Tēma 2.3. Prezentāciju programmatūra un biroja programmēšanas pamati

Tēma 2.4.

2.4.11. Apmācību datu bāze ar galvenās pogas formu "Training_students" - Lejupielādēt

Datu bāzes vadības sistēmas un ekspertu sistēmas

2.4. Datu bāzes vadības sistēmas un ekspertu sistēmas

2.4.10. Ekspertu un mācību sistēmas

Ekspertu sistēmas ir viens no galvenajiem mākslīgā intelekta pielietojumiem. Mākslīgais intelekts ir viena no datorzinātņu nozarēm, kas nodarbojas ar šāda veida aparatūras un programmatūras modelēšanas problēmām. cilvēka darbība kuri tiek uzskatīti par inteliģentiem.

Mākslīgā intelekta pētījumu rezultāti tiek izmantoti inteliģentas sistēmas kuri spēj risināt radošās problēmas, kas pieder noteiktai mācību jomai, par kurām zināšanas glabājas sistēmas atmiņā (zināšanu bāzē). Mākslīgā intelekta sistēmas ir vērstas uz lielas problēmu klases risināšanu, kas ietver tā sauktos daļēji strukturētos jeb nestrukturētos uzdevumus (vāji formalizējami vai neformalizējami uzdevumi).

Informācijas sistēmas, ko izmanto daļēji strukturētu problēmu risināšanai, iedala divos veidos:

1. Vadības atskaišu veidošana (datu apstrādes veikšana: meklēšana, šķirošana, filtrēšana). Lēmumi tiek pieņemti, pamatojoties uz šajos ziņojumos ietverto informāciju.
2. Iespējamo risinājumu alternatīvu izstrāde. Lēmumu pieņemšana ir atkarīga no vienas no piedāvātajām alternatīvām.

Informācijas sistēmas, kas izstrādā risinājumu alternatīvas, var būt paraugs vai eksperts:

1. Modeļu informācijas sistēmas nodrošina lietotājam modeļus (matemātiskos, statistiskos, finanšu u.c.), kas palīdz nodrošināt risinājumu alternatīvu izstrādi un izvērtēšanu.
2. Ekspertu informācijas sistēmas nodrošina lietotāja iespējamo alternatīvu izstrādi un novērtēšanu, izveidojot sistēmas, kuru pamatā ir zināšanas, kas iegūtas no speciālistu ekspertiem.

Ekspertu sistēmas ir datorprogrammas, kas uzkrāj speciālistu – konkrēto priekšmetu jomu ekspertu zināšanas, kas paredzētas pieņemamu risinājumu iegūšanai informācijas apstrādes procesā. Ekspertu sistēmas pārveido ekspertu pieredzi jebkurā konkrētā zināšanu jomā heiristisko noteikumu formā un ir paredzētas mazāk kvalificētu speciālistu konsultēšanai.

Ir zināms, ka zināšanas pastāv divos veidos: kolektīvā pieredze un personīgā pieredze. Ja mācību priekšmetu jomu pārstāv kolektīva pieredze (piemēram, augstākā matemātika), tad šai priekšmeta jomai nav vajadzīgas ekspertu sistēmas. Ja kādā priekšmeta jomā lielākā daļa zināšanu ir personīgā pieredze augsta līmeņa speciālisti un šīs zināšanas ir slikti strukturētas, tad šādai jomai ir vajadzīgas ekspertu sistēmas. Mūsdienu ekspertu sistēmas ir atradušas plašu pielietojumu visās ekonomikas jomās.

Zināšanu bāze ir ekspertu sistēmas kodols. Pāreja no datiem uz zināšanām ir informācijas sistēmu attīstības sekas. Datu bāzes tiek izmantotas datu glabāšanai, un zināšanu bāzes tiek izmantotas zināšanu glabāšanai. Datu bāzes parasti glabā lielus datu apjomus ar salīdzinoši zemām izmaksām, savukārt zināšanu bāzes glabā nelielas, bet dārgas informācijas kopas.

