построения моделей может быть привлечен аппарат интеллектуального анализа данных, что позволит повысить адекватность создаваемых моделей.
|
На уровень вверх
Купить