<< Предыдущая

стр. 23
(из 26 стр.)

ОГЛАВЛЕНИЕ

Следующая >>

К аппаратуре; программному обеспечению цена; стоимость сопровождения; оценка характеристики стоимости необходимой аппаратуры; оценка стоимости необходимого программного обеспечения

Количество приложений; список основных приложений

Описание использованных инструментальных средств; качество документации; обучающие курсы; on-line помощь; руководства по использованию; возможность модульного использования; возможность добавления новых знаний

Как следует из приведенной таксономии, идентификация дает информацию об онтологии, как таковой, ее разработчиках и дистрибьюторах; описание — общую информацию, аннотацию онтологии, некоторые детали проектирования и реализации, требования к аппаратуре и программному обеспечению, ценовые характеристики и перечень применений; функциональность,— представление о том, как использовать онтологию в приложениях.
При решении задачи разработки ссылочной онтологии авторы (ONTO)2 использовали уже обсуждавшуюся выше технологию METHONTOLOGY и инструментарий ODE [Blazquez et al., 1998]. При этом, в соответствии с общими тенденциями по созданию разделяемых онтологии и, по-видимому, в силу того, что один из авторов обсуждаемой работы (Gomez-Perez) является провайдер-агентом международного проекта по построению разделяемых баз знаний [Benjamins et al., 1998], Reference Ontology была «имплантирована» в онтологию Product инициативы (КА)2.
В качестве источников знаний для построения ссылочной онтологии была использована уже обсуждавшаяся таксономия свойств, концептуальная модель (КА)2 и свойства, выделенные в рамках разработки онтологии исследовательских тем (Research-Topic) инициативы (КА)2. Критерии, которые применялись при имплантации ссылочной онтологии в онтологию (КА)2, — следующие:
• модульность (онтология должна была быть модульной, чтобы обеспечить гибкость и различные варианты использования);
• специализация (концепты определялись таким образом, чтобы обеспечить их классификацию по общим свойствам и гарантировать наследование таких свойств);
• разнообразие (знания представлялись в онтологии таким образом, чтобы использовать преимущества множественного наследования и облегчить добавление новых концептов);
• минимизация семантических расстояний (аналогичные концепты группировались и представлялись как подклассы одного класса на базе одних и тех же примитивов);
• максимизация связей между таксономиями;
• стандартизация имен (везде, где это было возможно, для именования отношений использовалась конкатенация имен концептов, которые ими связывались).
Анализ концептуальной модели (КА)2 онтологии с точки зрения перечисленных выше критериев и ссылочной онтологии показал, что:
• некоторые важные классы отсутствуют (например, классы Server и Languages, которые должны быть подклассами класса Computer-Support в онтологии Product);
• некоторые важные отношения опущены (например, отношение Distributed-by между понятиями продукта и организации);
• некоторые важные свойства не представлены (например, Research-Topic-Web-pages, Type-of-Ontology и некоторые другие).
Поэтому был проведен реинжиниринг (КА)2 онтологии, который позволил расширить ее новыми концептами, отношениями и свойствами, с одной стороны, и специализировать уже представленные знания таким образом, чтобы использовать их для сравнения различных онтологии.
Для реализации интеллектуальных WWW-брокеров поиска онтологии была предложена архитектура Onto Agent, представленная на рис. 9.11.



