ВІКІСТОРІНКА
Навигация:
Інформатика
Історія
Автоматизація
Адміністрування
Антропологія
Архітектура
Біологія
Будівництво
Бухгалтерія
Військова наука
Виробництво
Географія
Геологія
Господарство
Демографія
Екологія
Економіка
Електроніка
Енергетика
Журналістика
Кінематографія
Комп'ютеризація
Креслення
Кулінарія
Культура
Культура
Лінгвістика
Література
Лексикологія
Логіка
Маркетинг
Математика
Медицина
Менеджмент
Металургія
Метрологія
Мистецтво
Музика
Наукознавство
Освіта
Охорона Праці
Підприємництво
Педагогіка
Поліграфія
Право
Приладобудування
Програмування
Психологія
Радіозв'язок
Релігія
Риторика
Соціологія
Спорт
Стандартизація
Статистика
Технології
Торгівля
Транспорт
Фізіологія
Фізика
Філософія
Фінанси
Фармакологія


Створення властивостей і присвоєння їх класам

Для створення нової властивості використовується закладка „Properties” головного вікна програми (рис. 7.18).

Як і попереднє, вікно створення властивостей складається із двох частин — Списку властивостей (Property Browser) та Редактора властивостей (Property Editor). У вікні Списку властивостей відображаються всі створені властивості, а за допомогою клавіш керування, розташованих у верхній час­тині цього вікна, є можливість створювати нові (рис. 7.19).

Так, для додавання нової властивості в онтологію, залежно від її типу, необхідно натиснути відповідну клавішу, після чого у вікнах редактора властивостей ввести її назву, опис, ко­ментар та діапазон можливих значень. Для вибору характе­ристики властивості (функціональна, обернено- функціональ­на, транзитивна, симетрична) треба поставити галочку навпроти відповідної характеристики в нижньому правому куті вікна. Зауважимо, що при створенні властивості типу да­них в ній не можна задати характеристики транзитивності, си­метрії та інверсії. У випадку необхідності введення інверсії для об’єктної властивості використовується вікно введення інверсії (рис. 7.20), в якому за допомогою керівних клавіш додаємо або видаляємо інверсію до вибраної властивості.

Рис. 7.18. Вікно створення властивостей.

Рис. 7.19. Клавіші керування властивостями.

Присвоєння властивості певному класу відбувається у вік­ні класів (Domain U) на закладці «Properties», в якому вка­зується перший клас, до якого належить ця властивість (рис. 7.18). Згідно із принципом успадкування така влас­тивість присвоюється всім підкласам цього класу. При натис­канні клавіш «Create named class...» або «Add named class(es)» можна, відповідно, створити новий або додати наявний клас до списку. За допомогою клавіш «Remove selected class(es) from Domain» вибрані класи видаляться зі списку.

Рис. 7.20. Вікно інверсії властивостей.

Також для кожної властивості можна задати діапазон об’єктів або значень, з якими вона буде зв’язувати клас, до якого ця властивість належить. Так, у випадку, якщо деякий клас має об’єктну властивість, то можна задати клас (або кла­си), об’єкти якого (яких) будуть зв’язані цією властивістю з об’єктами цього класу. Для цього використовується вікно діапазону значень (рис. 7.21а). За допомогою керівних клавіш створюються нові або додаються з ієрархії класів ті класи, об’єкти яких будуть зв’язані такою властивістю. Так, наприклад, якщо ми в цьому вікні для деякої об’єктної влас­тивості виберемо клас «Сталь», то вона буде зв’язувати об’єкти класу, до якого вона належить, тільки з об’єктами класу «Сталь». У випадку властивостей типу даних у вікні діапазону значень вказуються дозволені значення та їх тип, які може приймати ця властивість. Наприклад, значення деякої власти­вості, що описує певний клас, має бути 10 000 або 0 (рис. 7.21б).

а б
Рис. 7.21. Застосування діапазону значень властивостей.

В OWL властивості можуть мати свої підвластивості, таким чином можна також будувати ієрархію властивостей (підвластивість до вибраної властивості створюється за допомогою відповідної клавіші керування (рис. 7.19)). При цьому супер-властивість до вибраної підвластивості виводиться у вікні «Super Properties» (рис. 7.18).

Властивості вибраному класу можна присвоювати також безпосередньо з вікна створення класів. Для цього у вікні переліку властивостей (Properties) вибраного класу (рис. 7.10) існують відповідні клавіші керування, при натис­канні яких відкривається вікно редактора властивостей (Property Editor), де задаються параметри властивості.

Опис та визначення класів

Після того, як було введено певну кількість класів та влас­тивостей, ми можемо використовувати ці властивості для опису та визначення класів нашої онтології. Це робиться для встановлення зв’язків між об’єктами різних класів онтології.

В OWL властивості викорис­товуються для створення обмежень. Обмеження поділяються на три групи:

¨ кванторні обмеження;

¨ числові обмеження;

¨ обмеження типу «має_значення».

Для початку розглянемо кванторні обмеження. Цей тип обмежень складається із квантора, властивості та деякого кла­су об’єктів. У кванторних обмеженнях використовуються два квантори — квантор існування ($), котрий можна прочитати як «принаймні один» або «деякі», та універсальний квантор ("), котрий означає «тільки». Наприклад, вираз типу «$ Вико­ристовують Конструкційні сталі» складається із квантора існування ($), властивості «Використовують» та класу об’єктів «Конструкційні сталі» і визначає набір об’єктів або клас, які зв’язані та можуть використовувати об’єкти із класу «Конструкційні сталі». А вираз типу «" має_легаційний_елемент Чистийметал» визначає набір об’єктів або клас, всі елементи якого є зв’язаними з елементами класу «Чистий метал». Цей вираз застосований, наприклад, до класу «Леговані сталі», оз­начає, що всі об’єкти цього класу мають легаційні елементи, які відносяться до класу «Чисті метали».

