Нейронные системы и сети

В то время как экспертные системы пытаются перенести опыт людей в компьютерную программу, нейронные сети пытаются создать значимые модели из большого количества данных. Нейронные сети могут распознавать модели, слишком неясные для людей, и адаптировать их при получении новой информации.

Ключевая характеристика нейронных сетей в том, что они обучаются. Программе нейронных сетей сначала дается набор данных, состоящих из многих переменных с большим количеством случаев, или исходов, в которых результаты известны. Программа анализирует данные и обрабатывает все корреляции, а затем выбирает набор переменных, которые строго соотнесены с частными известными результатами в виде начальной модели. Эта модель используется, чтобы попробовать предсказать результаты различных случаев, а предсказанные результаты сравниваются с известными результатами. Базируясь на этом сравнении, программа изменяет модель, регулируя параметры переменных или даже заменяя их. Этот процесс программа нейронных сетей повторяет много раз, стремясь улучшить прогнозирующую способность при отладке модели. Когда в этом итерационном подходе дальнейшее усовершенствование исчерпывается, программа готова делать предсказания для будущих случаев.

Как только станет доступным новое большое количество случаев, эти данные также вводятся в нейронную сеть, и модель еще раз корректируется. Нейронная сеть обучается относительно в относительно причинно-следственных моделей из этих дополнительных данных, и её прогнозирующая способность улучшается.

Процесс проектирования экспертно-обучающей системы

Системы, которые используют логику принятия решения человеком, экспертом в определенной отрясли – это экспертные системы. Самая новая отрасль – нейронные сети, которые устроены по аналогии с тем, как работает человеческая нервная система, но фактически используют статистический анализ, чтобы распознать закономерности и модели из большого количества информации посредствам адаптивного изучения.

Чтобы спроектировать экспертно-обучающую систему, специалист, называемый инженером знания (специально подготовленный по системному анализу), очень тесно работает с одним или большим количеством экспертов в изучении предметной области. Инженеры знания пытаются узнать все относительно способа, которым эксперт принимает решения. Если строится экспертная система для планирования оборудования, то инженер работает с опытными планировщиками оборудования, чтобы видеть, как они работают. Информация, полученная инженером знания, затем загружаются в компьютерную систему, в специализированном формате в блоке, названном базой знаний. Эти базы знаний содержат правила и заключения, которые используются в принятии решений, - параметры или факты, необходимые для решения.

Другие главные фрагменты экспертно-обучающей системы – создание заключения и интерфейса пользователя. Создание заключения – логический каркас, который автоматически проводит линию рассуждения и который обеспечен правилами заключения и параметрами вовлечения в решение. Таким образом один и тот же создатель заключения может использоваться для многих экспертных систем с различной базой знаний. Интерфейс пользователя – блок, используемый конечным пользователем, например неопытным планировщиком оборудования. Идеальный интерфейс – дружественный. Другие блоки включают подсистему обучения, чтобы разъяснить доводы, что система движется в направления решения, а также подсистему накопления знания, чтобы помочь инженеру знания в регистрации правил заключения и параметров в базе знаний, рабочей области.