Рис. 9.11. Архитектура OntoAgent

В рамках данной архитектуры выделяются брокер построения модели предметной области (Domain Model Builder Broker) и WWW-брокер поиска модели (WWW Domain Model Retrieval Broker).
Первый из них ориентирован на формирование концептуальной структуры онтологии, которые будут в поле зрения будущей экспертизы. Этот модуль включает:
• Коллекционера онтологической информации (Ontology Information Collector) — WWW-интерфейс, ориентированный на сбор информации от распределенных по сети агентов (программных агентов и собственно пользователей).
• Концептуализатора экземпляров (An Instance Conceptualizer) — преобразователь данных от WWW-интерфейса в экземпляр онтологии, специфицированный на уровне формализма представления знаний.
• Генератора/Транслятора онтологии (Ontology Generator/Translator) — компоненты отображения концептуального представления онтологии на целевые языки реализации, что обеспечивает доступ к ним из удаленных приложений.
Целью второго модуля является обеспечение доступа к накопленной информации и представление ее наилучшим для пользователя образом. Этот модуль включает:
• Формирователя запросов (A Query Builder) — компоненту построения запросов с использованием словаря брокера и при необходимости переформулирования и/или уточнения запросов пользователя.
• Транслятор запросов (A Query Translator) — преобразователя запроса в представление, совместимое с языком реализации онтологии.
• Машину вывода (An Inference Engine) — блок поиска ответа на запрос.
• Формирователя ответов (An Answer Builder) — компоненту, которая служит для представления информации, найденной машиной вывода.
По сути дела, рассмотренные выше компоненты составляют технологию построения WWW-брокеров для поиска информации на основе онтологии. А примером ее использования является интеллектуальный (ONTO)2 агент. Его брокер построения модели предметной области работает со ссылочной онтологией, а входной запрос строится как соответствующая HTML-форма. Брокер поиска ответов реализован в настоящее время как Java-апплет и как автономное Java-приложение. Результаты поиска онтологии, удовлетворяющих запросу, возвращаются пользователю в виде HTML-формы.
Оценивая представленный подход в целом, можно отметить, что он хорошо коррелирует по своим идеям и целям с уже обсуждавшейся системой Ontobroker. Однако в случае (ONTO)2 агента для хранения формализации онтологии используется база данных, а для поиска — стандартные средства на основе SQL. Самостоятельную ценность данного проекта представляет ссылочная онтология, которая может использоваться не только для целей поиска, но и для стандартизации описаний онтологии вообще.
Все вышесказанное показывает, что использование агентов и особенно интеллектуальных агентов при сборе, поиске и анализе информации имеет ряд преимуществ, основные из которых сводятся к следующему [Pagina H., 1996]:
• они могут обеспечить пользователю доступ ко всем Интернет-сервисам и сетевым протоколам;
• отдельный агент может быть занят одной или несколькими задачами параллельно;
• преимущества агентов в том, что они могут осуществлять поиск по заданию пользователя после его отключения от сети;
• мобильность (если она присутствует) позволяет агентам искать информацию сразу на сервере, что увеличивает скорость и точность поиска, уменьшая загрузку сети;
• они могут создавать собственную базу информационных ресурсов, которая обновляется и расширяется с каждым поиском;
• возможность агентов сотрудничать друг с другом позволяет использовать накопленный опыт;
• агенты могут использовать модель пользователя для корректировки и уточнения запросов;
• они могут адаптироваться под предпочтения и желания пользователя и, изучив их, искать полезную информацию заранее;
• агенты способны искать информацию, учитывая контекст. Они могут вывести этот контекст из запроса, например, построив модель мира пользователя;
• агенты могут искать информацию интеллектуально, например, используя словари, тезаурусы и онтологии, а также средства вывода релевантной информации, не представленной явно ни в запросе, ни в найденных документах.
Именно поэтому с применением и развитием агентных технологий на основе методов и средств искусственного интеллекта связываются самые серьезные перспективы перехода от пространств данных к пространствам знаний в глобальных и локальных сетях.





































