ГИБРИДНЫЕ ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ. ОСОБЕННОСТИ ИХ РАЗВИТИЯ.

Системы, состоящие из нескольких разных подсистем, имеющих одну цель и общие действия, носят название Гибридных систем (ГС). Направление ГИС объединяет специалистов, которые занимаются разработкой методов имитации умственной деятельности человека. Обычно

ГИС состоит из:

· аналитических моделей,

· экспертных систем,

· искусственных нейронных сетей,

· нечетких систем,

· генетических алгоритмов,

· имитационных статистических моделей.

ГИС быстро развиваются, они объединяют формализуемые и неформализуемые знания.

Интеллектуальные системы (ИС), в зависимости от строения можно разделить на однокомпонентные и многокомпонентные. Однокомпонентные ИС используют какое-то одно средство искусственного интеллекта (ИИ). Многокомпонентные ИС используют разные средства ИИ. Многокомпонентные ИС более сложны по архитектуре, работа такой системы напрямую зависит от работы других слоев.

 ГИС по архитектуре делятся на четыре типа (Рисунок 1):

1)комбинированные,

2) интегрированные,

3) объединенные,

4) ассоциативные.

Рисунок 1.Типы архитектуры ГИС.

В связи с быстрым ростом информации, можно выделить еще один тип ГИС распределенный, который использует данные, поступающие из Интернета.

Системы первого типа представляют объединение Экспертных Систем (ЭС) и нейронных сетей и соединяют формализуемые знания, с которыми работает ЭС с  неформализуемыми знаниями в нейронных сетях. 

Входная информация поступают в ГС и через ЭС и через нейронную сеть. Выходные информация поступают на вход модуля, который ищет и разъясняет решения. Нейронная сеть помогает быстро обучаться, а ЭС, используя неявные данные объясняет решение. Примерами служат ГЭС для диагностики в медицине, ЭС для обучения.

Работа ЭС второго типа использует алгоритм с применением индукционного дерева. Этот алгоритм создает правила. Они позволяют осуществлять как прямые, так и обратные запросы.

В строении интегрированных ГИС все решает  модуль-интегратор, который, находит интеллектуальные модули и объединяет отзывы работающих модулей. БД доступна и нейронной сети. Нейронная сеть представлена, как инструмент для обучения. Нейронная сеть берет входные данные и применяет их как примеры для обучения.

Примерами Систем третьего типа можно отнести ГЭС для инвестиций, ГЭС для распознавания неисправностей.

Системы четвертого вида не получили пока большого распространения, так как они еще недостаточно надежны.

Распределенные ИС предлагают многоагентный подход в области распределенного ИИ (рисунок 2). В этом случае каждый модуль работает автономно и связывается с другими путем передачи информации через сеть.

Рисунок 2.  Архитектура распределенной ГИС

Существуют пять стратегий создания ГИС:

- автономные,

- трансформационные,

- слабосвязанные,

- сильно связанные,

- полностью интегрированные модели.

Автономные модели применяются для построения нулевого образца. Автономные модели состоят из независимых программ, поэтому при поступлении новых данных сразу должны измениться.

Результатом разработки трансформационных моделей должна стать автономная, не связанная с другими частями модель. Основное отличие трансформационной модели от автономной заключается том, что она начинает функционировать как система, которая использует один автономный метод, а заканчивает как система, использующая другой метод. Трансформационные модели быстро создаются и требуют меньше затрат.

В слабосвязанные модели приложение делится на элементы, которые общаются через файлы данных. Они просты для разработки и применяют коммерческие программы.

Сильносвязанные ГИС требуют меньше затрат, но имеют большую производительность по сравнению со слабосвязанными моделями. Однако они имеют три принципиальных ограничения:

1)Их сложно разрабатывать и поддерживать в рабочем состоянии.

2) Излишество накопленных данных.

3) Трудность проверки адекватности.

Полностью интегрированные ГИС вместе пользуются общими структурами данных и представлениями знаний. Это вид гибридов быстро развивается. В них выделяют создание концептуальных нейросетей, экспертных систем, в которых элементы связываются быстро и просто, а общая информация доступна тому и другому компоненту.  К преимуществам полной интеграции можно отнести надежность, увеличение скорости обработки, адаптацию и дедукцию.

Список литературы:

1. Боев, В.Д. Моделирование систем. Инструментальные средства GPSS World СПб.: БХВ-Петербург, 2004, – 105 с. 

2. Клачек П. М., Корягин С. И., Колесников А. В., Минкова Е. С. Гибридные адаптивные интеллектуальные системы. Ч. 1: Теория и технология разработки: монография. — Калининград: Изд-во БФУ им. И. Канта,2011. — 374 с.

2.Колесов, Ю. Сениченков Моделирование систем. Динамические и гибридные системы М: БХВ-Петербург, 2006, – 224с. 

4. Колесников А.В. Гибридные интеллектуальные системы: Теория и технология разработки. – СПБ: зд-во СПбГТУ, 2001, – 711 с.