Интеллектуальные информационные системы. Дубровин А.Д. - 168 стр.

      Информационные технологии, относящиеся к данной категории (раздел 7.2)
составляют достаточно обширную группу. Их влияние на прогресс в области развития
теории и практики ИИС является наиболее значимым. Это объясняется тем, что
большинство из принципиальных идей и решений, положенных в основу информационных
технологий, относящихся к данной объектной среде, возникли из потребностей усиления
процедурных возможностей ИИС и связаны с расширением познаний человечества в таких
областях, как биология и физиология живых систем и организмов.
       Если рассматривать перспективные информационные технологии конкретной области
приложения с учетом рассмотренных в разделе 1.5 (тема 1) направлений и подходов к
созданию ИИС, то можно представить их следующими группами:
     - технологии обработки нечетких знаний с применением интеллектуальных систем
нечеткой логики и систем вычислительного интеллекта;
     - технологии решения интеллектуальных задач на основе эволюционного
моделирования;
     - технологии, основанные на возможностях и средствах сетевых компьютерных систем
передачи и обработки данных;
     -    технологии, обеспечивающие автоматический перевод текстов и речи с одних
естественных языков на другие.
       Раскроем особенности каждой группы перечисленных технологий и их значение для
совершенствования ИИС.

    7.5.1. Обработка нечетких знаний и нечеткий логический вывод.

       Системы обработки знаний в современных ИИС должны учитывать особенности
разных категорий знаний, свойственные некоторым из них неполноту, противоречивость и
неопределенность. Известны три подхода к учету такого рода особенностей знаний –
вероятностный и нечеткий.
       Нечеткий подход характерен тем, что свойства сущностей ПО и отношения между
ними описываются не количественно, а с помощью лингвистических категорий и средств
(вербально) или задаются в виде нечетких высказываний. Это позволяет формулировать
элементы знаний на естественном или слабо формализованном языке. Другой особенностью
нечеткого подхода является то, что для получения (генерации или синтеза) новых знаний
применяются методы приближенных рассуждений, в основе которых лежит нечеткий
логический вывод.
       Основу технологии обработки нечетких знаний составляют нечеткие модели знаний
и выводов. Математический аппарат нечеткого моделирования знаний, в свою очередь,
базируется на понятиях, аксиоматике, законах и операциях теории нечетких множеств.
Нечетким множеством Ni называется такое подмножество полного дискретного множества
М элементов определенного вида, которое, помимо свойственных только ему элементов
данного вида, может содержать и элементы некоторых других таких же подмножеств
множества М. Нечетких множеств Ni на множестве М может быть несколько. Их число
определяется постановкой задачи, которую мы намерены решить, и мощностью (числом
элементов - m) всего множества М. Например, если есть необходимость подробнее
исследовать достаточно мощное (m ≈ 1000) множество М, то можно представить его
некоторым количеством нечетких множеств. Каждое нечеткое множество, символизирует
некую категорию элементов множества М, которую мы, в силу тех или иных причин, не
можем определить точно. Поэтому и образуются нечеткие множества, каждое из которых
содержит «собственные» элементы, безусловно относящиеся к определенной категории, и
элементы, которые в силу неопределенности категорирования могут быть отнесены к
«соседним» нечетким множествам.


                                                                                 203