Информационная система распознавания буквы «Ф» построенной на основании нейронной сети

«Казанский государственный  аграрный университет»

Кафедра экономической кибернетики

 

 

 

КУРСОВАЯ РАБОТА

на тему:

«Информационная система распознавания буквы «Ф» построенной на основании нейронной сети»

 

 

 

 

 

                                                            Выполнила          Сафин  И.З.

                                                                     Группа:                 5931

                                                            Преподаватель    Панков А.О.

 

 

Казань 2013

 

 

Оглавление

 

Введение

Глава 1. Общий обзор интеллектуальных информационных систем

Глава 2. Применение интеллектуальных и информационных систем в экономике

Глава 3. Технология распознавания  конкретного образа

Заключение

Список использованной литературы

Приложения

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Глава 1. Общий  обзор интеллектуальных информационных систем.

  Существует большое множество интеллектуальных информационных систем (ИИС). Однако общепринятого единого определения интеллектуальной информационной системы нет.

  Интеллектуальной информационной системой называют автоматизированную информационную систему, основанную на знаниях, или комплекс программных, лингвистических и логико-математических средств для реализации основной задачи – осуществления поддержки деятельности человека и поиска информации в режиме продвинутого диалога на естественном языке.

  Кроме того, информационно-вычислительными системами с интеллектуальной поддержкой для решения сложных задач называют те системы, в которых логическая обработка информации превалирует над вычислительной.

  Таким образом, любая информационная система, решающая интеллектуальную задачу или использующая методы искусственного интеллекта, относится к интеллектуальным.

  Для интеллектуальных информационных систем характерны следующие признаки:

• развитые коммуникативные способности;
• умение решать сложные плохо формализуемые задачи;
• способность к самообучению;
• адаптивность.

  Коммуникативные способности ИИС характеризуют способ взаимодействия (интерфейса) конечного пользователя с системой, в частности возможность формулирования произвольного запроса в диалоге с ИИС на языке, максимально приближенном к естественному.

  Сложные плохо формализуемые задачи – это задачи, которые требуют построения оригинального алгоритма решения в зависимости от конкретной ситуации, для которой могут быть характерны неопределенность и динамичность исходных данных и знаний.

  Способность к самообучению – это возможность автоматического извлечения знаний для решения задач из накопленного опыта конкретных ситуаций.

  Адаптивность - способность к развитию системы в соответствии с объективными изменениями модели проблемной области.

  ИИС могут размещаться  на каком-либо сайте, где пользователь  ставит системе вопросы на  естественном языке (если это  вопросительно-ответственная система ) или, отвечая на вопрос системы, находит необходимую информацию (если это экспертная система). Но, как правило, ЭС в интернете выполняют рекламно-информационные функции (интерактивные баннеры), а серьезные системы (такие, как, например, ЕС диагностику оборудования) используются локально, поскольку выполняют конкретные специфические задачи.

 Интеллектуальные поисковые  системы отличаются от виртуальных  собеседников тем, что они достаточно  безликие и в ответ на вопрос  выдают некоторое выдержка из  источников знаний (иногда достаточно  большого объема), а собеседники  обладают «характером», особой манерой  общения (могут использовать сленг,  ненормативную лексику ), и их ответы должны быть предельно лаконичными (иногда даже просто в форме смайликов, если это соответствует контексту.

  Для разработки ИИС  раньше использовались логические  языки ( Пролог, Лисп и т. д.), а сейчас используются различные процедурные языки. Логико-математическое обеспечение разрабатывается как для самих модулей систем, так и для стыковки этих модулей. Однако на сегодняшний день не существует универсальной логико-математической системы, которая могла бы удовлетворить потребности любого разработчика ИИС, поэтому приходится либо комбинировать накопленный опыт, либо разрабатывать логику системы самостоятельно. В области лингвистики тоже существует множество проблем, например, для обеспечения работы системы в режиме диалога с пользователем на естественном языке необходимо заложить в систему алгоритмов формализации естественного языка, а эта задача оказалась куда сложнее, чем предполагалось на заре развития интеллектуальных систем. Еще одна проблема - постоянная изменчивость языка, которая обязательно должна быть отражена в системах искусственного интеллекта.

