Mühazirə Bilik anlayışı. Biliklərin təsvir və təqdim üsulları

Öz-özünə öyrənən sistemlər
Öz-özünə öyrənən sistemlərin əsasını real təcrübənin şəraitlərinin misallarının avtomatik təsnifatının metodları təşkil edirlər. Real şəraitlərin misalları hər hansı bir tarixi müddət ərzində yığılırlar və öyrədici seçimi təşkil edirlər. Bu misallar təsnifat əlamətləri çoxluğu ilə təsvir olunurlar. Öyrədici seçim ola bilər:
·“müəllimlə”, nə zaman ki, hər bir misal üçün aşkar şəkildə əlamətin qiyməti, onun hər hansı bir şəraitlər sinfinə mənsub olması verilir;
·“müəllimsiz”, nə zaman ki, təsnifat əlamətlərinin qiymətlərinin yaxınlıq dərəcəsinə görə sistem özü şəraitlər siniflərini ayırır.
Sistemin öyrədilməsi nəticəsində şəraitlərin siniflərə mənsubiyyətini müəyyən edən qaydalar və ya funksiyalar avtomatik qurulurlar. Bu siniflərdən öyrədilmiş sistem yeni yaranmış şəraitlərin interpretasiyası üçün istifadə edir.
Beləliklə, təsnifat və proqnozlaşdırma məsələlərinin həlli zamanı istifadə olunan biliklər bazası avtomatik olaraq formalaşdırılır. Bu biliklər bazası real şəraitlər təcrübəsi yığıldıqca periodik olaraq avtomatik şəkildə korreksiya olunur və bu da onun yaradılması və yeniləşdirilməsi üçün tələb olunan məsrəfləri azaltmağa imkan verir.
İnduktiv sistemlər. Xüsusidən ümumiyə prinsipi üzrə misalların ümumiləşdirilməsi eyni bir alt siniflərə aid olan misallar alt siniflərinin aşkarlanmasına və onlar üçün əhəmiyyət kəsb edən əlamətlərin müəyyən edilməsinə gətirir.
Misalların təsnifatı prosesi aşağıdakı kimi həyata keçirilir:
1. Verilənlər çoxluğundan təsnifat əlaməti seçilir (ya ardıcıl, ya da hər hansı bir qaydaya görə, məsələn, misalların alınan altçoxluqlarının maksimal sayına müvafiq olaraq);
2. Seçilmiş əlamətin qiymətinə görə misallar çoxluğu altçoxluqlara bölünür;
3. Yaradılmış hər bir misallar altçoxluğunun bir altsinifə mənsub olduğunun yoxlanılması yerinə yetirilir;
4. Əgər hər hansı bir misallar altçoxluğu bir altsinifə mənsubdursa, yəni altçoxluğun bütün misallarında sinif təşkiledici əlamətin qiyməti üst-üstə düşürsə, o zaman təsnifat prosesi başa çatır (bu zaman təsnifatın digər əlamətlərinə baxılmır);
5. Siniftəşkiledici əlamətin qiyməti ilə üst-üstə düşməyən misallar altçoxluğu üçün təsnifat prosesi 1-ci bənddən başlayaraq davam edir (misalların hər bir altçoxluğu təsnif olunan çoxluq olur).
Təsnifat prosesi həll ağacı şəklində təqdim oluna bilər.
Bu ağacda aralıq düyünlərdə ardıcıl təsnifat əlamətlərinin qiymətləri, sonuncu düyünlərdə isə müəyyən sinfə mənsub əlamətin qiymətləri yerləşdirilir.
Yeni şəraitin analizi həmin şəraiti tam müəyyən edən ağacın budağının seçilməsinə gətirir. Həllin axtarışı təsnifat əlamətlərinin ardıcıl yoxlanılması nəticələrinə görə həyata keçirilir. Ağacın hər bir budağı həllin bir qaydasına müvafiq olur.
Biliklərin induktiv şıxarışını dəstəkləyən instrumental vasitələrə misal olaraq Ist Class (Programs in Motion), Rulemaster (Radian Corp.), Argus Soft-u göstərmək olar.