Заключение

Итак, уважаемый читатель, вы завершаете чтение книги по базам знаний интеллектуальных систем. Авторы отдают себе отчет в том, что за ее рамками остались целые континенты планеты Искусственный Интеллект, которые еще ждут своих исследователей, толкователей, методистов и, конечно, читателей. Но дорогу осилит идущий... И, наверное, именно это, а также понимание, что в данный момент в нашей стране практически нет литературы, которая не то чтобы закрыла тему, но хотя бы зафиксировала полученные в одном из ее важнейших разделов результаты, подвигло нас на работу по написанию этой книги.
Материал данного учебника показывает, что в настоящее время в области баз знаний интеллектуальных систем уже имеется серьезный теоретический базис, существует достаточно широкий спектр соответствующих методов и технологий разработки. Многие из них поддержаны адекватным программным инструментарием. И основная цель авторов была в том, чтобы сделать эту информацию достоянием читателей. Понятно, что в силу многих причин, в частности ограничений на объем издания, дать полномасштабное и логически замкнутое описание теории, методов проектирования и средств реализации баз знаний, а также соответствующих систем, основанных на знаниях, в одной книге практически невозможно. Отчасти поэтому список рекомендованной литературы у нас значительно шире, чем это обычно бывает в учебниках. Кроме того, в списке литературы достаточно много ссылок на релевантные тематике Интернет-ресурсы, что, по нашему мнению, должно привить читателю вкус к самостоятельному плаванию в океанах уже (или еще) доступной в сети информации.
Вместе с тем, авторы надеются, что читатели этой книги не будут воспринимать представленные в ней материалы как истину в последней инстанции, но будут относиться к ним творчески, а иногда и критически. Ведь не секрет, что для построения и использования баз знаний, на которых основываются современные интеллектуальные системы, требуются исследовательские коллективы, работающие вместе долго и имеющие опыт разработки такого рода систем. Для получения действительно хороших результатов необходимы дорогостоящие людские и материальные ресурсы — специалисты, лицензионные инструментарии, документация. Кроме того, разработка их достаточно трудоемкий (годы) и дорогостоящий (десятки, если не сотни тыс. долларов) процесс. Вот почему в настоящее время действующие интеллектуальные системы ориентированы в основном на поддержку работы постоянно работающих групп пользователей для достаточно специализированных задач. Следует отметить и то, что в настоящее время почти нет действительно интеллектуальных систем, удобных для работы широкого круга пользователей в сети Интернет.
Таким образом, разработка теории, методов и технологий представления и использования знаний остается актуальной задачей для дальнейшего развития интеллектуальных систем. Особую актуальность, по нашему мнению, приобретают на современном этапе развития науки и общества в целом Интернет-ориентированные технологии и распределенный искусственный интеллект. Уже сейчас ясно, что применение систем, основанных на знаниях, компонентом которых являются, например, онтологии, а реализация базируется на мультиагентных технологиях, должно привести к рассмотрению и использованию Всемирной паутины как организованного и структурированного пространства знаний.
И в заключение, авторы надеются, что их собственный скромный вклад в методологию, технологию и программные средства создания баз знаний, также отраженный в данной книге, позволит молодым специалистам в области искусственного интеллекта пойти дальше по тернистому пути этой молодой науки, которой так хочется стать индустрией!



