Обмеження, присвоєні об’єктам деякого класу, виводяться у вікні умов (рис. 7.22), котре розташоване на закладці Ство­рення класів (OWL Classes) (рис. 7.10).

Вікно умов містить дві закладки — Введені Умови (Asserted) та Виведені Умови (Inferred). У вікні Asserted виво­диться список усіх введених умов та обмежень для вибраного класу. У свою чергу список умов розділений на дві частини: Necessary — список умов, що належать саме вибраному класу онтології; Inferred — в цій частині виводяться умови, при­своєні надкласам (суперкласам) до вибраного, які згідно із принципом успадкування присвоюються й об’єктам цього класу. У правій частині рядка зі списку Inferred можна поба­чити, до об’єктів якого надкласу була присвоєна ця умова. Як і більшість вікон Protégé, вікно умов має клавіші керування, за допомогою яких можна вводити вирази умов. Введення умов можливо здійснити двома способами: перший — натис­нувши на кнопку введення за допомогою рядкового редактора «Create New Expression». У цьому випадку весь вираз умови необхідно буде вводити вручну, що в більшості випадків є не­зручним. Другий спосіб введення умови дозволяє зробити це в окремому вікні, де є можливість вибрати потрібний квантор, властивість зі списку властивостей, потрібний клас об’єктів та додаткові символи, необхідні для формування виразу.

Рис. 7.22. Вікно умов (введення та редагування обмежень).

Для введення обмеження для деякого класу об’єктів в ок­ремому вікні треба у вікні ієрархії класів виділити потрібний клас, після чого у вікні умов натиснути клавішу «Create Restriction...». Далі у вікні (рис.7.22) у списку влас­тивостей виділити потрібну властивість (наприклад, «має_Домішку»), а у сусідньому віконечку — вибрати тип обмеження (наприклад, someValuesFrom). Після цього набрати в полі по­будови назву класу, об’єкти якого будуть зв’язані вибраною властивістю (наприклад, «Неметал»), або натиснути клавішу «Insert class» на панелі створення виразу і вибрати потрібний клас з ієрархії. За допомогою панелі створення виразу є мож­ливість створювати вирази, що містять логічні операції (об’єднання, перетин, логічне заперечення), булеві оператори та дужки. Після натискання клавіші «OK» вікно закриється і сформований вираз обмеження автоматично додасться до списку умов (рис. 7.23).

Числові обмеження. В OWL є можливість описати клас об’єктів, що мають не менш ніж, не більш ніж або чітко визна­чену кількість зв’язків між іншими об’єктами або даними. Обмеження, за допомогою яких встановлюються такі умови, називаються числовими (Cardinality restrictions). Тобто для певної властивості можна задати мінімальне, максимальне або визначене число зв’язків, якими вона буде зв’язана з об’єкта­ми деякого класу. Наприклад, за допомогою такої умови мож­на задати відсотковий вміст та максимальну кількість домішок у чистому металі, при якій цей метал ще можна вва­жати чистим (рис. 7.24). Принцип створення таких обмежень аналогічний до попереднього, тільки у цьому випадку для опису використовуються типи «Cardinality», «min Cardinality» і «max Cardinality», а в полі побудови виразу вказується певне число­ве значення.

Рис. 7.23. Вікно введення виразу обмежень.

Рис. 7.24. Приклад застосування числового обмеження для класу „Чисті метали”.

Обмеження типу «має значення». Ці обмеження познача­ються символом Î і визначають клас або набір об’єктів, що, ви­користовуючи деяку властивість, мають принаймні один зв’язок з конкретним об’єктом. Наприклад, вираз «має_Домішку з Сірка» (де «Сірка» — об’єкт класу «Неметали») визна­чає набір об’єктів (наприклад, металів), які можуть мати домішку саме сірки. Тобто, якщо попередніми обмеженнями ми зв’язували за допомогою властивостей один набір об’єктів (клас) з іншим набором (класом) або деякими даними, то в цьо­му випадку ми вказуємо конкретний об’єкт, який безпосе­редньо пов’язаний такою властивістю з деяким класом або на­бором об’єктів.

Механізм міркувань

Однією з важливих особливостей використання мови OWL при побудові онтологій є можливість опрацьовувати їх за допо­могою механізму міркувань (reasoner). Під опрацьовуван­ням онтології в такому випадку розуміється перевірка пра­вильності присвоєння підкласів певним класам, внаслідок чого автоматично формується виведена ієрархія класів онто­логії. У Protégé-OWL ієрархія класів, внесена вручну, нази­вається заявленою ієрархією, а вирахована механізмом мірку­вань — виведеною ієрархією. Також за допомогою механізму міркувань перевіряється логічна узгодженість (несуперечність) класів і підкласів онтології. На основі введених умов для кожного класу механізм міркувань дає можливість вста­новити, чи певні об’єкти (екземпляри) можуть належати вка­заним класам.

