К вопросу взаимосвязи интеллектуального аппаратного и программного обеспечения



Дата13.05.2019
өлшемі61 Kb.

ИСПОЛЬЗОВАНИЕ КОМПЬЮТЕРНЫХ ТЕХНОЛОГИЙ ПРИ ИЗУЧЕНИИ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ

Чувикова Виктория Викторовна (chuvikova@yandex.ru)

ФГОУ СПО «Омский промышленно-экономический колледж»

Аннотация

Обоснование выбора программного обеспечения для обучения студентов работе с интеллектуальными информационными системами



Abstract

USE OF COMPUTER TECHNOLOGIES AT STUDYING INTELLECTUAL SYSTEMS

Victoria Chuvikova (chuvikova@yandex.ru)

«Omskiy Promishlenno Economicheskiy College», Omsk

We choose this software fo teaching of students for working whit intellectual informational systems


Существует устойчивая тенденция интеллектуализации компьютеров и их программного обеспечения. Изучение интеллектуальных систем при подготовке специалистов в области программирования становится актуальной задачей. При разработке информационных систем появляется необходимость обучать студентов не только традиционным методам программирования, но и формировать профессиональные умения программирования в интеллектуальных системах.

На данный момент развития интеллектуальных систем существуют два способа воспроизведения интеллекта с помощью компьютерных технологий, которые заключаются в реализации интеллекта через аппаратное и программное обеспечение.

В образовательные программы подготовки специалистов по разработке программных средств включены дисциплины, включающие изучение систем искусственного интеллекта. Для организации обучения необходимо разработать теоретический материал и лабораторные работы. Возникает проблема выбора и использования интеллектуальных систем на занятиях.

В настоящее время в России приоритетными направлениями являются развитие нейрокомпьютеров, их аппаратного обеспечения и нейронных сетей.



Нейрокомпьютер – это вычислительная система с архитектурой аппаратного и программного обеспечения, адекватной выполнению алгоритмов, представленных в нейросетевом логическом базисе [2].

Нейронной сетью называется – это сеть с конечным числом слоев из однотипных элементов – аналогов нейронов с различными типами связей между слоями [2].

Важность данной темы подчеркивает перечень изданий по данному направлению и количество сайтов и форумов в сети Интернет.

Первый нейронный компьютер был создан в 80-х гг. в Японии. Следующим этапом развития нейрокомпьютеров стало появление транспьютеров – параллельных компьютеров, реализующих несколько подходов к аппаратной реализации нейросетей, моделирующих концепцию иерархической организации мозга человека [3]. Характерной областью применения нейрокомпьютеров является решение задач распознавания образов, где присутствуют задачи построения алгоритмов с определенным итогом. В таких задачах, чем больше не формализуемой информации, тем сложнее ее реализовать традиционными аппаратными вычислительными средствами, не относящихся к нейросетевому анализу.

Основными функциями нейрокомпьютеров выделяются эмуляция неройсетевых алгоритмов на вычислительных средствах, которые базируются на элементной базе, не имеющей отношения к нейросетевому логическому базису.

Решение задач в большей степени не вычислительного характера (логический вывод, управление базами знаний и другое) возможно также за счет разработки специального программного обеспечения (экспертных систем, базы знаний и т.д.).

В программном обеспечении для обработки информации применяются эвристические алгоритмы, которые позволяют в условиях отсутствия возможностей формализовать информацию (хотя бы частично) реализовать обработку образов за счет механизма обучения на множестве примеров.

Искусственные и формальные системы, основанные на нейросетевых технологиях, применяются для обработки изображений, построения экспертных систем. Обмен данными между конечным пользователем и экспертной системой выполняет интеллектуальная программа, которая воспринимает сообщения пользователя и преобразует их в форму представления базы знаний и, наоборот, переводит внутреннее представление результата обработки в формат пользователя и выдает сообщение на требуемый носитель.

Основой экспертных интеллектуальных систем может являться нейронная сеть, в которую входят искусственные нейроны.

Интеллектуальные системы позволяют решать трудные для экспертов задачи на основе накапливаемой базы знаний, которая отражает опыт работы экспертов в определенной области человеческой деятельности. Решение задач осуществляется в условиях неполноты, недостоверности, многозадачности исходной информации. При принятии решений, алгоритм заранее неизвестен и результат строится путем рассуждений, формируемых из базы знаний.