Литература

1. Агеев В. Н., 1994. Примеры гипертекстовых и гипермедиа систем (обзор) // Компьютерные технологии в высшем образовании: Сб. статей. М.: Изд-во МГУ. С.225-229.
2. Аверкин А. Н., Батыршин И. 3., Блишун А. Ф., Силов В. Б., Тарасов В. Б., 1986. Нечеткие множества в моделях управления и искусственного интеллекта // Под ред. Д. А. Доспелова. М.: Наука
3. Алахвердов В. М., 1986. Когнитивные стили в контурах процесса познания. Когнитивные стили // Под ред. В. Колги. — Таллинн. С. 12-23.
4. Александров Е. А., 1975. Основы теории эвристических решений. М.: Наука.
5. Алексеева И. А., Воинов А. В., Сейсян А. Р., Эткинд А. М., 1989. Психосемантическая реконструкция картины мира подростков, употреблявших токсические вещества // Сб. Конструктивная психология — новое направление развития психологической науки. Под ред. А. Г. Копытова. Красноярский гос. ун-т. С. 36-41.
6. Алексеевская М. А., Недоступ А. В., 1988. Диагностические игры в медицинских задачах. Вопросы кибернетики // Задачи медицинской диагностики и прогнозирования с точки зрения врача. № 112. С. 128-139.
7. Амамия М., Танака Ю., 1993. Архитектура ЭВМ и ИИ. М.: Мир.
8. Анастази А., 1982. Психологическое тестирование. Т. 1. М. С. 96-162.
9. Андриенко Г. Л., Андриенко Н. В., 1992. Игровые процедуры сопоставления в инженерии знаний // Сборник трудов III конференции по искусственному интеллекту. Тверь. С. 93-96.
10. Аншаков О. М., Скворцов Д. П., Финн Д. К., 1986. Логические средства экспертных систем типа ДСМ // Семиотика и информатика. Вып. 28. С. 5-15.
11. Апресян Ю. Д., 1977. Экспериментальное исследование семантики русского языка. М.: Наука.
12. Апресян Ю.Д., 1974. Лексическая семантика. Семиотические средства языка. М.: Наука.
13. Арбиб М., 1975. Алгебраическая теория автоматов. М.: Статистика.
14. Аткинсон Р., 1980. Человеческая память и процесс обучения // Пер. с англ. М.: Прогресс.
15. Байдун В. В., Бунин А. И., 1990. Средства представления и обработки знаний в системе FRL/PS // Всесоюзная конференция по искусственному интеллекту: тез. докл. Т. 1. Минск. С. 66-71..
16. Бахтин М. М., 1975. Вопросы литературы и эстетики: Исследования разных лет. М.: Художественная литература.
17. Белнап Н., Стил Т., 1981. Логика вопросов и ответов. М.: Прогресс.
18. Берков В. Ф., 1972. Вопрос как форма мысли. Минск, Изд-во БГУ.
19. Берн Э., 1988. Игры, в которые играют люди. Люди, которые играют в игры// Пер. с англ. М.: Прогресс.
20. Бойкачев К. К., Конева И. Г., Новик И. 3., 1994. «Сценарий» — инструмент визуальной разработки компьютерных программ // Компьютерные технологии в высшем образовании: Сб. статей. М.: Изд-во МГУ. С. 167-178.
21. Борисов А. Н., Федоров И. П., Архипов И. Ф., 1991. Приобретение знаний для интеллектуальных систем. Рижский технический университет.
22. Борисова Н. В., Соловьева А. А. и др., 1988. Деловая игра «Методика конструирования деловой игры». М.: ИПКИР.
23. Брунер Дж., 1971. Исследование развития познавательной деятельности // Пер. с англ. М.: Педагогика.
24. Бурков В. И. и др., 1980. Деловые игры в принятии управленческих решений. М.: МИСИС.
25. Брукс Ф. П., 1979. Как проектируются и создаются программные комплексы. Мифический человеко-месяц: очерки по системному программированию. М.: Наука.
26. Буч Г., 1992. Объектно-ориентированное проектирование с примерами применения. М.: Конкорд.
27. Веккер Л. М., 1976. Психические процессы // В 3-х томах. Т. 2. Л.: ЛГУ.
28. Величковский Б. М., 1982. Современная когнитивная психология. М.: МГУ.