Використання механізму міркувань є особливо зручним при роботі з дуже великими онтологіями (декілька тисяч класів). При цьому виникає реальна необхідність автоматично визнача­ти і відслідковувати взаємозв’язки в ієрархії «клас — суперклас». У таких випадках без використання механізму мірку­вання надзвичайно важко підтримувати онтологію великих розмірів логічно узгодженою. Цей механізм забезпечує відповідність створеної онтології іншим онтологіям та приклад­ним програмам, а також мінімізує вплив людських помилок.

Для реалізації механізму міркувань у середовищі Protégé-OWL необхідно встановити і запустити додатковий модуль, зокрема, це може бути RACER, розроблений групою розроб­ників інструментів описової логіки (DIG — Description Logic Implementers Group). Цей модуль та інструкція з його встанов­лення доступні на сайті http://www.sts.tu-harburg.de/~r.f.-moeller/racer/.

Після того, як встановлено і налагоджено відповідний ме­ханізм міркувань, введену вручну онтологію можна «відісла­ти до механізму міркувань» для автоматичної класифікації та перевірки узгодженості. Це можливо здійснити, вибравши в головному меню програми пункт OWL, а в ньому — дію «Classify taxsonomy... » (рис. 7.25). Аналогічно, за допомогою дії «Check consistency...» перевіряється онтологія на супереч­ність. Ці дії також можна здійснити натисканням відповідних кнопок на панелі інструментів.

Рис. 7.25. OWL меню.

Коли виведена ієрархія обчислена, то вікно виведеної ієрархії відкриється поряд із вікном заявленої ієрархії під на­звою «Inferred Hierarchy». При цьому структура класів може значно відрізнятися від введеної вручну. Ця різниця буде зале­жати, в першу чергу, від умов, присвоєних певним класам та їх екземплярам. Деякі класи, внаслідок автоматичної кла­сифікації, можуть змінити свій суперклас. Тоді цей клас у ви­веденій ієрархії буде виділено синім кольором.

При виявленні суперечливого класу в онтології, він буде виділений у заявленій ієрархії червоним кольором. Це може бути у випадку, якщо попередньо було вказано, що об’єкти од­ного класу не можуть належати іншому класу (задається у вікні «Disjoint» (рис. 7.10). Тобто, якщо механізм міркувань виявив, що деякий підклас належить одночасно різним класам, що були розділені, то він виділить цей клас як суперечливий. Для видалення суперечності необхідно відміни­ти розділення між класами, в яких виникла ця суперечність, шляхом видалення суперечливого класу у вікні «Disjoint».

Введення екземплярів класів

Після того, як введено основні класи нашої онтології, ви­значено їх властивості та встановлено умови їх взаємозв’язку, для забезпечення конкретизації предметної області вводяться екземпляри (об’єкти) класів (рис. 7.26). Об’єкти вважаються найнижчим рівнем онтології, вони успадковують всі властивості класів, до яких вони належать. Прикладами об’єктів в онтології ма­теріалів можуть бути конкретні марки сталей або назви чис­тих металів (наприклад: Ст3, сталь 20, 15Х2МФА, мідь, залізо). У випадку, якщо об’єкт має під собою інші об’єкти, він автоматично стає класом.

Рис. 7.26. Вікно екземплярів.

Об’єкти в Protégé-OWL можна створювати і редагувати у вікні обєктів на закладці „Individuals” головного вікна програми (рис. 7.26).

Вікно екземплярів складається із трьох основних частин. Зліва розташоване вікно ієрархії класів онтології (Class Browser), в якому вибирається клас, екземпляр якого ство­рюється. При цьому навпроти кожного класу в дужках вка­зується кількість об’єктів, що належать саме цьому класу. При виділенні певного класу в центральному вікні (Instance Browser) виводиться список об’єктів, що належать такому класу. За допомогою клавіш керування, що розташовані над списком екземплярів, можна створити новий екземпляр у виділеному класі, скопіювати наявний екземпляр або видалити вибраний екземпляр зі списку. При виборі певного об’єкту зі списку або при створенні нового в крайній правій частині вікна відкривається редактор екземплярів (Individual Editor), за допомогою якого можна змінити ім’я об’єкту, дода­ти опис та коментар, а також внести значення властивостей об’єкту. У редакторі об’єкту виводяться всі властивості, успадковані ним від батьківського класу. Також є можливість додавати або видаляти певні властивості цього класу (самі об’єкти власних властивостей не мають). Кожна властивість має окреме поле, в якому вноситься її значення для конкретно­го об’єкту. Введення нової або видалення наявної властивості відбувається за допомогою відповідних клавіш керування у верхній частині вікна, а внесення значення властивості — за допомогою клавіш, розташованих біля її назви або з випадного списку.

Описавши всі класи, властивості, обмеження і об’єкти предметної області, одержуємо базу знань, що є основою для побудови інтелектуальних систем, здатних здійснювати опе­рації над інформацією. Створену онтологію в редакторі Protégé-OWL можна тепер експортувати у формат, зрозумі­лий для інших редакторів, які займаються безпосередньо роз­робленням інтелектуальних систем (CLIPS, HTML, RDF, OWL). У складі інтелектуальної системи базова онтологія по­винна постійно розширюватися і модифікуватися. Це може відбуватися в автоматичному режимі, завдяки спеціально роз­робленим алгоритмам; в іншому випадку онтологію необхідно редагувати вручну (використовуючи редактори типу Protégé-OWL).

Запитання для повторення та контролю знань

1. Які Ви знаєте засоби для створення онтології?

2. Що таке Protégé?

3. Як виглядає архітектура Protégé -2000?

