Аналіз проблеми інформаційного синтезу систем керування, що навчаються, страница 2

·  система є знання-орієнтованою, тобто вона здатна засвоювати знання та здійснювати виведення на їх базі нових знань.

Об`єднання широкого класу інтелектуальних систем поняттям СК, що навчається, не враховуючи їх відмінність за призначенням, обсягом інформаційних та керуючих функцій і складом комплекса технічних засобів (КТЗ), дозволяє з єдиних методологічних і теоретичних положень розробляти теорію їх проектування у відповідності з принципами системного підходу. За ступенем інтелектуалізації СК складними процесами можна поділити так:

·  системи перебору варіантів рішень згідно з встановленою пріоритетністю для наперед змодельованих ситуацій [62];

·  СК, які приймають рішення за детермінованими вирішальними правилами без навчання[63-76];

·  СК, що реалізують алгоритми компаративного розпізнавання за еталонами [77-80];

·  експертні системи, що з метою прийняття ефективних рішень маніпулюють спеціальними знаннями, накопиченими фахівцями-експертами у конкретно-предметній області знань  [81 – 85];

·  СК, що навчаються [86-95];

·  знання-орієнтовані (knowledge-based) СК, що здатні утворювати базу знань [96-99];

Здатні навчатися СК можна поділити на такі основні класи:

·  СК, що розв’язують задачу розпізнавання образів за апріорно класифікованою навчальною матрицею (навчання з “учителем”) [63-68];

·  СК, що реалізують алгоритми факторного класифікаційного аналізу  [67-69];

·  СК, що реалізують алгоритми кластер-аналізу при незмінному словнику ознак і за апріорно некласифікованими навчальними матрицями, тобто за умови неповної апріорної інформації про функціональний стан системи (навчання без “учителя”) [90, 93, 100];

·  СК, що самонавчаються, які реалізують так само алгоритми автоматичної класифікації за апріорно некласифікованими навчальними матрицями, але здатні оптимізувати параметри словника ознак розпізнавання [90,93,101];

·  відмовостійкі СК, що здатні самостійно діагностувати свій функціональний стан і відновлювати свою функціональну спроможність при виникненні відмов [102,103];

·  адаптивні СК, що здійснюють класифікаційне самонастроювання та самоорганізацію системи [78,104,105];

·   томографічні СК, що відновлюють щільність перерізу об’єкту за його проекціями [68,106,107];

·   СК, що вирішують проблему шкалювання, яка полягає в побудові для шкал з різними мірами виміру зведеної шкали, координати якої можуть бути обернено відображені на відповідні вихідні шкали [69,108];

·  сенсорні СК, що моделюють чуттєві функції людини і КТЗ яких  базується на “образному” комп’ютері, наділеному властивостями “технічного зору” [67,76,78], усномовного розпізнавання [109,110], розпізнавання пахощів [111] та інше;

·  гібридні СК, які поєднують різні алгоритми та методи автоматичної класифікації [112-114].

До знання-орієнтованих СК за сучасною класифікацією відносяться:

·   системи, що ґрунтуються на інструктивних знаннях (rulebased reasoning);

·  системи, що ґрунтуються на автоматичному доведенні теорем (automatic theorem-proving techniques);

·  системи, що ґрунтуються на автоматичному породженні гіпотез (automatic hypothesizing);

·  системи, що ґрунтуються на доведенні за аналогією (analogical reasoning);

·  об’єктно-орієнтовані інтелектуальні системи (object-oriented intelligent systems);

·  об’єктно-логічні інтелектуальні системи, що поєднують окремі переваги об’єктно-орієнтованих систем з системами автоматичного доведення теорем і використовують об’єктно-логічні мови, фреймові логіки (F-logics), логіки транзакції (transaction logics) та інше.

    Зрозуміло, що наведена класифікація не є досить повною, оскільки відбувається неперервне розширення номенклатури інтелектуальних СК як за призначенням, так і за принципами функціонування. Наприклад, багато авторів [96,97,116] поділяють точку зору, що одним із ефективних класів знання-орієнтованих систем є системи автоматичної класифікації, а серед них найбільш ефективними є саме системи, що здатні навчатися (самонавчатися).