УДК 004.896(06) Интеллектуальные системы и технологии Л.Г. КОМАРЦОВА, И.Б. ФОМИНЫХ1 1 Калужский филиал МГТУ им. Н.Э. Баумана РосНИИ информационных технологий и систем автоматизированного проектирования ГИБРИДНЫЕ НЕЙРОННЫЕ СИСТЕМЫ: ОТ ПРОСТОГО ОБЪЕДИНЕНИЯ ДО ПОЛНОЙ ИНТЕГРАЦИИ Рассмотрены некоторые проблемы и методы интеграции нейронных сетей (НС) и символьных систем, основанных на знаниях (СОЗ), для построения эффективных гибридных интеллектуальных систем. В последние годы наблюдается значительный рост успешного использования гибридных интеллектуальных систем в самых различных областях, таких, как робототехника, медицинская диагностика, понимание речи и естественных языков, мониторинг и контроль производственных процессов, финансовые приложения и т.д.. Главным фактором дальнейшего развития гибридных систем (ГС) является увеличение роли НС для решения задач распознавания образов, классификации и оптимизации. Способность НС решать задачи, которые являются трудными (или невозможными) для других информационных технологий позволяет использовать их в качестве отдельных модулей во многих интеллектуальных гибридных системах [1]. Использование модульной интеграции – одно из многообещающих направлений в области построения эффективных интеллектуальных систем. Теоретическая база ГС основывается на некоторых общих свойствах объединяемых систем. В докладе будут рассмотрены проблемы интеграции НС и СОЗ, поскольку эти технологии, взаимно дополняя друг друга, позволяют повысить эффективность применения интеллектуальных систем для решения задач классификации, распознавания, прогнозирования, многокритериального выбора, логического вывода и т.д. В таблице 1 по некоторым характеристикам сравниваются две технологии. Таблица 1. Соответствие между НС и СОЗ Характеристика Формат знаний Элементы вычислений Вычислительный процесс НС связи между нейронами, архитектура НС узлы, веса, пороги СОЗ правила посылки, заключения, сила правил, предикаты непрерывный дискретный Табл. 1 показывает, что НС и СОЗ хотя и используют различные методы обработки информации, но для реализации одной цели – извлечения ISBN 5-7262-0633-9. НАУЧНАЯ СЕССИЯ МИФИ-2006. Том 3 1 УДК 004.896(06) Интеллектуальные системы и технологии знаний из данных. Общим является то, что обе технологии могут быть промоделированы на ЭВМ. НС обладают следующими достоинствами: - компактное представление знаний в виде весов и порогов; - обучаемость; - параллельность в выполнении операций; - возможность оперирования зашумленными и неполными данными; - возможность реализации нелинейных отображений за счет настройки функций активации нейронов; - способность обрабатывать данные высокой размерности, а также разнотипные данные. Главное достоинство НС – распределенная архитектура хранения и обработки информации, что в случае потери информации или ее недостаточности позволяет, подобно работе мозга человека, восстановить утраченные данные за счет способности к обобщению. Недостатки НС: длительность обучения и отсутствие объяснительного компонента. Основная особенность символьных систем заключается в наличии структурированной базы знаний, конкретное наполнение и интерпретацию которой осуществляют в большинстве случаев эксперты. Это позволяет при объединении НС и СОЗ легко реализовать объяснительный компонент ГС в виде конструкций IF-THEN. В докладе выделены два типа архитектур для реализации ГС на основе НС и СОЗ: комплексная архитектура, состоящая из нескольких взаимодействующих модулей НС, каждый из которых соединен со «своей» СОЗ на уровне обмена файлами для реализации функции объяснения полученных результатов; комплексная архитектура, в которой модули объединяются на уровне методов для реализации основных алгоритмов обработки информации в НС. Приводятся примеры реализации двух предложенных архитектур. Список литературы 1. Medsker L.R. Hybrid Intelligent Systems: Kluver Academic Publishers,1998. 2. Wermter S. Hybrid Connectionists Natural Language Processing: Thompson International. London.: UK.,1995. ISBN 5-7262-0633-9. НАУЧНАЯ СЕССИЯ МИФИ-2006. Том 3 2