Классификация гибридных систем. Большая энциклопедия нефти и газа

Cтраница 3

В гибридных системах с замещением берется главная модель, один из элементов которой замешается другой моделью, например, а) перерасчет весов в процедуре обратного распространения производится с помощью генетического алгоритма; б) подбор функций принадлежности в нечетком регуляторе осуществляется с использованием генетического алгоритма. В гибридных системах со взаимодействием используются независимые модули, которые обмениваются информацией и выполняют различные функции с целью получения общего решения. К примеру, если решаемая задача включает распознавание образов, вывод и оптимизацию, то эти функции берут на себя нейронные сети, экспертные системы и генетические алгоритмы. В полиморфных гибридных системах одна модель применяется для имитации функционирования другой модели.  

Однако существующие гибридные системы идентификации дактилограмм несвободны от недостатков. Метод анализа дактилограмм по фурье-спектру будет интерпретировать изображения, отличающиеся перестановкой фрагментов, одинаковые. Кроме того, дактилоскопические изображения являются структурно избыточными.  

В целом гибридная система АДТ является дальнейшим шагом в развитии аналоговой вычислительной техники.  

Вопросам построения гибридных систем, включающих подсистемы эволюционного моделирования, блоки оптимизации, взаимодействующие с имитационными моделями, экспертными системами и другими системами поддержки принятия решений, посвящена пятая глава. Создание имитационных моделей выступает здесь как одно из направлений развития подходов интеллектуального имитационного моделирования. В данной главе описаны подходы и модели многоагентных систем, различного уровня интеллектуальности и их дальнейшая эволюционная форма - модели искусственной жизни. Как примеры гибридных систем с эволюцией приводятся моделирование развития популяции простейших автоматов и многомодельные системы.  

Возможно применение гибридных систем, объединяющих элементы активных и пассивных систем.  

При исследовании дискретных и гибридных систем встречаются параметры, которые нельзя описать функциями от зависимых или независимых переменных.  

В случае гибридной системы работы ЭВМ ограничена арифметическими действиями, с помощью которых вычисляют площади пиков; при этом можно учесть чувствительность детектора, определить содержание веществ исходя из внутреннего стандарта и напечатать протокол заданного формата.  

Введение в гибридную систему для автоматизации обработки данных, получаемых от всех голографических систем, блока сканирование - анализ, управляемого цифровой ЭВМ, к свойству системы выполнять разносторонние функции должно добавить высокую скорость, увеличение точности и объективности при анализе данных.  

Во многих гибридных системах управления используются различные модификации протокола Ethernet на основе Carrier Sense Multiple Access with Collision Detection (CSMA / CD), соответствующие стандарту ISO 8802 - 3 / IEEE 802.3. Сущность его сводится к тому, что каждый узел сети отслеживает загрузку линии, и осуществляет передачу только тогда, когда определяет, что линия свободна. Если из-за того, что другой узел также требует линию для передачи, возникает коллизия, то оба узла прекращают передачу.  

В iMAN используется гибридная система управления базами данных (СУБД) на базе Oracle V8, поддерживающая реляционную и объектно-ориентированную модели данных, осуществляются контроль доступа и вносимых изменений, формирование спецификаций изделий, интегрирование прикладных подсистем. Управление параллельными и последовательными бизнес-процессами и процессами проектирования возложено на модуль Workflow.  

Рассматривается задача оптимизации линейных гибридных систем с обобщенным квадратичным критерием, когда к традиционным членам - штрафам на квадраты отклонений состояний и управлений добавлены члены, которые позволяют штрафовать отклонения в соответствии с их знаком. Задачи оптимального управления с такими предпочтениями, т.е. когда требуется, чтобы определенные компоненты управления (или состояния) были положительными или отрицательными большую часть времени, часто встречаются на практике.  

В случае применения гибридной системы автоматического контроля и управления, состоящей из электрических и пневматических устройств, для связи этих устройств между собой необходимо преобразование электрического сигнала в давление воздуха.  

