Файл: Макарова_Информатика_2000.doc

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 19.05.2024

Просмотров: 3143

Скачиваний: 6

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

СОДЕРЖАНИЕ

Информатика

К читателю

Предисловие

От всей души желаем вам успехов!

1.1. Информатизация общества

Опыт информатизации и перспективные идеи

1.2. Информационный потенциал общества

Рынок информационных продуктов и услуг

Правовое регулирование на информационном рынке

1.3. Информатика – предмет и задачи

Ключевые понятия

Вопросы для самопроверки

Литература

2 Глава. Измерение и представление информации

2.1. Информация и ее свойства

2.2. Классификация и кодирование информации

2.1. Информация и ее свойства

2.2. Классификация и кодирование информации

Фасетная система классификации

Дескрипторная система классификации

Система кодирования

Классификационное кодирование

Ключевые понятия

Вопросы для самопроверки

Литература

После изучения главы вы должны знать:

3.1. Информационные системы

Понятие информационной системы

Персонал организации

3.2. Структура и классификация информационных систем

Информационные системы для менеджеров среднего звена

3.3. Информационные технологии

Как соотносятся информационная технология и информационная система

3.4. Виды информационных технологий

Характеристика и назначение

Ключевые понятия

Вопросы для самопроверки

Литература

Глава 4. Архитектура персонального компьютера

После изучения главы вы должны знать:

4.1. Информационно-логические основы построения

4.2. Функционально-структурная организация

4.3. Микропроцессоры

4.4. Запоминающие устройства пк

Накопители на жестких магнитных дисках

4.5. Основные внешние устройства пк

4.6. Рекомендации по выбору персонального компьютера

Ключевые понятия

Вопросы для самопроверки

Литература

Глава 5. Состояние и тенденции развития эвм

После изучения главы вы должны знать:

5.1. Классификация эвм Классификация эвм по принципу действия

Классификация эвм по размерам и функциональным возможностям

5.2. Большие эвм

5.3. Малые эвм

5.4. Персональные компьютеры

5.5. Суперэвм

5.6. Серверы

5.7. Переносные компьютеры

5.8. Тенденции развития вычислительных систем

Ключевые понятия

Вопросы для самопроверки

Литература

Глава 6. Компьютерные сети

После изучения главы вы должны знать:

6.1. Коммуникационная среда и передача данных

6.2. Архитектура компьютерных сетей

6.3. Локальные вычислительные сети

Управление взаимодействием устройств в сети

6.4. Глобальная сетьinternet

6.5. Локальная вычислительная сетьnovellnetware

Ключевые понятия

Вопросы для самопроверки

Литература

Глава 7. Офисная техника

После изучения главы вы должны знать:

7.1. Классификация офисной техники

7.2. Средства изготовления, хранения, транспортирования и обработки документов

Средства транспортирования документов

7.3. Средства копирования и размножения документов

7.4. Средства административно-управленческой связи

Системы передачи недокументированной информации

Дейтефонная связь

7.5. Компьютерные системы в оргтехнике

Ключевые понятия

Вопросы для самопроверки

Литература

Глава 8. Состояние и тенденции развития программного обеспечения

8.1. Программные продукты и их основные характеристики

8.2. Классификация программных продуктов

После изучения главы вы должны знать:

8.1. Программные продукты и их основные характеристики

8.2. Классификация программных продуктов

Сервисное программное обеспечение

Офисные ппп

Системы искусственного интеллекта

Ключевые понятия

Вопросы для самопроверки

Литература

Глава 9. Операционная система ms dos

9.1. Основные понятия

9.2. Характеристика ms dos

9.3. Технология работы в ms dos

9.1. Основные понятия

9.2. Характеристикаmsdos

9.3. Технология работы вmsdos

Формат команды объединения нескольких файлов

Форматы команд для обмена данными между внешним устройством и файлом, хранящимся на диске

Ключевые понятия

Вопросы для самопроверки

Литература

Глава 10. Norton commander – инструментарий работы в среде ms dos

После изучения главы вы должны знать:

10.1. Общие сведения

10.2. Работа с панелями информационного окна

10.3. Управление пакетом при помощи функциональных клавиш и ниспадающего меню

10.4. Вспомогательный инструментарий пакета

Ключевые понятия

Вопросы для самопроверки

Литература

После изучения главы вы должны знать:

