Информационные технологии экспертных систем. E-mail

Министерство науки и  образования РФ

Федеральное государственное  бюджетное образовательное учреждение

высшего профессионального  образования

Уфимский государственный  авиационный технический университет

Институт экономики и  управления

Кафедра экономической информатики

 

Контрольная работа

по дисциплине «Информационные технологии управления»

на тему: «Информационные технологии экспертных систем. E-mail»

 

 

 

Выполнил: студент группы ГМУ-202

Багаутдинова Д.М.

Проверил:  к.т.н.

ст.пр. Давлетова З.А,

 

 

 

Уфа 2013

 

Содержание

Введение Глава 1 Информационные технологии экспертных систем Экспертные системы: понятие, назначение, достоинства Основные компоненты экспертных систем Модели знаний Экспертная система «Да» фирмы «Контекст» Глава 2 E-mail 2.1 Понятие электронной  почты 2.2 Письмо, передаваемое посредством  электронной почты 2.3 Адрес электронной почты 2.4 Яндекс. Почта Заключение

3 4 4 5 6 10 15 15 17 18 19 25

 

 

Введение

Непременным условием повышения  эффективности управленческого  труда является оптимальная информационная технология, обладающая гибкостью, мобильностью и адаптивностью к внешним  воздействиям. Информационная технология предполагает умение грамотно работать с информацией и вычислительной техникой.

Информационная технология (ИТ) базируется и зависит от технического, программного, информационного, методического  и организационного обеспечения, а  программное обеспечение реализует  функции накопления, обработки, анализа, хранения, интерфейса с компьютером.

Для того, чтобы правильно  понять, оценить, грамотно разработать  и использовать информационные технологии в различных сферах жизни общества необходима их предварительная классификация.

В данной работе рассмотрено  информационные технологии экспертных систем и E-mail

 

Глава 1 Информационные технологии экспертных систем

1. Экспертные системы: понятие, назначение, достоинства

Экспертные системы (ЭС), основаны на использовании искусственного интеллекта. Экспертные системы дают возможность менеджеру или специалисту  получать консультации экспертов по любым проблемам, о которых этими  системами накоплены знания.

Назначение экспертных систем заключается в решении достаточно трудных для экспертов задач  на основе накапливаемой базы знаний, отражающей опыт работы экспертов в  рассматриваемой проблемной области.

Под искусственным интеллектом  понимают способности компьютерных систем к таким действиям, которые  назывались бы интеллектуальными, если бы исходили от человека. Обычно имеются  в виду способности, связанные с  человеческим мышлением. Работы в области  искусственного интеллекта включают в  себя создание роботов, систем, моделирующих нервную систему человека, его  слух, зрение, обоняние, способность  к обучению.

Главная идея использования  технологии экспертных систем заключается  в том, чтобы получить от эксперта его знания и, загрузив их в память компьютера, использовать всякий раз, когда в этом возникнет необходимость. ЭС представляют собой компьютерные программы, трансформирующие опыт экспертов  в какой-либо области знаний в  форму эвристических правил (эвристик). Технология ЭС принимается в качестве советующих систем.

Сходство ИТ, используемых в экспертных системах и системах поддержки принятия решений, состоит  в том, что обе они обеспечивают высокий уровень поддержки принятия решений. Однако имеются три существенных различия:

1) связано с тем, что  решение проблемы в рамках  систем поддержки принятия решений  отражает уровень ее понимания  пользователем и его возможности получить и осмыслить решение. Технология экспертных систем, наоборот, предлагает пользователю принять решение, превосходящее его возможности;

2) выражается в способности  ЭС пояснять свои рассуждения  в процессе получения решения.  Часто эти пояснения оказываются  более важными для пользователя, чем само решение;

3) связано с использованием  нового компонента информационной  технологии - знаний.

Достоинство применения ЭС заключается в возможности принятия решений в уникальных ситуациях, для которых алгоритм заранее  не известен и формируется по исходным данным в виде цепочки рассуждений  из базы знаний.

2. Основные компоненты экспертных систем

Основными компонентами ИТ, используемой в ЭС, являются: интерфейс  пользователя, база знаний, интерпретатор, модуль создания системы.

Интерфейс пользователя. Менеджер (специалист) использует интерфейс для ввода информации и команд в экспертную систему и получения выходной информации из нее. Команды включают в себя параметры, направляющие процесс обработки знаний. Информация обычно выдается в форме значений, присваиваемых определенным переменным.

База знаний. Она содержит факты, описывающие проблемную область, а также логическую взаимосвязь этих фактов. Центральное место в базе знаний принадлежит правилам. Правило определяет, что следует делать в данной конкретной ситуации, и состоит из двух частей: условия, которое может выполняться или нет, и действия, которое следует произвести, если условие выполняется. Все используемые в экспертной системе правила образуют систему правил, которая даже для сравнительно простой системы может содержать несколько тысяч правил. Все виды знаний могут быть представлены с помощью одной либо нескольких семантических моделей. К наиболее распространенным моделям относятся логические, продукционные, фреймовые и семантические сети

Интерпретатор. Это часть ЭС, производящая в определенном порядке обработку знаний (мышление), находящихся в базе знаний. Технология работы интерпретатора сводится к последовательному рассмотрению совокупности правил (правило за правилом). Если условие, содержащееся в правиле, соблюдается, выполняется определенное действие, и пользователю предоставляется вариант решения его проблемы.