4. Які характеристики редактора Protégé -OWL?

5. Які є версії мови OWL?

6. Які завдання вирішує мова OWL?

7. Охарактеризуйте термінологію мови OWL.

8. Як відбувається подання структури класів в OWL?

9. Яка методика розроблення онтології засобами Protégé?

10. Як здійснювати створення та збереження нового проекту Protégé -OWL?

11. Як створювати властивості класів?

12. Які характеристики OWL властивостей? Наведіть при­клади.

Завдання для самостійного розв’язування

1. Спроектувати онтологію для предметної області.

2. Подати онтологію у форматах OWL Lite, OWL DL і OWL Full.

3. Вивчити середовище Protege.

4. Подати структуру класів розробленої онтології у середовищі Protege.

5. Розробити властивості класів.

6. Навести скріншоти описів класів, визначити класи та створити екземпляри класів.

 

 

Література

1. Аверкин А. Н. Нечеткие множества в моделях управления и искусственного интеллекта / А.Н.Аверкин, И.3.Батыршин, А.Ф.Блишун. — М.: Наука, 1986. — 312c.

2. Айвазян С.А. Прикладная статистика: Основы моделирования и первичная обработка данных / С.А.Айвазян, И.С.Енюков, Л.Д.Мешалкин. — М.: Финансы и статистика, 1983. — 471c.

3. Айзенк Г. Коэффициент интеллекта / Г. Айзенк. — К.: Гранд, 1994. — 192c.

4. Алахвердов В. М. Когнитивные стили в контурах процесса познания. Когнитивные стили / В.М. Алахвердов ; Под ред. В. Колги. — Таллинн, 1986. — С. 12—23.

5. Александров Е.А. Основы теории эвристических решений / Е.А.Александров. — М.: Сов. радио, 1975. — 256 с.

6. Алексеевская М. А. Диагностические игры в медицинских задачах / М.А.Алексеевская, А.В.Недоступ // Вопросы кибернетики : Задачи медицинской диагностики и прогнозирования с точки зрения врача — 1998. — № 112. — С. 128-139.

7. Андриенко Г.Л. Игровые процедуры сопоставления в инженерии знаний / Г.Л.Андриенко, Н.В.Андриенко // Сборник трудов ІІІ конференции по искусственному интелекту. — Тверь, 1992. — С. 93-96.

8. Анисимов А.В. Система обработки текстов на естественном языке / А.В.Анисимов, А.А.Марченко // Научно-теоретический журнал „Искуственный интелект”, ІПШІ „Наука і освіта”. — 2002. — Вип. 4 — C. 157-163.

9. Апресян Ю. Д. Экспериментальное исследование семантики русского языка / Ю.Д.Апресян. — М.: Наука, 1977. — 251c.

10. Аткинсон Р. Человеческая память и процесс обучения / Р.Аткинсон. — М.: Прогресс, 1980.

11. Белнап Н. Логика вопросов и ответов / Н.Белнап, Т.Стил. — М.: Прогресс, 1981. — 288c.

12. Берков В. Ф. Вопрос как форма мысли / В.Ф.Берков. — Минск: Изд-во БГУ, 1972. — 136c.

13. Берн Э. Игры, в которые играют люди. Люди, которые играют в игры / Э.Берн. — М.: Прогресс, 1988. — 155c.

14. Болотова Л.С. Неформальные модели представления знаний в системах искусственного интеллекта / Л.С.Болотова, А.А.Смольянинов. — Московский институт радиотехники, электроники и автоматики (ТУ) — М., 1999. — 100с.

15. Борисов А. Н. Приобретение знаний для интеллектуальных систем / А.Н.Борисов, А.В.Алексеев. — М.: Радио и связь, 1989. — 304с.

16. Боронников А.Б. Построение информационных систем на основе технологии XML Веб-сервисов / А.Б.Боронников, С.В.Семенов // Программные продукты и системы, №4. — 2004. — C.61-62.

17. Братко И. Программирование на языке ПРОЛОГ для искусственного интеллекта / И.Братко. — М.: Мир, 1990. — 560с.

18. Брунер Дж. Исследование развития познавательной деятельности / Дж.Брунер // Пер. с англ. М.: Педагогика, 1971. — 413c.

19. Бублик Б.Н. Основы теории управления / Б.Н.Бублик, Н.Ф.Кириченко. — К.: Вища шк., 1975. — 328с.

20. Буч Г. Объектно-ориентированный анализ и проектирование с примерами приложений на С++ / Гради Буч. — М.: Бином, 1998. — 560с.

21. Величковский Б.М. Современная когнитивная психология / Б.М.Величковский. — М.: МГУ, 1982. — 336c.

22. Величковский Б. М. Психологические проблемы изучения интеллекта / Б.М.Величковский, М.С.Капица // Интеллектуальные процессы и их моделирование. — М.: Наука, 1987. — С. 120-141.

23. Вертгеймер М. Продуктивное мышление / М.Вертгеймер. — М.: Прогресс, 1987. — 336c.

24. Винер Н. Кибернетика или управление и связь в животном и машине / Н.Винер. — М.: Сов. радио., 1958. — 344c.

25. Виноград Т. Программа, понимающая естественный язык / Т.Виноград. — М.: Мир, 1976. — 296с.

26. Винцюк Т.К. Анализ, распознование и интерпретация речевых сигналов / Т.К.Винцюк. — К.: Наук. думка, 1987. — 264с.