Zināšanu bāze ir zināšanu kopums, kas aprakstīts, izmantojot izvēlēto tās prezentācijas formu. Zināšanu bāzes aizpildīšana ir viena no visvairāk sarežģīti uzdevumi, kas ir saistīta ar zināšanu izvēli, to formalizāciju un interpretāciju.

Ekspertu sistēma sastāv no:

• zināšanu bāze (kā daļa no darba atmiņas un noteikumu bāzes), kas paredzēta sākotnējo un starpposma faktu glabāšanai darba atmiņā (to sauc arī par datu bāzi) un modeļu un modeļu manipulācijas noteikumu glabāšanai noteikumu bāzē;
• problēmu risinātājs (tulks), kas nodrošina noteiktas problēmas risināšanas noteikumu secības ieviešanu, pamatojoties uz datubāzēs un zināšanu bāzēs glabātiem faktiem un noteikumiem;
• skaidrojumu apakšsistēma ļauj lietotājam saņemt atbildes uz jautājumu: “Kāpēc sistēma pieņēma šādu lēmumu?”;
• zināšanu apguves apakšsistēma, kas izstrādāta, lai zināšanu bāzei pievienotu jaunus noteikumus un mainītu esošos noteikumus;
• lietotāja interfeiss, programmu kopums, kas realizē lietotāja dialogu ar sistēmu informācijas ievadīšanas un rezultātu iegūšanas stadijā.

Ekspertu sistēmas atšķiras no tradicionālās sistēmas datu apstrādi tādā ziņā, ka tie parasti izmanto simbolisku attēlošanas metodi, simbolisku izvadi un heiristisku risinājumu meklēšanu. Slikti formalizējamu vai neformalizējamu problēmu risināšanai daudzsološāki ir neironu tīkli vai neirodatori.

Neironodatoru pamatu veido neironu tīkli - hierarhiski organizēti adaptīvo elementu - neironu paralēlie savienojumi, kas nodrošina mijiedarbību ar reālās pasaules objektiem tāpat kā bioloģiskā nervu sistēma.

Lieli panākumi neironu tīklu izmantošanā gūti pašmācības ekspertu sistēmu izveidē. Tīkls ir konfigurēts, t.i. trenēties, izlaižot caur to visus zināmos risinājumus un izejā panākot vajadzīgās atbildes. Iestatīšana sastāv no neironu parametru izvēles. Bieži viņi izmanto specializētu apmācību programmu, kas apmāca tīklu. Pēc apmācības sistēma ir gatava darbam.

Ja ekspertu sistēmā tās veidotāji iepriekš ielādē zināšanas noteiktā formā, tad neironu tīklos pat izstrādātājiem nav zināms, kā zināšanas veidojas savā struktūrā mācīšanās un pašmācības procesā, t.i. tīkls ir “melnā kaste”.

Neirodatori kā mākslīgā intelekta sistēmas ir ļoti daudzsološi, un to attīstībā tos var bezgalīgi uzlabot.

Pašlaik mākslīgā intelekta sistēmas ekspertu sistēmu un neironu tīklu veidā tiek plaši izmantotas finanšu un ekonomisko problēmu risināšanā.

Abstrakts par tēmu:

Saturs

Atskaites kā datu bāzes objekta izveide

Atskaites izveides metodes

Izveidojiet pārskatu

Ekspertu un mācību sistēmas

Atskaites kā datu bāzes objekta izveide

Pārskats ir formatēts datu attēlojums, kas tiek parādīts ekrānā, izdrukāts vai failā. Tie ļauj iegūt nepieciešamo informāciju no datu bāzes un pasniegt to viegli saprotamā formā, kā arī sniedz plašas iespējas datu apkopošanai un analīzei.

