Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Информационная технология принятия решений при управлении сложными объектами с оценкой технического состояния на основе экспертных систем

Диссертация: Информационная технология принятия решений при управлении сложными объектами с оценкой технического состояния на основе экспертных систем
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

На базе инструментального комплекса разработки экспертных систем диагностирования разработана автоматизированная экспертная система «диагностирование судовых дизельных установок» в составе экспертной сетевой модели знаний на множестве экспериментальных значений и состояний технических характеристик, формализованных правил вывода (решений). Данная диагностическая система позволяет на основе… Читать ещё >

Содержание

  • Глава 1. Проблемный анализ инструментальных средств разработки экспертных систем
    • 1. 1. Классификационные различия в методологиях построения систем основанных на знаниях
    • 1. 2. Методы формализованного представление знаний в системах основанных на знаниях
    • 1. 3. Экспертные системы и автоматизированные системы управления
    • 1. 4. Достижения инструментальных средств разработки экспертных систем
    • 1. 5. Постановка задачи исследования
    • 1. 6. Основные результаты по первой главе
  • Глава 2. Формализация знаний проблемной области в базе знаний с сетевой структурой
    • 2. 1. Назначение и принципы модели представления знаний автоматизированной системы построения экспертных систем
    • 2. 2. Средства представления знаний визуально-объектной модели знаний
    • 2. 3. Правила синтеза визуально-объектных моделей доменных областей
    • 2. 4. Методика формализованного представления знаний в виде визуальной модели знаний
    • 2. 5. Результаты второй главы
  • Глава 3. Автоматизированная программная система построения экспертных систем
    • 3. 1. Основные концепции автоматизированного инструментального средства построения экспертных систем
    • 3. 2. Информационно-логическая структура системы
  • Формализация модулей системы
    • 3. 3. Процедурная модель принятия решений в пространстве состояний
    • 3. 4. Технологические этапы автоматизированной разработки ЭС
    • 3. 5. Функциональные требования, предъявляемые к разрабатываемым ЭС
    • 3. 6. Основные результаты по третей главе
  • Глава 4. Разработка экспертной системы диагностирования судовых дизельных установок в составе автоматизированной системы диагностирования
    • 4. 1. Предметный анализ области диагностирования судовых дизельных установок
    • 4. 2. Формализация требований к функциям ЭС «диагностирование судовых дизельных установок»
    • 4. 3. Реализация ЭС «диагностирование судовых дизельных установок»
    • 4. 4. Основные результаты по четвёртой главе

Информационная технология принятия решений при управлении сложными объектами с оценкой технического состояния на основе экспертных систем (реферат, курсовая, диплом, контрольная)

Актуальность. На сегодняшний день любая сфера человеческой деятельности характеризуется накоплением больших объёмов информационных ресурсов, выдвигающих на первый план проблемы представления свойств знаний, таких как однородность, полнота сведений, достоверность, однозначность, непротиворечивость и пр. Возрастающие проблемы доступа к использованию человеком информации при принятии управленческих решений в автоматизированных системах управления (АСУ) с учётом конкретной ситуации актуализирует задачи разработки систем, основанных на знаниях (СОЗ), экспертных систем и систем поддержки принятия решений. Современные информационные технологии основываются на практическом внедрении знаний в широком смысле слова (форм, моделей, языков, знаковых конструкций), которые служат для описания сложных технических объектов в разных сферах научно-исследовательских, проектных, технологических, производственных областях человеческой деятельности и повышают значимость решения проблемы интеллектуализации современных автоматизированных систем управления.

Индустриальные технологии разработки интеллектуальных информационных систем различных типов требуют привлечения больших ресурсов. Важнейшим ресурсоопределяющим фактором является привлечение экспертов предметной области и когнитологов для извлечения и формализованного представления знаний, с одной стороны, и группы инженеров-программистов для организации полученных экспертных знаний в базы знаний (БЗ) и реализации методов логической обработки в виде программного продукта, с другой стороны. Такой подход требует выделения значительных временных и финансовых затрат и выдвигает на первый план необходимость создания технологий, направленных на проблему эффективности применяемых инструментальных средств разработки экспертных систем.