11.1. Программы-архиваторы

11.2. Программы обслуживания магнитных дисков

Проблема фрагментации дисков

11.3. Антивирусные программные средства

Программы обнаружения и защиты от вирусов

Ключевые понятия

Вопросы для самопроверки

Литература

Глaba12. Операционные системыwindows95 иwindows98

После изучения главы вы должны знать:

12.1. Концепция операционных системwindows95 иwindows98

32-Разрядная архитектура

12.2. Объектно-ориентированная платформаwindows

Назначение Рабочего стола

12.3. Организация обмена данными

Внедрение объекта

12.4. Программные средстваwindows98

Комплекс программ Связь

Ключевые понятия

Вопросы для самопроверки

Литература

Глава 13. Текстовый процессор

13.1. Базовые возможности

13.2. Работа с текстом

13.3. Работа издательских систем

После изучения главы вы должны знать:

13.1. Базовые возможности

13.2. Работа с текстом

13.3. Работа издательских систем

Ключевые понятия

Вопросы для самопроверки

Литература

Глава 14. Табличный процессор

14.1. Основные понятия

14.2. Функциональные возможности табличных процессоров

14.3. Технология работы в электронной таблице

После изучения главы вы должны знать:

14.1. Основные понятия

Окно, рабочая книга, лист

Перемещение формул

14.2. Функциональные возможности табличных процессоров

Команды для работы с электронной таблицей как с базой данных

14.3. Технология работы в электронной таблице

Ключевые понятия

Вопросы для самопроверки

Литература

Глава 15. Система управления базой данных

После изучения главы вы должны знать:

15.1. Основные понятия

15.2. Реляционный подход к построению инфологической модели

15.3. Функциональные возможности субд

15.4. Основы технологии работы в субд

Ключевые понятия

Вопросы для самопроверки

Литература

Глава 16. Интеллектуальные системы

16.1. Введение в искусственный интеллект

16.2. Экспертные системы: структура и классификация

16.3. Технология разработки экспертных систем

После изучения главы вы должны знать:

16.1. Введение в искусственный интеллект

История развития искусственного интеллекта в России

16.2. Экспертные системы: структура и классификация

16.3. Технология разработки экспертных систем

Ключевые понятия

Вопросы для самопроверки

Литература

Глава 17. Инженерия знаний

17.1. Теоретические аспекты получения знаний

17.2. Практические методы извлечения знаний

17.3. Структурирование знаний

После изучения главы вы должны знать:

17.1. Теоретические аспекты получения знаний

17.2. Практические методы извлечения знаний

17.3. Структурирование знаний

Ключевые понятия

Вопросы для самопроверки

Литература

Глава 18. Создание программного продукта

18.1. Методология проектирования программных продуктов

18.2. Структурное проектирование и программирование

18.3. Объектно-ориентированное проектирование

После изучения главы вы должны знать:

18.1. Методология проектирования программных продуктов

Этапы создания программных продуктов

1. Составление технического задания на программирование

2. Технический проект

3. Рабочая документация (рабочий проект)

4. Ввод в действие

18.2. Структурное проектирование и программирование

18.3. Объектно-ориентированное проектирование

Методика объектно-ориентированного проектирования

Ключевые понятия

Вопросы для самопроверки

Литература

После изучения главы вы должны знать:

19.1. Автоматизация работы пользователя в средеmicrosoftoffice

19.2. Создание приложений на языкеvisualbasicforapplications

19.3. Реляционные языки манипулирования данными

Ключевые понятия

Вопросы для самопроверки

Литература

Макарова Наталья Владимировна

Матвеев Леонид Анатольевич

Бройдо Владимир Львович и др.

Информатика

101000, Москва, ул. Покровка, 7

Глава 13. Текстовый процессор 425

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 инверсная задача "ложного" срабатывания. Сложность этих проблем в размытости симптомов тревожных ситуаций и необходимость учета временного контекста.

Пример 16.7:

контроль за работой электростанций СПРИНТ, помощь диспетчерам атомного реактора – REACTOR;

контроль аварийных датчиков на химическом заводе – FALCON и др.

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 степени, перепроектирования 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.

Пример 16.8:

проектирование конфигураций ЭВМ VAX – 11/780 в системе XCON (или R1), проектирование БИС – CADHELP;

синтез электрических цепей – SYN и др.