Drukājot tabulas un vaicājumus, informācija tiek parādīta praktiski tādā formā, kādā tā tiek glabāta. Bieži vien ir nepieciešams sniegt datus pārskatu veidā, kam ir tradicionāls izskats un kurus ir viegli lasīt. Detalizēts pārskats ietver visu informāciju no tabulas vai vaicājuma, bet satur galvenes un ir sadalīts lapās ar galvenēm un kājenēm.

Atskaites struktūra dizaina režīmā

Microsoft Access pārskatā parāda datus no vaicājuma vai tabulas, pievienojot teksta elementus, lai atvieglotu lasīšanu.

Šie elementi ietver:

Nosaukums. Šī sadaļa tiek drukāta tikai atskaites pirmās lapas augšpusē. Izmanto, lai izvadītu datus, piemēram, atskaites virsraksta tekstu, datumu vai dokumenta teksta paziņojumu, kas jāizdrukā vienu reizi pārskata sākumā. Lai pievienotu vai noņemtu pārskata virsraksta apgabalu, izvēlnē Skats atlasiet komandu Pārskata virsraksts/piezīme.

Virsraksts. Izmanto, lai parādītu datus, piemēram, kolonnu virsrakstus, datumus vai lappušu numurus, kas drukāti katras atskaites lapas augšdaļā. Lai pievienotu vai noņemtu galveni, izvēlnē Skats atlasiet Galvene un kājene. Microsoft Access vienlaikus pievieno galveni un kājeni. Lai paslēptu kādu no galvenēm un kājenēm, tā rekvizīts Height ir jāiestata uz 0.

Datu apgabals, kas atrodas starp lapas galveni un kājeni. Satur ziņojuma galveno tekstu. Šajā sadaļā tiek parādīti dati, kas tiek izdrukāti katram ierakstam tabulā vai vaicājumā, uz kuru balstās atskaite. Lai datu apgabalā novietotu vadīklas, izmantojiet lauku sarakstu un rīkjoslu. Lai paslēptu datu apgabalu, sadaļas rekvizīts Height ir jāiestata uz 0.

Kājene. Šī sadaļa parādās katras lapas apakšā. Izmanto, lai parādītu datus, piemēram, kopsummas, datumus vai lappušu numurus, kas drukāti katras pārskata lapas apakšā.

Piezīme. Izmanto, lai izvadītu datus, piemēram, secinājumu tekstu, kopsummas vai parakstus, kas jāizdrukā vienu reizi pārskata beigās. Lai gan atskaites piezīmes sadaļa ir noformējuma skatā atskaites apakšā, tā tiek drukāta virs lapas kājenes pārskata pēdējā lapā. Lai pievienotu vai noņemtu ziņojuma komentāru apgabalu, izvēlnē Skats atlasiet komandu Pārskata nosaukums/Ziņojuma piezīme. Microsoft Access vienlaikus pievieno un noņem pārskata nosaukumu un komentāru apgabalus.

Atskaites izveides metodes

Varat izveidot pārskatus programmā Microsoft Access dažādos veidos:

Konstruktors

Ziņošanas vednis

Automātiskā atskaite: uz kolonnu

Auto atskaite: lente

Diagrammu vednis

Pasta etiķetes

Vednis ļauj izveidot atskaites ar ierakstu un reprezentāciju grupēšanu vienkāršākais veids veidojot atskaites. Tas ievieto atlasītos laukus pārskatā un piedāvā sešus pārskatu stilus. Pēc vedņa pabeigšanas iegūto atskaiti var modificēt noformēšanas režīmā. Izmantojot automātiskās atskaites funkciju, varat ātri izveidot pārskatus un pēc tam veikt dažas izmaiņas tajos.

Lai izveidotu automātisko pārskatu, jums jāveic šādas darbības:

Datu bāzes logā noklikšķiniet uz cilnes Pārskati un pēc tam noklikšķiniet uz pogas Izveidot. Tiek parādīts dialoglodziņš Jauns ziņojums.