27. Волков А. М. Классификация способов извлечения опыта экспертов / А.М.Волков, В.С.Ломнев // Известия АН СССР. Техническая кибернетика. — 1989. — № 5. — С. 34-45.

28. Вольфенгаген В. Э. Система представления знаний с использованием семантических сетей / В.Э.Вольфенгаген, О.В.Воскресенская, Ю.Г.Горбанев // Вопросы кибернетики: Интеллектуальные банки данных. — М.: АН СССР, 1979. — С.49-69.

29. Гаврилова Т. А. Представление знаний в экспертной диагностической системе АВТАНТЕСТ / Т.А.Гаврилова // Изв. АН СССР. Техническая кібернетика. — 1984. — № 5. — С.165—173.

30. Гаврилова Т. А. От поля знаний к базе знаний через формализацию / Т.А.Гаврилова // Журнал «Представление знаний в экспертных системах». — Л.: ЛИМАН, 1989. — С.16-24.

31. Гаврилова Т. А. Объектно-структурная методология концептуального анализа знаний и технология автоматизированного проектирования баз знаний / Т.А.Гаврилова // Труды Междунар. конф. «Знания — диалог—решение 95». — 1995. — т. 1. — С.9.

32. Гаврилова Т. А. О концептуальном анализе знаний при разработке экспертных систем / Т.А.Гаврилова, М.Р.Красовская // Доклад на Всесоюзной научно-практической конференции «Гибридные интеллектуальные системы». — Ростов, 1991. — С. 110-113.

33. Гаврилова Т. А. Экспертные системы для оценки качества деятельности летного состава / Т.А.Гаврилова, С.П.Минкова, Г.С.Карапетян // Тез. докладов научно-практической школы-семинара «Программное обеспечение и индустриаль­ная технология интеллектуализации разработки и применения ЭВМ». — Ро­стов, 1988. — н/Д, ВНИИПС. — С. 23-25.

34. Гаврилова Т. А. Базы знаний интеллектуальных систем / Т.А.Гаврилова, В.Ф.Хорошевский. —СПб: Питер, 2001. — 384с.

35. Гаврилова Т. А. Извлечение и структурирование знаний для экспертных систем / Т.А.Гаврилова, К.Р. Червинская. — М.: Радио и связь, 1992. — 200с.

36. Гаврилова Т. А. Формирование поля знаний на примере психодиагностики / Т.А.Гаврилова, К.Р.Червинская, А.М. Яшин // Техническая кибернетика. — 1988. — № 5. — С.72-85.

37. Георгиев В. О. Модели представления знаний предметных областей диалоговых систем / В.О.Георгиев // Изв. АН СССР. Техническая Кибернетика. — 1991 — № 5.— С.3-23.

38. Гиг Дж. Прикладная общая теория систем / Дж.Гиг // В 2-х кн. — М.: Мир, 1981. — 773с.

39. Глибовець М.М. Штучний інтелект / М.М.Глибовець, О.В.Олецький. — К.: КМ Академія, 2002. — 366с.

40. Даревич Р. Р. Застосування інформаційних технологій для координації наукових досліджень // Р. Р. Даревич, Д. Г. Досин, В. В. Литвин, Л. С. Мельничок — Львів: „СПОЛОМ”, 2008. — 240 с.

41. Даревич Р.Р. Mетод автоматичного визначення інформаційної ваги понять в онтології бази знань / Р.Р.Даревич, Д.Г.Досин, В.В.Литвин // Відбір та обробка інформації. — 2005. — Вип. 22(98). — С.105-111.

42. Даревич Р.Р. Оцінка подібності текстових документів на основі визначення інформаційної ваги елементів бази знань / Р.Р.Даревич, Д.Г.Досин, В.В.Литвин, З.Т.Назарчук — Исскуственный интеллект. — Донецк. — № 3. — 2006. — С. 500-509.

43. Джексон П. Введение в экспертные системы / П.Джексон. — М.-С-П.-К.: Изд. дом “Вильямс “, 2001. — 616с.

44. Досин Д. Г. Інтелектуальні системи, базовані на онтологіях // Д. Г. Досин, В. В. Литвин, Ю. В. Нікольський, В. В. Пасічник — Львів: „Цивілізація”, 2009. — 414 с.

45. Дэйвисон М. Многомерное шкалирование. Методы наглядного представления данных / М.Дэйвисон . — М.: Финансы и статистика, 1988. — 254с.

46. Дюк В.А. Компьютерная психодиагностика / В.А.Дюк. — СПб.: Братство, 1994. — 364с.

47. Дюран Б. Кластерный анализ / Б.Дюран, П.Оделл. — М.: Статистика, 1977. — 128с.

48. Епифанов М. Е. Индуктивное обобщение в ассоциативных сетях / М.Е.Епифанов // Известия АН СССР. Техническая кібернетика. — 1984. — № 5. — С.132-146.

49. Жинкин Н. И. Речь как проводник информации / Н.И.Жинкин. — М.: Наука, 1982. — 250с.

50. Иберла К. Факторный анализ / К.Иберла. — М.: Статистика, 1980. — 398с.

51. Иванов П. И. Влияние некоторых индивидуально-психологических особенностей на процесс обобщения / П.И. Иванов // Автореферат дис. канд. психол. наук. М., 1986.

52. Івашків А.М. Класифікація інтелектуальних інформаційних систем / А.М.Івашків, В.В.Литвин // тези доповідей сьомої всеукраїнської наукової конференції “Сучасні проблеми прикладної математики та інформатики”. — Львів, 2000. — С. 49-50.

