лекиции, лафче и помощ …

пълни лекции по ИКП

април 12th, 2008 Публикувано в ИКП, Лекции

Многоагентни системи. Основни понатия.

1. Област на изследване и приложение на МАС са технологии за обрабока на знанията (ТОЗ)- включват се процеси за придобиване, търсене, анализ, поддържане, многократно и съвместно използване на информацията.

ТОЗ са предназначени да обработват смисъла , кодиран в данните, а не техните кодове. По този начин данните са превръщат в знания.

Чрез ТОЗ се дабавя контекст, съпоставяне, разсъждения, извличане на изводи и съвместното им използване към веригата от стойности на дигиталното съдържание.

ДИГИТАЛНО СЪДЪРЖАНИЕ – кодирани данни в различни видове документи, представени в компютърните системи – БД, е- mail, multimedia.

Технологиите за обработска на ДС имат за цел да организират, пакетират и доставят дигиталния пълнеж. ТОЗ добавят семантичен слой към съдържанието за да подпомогнат разбирането на това съдържание и да го свържат със знанията в човешкия опит, умения и памет.

Технология на семантичния WEB

WEB – съвкупност от информационни ресурси , като се въвеждат семантично маркирани данни. По този начин представянето на инфомацията позволява тяхната компютърна обработка, търсене и смесване на данни разпръснати в ИНТЕРНЕТ.

(ХИПЕРТЕКСТ структура) онлайн енцеклопедии.

Добавяне на значение – смисъла на семантичен текст.

Онтологии като произход за отразяване на семантични отнощения.

ОНТОЛОГИЯ – наука за битието , раздел от философията , изледващ фундаментални принципи на битието, неговата дълбока същност и категории.

- древногръцка философска школа – Перманит и алеатскята школа първи разглеждат метафизиката на битието.

Платон и неговото учение „За Идеите” разглежда форми и същност постигнати по пътя на умозаключението, чието отражение е многовеществения свят.

Аристотел доразвива идеите на Платон – онтология описание на физическата реалност, а не на автономната реалност на идеите

- Средновековие – в основата на онтологията е Бог като единно, неоспоримо начало и определение за същността на битието.

В този период – Декард, Спиноза и Лайбниц- на първо място при тях се поставя Гносеологията (наука за познанието)

- Кант въвежда ново разбиране за обективността като резултат от оформянето на чувствата и връзката с възможния опит, а предхождащата онтология дефинира като чист разум.

- Фифте, Шелинг и Хегел доразвиват доктрината на рационалистите. Битието е закономерен етап от развитието на мисленето. Определят онтологичната истина като процес, а не като състояние.

Съвременна онтология – изседвания в проблемите на познанието. Изледователите от 20 век в областта на изкуствения интелект съсредоточават изследванията върху категориален анализ на познанието, диалектиката на природата, обществото и мисленето.

Онтология – определение: Концептуален информационен модел, който описва нещата съществуващи в дадена предметна област- това са понятия, свойства, факти, правила и връзки.

Описанието се осъществява по по съгласуван и формален начин. По този начин една онтология има поведение на стандартизиран спецификационен модел, оосигуряващ стабилна основа за общо разбиране на предметната област, която може да се сподели между хора или между вътрешни за една организация приложни системи.

Приложението на онтологичния принцип позволява да се работи в области с големи количества разпределена и разнородна компютърно базирана информация.

Практическото реализиране на семантичния WEB се базира на използването на онтологични езици. Онтологиите и онтологичните езици са фундамент в изследването и разработките на изкуствения интелект.

Основни направления в изседването на семантичния WEB са

  1. логически изводи над онтологичните езици
  2. техники за автоматично извлечени на МЕТА ДАННИ
  3. методи, осигуряващи надеждност, устойчивост,стабилност и доверие в инфомацията.
  4. методи за семантично маркиране на мултимедийно съдържание

ТЕХНИКИ ЗА ОТКРИВАНЕ НА ЗАКОНОМЕРНОСТИ ОТ ДАННИ

1.ИЗВЛИЧАНЕ НА ЗАКОНОМЕРНОСТИ ОТ ДАННИ

Knowledge discovery, data mining

Този процес е частично автоматизиран и е предназначен за извличане на шаблони от големи съвкупности от данни. Тази област включва изучаване и оценка на алгоритми за машинно самоучение ориентиран към различни формати на данните

Например таблици на бази данни текстови документи, графични изображения, аудио-видео, 3D.