Непрерывное усложнение технических решений, которые находят своё применение в том или ином техническом объекте судового оборудования предъявляет требования к постоянному повышению квалификации обслуживающего персонала. Опыт эксплуатации сложных технических объектов всё больше подтверждает возрастающее влияние человеческого фактора на их эксплуатационную надежность, несмотря на широкое использование систем автоматического управления и аварийно-предупредительных средств оповещения. Отмеченные факторы позволяют отнести данную сферу человеческой деятельности к числу информационно-насыщенных. Эволюция вычислительной техники и средств коммуникации несёт за собой новые возможности обработки информации и повышает актуальность проблемы переноса части интеллектуальной сферы человеческой деятельности в сферу автоматизации технологических процессов и систем управления.

Сложные технические объекты характеризуется большим количеством контролируемых параметров, которые различаются по своей информативности и степени доступности. Процесс управления такими объектами характеризуется либо принятием решений в условиях высокой степени неопределённости, либо требует значительных затрат материальных и временных ресурсов с целью снижения неопределённости, а следовательно, и повышению эффективности принимаемых решений. Это, в свою очередь, делает актуальным направление развития высокотехнологичных инструментальных средств СОЗ с интегральной поддержкой всего жизненного цикла, начиная с решения проблем извлечения знаний предметной области, построения их концептуальной модели и передачи в базу знаний и кончая методикой проведения испытаний над выпущенным прототипом экспертной системы (ЭС).

Цели и задачи исследования. Повышение эффективности принятия решений при управлении сложными техническими объектами путем создания специализированного программного обеспечения и внедрения элементов искусственного интеллекта в автоматизированные системы управления и классификации на основе инструментария экспертных систем с визуально-графическим представлением и формальным аналитическим аппаратом логико-семантических сетевых моделей знаний.

Для выполнения этой цели необходимо решить следующие задачи:

• Анализ методологий, методов, моделей решения задачи принятия решений при управлении сложными объектами для выработки стратегических апорий формирования единой интегральной концепции «сквозного» построения экспертных систем.

• Исследование подходов и методик с позиции определения продуктивного механизма формирования, хранения и использования знаний в виде декларативных и процедурных моделей представления информации.

• Создание модели семантически-объектного представления знаний путём проведения анализа методов по классу «визуальное» управление знаниями и учёта феномена человеческого фактора, основанного на положениях науки «психосемантика».

• Разработка методики символьного моделирования задач диагностирования, прогнозирования, ориентированных на создание эргономичного интерфейса взаимодействия с пользователем.

• Разработка программного инструментария автоматизированного построения экспертных систем, основанного на расширенном декларативном фреймово-сетевом представлении знаний, который обеспечивает семантическую идентификацию предметных областей путём поддержки объектно-ориентированного механизма манипуляциями символьно-графическими компонентами.

• Решение задачи диагностирования судовой дизельной установки на основе эксплуатационных технических характеристик агрегатных составляющих: цилиндропоршневая группа, газораспределительный механизмтопливная система, газотурбокомпрессор.

Методы исследований. В работе использованы методы теории распознавания образов, теории вероятностей и математической статистики, математического анализа, теории множеств, теории графов, математической логики, системного анализа, теории информации, искусственного интеллекта и построения баз данных и знаний.

Научная новизна.

1. Формализована концептуально-логическая, экспертная модель представления предметных знаний о техническом состоянии объекта, представляющая собой семантическую сетевую структуру данных, наделённую свойствами: иерархичности, модульности, объектно-ориентированности.

2. Методика, модели, алгоритмы извлечения и формализации доменных знаний в форме разработанной декларативной фреймово-сетевой модели представления знаний и эвристической предикатной модели принятия решений.

3. Технология по формализации предметных знаний и их репрезентации компонентами модели визуально-объектного представления знаний, моделирования задач диагностирования, описывающая средства и методы символьного, структурно-графового, мнемографического представления информации.