Sarakstā atlasiet kolonnu Autoreport: vai Autoreport: strip.

Datu avota laukā noklikšķiniet uz bultiņas un kā datu avotu atlasiet Tabula vai Vaicājums.

Noklikšķiniet uz pogas Labi.

Automātiskās atskaites vednis izveido automātisko atskaiti kolonnā vai joslā (lietotāja izvēle) un atver to priekšskatījuma režīmā, kas ļauj redzēt, kā atskaite izskatīsies izdrukātā veidā.

Pārskata displeja mēroga maiņa

Lai mainītu displeja mērogu, izmantojiet rādītāju - palielināmo stiklu. Lai skatītu visu lapu, jānoklikšķina jebkurā pārskata vietā. Pārskata lapa tiks parādīta samazinātā mērogā.

Noklikšķiniet uz pārskata vēlreiz, lai atgrieztos lielākā skatā. Palielinātā pārskata skatā punkts, uz kura noklikšķinājāt, būs ekrāna centrā. Lai ritinātu pārskatu lapas, izmantojiet navigācijas pogas loga apakšā.

Izdrukājiet atskaiti

Lai izdrukātu atskaiti, rīkojieties šādi:

Izvēlnē Fails noklikšķiniet uz komandas Drukāt.

Apgabalā Drukāšana noklikšķiniet uz opcijas Lapas.

Lai drukātu tikai atskaites pirmo lapu, laukā No ievadiet 1 un laukā Kam - 1.

Noklikšķiniet uz pogas Labi.

Pirms atskaites drukāšanas vēlams to apskatīt režīmā Priekšskatījums, kuram var piekļūt, izvēlnē Skats izvēloties Priekšskatījums.

Ja pārskata beigās drukājat ar tukšu lapu, pārliecinieties, vai atskaites piezīmju iestatījums Augstums ir iestatīts uz 0. Ja drukājat ar tukšām lapām starp tām, pārliecinieties, vai veidlapas vai atskaites platuma un kreisās un labās piemales platums nepārsniedz papīra lapas platumu, kas norādīts dialoglodziņā Lappuses iestatīšana (izvēlne Fails).

Veidojot atskaites izkārtojumus, izmantojiet šādu formulu: atskaites platums + kreisā piemale + labā piemale<= ширина бумаги.

Lai pielāgotu pārskata lielumu, ir jāizmanto šādas metodes:

mainīt atskaites platuma vērtību;

Samaziniet piemales platumu vai mainiet lapas orientāciju.

Izveidojiet pārskatu

1. Palaidiet Microsoft Access. Atveriet datu bāzi (piemēram, izglītības datubāzi "Dekanāts").

2. Izveidojiet AutoReport: lenti, izmantojot tabulu kā datu avotu (piemēram, Studenti). Atskaite tiek atvērta priekšskatījuma režīmā, kas ļauj redzēt, kā atskaite izskatīsies pēc izdrukāšanas.

3. Pārslēdzieties uz noformēšanas režīmu un rediģējiet un formatējiet atskaiti. Lai pārslēgtos no priekšskatījuma režīma uz noformējuma režīmu, Access lietojumprogrammas loga rīkjoslā jānoklikšķina uz Aizvērt. Pārskats parādīsies ekrānā dizaina režīmā.

Rediģēšana:

1) noņemiet studenta koda laukus galvenē un datu apgabalā;

2) pārvietojiet visus laukus galvenē un datu apgabalā pa kreisi.

3) Mainiet tekstu lapas nosaukumā

Sadaļā Pārskata nosaukums atlasiet Studenti.

Novietojiet peles rādītāju pa labi no vārda Students, lai rādītājs mainītos uz vertikālu joslu (ievades kursoru), un noklikšķiniet šajā vietā.

Ievadiet NTU "KhPI" un nospiediet taustiņu Enter.

