CC BY
31
т
rite S - множество возможных состояний проблемной области (универсум); Ро (Ро принадлежит Pg), STo (STo принадлежит STg) начальные (текущие) множества продукционных правил и стратегий соответственно; Pg, Stg - множества генераций правил и стратегий; R(ST) - множество правил для выбора стратегии поиска решения St из STo; R(Po), R(STo) - множества правил для модификации Ро и STo; F - множество правил для коррекции и пополнения модели.
Разработаны алгоритмы построения модели и поиска решения, включая параллельный поиск. Для реализации предполагается использование
инструментальной среды G2 [3].
ЛИТЕРАТУРА
1. Башлыков А.А.. Еремеев А.П. Экспертные системы поддержки принятия решений в энергетике / Под ред. А.Ф.Дьякова. М.: МЭИ, 1994. 216 с.
2. Yeremeyev А.P. Adaptive Parallel Production Model of Knowledge Representation for Decision Support Systems // Proc. of JCK.BVSE'94. Russia, Percslavl-Zalesski, May 1994. P. 178-180.
3. Экспертные системы реального времени. Материалы семинара // Научн. рук. Э.В.Попов. М.: ЦРДЗ, 1995. 147 с.
УДК 658.012.
В.А. Акулов, Т.Н. Провинцева, А.Н. Маляров, С.В. Пестриков ИНФОРМАЦИОННАЯ ОБУЧАЮЩАЯ И ТЕСТИРУЮЩАЯ ПРОГРАММНАЯ СРЕДА "ЭКСТРЕМАЛЬНАЯ МЕДИЦИНА"
Разработан демонстрационный вариант базы знаний "Экстремальная медицина", представляющей собой техническое средство двойного назначения и выполненной в виде программ для 1ВМ-совместимого ПК. В едином комплексе объединены программная оболочка для создания и модификации содержательной части, средства обучения, контроля, самоконтроля знаний по проблемам экстремальной медицины и инструмент для выполнения адаптации.
Медицинские знания представлены в виде ситуационных задач, которые, в основном, являются обобщением реальных событий, имевших место в экстремальных условиях (Афганистан, Чечня, крупные транспортные и промышленные аварии и т.п.). Указанная особенность в значительной степени определяет уникальность системы.
Комплекс оснащен блоком адаптации, обеспечивающим настройку в соответствии с условиями пользователя (объем вызываемой информации, наименование разделов и тем, общее время тестирования, список пользователей и другие атрибуты сценария),а также установку цветовой гаммы экранов для режимов обучения и контроля.
УДК 007.52:611.86:519.816
А.Н.Каркищенко Оптимальное сокращение множества гипотез при поиске решений в интеллектуальных системах
В настоящее время получили широкое распространение продукционные .принципы при создании интеллектуальных систем, в частности, в области автоматизированного проектирования. Теоретические и практические основы