29. Величковский Б. М., Капица М. С., 1987. Психологические проблемы изучения интеллекта // Интеллектуальные процессы и их моделирование. М.: Наука. С. 120-141.
30. Вертгеймер М., 1987. Продуктивное мышление // Пер с нем. М.: Прогресс.
31. Винер Н., 1958. Кибернетика или управление и связь в животном и машине. М.: Сов. радио.
32. Виноград Т., 1976. Программа, понимающая естественный язык // Пер. с англ. М.: Мир.
33. Воинов А., Гаврилова Т., 1994. Инженерия знаний и психосемантика: Об одном подходе к выявлению глубинных знаний // Известия РАН Техническая кибернетика. № 5. С. 5-13
34. Волков А. М., Ломнев B.C., 1989. Классификация способов извлечения опыта экспертов // Известия АН СССР. Техническая кибернетика. № 5. С. 34-45.
35. Вольфенгаген В. Э., Воскресенская О. В., Горбанев Ю. Г., 1979. Система представления знаний с использованием семантических сетей // Вопросы кибернетики: Интеллектуальные банки данных. М.: АН СССР. С. 49-69.
36. Гаврилова Т. А., 1984. Представление знаний в экспертной диагностической системе АВТАНТЕСТ // Изв. АН СССР. Техническая кибернетика. № 5. С.165-173.
37. Гаврилова Т. А., 1988. Как стать инженером по знаниям // Доклад на Всесоюзной конференции по искусственному интеллекту. М.: ВИНИТИ. С. 332-338.
38. Гаврилова Т. А., Минкова С. П., Карапетян Г. С., 1988. Экспертные системы для оценки качества деятельности летного состава // Тез. докладов научно-практической школы-семинара «Программное обеспечение и индустриальная технология интеллектуализации разработки и применения ЭВМ». — Ростов н/Д, ВНИИПС. С. 23-25. '
39. Гаврилова Т. А., Червинская К. Р., Яшин А. М., 1988. Формирование поля знаний на примере психодиагностики // Техническая кибернетика. № 5. С. 72-85.
40. Гаврилова Т. А., 1989. От поля знаний к базе знаний через формализацию // Статья в сб. «Представление знаний в экспертных системах». Л.: ЛИИАН. С. 16-24.
41. Гаврилова Т. А., 1989. Подготовка коллектива разработчиков экспертной системы // Доклад на школе-семинаре «Проблемы применения ЭС в народном хозяйстве». Кишинев. С. 59-62.
42. Гаврилова Т. А., Тишкин А. И., Золотарев А. Ю., 1989. МИКРОЛЮШЕР: экспертная система интерпретации данных // Доклад на школе-семинаре «Проблемы применения ЭС в народном хозяйстве». Кишинев. С. 17-23.
43. Гаврилова Т. А., Красовская М. Р., 1991. О концептуальном анализе знаний при разработке экспертных систем // Доклад на Всесоюзной научно-практической конференции «Гибридные интеллектуальные системы». Ростов н/Д. С.110-113.
44. Гаврилова Т. А., 1922. Спецификация знаний через структурирование: введение в САКЕ-технологию // Сборник трудов III конференции по искусственному интеллекту. Т. 2. Тверь. С. 113-116.
45. Гаврилова Т. А., Червинская К. Р., 1992. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь.
46. Гаврилова Т. А., 1995. Объектно-структурная методология концептуального анализа знаний и технология автоматизированного проектирования баз знаний // Труды Междунар. конф. «Знания — диалог-решение 95». Т. 1. Ялта. С. 9.
47.Гаврилова Т. А., Котова Е. Е., Писарев А. С., 1999. Активные схемы как инструмент семантического анализа // Труды международного семинара «ДИАЛОГ 99». Таруса. С. 26-27.
48. Гаврилова Т. А., Лещева И. А., 1999. ВИКОНТ: Визуальный Конструктор ОНТологий для структурирования семантической информации // Труды Первой Всероссийской научной конференции «Электронные библиотеки: перспективные методы и технологии, электронные коллекции». СПб. С. 97-98.