Neyron şəbəkələri. Misallar üzərində öyrədilmə nəticəsində riyazi həlledici funksiyalar qurulurlar (ötürmə funksiyaları və ya aktivləşmə funksiyaları). Bu funksiyalar giriş (X_i ) və çıxış (Y_i ) əlamətləri arasındakı asılılıqları müəyyən edirlər.
İnsan beyninin elementar vahidinə analoju olaraq neyron adlandırılan hər bir belə funksiya çıxış əlamətinin (Y) qiymətinin giriş əlamətlərinin (X_i ) qiymətlərinin çəkilmiş cəmindən (U) asılılığını əks etdirir. Giriş əlamətinin çəkisi (W_i ) giriş əlamətinin çıxış əlamətinə təsir dərəcəsini göstərir.

Həlledici funksiyalardan onların qiymətlərinin giriş əlamətlərinin müxtəlif kombinasiyalarında hər hansı bir hüdud qiyməti ilə müqayisəsi əsasında təsnifat məsələlərində istifadə olunur. Verilmiş hüdudu aşma halında hesab olunur ki, neyron işə düşmüşdür və beləliklə şəraitlərin hər hansı bir sinfini tanımışdır. Proqnozlaşma məsələlərində neyronlardan o zaman istifadə edirlər ki, giriş əlamətlərini həlledici funksiyanın ifadəsində yerinə qoyduqda həmin əlamətlərin qiymətlərinə görə çıxış əlamətinin proqnoz qiyməti alınır.
Neyron şəbəkəsinin öyrədilməsi neyronlar arasında əlaqələrin (sinapsların) müəyyən edilməsinə və bu əlaqələrin gücünün təyin olumasına gətirilir.
Neyron şəbəkəsinin öyrədilməsinin ən geniş yayılmış alqoritmi səhvin əks paylanması alqoritmidir.
Neyron şəbəkələrinin induktiv çıxarışdan üstünlüyü nəinki təsnifat məsələlərinin, həm də proqnoz məsələlərinin həlli imkanlarının olmasıdır. Giriş və çıxış əlamətlərinin funksional asılılığının qeyri xətti xarakterli olması daha dəqiq təsnifatın qurulmasına imkan verir.
Məsələlərin həlli prosesinin özü matrisli çevrilmələrin aparılması səbəbindən çox tez həyata keçirilir. Faktiki olaraq induktiv sistemlərdə ardıcıl prosesdən fərqli olaraq neyron şəbəkəsi üzrə paralel prosesin gedişi imitasiya olunur. Neyron şəbəkələri assosiativ yaddaşlı neyrokompüterlər şəklində aparat realizə oluna bilərlər.
İnformasiya ambarları (Data Warehouse). İntellektual verilənlər bazasından fərqli olaraq informasiya ambarı operativ verilənlər bazasından əhəmiyyət kəsb edən çıxarılmış informasiyanın ambarını təmsil edir. Bu ambar eyni zamanda verilənlərin operativ analizi üçün də təyin olunmuşdur (OLAP-texnologiyanın realizə olunması). Əhəmiyyət kəsb edən informasiyanın verilənlər bazasından çıxarılması üçün xüsusi metodlardan istifadə olunurlar (Data Mining və ya Knowledge Discovery). Bu metodlar ya çoxölçülü statistik cədvəllərin, ya həll ağacının qurulmasının induktiv metodlarının və ya neyron şəbəkələrinin tətbiqinə əsaslanmışlar. Sorğunun formalaşdırılması dialoqda analizin əhəmiyyət kəsb edən əlamətlərini çevik təyin etməyə imkan verən intellektual interfeysin tətbiqi nəticəsində həyata keçirilir.
Təcrübədə informasiya ambarlarının tətbiqi daha çox dərəcədə intellektual və ənənəvi informasiya texnologiyalarının inteqrasiyasının, biliklərin təqdim olunması və çıxarılmasının müxtəlif metodlarından kombiə olunmuş şəkildə istifadənin, informasiya sistemlərinin arxitekturasının mürəkkəbləşməsinin zəruriliyini nümayiş etdirir.
İnformasiya ambarlarının işlənilməsi yayılması ilə hal hazırda IBM (İntelligent Miner), Silicon Graphics (MineSet), Intersolv (Data Direct, Smart Data), Oracle (Express), SAS Institute (SAS/Assist) və digərləri kimi kompüter firmaları məşğul olurlar.