Прогнозирование. Прогнозирующие системы логически выводят вероятные следствия из заданных ситуаций. В прогнозирующей системе обычно используется параметрическая динамическая модель, в которой значения параметров "подгоняются" под заданную ситуацию. Выводимые из этой модели следствия составляют основу для прогнозов с вероятностными оценками.

Пример 16.9:

предсказание погоды – система WILLARD;

оценки будущего урожая – PLANT;

прогнозы в экономике – ECON и др.

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

Пример 16.10:

планирование поведения робота – STRIPS;


планирование промышленных заказов – ISIS;

планирование эксперимента – MOLGEN и др.

Обучение. Системы обучения диагностируют ошибки при изучении какой-либо дисциплины с помощью ЭВМ и подсказывают правильные решения. Они аккумулируют знания о гипотетическом "ученике" и его характерных ошибках, затем в работе способны диагностировать слабости в знаниях обучаемых и находить соответствующие средства для их ликвидации. Кроме того, они планируют акт общения с учеником в зависимости от успехов ученика с целью передачи знаний.

Пример 16.11:

обучение языку программирования Лисп в системе "Учитель Лиспа";

система PROUST – обучение языку Паскаль и др.

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 следующем: если в задачах анализа множество решений может быть перечислено и включено в систему, то в задачах синтеза множество решений потенциально строится из решений компонентов или подпроблем. Задача анализа – это интерпретация данных, диагностика; к задачам синтеза относятся проектирование, планирование. Комбинированные задачи: обучение, мониторинг, прогнозирование.

Классификация по связи с реальным временем

Статические ЭС разрабатываются в предметных областях, в которых база знаний и интерпретируемые данные не меняются во времени. Они стабильны.

Пример 16.12. Диагностика неисправностей в автомобиле.

Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.

Пример 16.13. Микробиологические ЭС, в которых снимаются лабораторные измерения с технологического процесса один раз в 4 - 5 ч (производство лизина, например) и анализируется динамика полученных показателей по отношению к предыдущему измерению.

Динамические ЭС работают в сопряжении с датчиками объектов в режиме реального времени с непрерывной интерпретацией поступаемых данных.

Пример 16.14. Управление гибкими производственными комплексами, мониторинг в реанимационных палатах и т.д. Пример инструментария для разработки динамических систем – G2[5].


Классификация по типу ЭВМ

На сегодняшний день существуют:

ЭС для уникальных стратегически важных задач на суперЭВМ (Эльбрус, CRAY, CONVEX и др.);

ЭС на ЭВМ средней производительности (типа ЕС ЭВМ, mainframe);

ЭС на символьных процессорах и рабочих станциях (SUN, APOLLO);

ЭС на мини- и супермини-ЭВМ (VAX, micro-VAX и др.);

ЭС на персональных компьютерах (IBM PC, MAC II и подобные).

Классификация по степени интеграции с другими программами

Автономные ЭС работают непосредственно в режиме консультаций с пользователем для специфически "экспертных" задач, для решения которых не требуется привлекать традиционные методы обработки данных (расчеты, моделирование и т.д.).

Гибридные ЭС представляют программный комплекс, агрегирующий стандартные пакеты прикладных программ (например, математическую статистику, линейное программирование или системы управления базами данных) и средства манипулирования знаниями. Это может быть интеллектуальная надстройка над ППП или интегрированная среда для решения сложной задачи с элементами экспертных знаний.

Несмотря на внешнюю привлекательность гибридного подхода, следует отметить, что разработка таких систем являет собой задачу, на порядок более сложную, чем разработка автономной ЭС. Стыковка не просто разных пакетов, а разных методологий (что происходит в гибридных системах) порождает целый комплекс теоретических и практических трудностей.

ИНСТРУМЕНТАЛЬНЫЕ СРЕДСТВА ПОСТРОЕНИЯ ЭКСПЕРТНЫХ СИСТЕМ

Традиционные языки программирования

В эту группу инструментальных средств входят традиционные языки программирования (С, C++, Basic, SmallTalk, Fortran и т.д.), ориентированные в основном на численные алгоритмы и слабо подходящие для работы с символьными и логическими данными. Поэтому создание систем искусственного интеллекта на основе этих языков требует большой работы программистов. Однако большим достоинством этих языков является высокая эффективность, связанная с их близостью к традиционной машинной архитектуре. Кроме того, использование традиционных языков программирования позволяет включать интеллектуальные подсистемы (например, интегрированные экспертные системы) в крупные программные комплексы общего назначения. Среди традиционных языков наиболее удобными считаются объектно-ориентированные (SmallTalk, C++). Это связано с тем, что парадигма объектно-ориентированного программирования тесно связана с фреймовой моделью представления знаний. Кроме того, традиционные языки программирования используются для создания других классов инструментальных средств искусственного интеллекта.