53. Івашків А.М. Проблема класифікації інтелектуальних інформаційних систем / А.М.Івашків, В.В.Литвин // Інформаційні системи та мережі. Вісник Національного Університету “Львівська політехніка”, №406. — Львів, 2000. — С. 112-117.

54. Клайн П. Справочное руководство по конструированию тестов / П.Клайн. — К.: ПАН Лтд, 1994. — 286с.

55. Комаров В. Ф. Управленческие имитационные игры / В.Ф.Комаров. — Новосибирск: Наука, 1989. — 256с.

56. Коов М. И. Интеграция концептуальных и экспертных знаний в САПР / М.И.Коов, М.Б.Мацкин, Э.Х.Тыугу // Известия АН СССР. Техническая кибернетика. — 1988. — № 5. — С. 108-118.

57. Круглов В.В. Нечеткая логика и искусственные нейронные сети / В.В.Круглов, М.И.Дли, Р.Ю.Голунов. — Санкт-Петербург, 2006. — 221с.

58. Кулюткин Ю. И. Индивидуальные различия в мыслительной деятельности взрослых учащихся / Ю.И.Кулюткин, Г.С.Сухобская. — М.: Педагогика, 1971. — 111с.

59. Лазарева Т. К. Деловые имитационные игры в экспертных системах / Т.К.Лазарева, Н.Д.Пашинин // Деловые игры и их программное обеспечение: тез. докл. — Пущино, 1987. — С. 63-64.

60. Лещев В.А. Обзор основных стандартов W3C / В.А.Лещев, И.А.Конюхов, А.С.Семенов // Программные продукты и системы. — №4. — 2004. — С.62-64.

61. Литвин В.В. Мультиагентні системи підтримки прийняття рішень, що базуються на прецедентах та використовують адаптивні онтології / В.В.Литвин // Радіоелектроніка, Інформатика, Управління. – Запоріжжя. – 2009. – №2(21). – С. 120–126.

62. Литвин В.В. Метод автоматизованого реферування текстових документів з використанням онтологій / В.В.Литвин, В.А.Гайдін, О.Ю.Пшеничний // Складні системи і процеси. – Запоріжжя. – №1, 2009. – С. 81-87.

63. Литвин В.В. Інтелектуальні системи / В.В.Литвин, В.В.Пасічник, Ю.В.Яцишин. – Львів: Новий Світ-2000, 2008. – 406с.

64. Литвин В.В. Моделювання поведінки інтелектуального агента на основі онтологічного підходу / В.В.Литвин, Д.Г.Досин, Н.В.Шкутяк // Відбір і обробка інформації. – 2009. –Вип. 31(107). – С. 112-117.

65. Литвин В.В. Проектування мультиагентних систем у стохастичних областях на основі використання соціальних моделей / В.В.Литвин, Ю.Г.Вещунов // Інформаційні системи та мережі. Вісник НУ “Львівська політехніка” № 589, 2007. – С. 154-164.

66. Литвин В.В. Метод оцінювання подібності текстових документів доповнених контекстом з онтології / В.В.Литвин // Інформаційні системи та мережі. Вісник НУ “Львівська політехніка” № 610, 2008. – С. 191-197.

67. Литвин В.В. Спосіб введення метрики для визначення відстані між текстовими документами / В.В.Литвин // Інформаційні системи та мережі. Вісник НУ “Львівська політехніка” № 621, 2008. – С. 162-171.

68. Литвин В.В. Застосування утилітарного підходу до реалізації природномовного інтерфейсу інтелектуальних інформаційних систем / В.В.Литвин, В.В.Григор’єв // Інформаційні системи та мережі. Вісник Національного Університету “Львівська політехніка”, №438. — Львів, 2001. — С. 99-103.

69. Литвин В.В. Інтелектуальна інформаційна система дослідження лексичних інновацій в англомовному євро-інтеграційному дискурсі / В.В.Литвин, А.С.Мельник, Г.Б.Буньо // Інформаційні системи та мережі. Вісник НУ “Львівська політехніка” № 631, 2008. – С. 212-219.

70. Литвин В.В. Метод побудови інтелектуальних агентів аналізу та структуризації джерел простору даних науково-технічної інформації / В.В.Литвин, Н.Б.Шаховська // Комп’ютерні науки та інформаційні технології. – №629, 2008. –С.166-174.

71. Литвин В.В. Застосування методів логічного програмування для автоматизації процедур прийняття рішень у діяльності служби працевлаштування / В.В.Литвин, Ю.В.Нікольський // Інформаційні системи та мережі. Вісник Національного Університету “Львівська політехніка”, № 330. — Львів, 1998. — С. 153-163.

72. Литвин В.В. Моделювання компонент інтелектуальної інформаційної системи / В.В.Литвин, Ю.В.Нікольський // труды международной научно-практической конференции KDS-2001 “Знание — диалог — решение”. — Санкт-Петербург, июнь, 2001. — т. ІІ. — С. 433-438.

73. Литвин В.В., Паров'як І.П., Пелещишин А.М., Процовський О.Й., Садовий В.М. Принципи реалізації інтегрованих комп'ютерних технологій для періодичних видань / В.В.Литвин, І.П.Паров'як, А.М.Пелещишин, О.Й.Процовський, В.М.Садовий //Інформаційні системи та мережі. Вісник Національного Університету "Львівська Політехніка", №383. — Львів, 1999. — С.149-154.