4. Создан автоматизированный программный комплекс, поддерживающий полный жизненный цикл разработки ЭС. Он осуществляет поддержку манипулирования компонентами моделей визуально-объектного представления параметров технической диагностики (двигателей внутреннего сгорания), их кодирование в базу знаний экспертной системы и реализует поддержку процесса решения задач диагностирования, в том числе моделирование задачи, синтез решения и классификацию объектов.

Практическая ценность. В результате теоретических исследований создан программный комплекс автоматизированного построения экспертных систем, с помощью которого разработана ЭС «автоматизированная система диагностирования судовых дизельных установок». Разработанные программные продукты предоставляют следующие возможности:

• реализация сетевой концептуальной модели представления знаний и математических моделей, её описывающих в автоматизированном комплексе построения экспертных систем в виде совокупности программных модулей;

• предложенная технология автоматизированной разработки ЭС адаптирована к широкому кругу предметных областей;

• повышение эффективности решения задач диагностирования судовых технических средств, своевременное распознавание неисправностей и контроль технического состояния.

Основные положения, выводы исследований диссертации, а также инструментальный комплекс были использованы для разработки ряда экспертных систем и отдельных задач интеллектуализации принятия решений диагностики и контроля в различных государственных и коммерческих организациях, в том числе ООО «Модуль», ЗАО «Лимб».

Практическая значимость работы подтверждается соответствующими актами внедрения.

СПИСОК ОСНОВНЫХ СОКРАЩЕНИЙ.

АИС Автоматизированная информационная система.

АС Автоматизированная система.

АСД Автоматизированная система диагностирования.

АСПЭС Автоматизированная система построения экспертных систем.

АСУ Автоматизированная система управления.

БД База данных.

БЗ База знаний.

БФ База фактов.

ВС Вычислительная система.

ГРМ Газораспределительный механизм.

ЖЦ Жизненный цикл.

ИИ Искусственный интеллект.

ИС Информационная система иис Интеллектуальная информационная система.

КС Компьютерная система.

ЛПР Лицо принимающее решение мвопз Модель визуально-объектного представления знаний.

МПЗ Модель представления знаний.

ООП Объектно-ориентированный подход од Объект диагностирования по Программное обеспечение ппо Прикладное программное обеспечение.

РВМ Редактор визуального моделирования свт Средства вычислительной техники.

СДУ Судовая дизельная установка.

СИ Средство измерения соз Система основанная на знаниях.

СУБД Система управления базой данных тд Техническое диагностирование тс Техническое состояние.

ФС Формальная система цпг Цилиндропоршневая группа.

ЭВМ Электронно-вычислительная машина эс Экспертная система.

4.4. Основные результаты по четвёртой главе.

1. Определены основные объекты предметной области диагностирование СДУ. Множество состояний неисправностей СДУ разделено на классы, с которыми, в свою очередь, сопоставлены соответствующие им диагностические признаки.

2. Произведён синтез МВОПЗ согласно методике формализации предметных знаний на основе экспертных знаний накопленных в области диагностирования СДУ.

3. На основе синтезированной модели разработана ЭС в составе АСД технических состояний СДУ. Разработанная система осуществляет распознавание технических состояний СДУ по признакам неисправностей предоставленных пользователем на основе решающих правил закодированных в форматированной БЗ экспертной системы.

Заключение

.

Современный этап развития общества характеризует появление наукоёмких и высокотехнологичных областей, а также областей, связанных с управлением сложными техническими объектами и их сопровождением в процессе эксплуатации. Большинство таких сфер человеческой деятельности характеризуются накоплением больших объемов разнородных информационных ресурсов. Отсутствие единых правил структуризации накапливаемых знаний, их децентрализованное хранение и обработка неизбежно приведёт к затруднению их сбора со стороны лица, принимающего решения в предметной области. Это, в свою очередь, повлечет принятие неэффективных и, более того, небезопасных управленческих решений. Данный факт ставит на первый план задачи разработки и внедрения интеллектуальных информационных систем и поддержки принятия решений в отмеченные информационно-насыщенные сферы.