Основными функциями любой интеллектуальной системы являются:

1) накопление знаний;

2) обработка знаний;

3) формирование новых знаний;

4) выдача результатов;

5) обоснование итогов.

В качестве самостоятельной системы представления знаний может использоваться нейронная сеть, которая, как правило, является одним из компонентов системы управления либо модуля принятия решений, передающим результирующий сигнал на другие элементы, не связанные непосредственно с искусственной нейронной сетью.

Главное свойство нейронных сетей состоит в параллельной обработке информации одновременно всеми нейронами, что определяет огромный их потенциал и широкие прикладные возможности.

При создании интеллектуальных систем, основанных на нейронных сетях можно применять следующие методы:



  1. организация аппаратных составляющих – создание специальных компьютеров, реализующих разнообразные интеллектуальные алгоритмы (например, МЦ 4.07, Л1879ВМ1 (NM6403), МС 4.31 и др.) [4];

  2. создание программного комплекса – написание программ инструментариев, с помощью которых осуществляется построение нейронных архитектур; такие программы рассчитаны на высокопроизводительные компьютеры (Neural Network Toolbox for Matlab, Neuro Office, Neuro Windows и др.);

  3. объединение аппаратного комплекса и программного, т.е. часть вычислений выполняют специальные платы, а другую часть – программные инструментарии (например, модуль BM1P(BM1C) встроенные в библиотеки Л1879ВМ1) [4].

Для реализации и учета особенностей работы нейронных сетей при обработке данных, реализованных только на аппаратном комплексе, не являются обязательным условием при создании интеллектуальных систем. Поэтому совсем не нужно менять аппаратную часть, а достаточно создать модель программного обеспечения.

С целью формирования практических умений работы с интеллектуальными системами у студентов в области программирования преподаватель может использовать любой из перечисленных методов организации. Однако нужно учитывать, что при аппаратной реализации нейрокомпьютера один нейроподобный элемент делит время между имитацией многих нейронов, происходит жесткая аппаратная имитация нейросети, соответствующая связи «один нейроподобный элемент – один нейрон» и является неэффективной, так как ограничивает возможную размерность моделируемой сети [1]. Кроме этого, изучение аппаратного обеспечения интеллектуальных систем является очень трудоемким и дорогостоящим (например, нейроускоритель МЦ 4.07, производителем которого является НТЦ "Модуль", состоит из: двух нейропроцессоров NM6403; от 2 до 8 Мбайт статической памяти (SRAM); 64 Мбайта динамической памяти EDO DRAM; четыре внешних ком. порта с темпом обмена 20 Мбайт/сек каждый, он содержит один процессор и обладает масштабируемой производительностью от 33 до 9.500 ММАС [4]). При обучении студентов работе на нейрокомпьютере как на инструменте для создания программы в определенной предметной области или решения конкретной задачи проявляется уменьшение надежности интеллектуальных систем.

Для подготовки специалистов по разработке программных средств оптимальным является применение на занятиях программного продукта STATISTICA Neural Networks (SNN) по изучению таких направлений как интеллектуальные информационные системы, информационные технологии, экспертные системы и др.

SNN проста в использовании и является быстрой средой анализа нейросетевых моделей.

Программа SNN разработана компанией StatSoft Inc [5].

Программа SNN это аналитическая система с предоставлением возможности в области интерактивного анализа данных, включая новейшие методы добычи данных, анализа текстов и нейронных сетей, а также создания эффективных решений в различных областях человеческой деятельности.



Литература:

  1. Барский А.Б. Нейронные сети: распознавание, управление, принятие решений. – М.: Финансы и статистика, 2004. – 176 с.

  2. Комашинский В.И., Смирнов Д.А. Нейронные сети и их применение в системах управления и связи. – М.: Горячая линия – Телеком, 2003.

  3. Тельнов Ю.Ф. Интеллектуальные информационные системы. (Учебное пособие) / М. Московский международный институт эконометрики, информатики, финансов и права, 2003.

  4. http://www.module.ru/ruproducts/dspmod/mc407.shtml

  5. http:// www.statsoft.ru






Достарыңызбен бөлісу:


©kzref.org 2019
әкімшілігінің қараңыз

    Басты бет