  Классификация интеллектуальных  систем

  В соответствии с  перечисленными признаками ИИС  делятся на:

• системы с коммутативными способностями (с интеллектуальным интерфейсом);
• экспертные системы (системы для решения сложных задач);
• самообучающиеся системы (системы, способные к самообучению);
• адаптивные системы (адаптивные информационные системы).

 

Классификация задач, решаемых интеллектуальной информационной системы:

- Интерпретация данных. Это одно из традиционных задач для экспертных систем. Под интерпретацией понимается процесс определения содержания данных, результаты которого должны быть согласованными и корректными. Обычно предполагается многовариантный анализ данных.

- Диагностика. Под диагностикой понимается процесс соотношения объекта с некоторым классом объектов и обнаружения неисправности в некоторой системе. Неисправность - это отклонение от нормы. Такая трактовка позволяет с единых теоретических позиций рассматривать и неисправность оборудования в технических системах, и заболевания живых организмов, и всевозможные природные аномалии. Важной спецификой является здесь необходимость понимания функциональной структуры («анатомии») диагностирующей системы.

- Мониторинг. Основная задача мониторинга - непрерывная интерпретация данных в реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы. Главные проблемы - «пропуск» тревожной ситуации и инверсное задача «ложного» срабатывания. Сложность этих проблем в размытости симптомов тревожных ситуаций и необходимость учета временного контекста.

- Проектирование. Проектирование состоит в подготовке спецификаций на создание «объектов» с заранее определенными свойствами. Под спецификацией понимается весь набор необходимых документов - чертеж, пояснительная записка и т.д. Основные проблемы здесь - получение четкого структурного описания знаний об объекте и проблема «следа». Для организации эффективного проектирования и в еще большей мере того, что перепроектирование необходимо формировать не только сами проектные решения, но и мотивы их принятия.Таким образом, в задачах проектирования тесно связываются два основных процесса, выполняемых в рамках соответствующей ЭС: процесс вывода решения и процесс объяснения.

- Прогнозирования. Прогнозирование позволяет предсказывать последствия некоторых событий или явлений на основании анализа имеющихся данных. Прогнозирующие системы логически выводят вероятностные последствия из заданных ситуаций. В прогнозирующие системе обычно используется параметрическая динамическая модель, в которой значения параметров «подгоняются» под заданную ситуацию. Выводы, которые выводятся из этой модели, составляющие основу для прогнозов с вероятными оценками.

- Планирование. Под планированием понимается нахождение планов действий, относящихся к объектам, способных выполнять некоторые функции. В таких ЭС используются модели поведения реальных объектов с тем, чтобы логически вывести последствия планируемой деятельности.

- Обучения. Под обучением понимается использование компьютера для обучения некоторой дисциплины или предмету. Системы обучения диагностируют ошибки при изучении какой-либо дисциплины с помощью ЭВМ и подсказывают правильные решения. Они аккумулируют знания о гипотетическом «ученике» и его характерные ошибки, затем в работе они способны диагностировать слабости в знаниях учащихся и находить соответствующие средства для их ликвидации. Кроме того, они планируют акт общения с учеником в зависимости от успехов ученика с целью передачи знаний.

- Управления. Под управлением понимается функция организованной системы, поддерживающей определенный режим деятельности. Такого рода ЭС осуществляют управление поведением сложных систем в соответствии с заданными спецификациями.

- Поддержка принятия решений. Поддержка принятия решений - это совокупность процедур, обеспечивающая лицо, принимающее решение, необходимой информацией и рекомендациями, облегчающие процесс принятия решения. Эти ЭС помогают специалистам выбрать и сформировать нужную альтернативу среди множества выборов при принятии ответственных решений.