Приведённые в настоящей работе научно-практические материалы свидетельствуют о том, что наиболее эффективным решением отмеченных проблем является разработка экспертных систем с помощью предложенной технологии автоматизированного проектирования. В результате проведённых в диссертационной работе научно-практических исследований получены следующие результаты:

1. Формализованная концептуально-логическая модель принятия решений о техническом состоянии объекта на основе экспертных систем.

2. Обоснован комплекс технических параметров определяющих состояние объекта и их отношений на основе графа семантических сетей и реализации информационной технологии визуального моделирования (для двигателей внутреннего сгорания).

3. Технология моделирования визуально-объектных, символьных знаний в виде форматированной реляционной структуры данных при реализации диагностических процедур технических средств.

4. Разработан программно-инструментальный комплекс, автоматизирующий процесс создания экспертных систем диагностирования, обеспечивающий высокую производительность, синтаксический и семантический анализ моделей представления в рамках концепт-символьных определений разработчика и гарантирующего качество формальных решений.

5. На базе инструментального комплекса разработки экспертных систем диагностирования разработана автоматизированная экспертная система «диагностирование судовых дизельных установок» в составе экспертной сетевой модели знаний на множестве экспериментальных значений и состояний технических характеристик, формализованных правил вывода (решений). Данная диагностическая система позволяет на основе полученных рабочих характеристик оценить текущее техническое состояние судовой дизельной установки и её агрегатов, а также инженерно обосновать полученные выводы (решения).