4) Pārvietojiet parakstu. Kājenē atlasiet lauku =Tagad() un velciet to uz pārskata galveni zem nosaukuma Studenti. Datums parādīsies zem virsraksta.

5) Pārskatu noformētāja rīkjoslā noklikšķiniet uz pogas Priekšskatījums, lai priekšskatītu pārskatu.

Formatēšana:

1) Izvēlieties virsrakstu NTU studenti "KhPI"

2) Mainiet burtveidolu, fonta stilu un krāsu, kā arī fona aizpildījuma krāsu.

3) Pārskatu noformētāja rīkjoslā noklikšķiniet uz pogas Priekšskatījums, lai priekšskatītu pārskatu.

Stila maiņa:

Lai mainītu stilu, rīkojieties šādi:

Pārskatu noformētāja rīkjoslā noklikšķiniet uz pogas AutoFormat, lai atvērtu dialoglodziņu AutoFormat.

Sarakstā Pārskats — objektu automātiskā formatēšana noklikšķiniet uz Stingri un pēc tam noklikšķiniet uz Labi. Pārskats tiks formatēts stingri stilā.

Pārslēdzas uz priekšskatījuma režīmu. Pārskats tiks parādīts jūsu izvēlētajā stilā. Turpmāk visām atskaitēm, kas izveidotas, izmantojot funkciju AutoReport, būs stils Stingrs, līdz logā AutoFormat norādīsiet citu stilu.

Ekspertu un mācību sistēmas

Ekspertu sistēmas ir viens no galvenajiem mākslīgā intelekta pielietojumiem. Mākslīgais intelekts ir viena no datorzinātņu nozarēm, kas nodarbojas ar to cilvēku darbību veidu aparatūras un programmatūras modelēšanas problēmām, kuras tiek uzskatītas par intelektuālām.

Mākslīgā intelekta pētījumu rezultāti tiek izmantoti inteliģentās sistēmās, kas spēj atrisināt konkrētai mācību jomai piederošas radošas problēmas, par kurām zināšanas glabājas sistēmas atmiņā (zināšanu bāzē). Mākslīgā intelekta sistēmas ir vērstas uz lielas problēmu klases risināšanu, kas ietver tā sauktos daļēji strukturētos jeb nestrukturētos uzdevumus (vāji formalizējami vai neformalizējami uzdevumi).

Informācijas sistēmas, ko izmanto daļēji strukturētu problēmu risināšanai, iedala divos veidos:

Vadības atskaišu veidošana (datu apstrādes veikšana: meklēšana, šķirošana, filtrēšana). Lēmumi tiek pieņemti, pamatojoties uz šajos ziņojumos ietverto informāciju.

Ekspertu sistēma apmācībai ir programmatūras sistēma, kas īsteno mācīšanās funkciju, pamatojoties uz ekspertu zināšanām.

EOS iespējas:

• Apmācību kursu prezentācija tīklā

• Izglītojamo modeļi

• Drošības jautājumu un datu ģenerēšana atbilžu uz tiem analīzei

• Iespēja palielināt zināšanu bāzes, prasmes un iemaņas

Ekspertu sistēmas uzdevumi:

• nodrošināt studentam skaidrus kritērijus izglītības mērķu sasniegšanai (kontroles sistēma),

• palīdzēt viņam izveidot optimālu individuālo treniņu grafiku.

• saglabājiet iepriekšējo konsultāciju rezultātus.