В тази област ключви понятия са: синергия (синергика, синергичен ефект), разпознаване на образи,когнитология, биоинформатика, медицина, икономика и иконометрия,търсене на мултмедийна информация, обработка на данни, записани на естествен език, ГИС,

2. ИЗВЛИЧАНЕ НА ЗНАНИЯ – ТЕХНОЛОГИИ И ЕВРИСТИЧНИ МОДЕЛИ

2.1. СТАТИСТИЧЕСКИ МЕТОДИ (exel)

- регресионен анализ

- Баесови класификатори и функции

- Статистически техники за клъстеризация

2.2 Методи за символно (конекциониско) машинно самообучение (дървета на решенията, невронни мрежи, самоорганизиращи се мрежи, генетичти алгоритми, асоциативни правила, разсъждения, основани на прецеденти) case based reasoning

- добиване на данни от текст - text mining

Текстов вариант на общото понятие откриване на закономерности от данни (DATA MINING) и неговата реализация, включваща обработката на естествен език. Извлича общата идея от част от текста в статистически шаблони на базата на статистически анализ в шаблони, които са обект на интерес и са свързани с основната идея. Крайният резултат може да бъде визуализиран, което позволява интерактивен анализ

АГЕНТНИ ТЕХНОЛОГИИ. ОСНОВНИ ПОНЯТИЯ

  1. АГЕНТ – Всеки обект, който възприема обкръжението (средата си) чрез сензори и въздейства върху него с ефектори (изпълнителни органи).

Сензорите осигуряват агента с възприятия. Ефекторите изпълняват действия в средата на агента.

Агентите са автономни изчеслителни единици. (Computational units). Съществуват във физическо изображение като програма /и. Изпълняват се от компютърни устройства. Управляват (в някаква степен) поведението си и могат да действат без намесата на хора или други системи.

1.1. Основни характеристики на многоагентните системи

Всеки агент разполага с непълна информация и е с ограничени възможности за самостоятелно решение на комплексна задача. За разпределено управление на системата, данните са децентрализирани (разпръснати). Обработката на информация е асинхронна.

1.2. Основни процеси в МАС

- комуникация

- координация

- архивните материали и реализацията на програмните агенти се разделят на 2 основни групи.

  1. мобилни агенти
  2. интелигентни агенти

моделирането на мобилните агенти включва създаване на възможности агентите да мигрират между системи от един и същи профил. Това се осъществява чрез използването на общи езици за програмиране, еднакъв тип на агентите и унифицирана система за адресация.

Интелигентните агенти – най-чисто са статични и използват:

-стандартизирани еденици за комуникация

-станртизирани единици за описване на съдържанието на агентите

- онтология (система от основни понятия, които се използват в дадена област- обекти и свойствата им, най - често сруктурирани, като таксономи).

Определят се също и протоколи за провеждане на преговори за поддържане на съвместна работа.

1.3. Основни типове приложения

1. подпомагащи агенти – действат в информационното пространство, като представители на своите потребители

2. МС подпомагащи взимане на решения, в които агентите трябва съвместно да достигнат до решения

3. Многоагентни стимулиращи системи

1.4. Управление на знанията – Knowledge management – за запитвания с подходи и техники за представяне и използване на натрупан опит, под формата на кодирани знания и разпространяването на най-добри практики за поддържане на иновации в дадена област (предимно в бизнеса, корпоративните практики и системи)

Фокусът на внимание в този обект се премества от технологичните подходи към подходи ориентирани към хората и иономическите процеси. Главна цел на тези методи е проектиране на устойчиви процеси.

При бизнес процесите – платформата на дадена организация се базира на KNOW HOW-то. Чрез тях се овеществяват знания, въплатени в структури и продукти.

От гледна точка на бизнес процесите може да се идентифицират използването на знания в добрите практики, както и дефицити на знания в организацията. Съществуват приложения, които предлагат инструменти за търсене на информация и хранилища за данни, съобразени с изискванията на потребителите.

След извикване на информацията – следващата техническа стъпка е обединяване на подходите ориентирани към управление на знанието, ориентирани към бизнес процесите и хората.

Прилагат се техники като: виртуални общности и семантични модели на данни и информация.

АСПЕКТИ НА СИГУРНОСТТА

WEB базираните приложения позволяват съвместна работа в различни платформи, чрез съвкупност от отворени стандарти, включително XML, протокол за достъп до обекти, протокол за комуникация между приложения от различни платформи. Използване на език за описание на WEB услуги, съответно за описание на услуги в реално време.