Наряду с этими гибридными системами могут быть использованы и гибридные модели другого вида, в которых пассивные модели стыкуются с устройствами, работающими по принципам электронного моделирования. Такие модели позволяют использовать преимущества пассивных моделей (простота, большое количество узлов, быстродействие и др.) с возможностью осуществления ряда логических операций, необходимых при решении нелинейных задач теории поля, без участия в вычислительном процессе ЭЦВМ с многократным преобразованием информации из одного вида в другой, без оборудования, необходимого для этого преобразования. Стоимость таких систем значительно ниже стоимости гибридных машин, включающих ЭЦВМ.  

Под гибридной интеллектуальной системой (ГиИС) принято понимать систему, в которой для решения задачи используется более одного метода имитации интеллектуальной деятельности человека . Таким образом ГиИС - это совокупность:

• аналитических моделей
• экспертных систем
• искусственных нейронных сетей
• нечетких систем
• генетических алгоритмов
• имитационных статистических моделей

Междисциплинарное направление «гибридные интеллектуальные системы» объединяет ученых и специалистов, исследующих применимость не одного, а нескольких методов, как правило, из различных классов, к решению задач управления и проектирования.

Энциклопедичный YouTube

1 / 2

Алексей Паевский: Что нового в медицине

15x4 Comic-Con: 15 минут про корабли EVE Online

Субтитры

История возникновения термина

Термин «интеллектуальные гибридные системы» появился в 1992 г. Авторы вкладывали в него смысл гибридов интеллектуальных методов, таких как экспертные системы , нейросети и генетические алгоритмы . Экспертные системы представляли символьные, а искусственные нейронные сети и генетические алгоритмы - адаптивные методы искусственного интеллекта . Однако, в основном, новый термин касался достаточно узкой области интеграции - экспертные системы и нейросети. Ниже приведены несколько трактовок этой области интеграции другими авторами:

1. «Гибридный подход» предполагает, что только синергетическая комбинация нейронных и символьных моделей достигает полного спектра когнитивных и вычислительных возможностей (способностей).

2. Термин «гибрид» понимается как система, состоящая из двух или более интегрированных подсистем, каждая из которых может иметь различные языки представления и методы вывода. Подсистемы объединяются вместе семантически и по действию каждая с каждой.

3. Ученые Центра Искусственного интеллекта Cranfield University (Англия) определяют «гибридную интегрированную систему» как систему, использующую более чем одну компьютерную технологию. Причем технологии накрывают такие области, как системы, основанные на знаниях, коннекционистские модели и базы данных. Интеграция технологий дает возможность использовать индивидуальную силу технологии для решения специфических частей задачи. Выбор технологий, внедряемых в гибридную систему, зависит от особенностей решаемой задачи.

4. Специалисты из University of Sanderland (Англия), входящие в группу HIS (англ. Hybrid Intelligent Systems), определяют «гибридные информационные системы» как большие, сложные системы, которые «бесшовно» (цельно) интегрируют знания и традиционную обработку. Они могут предоставлять возможность хранить, искать и манипулировать данными, знаниями и традиционными технологиями. Гибридные информационные системы будут значительно более сильными, чем экстраполяции концепций существующих систем.

Предмет и цель разработки гибридных интеллектуальных систем

Научная область ГиИС включает исследование автономных методов для определения их преимуществ и недостатков, отношений интеграции во многом определяющих состав, архитектуру и процессы обмена и обработки информации в гибридах, идентификацию задач соответствующих гибридным системам, разработку протоколов для коммуникации между компонентами и многопроцессорные архитектуры .

Цели исследований ГиИС включают создание методов увеличения эффективности, выразительной силы и силы вывода интеллектуальных систем, преимущественно более полных, разрабатываемых с меньшими усилиями разработки, чем приложения, использующие автономные методы. В фундаментальной перспективе ГиИС могут помочь понять когнитивные механизмы и модели .