74. Литвин В.В. Моделювання плану поведінки інтелектуального агента на основі мереж Петрі та онтологічного підходу / В.В.Литвин // Інформаційні системи та мережі. Вісник НУ “Львівська політехніка” № 653, 2009. – С. 170-175.

75. Литвинов В. Методы построения имитационных систем / В.Литвинов, Т.Марьянович — К.: Наук. думка, 1991. — 115с.

76. Логика рассуждений и ее моделирование / Под ред. Д.А.Поспелова. — М.: Науч. совет по комплекс. пробл. "Кибернетика" АН СССР, 1983. — 180 с.

77. Логический подход к искусственному интеллекту: от классической логики к логическому программированию / А.Тейз, П.Грибомон, Ж Луи и др. — М.: Мир, 1990. — 432с.

78. Лорьер Ж.-Л. Системы искусственного интеллекта / Ж.-Л.Лорьер. — М.: Мир, 1991. — 568 с.

79. Лунева О. В. Психология делового общения / О.В.Лунева, Е.А.Хорошилова. — М.: ВКШ при ЦК ВЛКСМ, 1987. — 213с.

80. Любарский Ю.Я. Интеллектуальные информационные системы / Ю.Я.Любарский. — М.: Наука, 1990. — 232 с.

81. Мальковский М. Г. Диалог с системой искусственного интеллекта / М. Г.Мальковский. — М.: МГУ, 1985. — 216с.

82. Малюта Т.А. Интелектуализация реляционных баз данных путем введения в них возможностей работы с неполной и неточной информацией / Т.А.Малюта, В.В. Пасичник // Сonference on intelligent management systems / Bulgarian academy of science. — Varna, 1989. — P.36—103.

83. Мартынов В. В. Универсальный семантический код / В. В.Мартынов. — Минск: Наука и техника, 1977. — 191с.

84. Маслоу А. Г. Мотивация и личность. — СПб.: Евразия, 1999. — 478 с.

85. Минский М. Фреймы для представления знаний / М.Минский. — М.: Энергия, 1979. — 151с.

86. Миркес Е.М. Нейрокомпьютер. Проект стандарту / Е.М.Миркес. — Наука, Новосибирск, 1998. — 337с.

87. Мицич П. П. Как проводить деловые беседы / П. П.Мицич. — М.: Экономика, 1987. — 208с.

88. Моргоев В. К. Метод структурирования и извлечения экспертных знаний: имитация консультаций / В. К.Моргоев // Человеко-машинные процедуры принятия решений. — М.: ВНИИСИ, 1988. — С. 44-57.

89. Немов Р. С. Социально-психологический анализ эффективной деятельности коллектива / Р.С.Немов. — М.: Педагогика, 1984. — 201с.

90. Нечеткие множества в моделях управления и искусственного интеллекта / А.Н.Аверкин, И.З.Батыршин, А.Ф.Блишун и др. — М.: Наука, 1986. — 312с.

91. Нильсон Н. Принципы искусственного интеллекта / Н.Нильсон. — М: Мир, 1985. — 373с.

92. Нікольський Ю.В. Дискретна математика / Ю.В.Нікольський, В.В.Пасічник, Ю.М.Щербина — Львів: Магнолія Плюс, 2007. — 608 с.

93. Ноэль Э. Массовые опросы / Э.Ноэль. — М.: Прогресс, 1978. — 108с.

94. Орехов А. И. Формирование приемов эффективного решения творческих задач / А.И.Орехов // Автореферат дис. канд. психол. наук. М., 1985.

95. Осипов Г. С. Метод формирования и структурирования модели знаний для одного типа предметных областей / Г.С.Осипов // Известия АН СССР. Техническая кибернетика. — 1988. — № 2. — С.3-12.

96. Осипов Г. С. Приобретение знаний интеллектуальными системами / Г.С.Осипов. — М.: Наука, 1997. — 345с.

97. Пасичник В.В. Анализ структуры экспертных систем / В.В.Пасичник, Н.М.Проданюк // Вестн. Львов. Политехн. Ин-та. — 1986. — №219. — Технические средства автоматизации измерений и управления научными исследованиями. — С.7-10.

98. Пасичник В.В. Информационная система для автоматизированного анализа экспертных систем / В.В.Пасичник, Н.М.Проданюк // Тез. докл. Всесоюз. Семинара „Актуальные проблемы развития перспективных информационных технологий”, 27-28 окт. 1987 г. — М., 1987. — С.25-28.

99. Пасічник В.В. Організація баз даних та знань / В.В.Пасічник, В.А.Резніченко. — Київ: BHV „ПИТЕР”, 2006. — 460с.

100. Петренко В. Ф. Введение в экспериментальную психосемантику: исследование форм репрезентации в обыденном сознании / В.Ф.Петренко. — М.: МГУ, 1983. — 175с.

101. Погосян Г. А. Метод интервью и достоверность социологической информации / Г.А.Погосян. — Ереван, АН Арм. ССР, 1985. — 142с.

102. Понтрягин Л.С. Математическая теория оптмальных процессов / Л.С.Понтрягин, В.Г.Болтянский, Р.В.Гамкрелидзе. — М.: Наука, 1983. — 392с.

103. Попов Э. В. Экспертные системы / Э. В. Попов. — М.: Наука, 1987. — 285с.

104. Попов Э. В. Общение с ЭВМ на естественном языке / Э.В.Попов. — М.: Наука, 1982. — 360с.