Показать весь текст

Список литературы

  1. С.В., Лагуновский Д. М. Обработка изображений: технология, методы, применение.—Мн.: Амалфея, 2000. — 304 с.
  2. А.Н., Кучков А. М. Логическое программирование и Visual Prolog. -СПб.: БХВ-Петербург, 2003. 992 с.
  3. Алгоритмы и программы восстановления зависимостей / Под ред. В. Н. Вапника.—М.: Наука, 1984. — 816 с.
  4. .В., Курганов В. Д., Злобин В. К. Распознавание и цифровая обработка изображений: Учеб. пособие для студентов вузов.— М.: Высш. шк., 1983.— 295 с.
  5. Ахо, Альфред, В., Хопкрофт, Джон, Ульман, Джефри, Д. Структуры данных и алгоритмы. /Пер. с англ.: М.: Издательский дом «Вильяме», 2001. 384с.
  6. Базы знаний интеллектуальных систем: Учеб. пособие для вузов / Т. А. Гаврилова, В. Ф. Хорошевский.—СПб.: Питер, 2000. — 384 с.
  7. Ю.Л. Коллективные статистические решения при распознавании. М.: Радио и связь, 1983. — 224 с.
  8. И.А. Техническая диагностика. М.: Машиностроение, 1978. — 240 с.
  9. Ю.Блинов Э. К., Розенберг Г. Ш. Техническое обслуживание и ремонт судов по состоянию: Справочник. СПб.: Судостроение, 1992.-192 с.
  10. В.В., Савинков В. М. Проектирование баз данных информационных систем. М.: Финансы и статистика, 1989. — 351 с.
  11. Большая энциклопедия транспорта. В 8 т. / Под общ. ред. В. П. Калявина. Т.6. Речной транспорт/Под ред. А. С. Бутова, А. М. Зайцева. СПб.: элмор, 1998. — 321 с.
  12. П.Борщев В. Б. Пролог основные идеи и конструкции. — в кн.: Прикладная информатика. Сб. статей под ред. В. М. Савинкова. — М.: Финансы и статистика, 1986. — с. 49−76.
  13. Буч Г. Объектно-ориентированный анализ и проектирование с примерами приложений на С++. /Пер. с англ. — М.: «Издательство Бином», 1999. — 560 с.
  14. Н. Кибернетика или управление и связь в животном мире и машине. М.: Советское радио, 1968 — 326 с.
  15. В. Н. Денисов А.А. Основы теории систем и системного анализа. -СПб.: Издательство СПбГТУ, 1999. 512 с.
  16. .В., Кофман Д. М., Эренбург С. Г. Диагностирование технического состояния судовых дизелей. М.: Транспорт, 1982. -144 с.
  17. .В., Ханин С. М. Надежность судовых дизелей.— М.: Транспорт, 1989.-184 с.
  18. Е.С. Теория вероятностей: Учеб. для вузов. 6-е изд. Стер. -М.: Высш. шк., 1999.-576 с.
  19. Е. С. Овчаров JI.A. Теория случайных процессов и её инженерные приложения: Учеб. пособие для втузов. 2-е изд., стер. — М.: Высш. шк., 2000.-383 с.
  20. С.А. Справочник судового дизелиста. Вопросы и ответы.— JL: Судостроение, 1990.-368 с.
  21. Ф.С. Систематизированный толковый словарь по информатике. — М.: Либерея, 1998. — 376 с.
  22. Д.В., Истомин Е. П., Кутузов О. И. Сетевые модели распределенных автоматизированных систем. СПб.: Энергоатомиздат, Санкт-Петербургское отделение. 1998.-352 с.
  23. Д.В. Интеллектуальные информационные системы.— М: Высшая школа, 2003.—431 с.
  24. Д.В., Голинкевич Т. А., Мозгалевский А. В. Прогнозирование технического состояния и надёжности радиоэлектронной аппаратуры / Под ред. Т. А. Голинкевича. М.: Сов. Радио, 1974 — 224 с.
  25. Т., Финн В. К. Об интеллектуальных системах // Экспертные системы: состояние и перспективы. Сб. науч. тр. — М.: Наука, 1989. — с. 9−20.
  26. А.Б. Параметрическая и структурная адаптация решающих правил в задачах распознавания. — Рига: Зинатне, 1988. — 167 с.
  27. Е.С., Мадорский Е. З., Розенберг Г. Ш. Диагностирование судовых технических средств: Справочник. М.: Транспорт, 1993. — 150 с.
  28. Горелик A. JL, Гуревич И. Б., Скрипкин В. А. Современное состояние проблемы распознавания: Некоторые аспекты.— М.: Радио и связь, 1985. -160 с.
  29. И. Объектно-ориентированные методы. Принципы и практика. 3-е издание.: Пер. с англ. -М.: Издательский дом «Вильяме», 2004. -880 с.
