Експертні системиЕкспертні системи Поняття про експертні системи. Експертні системи - це клас комп.ютерних програм, які пропонують рекомендації, проводять аналіз, виконують класифікацію, дають консультації і ставлять діагноз. Вони орієнтовані на розв.язування задач, вирішення яких вимагає проведення експертизи людиною- спеціалістом. На відміну від програм, що використовують процедурний аналіз, експертні системи розв.язують проблеми у вузькій предметній площині (конкретній ділянці експертизи) на основі логічних міркувань. Такі системи часто можуть знайти розв.язок задач, які неструктуровані і неточно визначені. Вони через використання евристик компенсують відсутність структурованості, що корисно в ситуаціях, коли недостатня кількість необхідних даних або часу виключає можливість проведення повного аналізу. Переваги та слабкі місця експертних систем. Експертні системи відзначаються певними перевагами при використанні. Зокрема, експертна система: · переважає можливості людини при вирішенні надзвичайно громіздких проблем. · не має упереджених думок, тоді як експерт користується побічними знаннями і легко піддається впливу зовнішніх факторів. · не робить поспішних висновків, нехтуючи певними етапами виводу. · забезпечує діалоговий режим роботи. · дозволяє роботу з інформацією, що містить символьні змінні. · забезпечує коректну роботу з інформацією, яка містить помилки, за рахунок використання імовірнісних методів досліджень. · дозволяє проводити одночасну обробку альтернативних версій. · по вимозі пояснює хід кроків реалізації програми. · забезпечує можливість обгрунтування рішення та відтворення шляху його прийняття. Сфера застосування та перспективи розвитку. Експертні системи можуть використовуватися для: · інтерпретації. · діагностики. · моніторингу. · передбачення. · планування. · проектування. Експертні системи можна використовувати в прогнозування, планування, контролі, управлінні та навчанні. Наприклад, експертні системи вже застосовуються в банківській справі в таких напрямках: · програмах аналізу інвестиційних проектів. · програмах аналізу стану валютного, грошового та фондового ринку. · програмах аналізу кредитоспроможності чи фінансового стану підприємств і банків. Сучасні напрямки розвитку нейрокомп.ютерних технологій Детальний аналіз розробок нейрокомп.ютерів дозволив виділити основні перспективні напрямки сучасного розвитку нейрокомп.ютерних технологій: нейропакети, нейромережеві експертні системи, СУБД із включенням нейромережевих алгоритмів, обробка зображень, керування динамічними системами й обробка сигналів, керування фінансовою діяльністю, оптичні нейрокомп.ютери, віртуальна реальність. Розробками в цій області займається більш 300 закордонних компаній, причому число їх постійне збільшується. Серед них такі гіганти як Intel, IBM і Motorolla. Сьогодні спостерігається тенденція переходу від програмних реалізацій до програмно- апаратної реалізації нейромережевих алгоритмів з різким збільшенням числа розробок нейрочипів з нейромережевою архітектурою. Різко зросла кількість військових розробок, в основному скерованих на створення надшвидкісних, |розумних| суперобчислювачів. Традиційні задачі Багато розробників та користувачів намагаються вирішити за допомогою нейрокомп.ютерів прості задачі, як додавання чисел, множення, ділення, витяг кореня, обертання чисел і т.п. Дійсно, при орієнтації на нейромережеві алгоритми ці операції можна реалізувати значно ефективніше, ніж на відомих булевских елементах. Нейронні мережі спроможні до рішення систем лінійних рівнянь і нерівностей, оберненні матриць, сортування за допомогою нейрокомп.ютерних технологій. Прикладні задачі Як правило множина задач прикладної нейроматематики не вирішуються відомими типами обчислювальних машин. Загальні задачі Це задачі досить просто зводяться до обробки нейронною мережею багатовимірних векторів дійсних змінних, наприклад: контроль кредитних карток. Сьогодні 60% кредитних карток у США обробляються за допомогою нейромережевих технологій. система схованого виявлення речовин за допомогою системи на базі теплових нейронів і за допомогою нейрокомп.ютера на замовлених цифрових нейрочипах. Подібна система фірми SAIC експлуатується вже в багатьох аеропортах США при огляді багажу для виявлення наркотиків, вибухових речовин, ядерних і інших матеріалів. система автоматизованого контролю безпечного збереження ядерних виробів. Обробка зображень Найбільш перспективними задачами обробки зображень нейрокомп.ютерами є обробка аерокосмічних зображень (стиснення із відновленням, сегментація, обробка зображень), пошук, виділення і розпізнавання на зображенні рухомих об.єктів заданої форми, обробка потоків зображень, обробка інформації у високопродуктивних сканерах. Обробка сигналів У першу чергу це клас задач, зв.язаних із прогнозуванням часових залежностей: прогнозування фінансових показників. прогнозування надійності електродвигунів. передбачення потужності АЕС і прогнозування надійності систем електроживлення на літаках. обробка траекторних вимірів. Нейрочіпи і нейрокомп.ютери Головний результат розробки нейромережевих алгоритму рішення задачі - можливість створення архітектури нейрочіпу, адекватного розв.язуваній задачі. Можна з впевненістю сказати, що програмна реалізація нейромережевих алгоритмів на обчислювальних засобах, реалізованих на елементній базі, що не має відношення до нейромережевого логічного базису, або неефективна, або уявляє собою тимчасове явище. Для реалізації нейромережевих алгоритмів з використанням універсальних мікропроцесорних засобів ефективніше створити архітектури, орієнтовані на виконання нейромережевих операцій, ніж використовувати стандартні, орієнтовані на модифікацію однопроцесорних алгоритмів рішення задач.