• Ekspertu sistēma problēmu risināšanai apgūstamajā priekšmeta jomā

• Ekspertu sistēma studentu kļūdu diagnosticēšanai

• Ekspertu sistēma vingrinājumu vadīšanas procesa plānošanai

1. Mācīšana

1. Mācīšana . Vides radīšana zināšanu iegūšanai.

2. Izglītība. Skolotāja funkciju veikšana materiāla izklāstā, tā asimilācijas uzraudzībā un kļūdu diagnostikā

3. Monitorings un diagnostika . Testa jautājumu sniegšana, atbilžu izvērtēšana un kļūdu noteikšana.

4. Apmācība . Veidot vidi, kas ļauj apgūt un nostiprināt nepieciešamās prasmes un iemaņas.

Expert Shell

Expert Shell paredzēts apmācību organizēšanai režīmā “dators-students”. Apmācība kā daļa no Šopēna informācijas un izglītības vides notiek saskaņā ar individuālu mācību programmu un individuālā tempā. Eksperta apvalks vidē pilda padomdevēja lomu, kurš, pamatojoties uz studenta reālajiem sasniegumiem, kas fiksēti pārbaužu un apmācību rezultātu datubāzē, sastāda apmācības plānu un pieņem lēmumus par to, lai students sasniedz noteiktu zināšanu līmeni par mācību priekšmetu jomu. . VIPES – hibrīda apvalks

VIPES ir paredzēts darbam tiešsaistē. Šis apvalks ir paredzēts vairākiem lietotājiem. Šī sistēma izmanto grafisko lietotāja interfeisu. Priekšmeta speciālisti un skolotāji spēj patstāvīgi izveidot un rediģēt zināšanu bāzes VIPES apvalkam.

• Testa apvalks

• Datu analīzes konsole

• Vairāku lietotāju ES apvalks ar vizuālu saskarni

• Apmācību un testu datubāze

• Pārbaudes un apmācības kursu datu failu sistēma

• Mācību apvalks

• Servisa modulis

Sākotnējo datu pārbaude

Sākotnējo datu pārbaude ietver faktiskās informācijas pārbaudi, kas kalpo par pamatu ekspertīzei.

Zināšanu bāzes loģiskā pārbaude sastāv no loģisku kļūdu noteikšanas ražošanas sistēmā, kas nav atkarīgas no priekšmeta jomas; trūkstošie un pārklājošie noteikumi; nekonsekventas un beigu klauzulas (nekonsekventi nosacījumi).

Koncepcijas pārbaude tiek veikta, lai pārbaudītu sistēmas vispārējo struktūru un ņemtu vērā visus risināmās problēmas aspektus.

1. Sistēmas izveides sākotnējās problēmas risināšanas vienkāršība.

2. Iespēja papildināt testēšanas sistēmu lietošanas laikā.

3. Diezgan vienkārša shēma praktiskai lietošanai.

4. Pievilcība lietotājam, pateicoties zināšanu pārbaudei veltītajam laikam un pūlēm.

vairāku atbilžu variantu piedāvāšana netieši rosina lietotāju analizēt dažādus risinājumus un padziļināti izpētīt uzdevumu.

Ekspertu sistēmas pārskatīšana.

Viens no veidiem, kā risināt izglītības procesa intensificēšanas problēmu, ir jaunāko informācijas tehnoloģiju izmantošana jauno speciālistu sagatavošanā un praksē.

Šīs problēmas risināšanai ir izstrādāts projekts, lai izveidotu pārskata ekspertu sistēmu, kas vienlaikus veic eksperta - konsultanta un skolotāja funkcijas.

Ekspertu sistēma ir programma, kas paredzēta cilvēka intelekta, pieredzes un izziņas procesa simulēšanai.

Izmantojot ekspertu sistēmu, kuras pamatā ir salīdzinošās pārskatīšanas pieeja, lietotājs sniedz vairāk datu, kā arī savu risinājumu vai darbības veidu.

Sistēma novērtē lietotāja plānu un sniedz kritisku analīzi.

Kritika ietver alternatīvas, skaidrojumus, pamatojumus, brīdinājumus un papildu informāciju, kas jāapsver.