Языки искусственного интеллекта

Это прежде всего Лисп (LISP) и Пролог (Prolog) [8] – наиболее распространенные языки, предназначенные для решения задач искусственного интеллекта. Есть и менее распространенные языки искусственного интеллекта, например РЕФАЛ, разработанный в России. Универсальность этих языков меньшая, нежели традиционных языков, но ее потерю языки искусственного интеллекта компенсируют богатыми возможностями по работе с символьными и логическими данными, что крайне важно для задач искусственного интеллекта. На основе языков искусственного интеллекта создаются специализированные компьютеры (например, Лисп-машины), предназначенные для решения задач искусственного интеллекта. Недостаток этих языков – неприменимость для создания гибридных экспертных систем.

Специальный программный инструментарий

В эту группу программных средств искусственного интеллекта входят специальные инструментарии общего назначения. Как правило, это библиотеки и надстройки над языком искусственного интеллекта Лисп: КЕЕ (Knowledge Engineering Environment), FRL (Frame Representation Language), KRL (Knowledge Represantation Language), ARTS и др. [1,4,7,8,10], позволяющие пользователям работать с заготовками экспертных систем на более высоком уровне, нежели это возможно в обычных языках искусственного интеллекта.

"Оболочки"

Под "оболочками" (shells) понимают "пустые" версии существующих экспертных систем, т.е. готовые экспертные системы без базы знаний. Примером такой оболочки может служить EMYCIN (Empty MYCIN – пустой MYCIN) [8], которая представляет собой незаполненную экспертную систему MYCIN. Достоинство оболочек в том, что они вообще не требуют работы программистов для создания готовой экспертной системы. Требуется только специалист(ы) в предметной области для заполнения базы знаний. Однако если некоторая предметная область плохо укладывается в модель, используемую в некоторой оболочке, заполнить базу знаний в этом случае весьма не просто.


16.3. Технология разработки экспертных систем

Этапы разработки

Этап 1: выбор подходящей проблемы

Этап 2: разработка прототипной системы

Этап 3: развитие прототипа до промышленной ЭС

Этап 4: оценка системы

Этап 5: стыковка системы

Этап 6: поддержка системы

ЭТАПЫ РАЗРАБОТКИ

Разработка программных комплексов экспертных систем как за рубежом, так и в нашей стране находится на уровне скорее искусства, чем науки. Это связано с тем, что долгое время системы искусственного интеллекта внедрялись в основном во время фазы проектирования, а чаще всего разрабатывалось несколько прототипных версий программ, прежде чем был получен конечный продукт. Такой подход действует хорошо в исследовательских условиях, однако в коммерческих условиях он является слишком дорогим, чтобы оправдать коммерчески жизненный продукт.

Процесс разработки промышленной экспертной системы, опираясь на традиционные технологии [4,8,10], можно разделить на шесть более или менее независимых этапов (рис. 16.7), практически не зависимых от предметной области.

Рис. 16.7. Этапы разработки ЭС

Последовательность этапов дана для общего представления о создании идеального проекта. Конечно, последовательность эта не вполне фиксированная. В действительности каждый последующий этап разработки ЭС приносит новые идеи, которые могут повлиять на предыдущие решения и даже привести к их переработке. Именно поэтому многие специалисты по информатике весьма критично относятся к методологии экспертных систем. Они считают, что расходы на разработку таких систем очень большие, время разработки слишком длительное, а полученные в результате программы ложатся тяжелым бременем на вычислительные ресурсы.

В целом за разработку экспертных систем целесообразно браться организации, где накоплен опыт по автоматизации рутинных процедур обработки информации, например:

информационный поиск;

сложные расчеты;

графика;

обработка текстов.

Решение таких задач, во-первых, подготавливает высококвалифицированных специалистов по информатике, необходимых для создания интеллектуальных систем, во-вторых, позволяет отделить от экспертных систем неэкспертные задачи.