Принципите на защита на WEB услугите изискват

  1. проверка на автентичността
  2. проверка на ауторизацията
  3. осигуряване на конфиденциалност
  4. осигуряване на непокътнатост

ОСНОВНИ ОБЛАСТИ В ИЗИСКВАНИЯТА НА ИНТЕЛИГЕНТНИТЕ СИСТЕМИ

  1. ИНТЕЛИГЕНТНИ ЕКСПЕРТНИ СИСТЕМИ БАЗИРАНИ НА СОФТКОМРЮТИНГ И ТЕОРИЯТА НА РАЗМИТИТЕ МНОЖЕСТВА

Изследвани са интилигентни системи, основани на размити модели от класа на: Мамдани, Сугено, Тукамото

В тази област най-переспективни приложения са:

- обработка на сигнали

- Контрол на качеството на реалното производство

- финонсови и иконоичиски прогнози

Стратегиите в Софткомпютинга шумозаглушителни, нискоконсумативни, гъвкави, управляеми.

Най-разпространени са самообучаващите се модели, които чрез сравнения на измерванията на сензора и преварително дефинирана представителна картина дават като резултат качествен контрол в реално време по възприети критерии. Най-переспективни изследвания в двете области са интергративните приложения на двете невронните системи

Виртуални размити невронни мрежи

Научна мрежа ЕUNITE – европейска мрежа за интелигентни технологии и адаптивни интелигентни системи се реализира в пета рамкова програма. От 2001 г. участва и България – Института по Кибернетика към БАН.

Създава се нова парадига – SC (soft computing) агенти отразява сибиоза между soft computing технологии и интелигентни агенти. Постиженията от soft computing моделите за моделиране на неопределени слабодефинирани ограничения и условия за реализиране на добре обусновани и управляеми модели, които да се използват в разпределена среда в комбинация с интелигентни агенти.

Интелигентните Агенти действат като посредници между различни точки в разпределената среда за изпълнение на предварително дефинирани цели.

Приложения на soft computing агенти

  1. задача за оптимална маршрутизация в ИНТЕРНЕТ – връзки с отчитане на комплекс от субективно дефинирани фактори:

- цена на връзката

- време – закъснение

- приоритет

- стойност на маршрута

- дължина на опашките и др.

Тези фактори се отразяват като правила в размит модел (FUZZY model), който възпроизвежда качеството на връзките.

  1. приемно зависимо производство – особено ефективно в дребно серийно производство
  2. възстановяване на информацията по надстройки от клиента
  3. разработване на стратегии за дистанционно обучение на хора страдащи от дислексия.
  4. нанотехнологии
  5. интегриране на ДНК структури за моделиране на развитие на болести и в различни други приложения в химия, биология.

ВИДОВЕ АГЕНТИ. ПРЕДИМСТВА.ОСНОВНИ ХОРАКТЕРИСТИКИ.

Предимства на агентити пред тъсещите машини включва основните технически хорактеристики, които могат да се разглеждат като добавяне на интелектуална надстройка върху търсещите машини.

  1. основни хорактеристики на ТМ

търсещия агент предава на потребителя не само резултатът от търсене, но и предварително подбира и избира най-релевантните на заявката за търсене отговори, като прави оценка на релевантността

  1. агентът може да се настройва според предпочетанията на потребителя, като отчита редица ограничения, формулирани от неговия владетел.
  2. някои агенти могат да работят в Онлайн режим. Когато потребителят даде заявкатана агента, той може да се изключи от ИНТЕРНЕТ, а агентът извършва търсенето и го подава на потребителя в момента на неговото повторно включване.
  3. агентите притежават способност да се самообучават, чрез отчитане на оценките за работата им. Тези оценки служат за коригирани на критерии за подбора на информация.

ОСНОВНИ СВОЙСТВА НА АГЕНТИТЕ

  1. Адаптивност – могат да се обучават и нагаждат, в зависимост от промените в тяхната среда
  2. Автономност – работят като самостоятелна програма, поставят си цел и изпълняват дейности за постигането й.
  3. Колаборативност – агентите могат до взаимодействат с други агенти по различно начини. (в ролята на доставчици на информация или на потребители, както и в двата случая едноременно)
  4. Способност за разсъждения – притежават частични знания или механизми за изводи. Могат да специализират в различна предмитна област.
  5. Комуникативност – може да общуват с други агенти
  6. Мобилност – предават своя код от един сървър на друг.

МАС

МАС са ситеми, състоящи се от множество автономни модули- агенти със следните свойства:

  1. всеки агент притежава набор от знания
  2. нямат централно управление
  3. източникът на данни и достъпът до тях е децентрализиран
  4. работата на агентите е асинхронна.