Pārskatīšanas ekspertu sistēma īsteno divu veidu spējas:

• Sistēma var darboties kā parasta ekspertu sistēma

• Sistēma var analizēt jebkuru no iespējamiem lietotāja piedāvātajiem plāniem iespējamo darbību scenārija kontekstā un veikt praktisku kritisku analīzi.

1. Lietotājs ievada informāciju par pašreizējo darbību un iesniedz savu darbības plānu vai darbību kopumu.

2. tiek analizēti ievadītie dati

3. lietotājs iegūst vajadzīgo rezultātu.

4. Ja lietotājs ir iestatījis rīcības plānu kā nezināmu, izskatīšanas ekspertu sistēma darbosies kā parasta ekspertu sistēma un izstrādās eksperta ieteikto plānu.

Visas ekspertu sistēmas veic dažādas funkcijas, taču tām ir viens viens mērķis - salīdzināt doto uzdevumu ar pieejamo informāciju datu bāzē un veikt funkciju, ko veic konkrētā ekspertu sistēma.

• Kas ir ekspertu apmācības sistēma?

• Kādi ir 3 ekspertu sistēmu testēšanas aspekti?

• Ekspertu sistēmas ir viens no galvenajiem mākslīgā intelekta pielietojumiem. Mākslīgais intelekts ir viena no datorzinātņu nozarēm, kas nodarbojas ar to cilvēku darbību veidu aparatūras un programmatūras modelēšanas problēmām, kuras tiek uzskatītas par intelektuālām.

  Mākslīgā intelekta pētījumu rezultāti tiek izmantoti inteliģentās sistēmās, kas spēj atrisināt konkrētai mācību jomai piederošas radošas problēmas, par kurām zināšanas glabājas sistēmas atmiņā (zināšanu bāzē). Mākslīgā intelekta sistēmas ir vērstas uz lielas problēmu klases risināšanu, kas ietver tā sauktos daļēji strukturētos jeb nestrukturētos uzdevumus (vāji formalizējami vai neformalizējami uzdevumi).

  Informācijas sistēmas, ko izmanto daļēji strukturētu problēmu risināšanai, iedala divos veidos:

  Vadības atskaišu veidošana (datu apstrādes veikšana: meklēšana, šķirošana, filtrēšana). Lēmumu pieņemšana ir balstīta uz šajos ziņojumos ietverto informāciju.

  Iespējamo risinājumu alternatīvu izstrāde. Lēmumu pieņemšana ir atkarīga no vienas no piedāvātajām alternatīvām.

  Informācijas sistēmas, kas izstrādā risinājumu alternatīvas, var būt paraugs vai eksperts:

  Modeļu informācijas sistēmas nodrošina lietotājam modeļus (matemātiskos, statistiskos, finanšu u.c.), kas palīdz nodrošināt risinājumu alternatīvu izstrādi un izvērtēšanu.

  Ekspertu informācijas sistēmas nodrošina lietotāja iespējamo alternatīvu izstrādi un novērtēšanu, izveidojot sistēmas, kuru pamatā ir zināšanas, kas iegūtas no speciālistu ekspertiem.

  Ekspertu sistēmas ir datorprogrammas, kas uzkrāj speciālistu – konkrēto priekšmetu jomu ekspertu zināšanas, kas paredzētas pieņemamu risinājumu iegūšanai informācijas apstrādes procesā. Ekspertu sistēmas pārveido ekspertu pieredzi jebkurā konkrētā zināšanu jomā heiristisko noteikumu formā un ir paredzētas mazāk kvalificētu speciālistu konsultēšanai.

  Ir zināms, ka zināšanas pastāv divos veidos: kolektīvā pieredze un personīgā pieredze. Ja mācību priekšmetu jomu pārstāv kolektīva pieredze (piemēram, augstākā matemātika), tad šai priekšmeta jomai nav vajadzīgas ekspertu sistēmas. Ja kādā mācību priekšmeta jomā lielākā daļa zināšanu ir augsta līmeņa speciālistu personīgā pieredze un šīs zināšanas ir vāji strukturētas, tad šādā jomā ir nepieciešamas ekspertu sistēmas. Mūsdienu ekspertu sistēmas ir atradušas plašu pielietojumu visās ekonomikas jomās.