49. Гаек П., Гавранек Т., 1983. Автоматическое образование гипотез: математические основы общей теории // Пер. с англ. М.: Наука.
50. Гельфанд И. И., Розенфельд Б. И., Шифрин М. А. Структурная организация данных в задачах медицинской диагностики и прогнозирования // Вопросы кибернетики. Задачи медицинской диагностики и прогнозирования с точки зрения врача. М.: АН СССР. С. 5-64.
51. Гиг Дж., ван., 1981. Прикладная общая теория систем // В 2-х кн. М.: Мир.
52. Гинкул Г. П., 1989. Игровой подход к приобретению знаний и его реализация в системе КАПРИЗ // Проблемы применения экспертных систем в народном хозяйстве: тез. докл. респ. школы-семинара. Кишинев. С.71-74.
53. Гладун В. П., 1994. Процессы формирования новых знаний. София.
54. Глушков В. М., 1964. Введение в кибернетику. Киев: Издательство АН УССР.
55. Гордон Д., 1987. Терапевтические метафоры // Личная рукопись М. М. Кагана.
56. Горелов И. Н., 1987. Разговор с компьютером. М.: Наука.
57. Городецкий В. И., Грушинский М. С., Хабалов А.В., 1988. Многоагентные системы (обзор) // Новости искусственного интеллекта. № 2.
58. Грисуолд Р., Поудж Дж., Полонски И., 1980. Язык программирования СНО-БОЛ-4. М.: Мир.
59. Гусакова С. М., Финн В. К., 1987. Сходства и правдоподобный вывод // Известия АН СССР. Техническая кибернетика. № 5. С. 42-63.
60. Дэйвисон, 1988. Многомерное шкалирование. Методы наглядного представления данных. — М.: Финансы и статистика.
61. Дюран Б., Оделл П., 1977. Кластерный анализ // Пер. с франц. М.: Статистика.
62. Епифанов М. Е., 1984. Индуктивное обобщение в ассоциативных сетях // Известия АН СССР. Техническая кибернетика. № 5. С. 132-146.
63. Жинкин Н. И., 1982. Речь как проводник информации. М.: Наука.
64. Заде Л., 1972. Лингвистическая переменная. М.: Физматгиз.
65. Зарипов Р. X., 1983. Машинный поиск вариантов при моделировании творческого процесса. М.: Наука.
66. Зенкин А. А., 1991. Основы когнитивной компьютерной графики. М.: Наука
67. Иберла К., 1980. Факторный анализ // Пер. с нем. М.: Статистика.
68. Иванов П. И., 1986. Влияние некоторых индивидуально-психологических особенностей на процесс обобщения // Автореферат дис. канд. психол. наук. М.
69. Ивахненко Г. И., 1971. Системы эвристической самоорганизации в технической кибернетике. Киев, Техтка.
70. Йодан Э., 1979. Структурное проектирование и конструирование программ // Пер. с англ. М.: Мир.
71. Каган М. С., 1988. Мир общения: проблема межсубъектных отношений. М.: Политиздат.
72. Капица П. Л., 1967. Приглашение к спору // Юность. - № 1. С. 79-82.
73. Келасьев В. И., 1984. Структурная модель мышления. Л.: ЛГУ.
74. Кирсанов Б. С., Попов Э. В., 1990. Отечественные оболочки экспертных систем // Справочник по искусственному интеллекту. Т. 1 М.: Радио и связь. С. 369-388.
75. Климов Анд. В., Романенко С. А., 1987. Система программирования РЕФАЛ-2 для ЕС ЭВМ. Описание входного языка // Препринт ИПМ АН СССР. М.
76. Ковригин О.В., Перфильев К. Г, 1988. Гибридные средства представления знаний в системе СПЭИС // Всесоюзная конференция по искусственному интеллекту: тез. докл. Т. 2. Переславль-Залесский. С. 490-494.
77. Комаров В. Ф., 1989. Управленческие имитационные игры. Новосибирск: Наука.
78. Коов М. И., Мацкин М. Б., Тыугу Э.Х., 1988. Интеграция концептуальных и экспертных знаний в САПР // Известия АН СССР. Техническая кибернетика. № 5. С. 108-118.
79. Коршунов А. М., Манталов В. В., 1988. Диалектика социального познания. М.: Политиздат.
