tify"> · пошук знань в базах даних,
· міркування на основі прецедентів,
· імітаційне моделювання,
· еволюційні обчислення і генетичні алгоритми,
· нейронні мережі,
· ситуаційний аналіз,
· когнітивне моделювання та ін
Деякі з цих методів були розроблені в рамках штучного інтелекту. Якщо в основі роботи СППР лежать методи штучного інтелекту, то говорять про інтелектуальну СППР або ІСППР.
Близькі до СППР класи систем - це експертні системи та автоматизовані системи управління.
.9 Нейронні мережі
Нейронні мережі - це один з напрямків досліджень у галузі штучного інтелекту, засноване на спробах відтворити нервову систему людини. А саме: здатність нервової системи навчатися і виправляти помилки, що має дозволити змоделювати, хоча і досить грубо, роботу людського мозку.
Біологічна нейронна мережа має високий ступінь зв'язності: на один нейрон може припадати кілька тисяч зв'язків з іншими нейронами. Але, це приблизне значення і в кожному конкретному випадку воно різне. Передача імпульсів від одного нейрона до іншого породжує певне збудження всієї нейронної мережі. Величина цього порушення визначає реакцію нейронної мережі на якісь вхідні сигнали. Наприклад, зустріч людини зі старим знайомим може привести до сильного збудження нейронної мережі, якщо з цим знайомим пов'язані якісь яскраві і приємні життєві спогади. У свою чергу сильне збудження нейронної мережі може призвести до почастішання серцебиття, більш частого морганню очей і до інших реакцій. Зустріч же з незнайомою людиною для нейронної мережі пройде практично непомітною, а значить і не викличе будь-яких сильних реакцій.
Можна навести таку сильно спрощену модель біологічної нейронної мережі.
Кожен нейрон складається з тіла клітини, яке містить ядро. Від тіла клітини відгалужується безліч коротких волокон, званих дендритами. Довгі дендрити називаються аксонами. Аксони розтягуються на великі відстані, набагато перевищує те, що показано в масштабі цього малюнка. Зазвичай аксони мають довжину 1 см (що перевищує в 100 разів діаметр тіла клітини), але можуть досягати і 1 метра.
Нейронні мережі в штучному інтелекті - це спрощені моделі біологічних нейронних мереж.
У нейронних мереж багато важливих властивостей, але ключове з них - це здатність до навчання. Навчання нейронної мережі в першу чергу полягає в зміні «сили» синаптичних зв'язків між нейронами. Наступний приклад наочно це демонструє. У класичному досвіді Павлова, кожен раз безпосередньо перед годуванням собаки дзвонив дзвоник. Собака досить швидко навчилася асоціювати дзвінок дзвоника з прийомом їжі. Це стало наслідком того, що синаптичні зв'язки між ділянками головного мозку, відповідальними за слух і слинні залози, посилилися. І в подальшому збудження нейронної мережі звуком дзвіночка, стало приводити до сильнішого слиновиділенню у собаки. На сьогоднішній день нейронні мережі є одним з пріоритетних напрямів досліджень в галузі штучного інтелекту.
Тема 9. Впровадження інформаційної системи управління бізнесом
.1 Планування створення (розвитку) інформа...
