ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ


Интеллектуальные информационные системы - стр. 17


                В результате обучения системы автоматически строятся обобщенные правила или функции, определяющие принадлежность ситуаций классам, которыми обученная система пользуется при интерпретации новых возникающих ситуаций. Таким образом, автоматически формируется база знаний, используемая при решении задач классификации и прогнозирования. Эта база знаний  периодически автоматически корректируется по мере накопления опыта реальных ситуаций, что позволяет сократить затраты на ее создание и обновление.  

                Общие недостатки,  свойственные всем самообучающимся системам, заключаются в следующем:

·       возможна неполнота и/или зашумленность (избыточность) обучающей выборки  и,  как  следствие,   относительная адекватность   базы знаний возникающим проблемам;

·       возникают  проблемы,  связанные с плохой смысловой ясностью зависимостей признаков и, как следствие, неспособность объяснения пользователям получаемых результатов;

·       ограничения в размерности признакового  пространства вызывают неглубокое описание проблемной области и узкую направленность применения.

                Индуктивные системы. Обобщение примеров по принципу от частного к общему сводится к выявлению подмножеств примеров, относящихся к одним и тем же подклассам, и определению для них значимых признаков.

                Процесс классификации примеров осуществляется следующим образом:

1.     Выбирается признак классификации из множества заданных (либо последовательно, либо по какому-либо правилу, например, в соответствии с максимальным числом получаемых подмножеств примеров);

2.     По значению выбранного признака множество примеров разбивается на подмножества;

3.     Выполняется проверка, принадлежит ли каждое образовавшееся подмножество примеров одному подклассу;

4.     Если  какое-то подмножество примеров принадлежит одному подклассу, т.е.




Начало  Назад  Вперед