  30. В.И., Сотсков А. И. Механизмы группового выбора.— М.: Наука, 1991.—176 с.
  31. П. Введение в экспертные системы. Пер. с англ. -М.: Издательский дом «Вильяме», 2001.-624 с.
  32. .Н. Дискретная математика. Алгоритмы и программы. М.: Лаборатория Базовых Знаний, 2002. -288 с.
  33. Искусственный интеллект. Применение в интегрированных производственных системах / Под. Ред. Э. Кьюсиака. -М.: Машиностроение, 1991. 544 с.
  34. Искусственный интеллект: В 3 кн. Кн. 1. Системы общения и экспертные системы: Справочник / Под ред. Э. В. Попова.—М.: Радио и связь, 1990.—464 с.
  35. Искусственный интеллект: В 3 кн. Кн. 2. Модели и методы: Справочник / Под ред. Д. А. Поспелова.—М.: Радио и связь, 1990.—304 с.
  36. Искусственный интеллект: В 3 кн. Кн. 3. Программные и аппаратные средства: Справочник / Под ред. В. Н. Захарова, В. Ф. Хорошевского. М.: Радио и связь, 1990.-368 с.
  37. В.П., Мозгалевский А. В., Галка В. Л. Надежность и техническая диагностика судового электрооборудования и автоматики. СПб.: Элмор, 1996.-283 с.
  38. А.Б. Судовые двигатели внутреннего сгорания. СПб.: Судостроение, 1993.-344 с.
  39. В.Н., Евстигнеев В. А. Графы в программировании: обработка, визуализация и применение. СПб.: БХВ-Петербург, 2003. — 1104 с.
  40. Кватрани Т. Rational Rose 2000 и UML. Визуальное моделирование: Пер. с англ. М.: ДМК Пресс, 2001. — 176 с. (Серия «Объектно-ориентированные технологии в программировании»).
  41. Е.Н. Управление техническим состоянием судовой техники. М.: Транспорт, 1985.- 199 с.
  42. Д. Э. Искусство программирования, том 1. Основные алгоритмы, 3-е изд.: Пер. с англ.: Учебное пособие. М.: Издательский дом ВИЛЬЯМС, 2001.-720 с.
  43. Д. Э. Искусство программирования, том 2. Получисленные алгоритмы, 3-е изд.: Пер. с англ.: Учебное пособие. М.: Издательский дом ВИЛЬЯМС, 2001.-832 с.
  44. Д. Э. Искусство программирования, том 3. Сортировка и поиск, 2-е изд.: Пер. с англ.: Учебное пособие. М.: Издательский дом ВИЛЬЯМС, 2001 — 824 с.
  45. П.П. Математические модели теории распознавания образов // Компьютер и задача выбора. — М.: Наука, 1989. С. 89−119.
  46. В.В., Гареев А. Ф., Васютин С. В., Райх В. В. Базы данных. Интеллектуальная обработка информации. — М.: «Нолидж», 2000. — 352 с.
  47. Ю. М., Кутузов О. И., Жернокова С. Л., Завьялов Н. М. Имитационное моделирование. Статистический метод. СПб.: Судостроение -131 с.
  48. И.А. Информация и безопасность. Композиционная технология информационного моделирования сложных объектов принятия решений. -М.: Московский государственный центр научно-технической информации, 1997.-336 с.
  49. А.В., Ченцов С. В. Многоуровневые непараметрические системы принятия решений. — Новосибирск: Наука. Сиб. предприятие РАН, 1997.— 192 с.
  50. Р., Дранг, Д., Эделсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике. М.: 2000. — 239 с.
  51. Лорьер Ж.-Л. Системы искусственного интеллекта / Пер. с франц. М.: Мир, 1991.-568 с.
  52. Ю.Я. Интеллектуальные информационные системы.- М.: Наука. Гл. ред. физ.-мат. лит., 1990.-232 с.
  53. Люгер Джордж Ф. Искусственный интеллект: стратегии и методы решения сложных проблем, 4-е издание.: Пер. с англ. М.: Издательский дом «Вильяме», 2003. -864 с.
  54. Д. Программирование экспертных систем на Турбо Прологе. -М.: Финансы и статистика, 1994. 256 с.
  55. Дж. Организация баз данных в вычислительных системах: Пер. с англ. /Под. ред. А. А. Стогния и А. Л. Щерса. М.: Мир, 1980. 662 с.
  56. С.Ю. Теория дедуктивных систем и её применения. М.: Радио и связь, 1986.-135 с.
  57. ., Бодуэн К. Методы программирования: В 2-х томах. Пер. с франц. Ю. А. Первина /Под ред. А. П. Ершова. М.: Мир, 1982. Т.1. — 356 е., Т.2. — 368 с.