  Zināšanu bāze ir ekspertu sistēmas kodols. Pāreja no datiem uz zināšanām ir informācijas sistēmu attīstības sekas. Datu bāzes tiek izmantotas datu glabāšanai, un zināšanu bāzes tiek izmantotas zināšanu glabāšanai. Datu bāzes parasti glabā lielus datu apjomus ar salīdzinoši zemām izmaksām, savukārt zināšanu bāzes glabā nelielas, bet dārgas informācijas kopas.

  Zināšanu bāze ir zināšanu kopums, kas aprakstīts, izmantojot izvēlēto tās prezentācijas formu. Zināšanu bāzes aizpildīšana ir viens no grūtākajiem uzdevumiem, kas saistīts ar zināšanu atlasi, formalizēšanu un interpretāciju.

  Ekspertu sistēma sastāv no:

  zināšanu bāze (kā daļa no darba atmiņas un noteikumu bāzes), kas paredzēta sākotnējo un starpposma faktu glabāšanai darba atmiņā (saukta arī par datu bāzi) un modeļu un noteikumu glabāšanai manipulācijām ar modeļiem noteikumu bāzē

  problēmu risinātājs (tulks), kas nodrošina noteikumu secības ieviešanu konkrētas problēmas risināšanai, pamatojoties uz faktiem un noteikumiem, kas glabājas datu bāzēs un zināšanu bāzēs

  skaidrojumu apakšsistēma ļauj lietotājam saņemt atbildes uz jautājumu: "Kāpēc sistēma pieņēma šādu lēmumu?"

  zināšanu apguves apakšsistēma, kas paredzēta gan jaunu noteikumu pievienošanai zināšanu bāzei, gan esošo noteikumu modificēšanai.

  lietotāja interfeiss, programmu kopums, kas realizē lietotāja dialogu ar sistēmu informācijas ievadīšanas un rezultātu iegūšanas stadijā.

  Ekspertu sistēmas atšķiras no tradicionālajām datu apstrādes sistēmām ar to, ka tās parasti izmanto simbolisku attēlojumu, simboliskus secinājumus un heiristisku risinājumu meklēšanu. Slikti formalizējamu vai neformalizējamu problēmu risināšanai daudzsološāki ir neironu tīkli vai neirodatori.

  Neironodatoru pamatu veido neironu tīkli - hierarhiski organizēti adaptīvo elementu - neironu paralēlie savienojumi, kas nodrošina mijiedarbību ar reālās pasaules objektiem tāpat kā bioloģiskā nervu sistēma.

  Lieli panākumi neironu tīklu izmantošanā gūti pašmācības ekspertu sistēmu izveidē. Tīkls ir konfigurēts, t.i. trenēties, izlaižot caur to visus zināmos risinājumus un izejā panākot vajadzīgās atbildes. Iestatīšana sastāv no neironu parametru izvēles. Bieži viņi izmanto specializētu apmācību programmu, kas apmāca tīklu. Pēc apmācības sistēma ir gatava darbam.

  Ja ekspertu sistēmā tās veidotāji iepriekš ielādē zināšanas noteiktā formā, tad neironu tīklos pat izstrādātājiem nav zināms, kā zināšanas veidojas savā struktūrā mācīšanās un pašmācības procesā, t.i. tīkls ir “melnā kaste”.

  Neirodatori kā mākslīgā intelekta sistēmas ir ļoti daudzsološi, un to attīstībā tos var bezgalīgi uzlabot. Pašlaik mākslīgā intelekta sistēmas ekspertu sistēmu un neironu tīklu veidā tiek plaši izmantotas finanšu un ekonomisko problēmu risināšanā.

  "