105. Попов Э. В. Экспертные системы 90-х гг. Классификация, состояние, проблемы, тенденции / Э. В.Попов // Новости искусственного интеллекта. — 1991. — № 2. — С. 84-101.

106. Попов Э. В. Статические и динамические экспертные системы / Э.В.Попов, И.Б.Фоминых, Е.Б.Кисель. — М.: Финансы и статистика, 1996. — 321с.

107. Поспелов Г.С. Искусственный интеллект — основа новой информационной технологи / Г.С.Поспелов. — М.: Наука, 1988. — 280 с.

108. Поспелов Г.С. Искусственный интеллект — прикладные системы / Г.С.Поспелов, Д.А.Поспелов. — М.: Знание, 1985. — 48 с.

109. Поспелов Д. А. Искусственный интеллект: фантазия или наука / Д.А.Поспелов. — М.: Радио и связь, 1986. — 224с.

110. Поспелов Д. А. Ситуационное управление: Теория и практика / Д.А.Поспелов. — М.: Наука, 1986. — 288с.

111. Поспелов Д. А. Моделирование рассуждений. Опыт анализа мыслительных актов / Д.А.Поспелов. — М.: Радио и связь, 1989. — 184с.

112. Поспелов Д. А. Фантазия или наука: На пути к искусственному интеллекту / Д.А.Поспелов. — М.: Наука, 1982. — 224с.

113. Рассел С. Искусственный интеллект / С.Рассел, П.Норвиг. — М.,С.-П.,К.: Вильямс, 2006. — 1408с.

114. Сергеев В. М. Когнитивные модели в исследовании мышления: структур и онтология знания / В.М.Сергеев // Интеллектуальные процессы и их моделирование. — М.: Наука, 1987. — С. 179-195.

115. Сиротко-Сибирский С. А. Смысловое содержание текста и его отражение в ключевых словах / С.А.Сиротко-Сибирский // Автореферат дис. канд. филол. наук. Л., 1968.

116. Стогний А.А. Анализ ЭС по сферам применения / А.А.Стогний, И.И.Брона, В.В.Пасичник //- Сб. тр. ВАН МТА SZTAKI. — Будапешт, 1988. — №214. — С.39-79.

117. Стогний А.А. Экспертные системы — эффективный инструмент современных информационных технологий / А.А.Стогний, И.И.Брона, В.В.Пасичник // Вестн. АН УССР. — К., 1989. — №5. — С.17-26.

118. Терехина А.Ю. Представление структуры знаний методами многомерного шкалирования / А.Ю.Терехина. — М.: ВИНИТИ, 1988. — 97с.

119. Тиори Т., Фрай Дж. Проектирование структур баз данных / Т.Тиори, Дж.Фрай : В 2-х кн. — М.: Мир, 1985. — 288с.

120. Уинстон П. Исскуственный интеллект / П.Уинстон. — М.: Мир, 1980. — 519с.

121. Уотерман Д. Руководство по экспертным системам / Д. Уотерман. — М., Мир, 1989. — 388 c.

122. Уэно X. Представление и использование знаний / X.Уэно, М.Исидзука. — М.: Мир, 1989. — 220с.

123. Фаин В. С. Машинное понимание естественного языка в рамках концепции реагирования / В.С. Фаин // Интеллектуальные процессы и их моделирование. — М.: Наука, 1987. — С. 375-391.

124. Фаулер М. UML в кратком изложени / М.Фаулер, К.Скотт. — М.: Мир, 1999. — 340с.

125. Фляків Д.В. Розробка технології застосування штучних нейронних мереж у прикладних інформаційних системах / Д.В.Фляків // Дисс.. канд.техн.наук, Алтайський Державний університет, Барнаул, 2000.

126. Хант Э. Искусственный интеллект / Э.Хант. — М.: Мир, 1978. — 588с.

127. Хейес-Рот Ф. Построение экспертных систем / Ф.Хейес-Рот, Д.Уотерман, Д.Ленат. — М.: Мир, 1987. — 430с.

128. Черняк Л. Управление знаниями и информационные технологии — http://www.osp.ru/os/2000/10/074.htm

129. Шенк Р. Обработка концептуальной информации / Р.Шенк. — М.: Энергия, 1980. — 361с.

130. Шенк Р. К интеграции семантики и прагматики / Р.Шенк, Л.Бирнбаум, Дж.Мей // Новое в зарубежной лингвистике. Компьютерная лингвистика. — Вып. 14. — М.: Прогресс, 1989.

131. Шеннон К. Математическая теория святи / К.Шеннон, У.Уивер. — М.: ИЛ, 1963. — 345с.

132. Шепотов Е. Г. Методы активизации мышления / Е.Г.Шепотов, Б.В.Шмаков, П.Д.Крикун. — Челябинск: Челябинский политехнический институт. — 1985. — 84 с.

133. Экспертные системы. Принципы работы и примеры. / Под редакцией Р.Форсайта. — М.: Радио и связь, 1987. — 231c.

134. Эндрю А. Искусственный интеллект / А.Эндрю. — М.: Мир, 1985. — 264с.

135. A. Strey A Unified Model for the Simulation of Artificial and Biology-Oriented Neural Networks / A. Strey // In Proc. of the International Workshop on Artificial Neural Networks. — 2, 1999. — pp. 1-10

136. A. Strey, EpsiloNN - A Tool for the Abstr

© 2013 wikipage.com.ua - Дякуємо за посилання на wikipage.com.ua | Контакти