80. Кузичева 3. А., 1987. Языки науки, языки логики, естественные языки // Логика научного познания. Актуальные проблемы. М.: Наука. С. 57-73.
81. Кузнецов В. Е., 1989. Представление в ЭВМ неформальных процедур. М.: Наука.
82. Кук Н. М., Макдональд Дж., 1986. Формальная методология приобретения и представления экспертных знаний // ТИИЭР. Т. 74, № 10. С.145-155.
83. Кулюткин Ю. И., Сухобская Г. С., 1971. Индивидуальные различия в мыслительной деятельности взрослых учащихся. М.: Педагогика.
84. Лазарева Т. К., Пашинин Н. Д., 1987. Деловые имитационные игры в экспертных системах // Деловые игры и их программное обеспечение: тез. докл. Пу-щино. С. 63-64.
85. Ларичев О. И., Мечитов А. И., Мошкович Е. И., Фуремс Е. М., 1989. Выявление экспертных знаний. М.: Наука.
86. Лимантов Ф. С., 1971. О природе вопроса // Вопрос. Мнение. Человек. Уч. записки ЛГПИ им. Герцена. Т. 497. С. 4-20.
87. Липаев В. В., Серебровский Л. А., Галаганов П. Г. и др., 1983. Технология проектирования комплексов программ АСУ. М.: Радио и связь.
88. Лунева О. В., Хорошилова Е. А., 1987. Психология делового общения. М.: ВКШ при ЦК ВЛКСМ.
89. Любич Д. Л., 1998. 1000 афоризмов. СПб:, Издательство Буковского.
90. Макалистер Дж., 1990. Искусственный интеллект и ПРОЛОГ на микроЭВМ. М.: Машиностроение.
91. Мальковский М. Г., 1985. Диалог с системой искусственного интеллекта. М.: МГУ.
92. Мартынов В. В., 1977. Универсальный семантический код. Минск: Наука и техника.
93. Маслов С. Ю., 1986. Теория дедуктивных систем и ее применение. М.: Радио и связь.
94. Материалисты древней Греции, 1955. Собрание текстов Гераклита, Демокрита и Эпикура.: М.: Политиздат.
95. Мельчук И. А., 1974. Опыт теории лингвистических моделей «Смысл-Текст». Семантика, синтаксис. М.: Наука.
96. Месарович М., Такахара Я., 1978. Общая теория систем: математические основы. М.: Мир.
97. Микулич Л. И., 1990. Промышленная технология создания систем, основанных на заниях // В сб.: Экспертные системы на персональных компьютерах. М.: МДНТП им. Ф. Э. Дзержинского.
98. Миллс X., 1970. Программирование больших систем по принципу сверху вниз // В книге: Средства отладки больших систем. М.: Статистика.
99. Минский М.: 1979. Фреймы для представления знаний. М.: Энергия.
100. Мицич П. П., 1987. Как проводить деловые беседы. М.: Экономика.
101. Моисеев Н. Н., 1981. Математические задачи системного анализа. М.: Наука.
102. Молокова О. С., 1992. Методология анализа предметных знаний // Новости искусственного интеллекта. № 3. С. 11-60.
103. Молокова О. С., Уварова Т. Г., 1989. База знаний для разработчиков экспертных систем // Тез. доклада Всесоюзного научно-технического семинара «Программное обеспечение новых информационных технологий». Калинин. С. 23-28.
104. Моргоев В. К., 1988. Метод структурирования и извлечения экспертных знаний: имитация консультаций. Человеко-машинные процедуры принятия решений. М.: ВНИИСИ. С. 44-57.
105. Немов Р. С., 1984. Социально-психологический анализ эффективной деятельности коллектива. М.: Педагогика.
106. Николов С. А. и др., 1990. Анализ состояния и тенденции развития информатики. Проблемы создания экспертных систем // Исследовательский отчет. Под ред. С. А. Николова. София: Интерпрограмма.
107. Норенков И. П., 1986. Введение в автоматизированное проектирование технических устройств и систем. М.: Высшая школа.
108. Нортон П., Станек У., 1998. Программирование на Java // В 2-х кн. СКПресс.
109. Ноэль Э., 1978. Массовые опросы // Пер. с нем. М.: Прогресс.