Развитието на ИНТЕРНЕТ е подходяща програмна среда за разпределяне на автономни програмни системи. За успешно функциониране в такава среда, агентите трябва да могат да решават две основни задачи

- да се откриват един друг в такава среда

- да си взаимодействат

ЕЗИК ЗА ОБЩУВАНЕ НА АГЕНТИТЕ В МАС

2 подхода

- процедурен – комуникацията се базира на използване на инструкции JAVA или OSV

- Декларативен - комуникацията се базира на използване на описания – KQML

3 нива в езика

- комуникативно

- Ниво на съобщения

- ниво на съдържание

ВИДОВЕ АГЕНТИ В ЗАВИСИМОСТ ОТ АРХИТЕКТУРАТА

3 вида

- ДЕЛИБЕРАТИВЕН – архитектурата се базира само на точно представяне на картината на света в символна форма, решенията се вземат на база на форма, разсъждения и използване на методите за сравняване по образи

- АГЕНТ С РЕАКТИВНА АРХИТЕКТУРА – алтернатива на делиберативния агент. Базират се на идея, че интелигентното поведение може да се реализира без символно представяне, прието в класическия представен интелект. Нямат символен модел на вътрешния свят. Работят по правило: ситуация – действие, избирайки най-подходящите действия в конкретната ситуация.

Ситуация – потенциално сложна комбинация от вътрешни и външни състояния

- ХИБРИДНА АРХИТЕКТУРА – съчетание на предишните два агента

ПРЕДИМСТВА И НЕДОСТАТЪЦИ

ПРЕДИМСТВА

ДА – са удобни за символно представяне на знания

РА – позволяват по най- достъпен начин да се изпълнят множество образци на поведение, като реакция на агента, на определени стимули в конкретна предметна област.

ХА – позволяват гъвкава комбинация от възможностите на Д и Р подход – най- переспективни.

НЕДОСТАТЪЦИ

ДА –има трудности за представяне и създаване на точен и пълен модел на света във вътрешния свят на агента, както и при моделиране на процеси и механизми на разсъждение

РА- имат ограничения при определяне на всички възможни ситуационни реакции

ХА – неизяснена принципна структура. Тесни области на приложение.

ПРАКТИЧЕСКИ ПРИЛОЖЕНИЯ НА МАС

Приложения в 3 сфери

1.МАС които включват неспециализирани търсещи агенти – агентите търсят информация по ключова дума и устойчиви словосъчетания. Изпълняват услуги, които са надстройка над обикновените търсещи машини.

Недостатъци – резултатите са с много ниско качество и не се различават от търсене без агент. Обучението на агента е в интерактивен режим. Алгоритъмът не е оптимален и заема много време. Не натрупват знания в областите на търсене.

2.Специализирани ТА – търсене на информация в различни области по вид, текст, музика, графика. Настройват се към конкретен формат на представяне на данни

предимства – много точно извличане на данни

Недостатъци – тясно специализирани. Разработват се специално.

3.Интелегентни агенти – използване на методи и средства на изкуствения интелект за предаване и извличане на нови знания. Механизми за обучение. Лингвистична обработка на текстове на естествен език

Общ недостатък – слаба обучаемост.

Външен свят – среда която обкръжава агента и се отразява в неговите бази знания, като описание или реакция, поведение, в зависимост от неговата архитектура и принципи на изграждане.

Интелигентен агент = данни + методи+ знания

Методи – включва се метод за въздействие на външния свят на агента

Данни – може да получи от други агенти

Интелигентен агент – притежава всички качества на агента + активно целенасочено поведение

ИНТЕЛИГЕНТНА ПЛАТФОРМА

ПЛАТФОРМА – комбинация от апаратни средства и програмно осигуряване на дадена система. В зависимост от контекста термина се отнася към апаратурата (HW, частите му, комбинация между архитектура и ОС, чрез потенциални посетители на site)

Интелигентно устройство – интелигентно е когато се управлява от 1 или повече процесора интегрирани в него.

ИНТЕЛИГЕНТНА ПЛАТФОРМА – обединено понятие за широк спектър от технологии, включително електронни сензори, техническо и програмно осигуряване и радиокомуникации

ИНТЕЛИГЕНТНА МАТЕРИАЛНА СИСТЕМА- отговаря на съвременното използване на структури, двигателни механизми, сензори, управляващи системи, които способстват за адаптиране или реакция на външни условия и въздействия.

В Computing – a – платформата обединява някои видове фреймови модели ( или HW или SW), които създават възможност за изпълнение на програмите.

Типични интелигентни платформи са компютърни архитектури, ОС, програмни езици и техните библиотеки

Развиват се от предоставяне на информация към предоставяне на услуги.

You must be logged in to post a comment.