 

В общем случае все системы, основанные на знаниях, можно подразделить на системы, решающие задачи анализа, и на системы, решающие задачи синтеза. Основное отличие задач анализа от задач синтеза заключается в том, что если в задачах анализа множество решений может быть перечислено и включено в систему, то в задачах синтеза множество решений потенциально не ограничено и строится из решений компонент или проблем. Задачами анализа являются: интерпретация данных, диагностика, поддержка принятия решения; к задачам синтеза относятся проектирование, планирование, управление. Комбинированные: учение, мониторинг, прогнозирование.

Типовая схема функционирования интеллектуальной системы

  Функционирование интеллектуальной системы можно описать как постоянное принятие решений на основе анализа текущих ситуаций для достижения определенных целей. Естественно выделить отдельные этапы, которые образуют типичную схему функционирования интеллектуальной системы:

  1.Непосредственное восприятие внешней ситуации; результатом является формирование первичного описания ситуации.

  2.Сопоставления первичного описания со знаниями системы и пополнение этого описания; результатом является формирование вторичного описания ситуации в терминах знаний системы. Этот процесс можно рассматривать как процесс понимания ситуации, или как процесс перевода первичного описания на внутреннюю речь системы. При этом могут изменяться внутреннее состояние системы и ее знания. Вторичный описание может быть не единственным, и система может выбирать между различными вторичными описаниями.Кроме того, система в процессе работы может переходить от одного вторичного описания к другому. Если мы можем формально задать формы внутреннего представления описаний ситуаций и операции над ними, мы можем надеяться на определенный автоматизированный анализ этих описаний.

  3.Планирования целенаправленных действий и принятия решений, т.е. анализ возможных действий и их последствий и выбор того действия, которое лучше всего сочетается с целью системы. Это решение, вообще говоря, формулируется некоторой внутренней языке (сознательно или подсознательно).

  4.Обратная интерпретация принятого решения, то есть формирование рабочего алгоритма для осуществления реакции системы.

  5.Реализация реакции системы; следствием является изменение внешней ситуации и внутреннего состояния системы, и т. д.

 

Недостатки информационных систем заключаются в:

1. Переводе существующих документальных записей в электронную форму.

2. Дороговизне, особенно  при условии настройки на стороне  клиента.

3. Необходимости обучения  персонала, работающего с системой.

4. Потенциально меньшей  безопасности по сравнению с  традиционной системой учета,  если только не будут приняты  особые шаги для ограничения  доступа к файловой информации.

5. Слабая адаптируемость к информационным потребностям пользователя.

6. Невозможность решать плохо формализуемые задачи.

  Перечисленные недостатки устраняются в ИИС

 

Интеллектуальные информационные системы подразделяются на 2 класса – классические и нейронные технологии. 

Нейронные технологии - это адаптивные системы для обработки и анализа данных, которые представляют собой математическую структуру, имитирующую некоторые аспекты работы человеческого мозга и демонстрирующие такие его возможности, как способность к неформальному обучению, способность к обобщению и кластеризации неклассифицированной информации, способность самостоятельно строить прогнозы на основе уже предъявленных временных рядов. Главным их отличием от других методов, например таких, как экспертные системы, является то, что нейросети в принципе не нуждаются в заранее известной модели, а строят ее сами только на основе предъявляемой информации. Именно поэтому нейронные сети и генетические алгоритмы вошли в практику всюду, где нужно решать задачи прогнозирования, классификации, управления - иными словами, в области человеческой деятельности, где есть плохо алгоритмизуемые задачи, для решения которых необходимы либо постоянная работа группы квалифицированных экспертов, либо адаптивные системы автоматизации, каковыми и являются нейронные сети.

Классические информационные системы основаны на концепции использования базы знаний для генерации алгоритмов решения экономических задач различных классов в зависимости от конкретных информационных потребностей пользователей.