КОНТРОЛЬНІ ЗАПИТАННЯ

1. Опишіть логічну організацію бази даних.

2. Охарактеризуйте ієрархічну модель бази даних.

3. Мережева модель бази даних.

4. Охарактеризуйте реляційну модель бази даних.

5. Яка фізична організація бази даних?

6. Охарактеризуйте системи управління базами даних.

7. Назвіть основні їх властивості.

8. Проаналізуйте основні функції СУБД.

9. Основні поняття СУБД Access.

10. Опишіть структуру таблиці в СУБД Access.

11. Якими способами можна створити таблицю в СУБД Access?

12. Розкажіть про процес створення таблиці в режимі конструктора.

13. Що таке ключове поле? Охарактеризуйте його використання.

14. Опишіть використання індексованих полів.

15. Які типи полів ви знаєте?

16. Опишіть поле підстановок. Укажіть його типи.

17. У чому відмінність бази даних від СУБД?

18. Чим відрізняються таблиці Access від таблиць текстових редакторів і табличних процесорів?

19. Як класифікуються СУБД?

20. Назвати об'єкти бази даних Access і дати їхню характеристику.

21. Назвіть способи створення таблиць.

22. Що таке схема даних і її призначення?

23. Які типи даних використаються в Access ?

24. Призначення ключових полів, чим вони відрізняються від індексованих полів?

25. Способи уведення даних у таблиці?

ТЕМА 11

ЕКСПЕРТНІ ТА НАВЧАЛЬНІ СИСТЕМИ

Експертні системи

Експертні системи є одним із основних застосувань штучного інтелекту. Штучний інтелект – це один із розділів інформатики, в якому розглядаються завдання апаратного і програмного моделювання тих видів людської діяльності, які вважаються інтелектуальними. Результати досліджень по штучному інтелекту використовуються в інтелектуальних системах, які здатні вирішувати творчі задачі, що належать конкретній наочній області, знання про яку зберігаються в пам’яті (базі знань) системи. Системи штучного інтелекту орієнтовані на рішення великого класу завдань, до яких відносяться так звані частково структуровані або неструктуровані завдання (завдання, що слабо формалізуються або не формалізуються взагалі).

Інформаційні системи, використовувані для вирішення частково структурованих завдань, підрозділяються на два види:

1. Створюючі управлінські звіти (що виконують обробку даних: пошук, сортування, фільтрацію). Ухвалення рішення здійснюється на основі відомостей, що містяться в цих звітах.

2. Розробляючі можливі альтернативи рішення. Ухвалення рішення зводиться до вибору однієї із запропонованих альтернатив.

Інформаційні системи, розробляючі альтернативи рішень, можуть бути модельними або експертними:

1. Модельні інформаційні системи надають користувачеві моделі (математичні, статистичні, фінансові тощо), які допомагають забезпечити вироблення і оцінку альтернатив рішення.

2. Експертні інформаційні системи забезпечують вироблення і оцінку можливих альтернатив користувачем за рахунок створення систем, заснованих на знаннях, отриманих від фахівців - експертів.

Експертні системи - це програми для комп’ютерів, що акумулюють знання фахівців - експертів в конкретних предметних галузях, які призначені для отримання прийнятних рішень в процесі обробки інформації. Експертні системи трансформують досвід експертів у якій-небудь конкретній галузі знань у форму евристичних правил і призначені для консультацій менш кваліфікованих фахівців.

Відомо, що знання існують у двох видах: колективний досвід, особистий досвід. Якщо предметна галузь представлена колективним досвідом (наприклад, вища математика), то ця предметна галузь не потребує експертних систем. Якщо в предметній галузі велика частина знань є особистим досвідом фахівців високого рівня і ці знання є слабоструктурованими, то така область потребує експертних систем. Сучасні експертні системи знайшли широке застосування у всіх сферах економіки. База знань є ядром експертної системи. Перехід від даних до знань є наслідком розвитку інформаційних систем. Для зберігання даних застосовуються бази даних, а для зберігання знань – бази знань. У базі даних, як правило, зберігаються великі масиви даних із відносно невеликою вартістю, а в базах знань зберігаються невеликі за обсягом, але дорогі інформаційні масиви. База знань – це сукупність знань, описаних з використанням вибраної форми їх уявлення. Наповнення бази знань є одним із найскладніших завдань, яке пов’язане з вибором знань їх формалізацією і інтерпретацією.

Експертна система складається з:

­ бази знань (у складі робочої пам’яті і бази правил), призначеної для зберігання початкових і проміжних фактів в робочій пам’яті (її ще називають базою даних) і зберігання моделей і правил маніпулювання моделями в базі правил;

­ вирішувача завдань (інтерпретатора), який забезпечує реалізацію послідовності правил для вирішення конкретного завдання на основі фактів і правил, що зберігається в базах даних і базах знань;

­ підсистеми пояснення, дозволяє користувачеві отримати відповіді на питання: «Чому система ухвалила таке рішення?»;

­ підсистеми придбання знань, призначеної як для додавання в базу знань нових правил, так і модифікації наявних правил;

­ інтерфейсу користувача, комплексу програм, що реалізовують діалог користувача з системою на стадії введення інформації, і отримання результатів.

Функціональні можливості ЕС визначаються двома її головними системними частинами: середовищем розвитку й середовищем рекомендацій (рис. 11.1).

Рис. 11.1. Структура ЕС і її оточення

Середовище розвитку використовується розробником ЕС для побудови компонентів і розміщення знань у базі знань (БЗ). Середовище рекомендацій використовується не експертами для отримання експертних знань і порад.

Три головні компоненти, котрі виявляються в кожній ЕС – це БЗ, механізм висновку і призначений для користувача інтерфейс. Хоча взагалі ЕС можуть містити наступні компоненти:

· підсистема видобування знань;

· база знань;

· механізм висновку;

· призначений для користувача інтерфейс;

· робоча область;

· підсистема пояснення;

· підсистема верифікації знань.

Експертні системи відрізняються від традиційних систем обробки даних тим, що в них, як правило, використовується символьний спосіб уявлення, символьний висновок і евристичний пошук рішень. Для вирішення завдань, що слабо формалізуються або не формалізуються взагалі, перспективнішими є нейронні мережі або нейрокомп’ютери. Основу нейрокомп’ютерів складають нейронні мережі – ієрархічні організовані паралельні з’єднання адаптивних елементів – нейронів, які забезпечують взаємодію з об’єктами реального світу так само, як і біологічна нервова система. Великі успіхи використання нейромереж досягнуті при створенні самонавчальних експертних систем. Мережу налагоджують, тобто навчають, пропускаючи через неї всі відомі рішення і добиваючись отримання необхідних відповідей на виході. Налагодження полягає в підборі параметрів нейронів. Часто використовують спеціалізовану програму навчання, яка займається навчанням мережі. Після навчання система готова до роботи. Якщо в експертну систему її творці заздалегідь закладають знання в певній формі, то в нейронних мережах невідомо навіть розробникам, як формуються знання в її структурі в процесі навчання і самонавчання, тобто мережа є «чорною скринькою».

Нейрокомпьютери, як системи штучного інтелекту, є вельми перспективними і можуть нескінченно удосконалюватися в своєму розвитку. В даний час системи штучного інтелекту у формі експертних систем і нейронних мереж знаходять широке застосування при рішенні
фінансово–економічних проблем.