110. Обозов И. И., 1986. Психологическая культура взаимных отношений. М.: Знание.
111. Окунь Я., 1974. Факторный анализ. М.: Статистика.
112. Орехов А. И., 1985. Формирование приемов эффективного решения творческих задач // Автореферат дис. канд. психол. наук. М.
113. Орлик С., 1997. Многоуровневые модели в архитектуре клиент-сервер, http:// www.citforum.ru/database/osbd/glava_95.shtml.
114. Орловский С. А., 1981. Проблемы принятия решения при нечеткой исходной информации. М., Наука.
115. Осипов Г. С., 1988. Метод формирования и структурирования модели знаний для одного типа предметных областей // Известия АН СССР. Техническая кибернетика. № 2. С. 3-12.
116. Осипов Г. С., 1989. Принципы прямого приобретения знаний // Сборник трудов Второго международного семинара «Теория и применение искусственного интеллекта». Созополь. С. 56-59.
117. Осипов Г. С., 1993. Информационные технологии, основанные на знаниях // Ж. Новости искусственного интеллекта. №1. С. 7-41.
118. Осипов Г. С., 1997. Приобретение знаний интеллектуальными системами. М.: Наука.
119. Осуга С., Саэки Ю. (ред.), 1990. Приобретение знаний. М.: Мир.
120. Петренко В. Ф., 1983. Введение в экспериментальную психосемантику: исследование форм репрезентации в обыденном сознании. М.: МГУ.
121. Петренко В. Ф., 1988. Психосемантика сознания. М.: Издательство МГУ.
122. Петров А. В. ( ред.), 1991. Разработка САПР // В 10 кн. Т. 4. М.: Высшая школа.
123. Пильщиков В. Н„ 1983. Язык ПЛЭНЕР. М.: Наука.
124. Погосян Г. А., 1985. Метод интервью и достоверность социологической информации. Ереван, АН Арм. ССР.
125. Пономарева С. М., Хорошевский В. Ф., 1999. Методы и модели коммуникации в профессиональных группах и группах интеллектуальных агентов // В сб. трудов 4-го международного семинара по прикладной семиотике, семиотическому и интеллектуальному управлению ASC/IC'99. M.
126. Попов Э. В., Фоминых И. Б., Кисель Е. Б., Шапот М. Д., 1996. Статические и динамические экспертные системы. М.: Финансы и статистика.
127. Попов Э. В. (ред), 1996. Динамические интеллектуальные системы в управлении и моделировании. М.: МИФИ.
128. Попов Э. В., 1982. Общение с ЭВМ на естественном языке. М.: Наука.
129. Попов Э.В., 1987. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.: Наука.
130. Попов Э. В., 1988. Экспертные системы. М.: Наука.
131. Попов Э. В., 1991. Экспертные системы 90-х гг. Классификация, состояние, проблемы, тенденции // Новости искусственного интеллекта. № 2. С. 84-101.
132. Поспелов Д. А., 1989. Моделирование рассуждений. Опыт анализа мыслительных актов. М.: Радио и связь.
133. Поспелов Д. А., 1986. Искусственный интеллект: фантазия или наука? М.: Радио и связь.
134. Поспелов Д. А., 1986. Ситуационное управление: Теория и практика. М.: Наука.
135. Поспелов Д. А., 1998. Многоагентные системы — настоящее и будущее // Информационные технологии и вычислительные системы. № 1.
136. Поспелов Д. А., 1997. Три шага на пути к официальному признанию // Новости искусственного интеллекта. № 1. С. 99-115.
137. Похилько В. И., Страхов Н.Н., 1990. Система KELLY. M.: МГУ; МП «Гуманитарные технологии» (на магнитном носителе).
138. Пэранек Г. В., 1991. Распределенный искусственный интеллект // В кн.: Искусственный интеллект: применение в интегрированных производственных системах, Э. Кьюсиак (ред.). М.: Машиностроение.
139. Ребельский И. В., 1989. Азбука умственного труда // ЭКО. №7. С. 43-150.

<< Предыдущая

стр. 23
(из 26 стр.)

ОГЛАВЛЕНИЕ

Следующая >>