  58. Методы современной теории автоматического управления / Под. ред. Н.Д. Егу-пова. Москва: изд. МГТУ, 2000. 748 с.
  59. А.В., Гаскаров Д. В. Техническая диагностика. М.: Высшая школа, 1975.-208 с.
  60. С.В. Модели и базы знаний. Учебное пособие. СПб.: СПГУПС, 2000.- 155 с.
  61. М. Фреймы для представления знаний / Пер. с англ. М.: Энергия, 1979- 151 с.
  62. К. Как построить свою экспертную систему. М. Энергоатомиз-дат, 1991 -286 с.
  63. Н. Принципы искусственного интеллекта.— М.: Радио и связь, 1985. -376 с.
  64. Ф.А. Дискретная математика для программистов. СПб.: Питер, 2002.-304с.
  65. М.К., Петухов В. А. Судовые дизельные установки: Справочник. — Л.: Судостроение, 1986. — 424 с.
  66. Оптические читающие автоматы / В. А. Ковалевский, Г. Л. Гимельфарб, А.Ф. Возиянов- под ред. В. А. Ковалевского. — Киев: Техника, 1980. — 207 с.
  67. Основы технической диагностики. В 2-х кн. Кн. 1. Модели объектов, методы и алгоритмы диагноза / Под ред. П. П. Пархоменко. — М.: Энергия, 1976.-464 с. 74.0суга С. Обработка знаний / Пер. с япон. -М.: Мир, 1989.-293 с.
  68. Э. Основы теории распознавания образов / Пер. с англ.- под ред. Б. Р. Левина. -М.: Сов. радио, 1980.-408 с.
  69. Э.В. Экспертные системы. Решение неформализованных задач в диалоге с ЭВМ. М.: Наука, 1987. — 288 с.
  70. Э. В. Фоминых И.Б. Кисель Е. Б. Шапот М.Д. Статические и динамические экспертные системы. М.: Финансы и статистика, 1996. -320 с.
  71. Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. — М.: Радио и связь, 1989. — 184 с.
  72. Построение экспертных систем / Под ред. Ф. Хейса-Рота, Д. Уотермана, Д. Ленаш- Пер. с англ., под ред. В. Л. Стефанюка.—М.: Мир, 1987.—441 с.
  73. Представление и использование знаний / Под ред. X. Уэно, М. Исидзука- пер. с япон.—М.: Мир, 1989—220 с.
  74. Л.А., Эренштейн Р. Х. Метод коллективного распознавания.— М.: Энергоиздат, 1981. — 80 с.
  75. Г. В. Принципы создания автоматизированной технологии проектирования интегрированных экспертных систем // Новости искусственного интеллекта / АИИ.- 1993.-С. 105−116.
  76. Г. В. Технология проектирования прикладных экспертных систем: Учеб. пособие.-М.: МИФИ, 1991.-104с.
  77. В.А., Сидоров А. В. Границы различения технических состояний машин // Вибрация машин: измерение, снижение, защита / Материалы Международной научно-технической конференции. Донецк: ДонНТУ, 2003.-с. 31−37.
  78. А.Н. Автоматизированные расчеты прочности судовых дизелей. — Спб.: Судостроение, 1994. — 160 с.
  79. .Я. АСУ. Введение в специальность: Учеб. для вузов по спец. «Автоматизированные системы обра б. информации и упр.». — М.: Высш. шк., 1989, — 128 с.
  80. А.А., Кондратьев А. И. Информационные системы в управлении. — Киев: Об-во «Знание», 1980. — 48 с.
  81. Теория выбора и принятия решений: Учеб. пособие. — М.: Наука, 1982. — 328 с.
  82. Трофимов С.А. Case-технологии: практическая работа в Rational Rose. Изд. 2-е М.: Бином-Пресс, 2002. — 288с.
  83. Ту Дж., Гонсалес Р. Принципы распознавания образов / Пер. с англ.- под ред. Ю. И. Журавлева. — М.: Мир, 1978. — 411 с.
  84. Дж. Базы данных на Паскале / Пер. с англ. Под ред. Ю.И. Топче-ва. М.: Машиностроение, 1990. — 368 с.
  85. Д. Руководство по экспертным системам. / Пер. с англ. М.: Мир, 1989, — 388 с.
  86. В.В. Автоматизация логического моделирования программного обеспечения с применением формального аппарата семиотических систем. — СПб.: Энергоатомиздат, 2000. 250 с.
  87. В.В., Шнуренко А. А., Теоретические основы автоматизированных информационных систем: Учеб. пособие. СПб.: СПГУВК, 2003. — 225 с.