Модуль создания системы. Он служит для создания набора (иерархии) правил. Существуют два подхода, которые  могут быть положены в основу модуля создания системы: использование алгоритмических  языков программирования и использование  оболочек экспертных систем.

Для представления базы знаний специально разработаны языки Лисп и Пролог, хотя можно использовать и любой известный алгоритмический  язык.

Оболочка экспертных систем представляет собой готовую программную  среду, которая может быть приспособлена  к решению определенной проблемы путем создания соответствующей  базы знаний. В большинстве случаев  использование оболочек позволяет  создавать экспертные системы быстрее  и легче в сравнении с программированием.

3. Модели знаний

Знания - это выявленные закономерности предметной области (принципы, связи, законы), позволяющие решать задачи в этой области. Для хранения знаний используются базы знаний.

Знания могут быть классифицированы по следующим категориям:

- поверхностные - знания  о видимых взаимосвязях между  отдельными событиями и фактами  в предметной области;

- глубинные - абстракции, аналогии, схемы, отражающие структуру  и процессы в предметной области.

Существуют десятки моделей  представления знаний для различных  предметных областей. Большинство из них может быть сведено к следующим  классам:

- продукционные;

- семантические сети;

- фреймы;

- формальные логические  модели.

Продукционная модель, или  модель, основанная на правилах, позволяет  представить знания в виде предложений  типа: Если (условие), то (действие).

Под условием понимается некоторое  предложение-образец, по которому осуществляется поиск в базе знаний, а под действием - действия, выполняемые при успешном исходе поиска (они могут быть промежуточными, выступающими далее как условия, и терминальными или целевыми, завершающими работу системы).

При использовании продукционной  модели база знаний состоит из набора правил. Программа, управляющая перебором  правил, называется машиной вывода. Чаще всего вывод бывает прямой (от данных к поиску цели) или обратный (от цели для ее подтверждения - к  данным). Данные - это исходные факты, на основании которых запускается  машина вывода - программа, перебирающая правила из базы.

Продукционная модель чаще всего применяется в промышленных экспертных системах. Она привлекает разработчиков своей наглядностью, высокой модульностью, легкостью  внесения дополнений и изменений  и простотой механизма логического  вывода.

Семантическая сеть - это  ориентированный граф, вершины которого - понятия, а дуги - отношения между  ними.

Понятиями обычно выступают  абстрактные или конкретные объекты, а отношения - это связи типа: «это» («is»), «имеет частью» («has part»), «принадлежит», «любит». Характерной особенностью семантических сетей является обязательное наличие трех типов отношений:

- класс - элемент класса;

- свойство - значение;

- пример элемента класса.

Выделяют несколько классификаций  семантических сетей:

- по количеству типов  отношений (однородные - с единственным  типом отношений; неоднородные - с различными типами отношений);

- по типам отношений  (бинарные - в которых отношения  связывают два объекта; n-арные  - отношения, связывающие более  двух понятий).

Наиболее часто в семантических  сетях используются следующие отношения:

- связи типа «часть-целое»;

- функциональные связи;

- количественные;

- пространственные;

- временные;

- атрибутные связи;

- логические связи.

Проблема поиска решения  в базе знаний типа семантической  сети сводится к задаче поиска фрагмента  сети, соответствующего некоторой подсети, соответствующей поставленному  вопросу.

Основное преимущество этой модели - в соответствии современным  представлениям об организации долговременной памяти человека. Недостаток модели - сложность  поиска вывода на семантической сети.

Под фреймом понимается абстрактный  образ или ситуация. В психологии и философии известно понятие  абстрактного образа. Например, слово  «комната» вызывает у слушающих  образ комнаты: «жилое помещение  с четырьмя стенами, полом, потолком, окнами и дверью, площадью 6-20 м²». Из этого описания ничего нельзя убрать (например, убрав окна, мы получим уже чулан, а не комнату), но в нем есть «дырки», или «слоты», - это незаполненные значения некоторых атрибутов - количество окон, цвет стен, высота потолка, покрытие пола и др.

В теории фреймов такой  образ называется фреймом. Фреймом  называется также и формализованная  модель для отображения образа.

Структуру фрейма можно представить  так:

ИМЯ ФРЕЙМА:

(имя 1-го слота: значение 1-го слота),

(имя 2-го слота: значение 2-го слота),

………………….

(имя N-ro слота: значение N-ro слота).

Различают фреймы-образцы, или  прототипы, хранящиеся в базе знаний, и фреймы - экземпляры, которые создаются  для отображения реальных ситуаций на основе поступающих данных.

Модель фрейма является достаточно универсальной, поскольку позволяет  отобразить все многообразие знаний о мире через:

- фреймы-структуры, для  обозначения объектов и понятий  (заем, залог, вексель);

- фреймы-роли (менеджер, кассир, клиент);

- фреймы-сценарии (банкротство,  собрание акционеров, празднование  именин);

- фреймы-ситуации (тревога,  авария, рабочий режим устройства) и др.

Важнейшим свойством теории фреймов является заимствованное из теории семантических сетей наследование свойств.

Основным преимуществом  фреймов как модели представления  знаний является способность отражать концептуальную основу организации  памяти человека, а также ее гибкость и наглядность.

В представлении знаний выделяют формальные логические модели, основанные на классическом исчислении предикатов I порядка, когда предметная область или задача описывается в виде набора аксиом. Эта логическая модель применима в основном в исследовательских «игрушечных» системах, так как предъявляет очень высокие требования и ограничения к предметной области. В промышленных же экспертных системах используются различные ее модификации и расширения.