  88. Я.А., Тарловский Г. Р. Статистическая теория распознавания образов. — М.: Радио и связь, 1986. — 264 с.
  89. Фор А. Восприятие и распознавание образов / Пер. с франц.- под ред. Г. П. Катыса. — М.: Машиностроение, 1989. — 272 с.
  90. К. Введение в статистическую теорию распознавания образов / Пер. с англ.- под ред. А. А. Дорофеюка. — М.: Наука, 1979. — 368 с.
  91. В.Ф. Автоматизация программирования экспертных систем.- М.: МИФИ, 1988.- 64 с.
  92. В.Ф. Механизмы вывода решений в экспертных системах.-М.: МИФИ, 1988.- 44 с.
  93. В.Ф., Шерстнев В. Ю. Программный инструментарий представления знаний в экспертных системах // Экспертные системы: состояние и перспективы. Сб. науч. тр. — М.: Наука, 1989. — с. 38−46.
  94. А.П., Гаврилова Т. А., Белов Д. Л. Разработка экспертных систем. Среда CLIPS. СПб.: БХВ-Петербург, 2003. — 608 с.
  95. К.Р., Щелкова О. Ю. Медицинская психодиагностика и инженерия знаний / Под ред. Л. И. Вассермана. -СПб.: Ювента- М.: Издательский центр «Академия», 2002. 624с.
  96. Чубукова И.А. Data Mining: Учебное пособие. М.: Интернет-Университет информационных технологий- БИНОМ. Лаборатория знаний, 2006.-382 с.
  97. Р., Хантер Л. Познать механизмы мышления. // Реальность и прогнозы искусственного интеллекта. М.: Мир, 1987. с. 15−26.
  98. В.А. Анализ неисправностей и предотвращение повреждений судовых дизелей. -М.: транспорт, 1986. 192 с.
  99. А.А., Фомин В. В. Теоретические основы автоматизированных информационных систем. СПб., СПбГУВК, 2003. — 225 с.
  100. Экспертные системы: Инструментальные средства разработки: Учеб. пособие / Л. А. Керов, А. П. Частиков, Ю. В. Юдин, В.А. Юхтенко- под ред. Ю. В. Юдина. — СПб.: Политехника, 1996. — 220 с.
  101. Экспертные системы. Принципы работы и примеры / А. Брукинг, П. Джонс, Ф. Кокс и др.- под ред. Р. Форсайта- пер. с англ. — М.: Радио и связь, 1987. —224 с.
  102. А. Искусственный интеллект. М.: Мир, 1985. — 264 с.
  103. , Е.М. (1996). Building Expert Systems. West Publishing Co.
  104. , B.W. (1988). «A spiral model of software development and enhancement». IEEE computer, May, p. 61−72.
  105. Boose, J.H., D.S. Shema, and J.M. Bradshaw (1989). «Recent progress in Aquinas: A knowledge acquisition workbench». Knowledge Acquisition, 1, p. 185−214.
  106. W. J. (1985). Heuristic classification. Artificial Intelligence, 27, p. 289−350.
  107. Marcus, S. and J. McDermott (1989). «SALT: A knowledge acquisition language for propose-and-revise systems». Artificial Intelligence, 39, p. 1−37.
  108. Musen, M. Domain Ontologies in Software Engineering: Use of Protege with the EON Architecture // Methods of Inform, in Medicine (1998), p. 540−550.
  109. Newell A., Simon H. A. Human Problem Solving // Englewood Cliffs, Prentice Hall, N11, P. Blackboard systems, Technical report, Knowledge Systems Laboratory, Stanford University, Stanford (CA), 1986.
  110. Reichgelt H. and van Harmelen E. (1986). Criteria for choosing representation languages and control regimes for expert systems. Knowledge Engineering Review, 1(4), p. 2−17.
  111. E.H. (1976). Computer-Based Medical Consultations: MYCIN. New York: Elsevier.
  112. Soumeya L. Achour., eds. A UMLS-based Knowledge Acquisition Tool for Rule-based Clinical Decision Support System Development. // J Am Med Inform Assoc. 2001 Jul-Aug- 8(4): 351−360.
  113. Szolovits P., eds. (1982). Artificial Intelligence in Medicine. Boulder, CO: Westview Press.
  114. The Common KADS Methodology. G. Schreiber, H. Akkermans, A. Anjew-ierden, R. Hoog, N. Shadbolt, W. Van de Velde, B. Wielinga // Knowledge engineering and management. MIT press, Massachusetts, 1999.
Заполнить форму текущей работой

На отлично!