Классификация гибридных интеллектуальных систем

В на основе аналитического обзора существующих классификаций ГиИС предложено выделять следующие пять стратегий разработки ГиИС: автономные, трансформационные, слабосвязанные, сильносвязанные и полностью интегрированные модели:

• Автономные модели приложений ГиИС содержат независимые программные компоненты, реализующие обработку информации на моделях с использованием методов из ограниченного числа классов. Несмотря на очевидную вырожденность интеграции знаний в этом случае, разработка автономных моделей актуальна и может иметь несколько целей. Такие модели - способ сравнения возможностей решения задачи двумя или более различными методами. Новая автономная модель для решения решенной задачи верифицирует уже созданное приложение и приводит к адекватным моделям. Автономные модели могут использоваться для быстрого создания начального прототипа, после чего разрабатываются приложения, требующие большего времени. Автономные модели имеют и существенный недостаток - никакая из них не может помочь другой в ситуации обновления информации - все должны модифицироваться одновременно.

• Трансформационные ГиИС похожи на автономные, так как конечный результат разработки - независимая, не взаимодействующая с другими частями модель. Основное отличие состоит в том, что такая модель начинает работать как система, использующая один автономный метод, а заканчивает как система, использующая уже другой метод. Трансформационные модели дают несколько преимуществ: быстроту создания и меньшие затраты, поскольку эксплуатируется единая модель, а окончательный метод наилучшим образом адаптирует результаты к окружению. Есть и проблемы: автоматическое преобразование одной модели в другую; существенная модификация модели, сравнимая по объему с разработкой «заново».

• Сильносвязанные ГиИС имеют низкие коммуникационные затраты и более высокую производительность по сравнению со слабосвязанными моделями. Тем не менее, эти ГиИС имеют и три принципиальных ограничения: 1) сложность разработки и поддержки возрастает как следствие внешнего интерфейса данных; 2) сильная связанность страдает от излишнего накопления данных и 3) проверка адекватности затруднена. Рассмотренные слабо- и сильносвязанные ГиИС в силу того, что их состав и структура во многом зависят от решаемой задачи, принято называть еще и функциональными ГиИС.

• Полностью интегрированные ГиИС совместно используют общие структуры данных и представления знаний, а взаимосвязь между компонентами достигается посредством двойственной природы структур. Это бурно развивающийся в мировой практике класс гибридов, где можно выделить разработку концептуальных нейросетей, основанных на знаниях, коннекционистских экспертных систем, в которых элементы взаимодействуют быстро и просто, а общая информация для независимого решения задачи мгновенно доступна тому и другому компоненту. Еще один вариант полной интеграции - нечеткие нейросети - гибрид, по структуре похожий на нейросеть и реализующий одновременно нейро- и нечеткие вычисления. Преимущества полной интеграции - надежность, увеличение скорости обработки, адаптация, обобщение, снижение шума, аргументация и логическая дедукция, то, чего в сумме не найти ни в одном классе методов-родителей.

Полученные результаты

В рамках исследования методологий создания ГиИС в 2001 г. были предложены проблемно-структурная методология и технология разработки ГиИС, позволяющие синтезировать ГиИС для решения сложных (состоящих из множества подзадач, требующих применения различных методов имитации интеллектуальной деятельности человека) задач как систему методов решения подзадач сложной задачи. Позже в 2007 г. была предложена проблемно-инструментальная методология разработки ГиИС как обобщение проблемно-структурной методологии на случай отсутствия релевантных методов решения подзадач сложной задачи.

На основе предложенных методологий и технологий разработаны ГиИС для практического применения в различных областях: сменно-суточное планирование в морском порту , планирование в биопроизводственной системе , проектирование автоматики морских транспортных судов , решения сложных транспортно-логистических задач , среднесрочного планирования на производственном предприятии с мелкосерийным характером производства и другие. Подробное описание перечисленных ГиИС и результатов их практического использования может быть найдено в соответствующих источниках.

См. также

Список использованной литературы

1. Колесников А.В., Солдатов С.А. Теоретические основы решения сложной задачи оперативно-производственного планирования с учётом координации. // Вестник Российского государственного университета им. Иммануила Канта. Вып. 10: Сер. Физико-математические науки. – Калининград: Изд-во. РГУ им. И. Канта, 2009. – С. 82-98 .

1. Колесников А.В. Гибридные интеллектуальные системы: Теория и технология разработки / Под ред. А.М. Яшина . - СПб. : Изд-во СПбГТУ, 2001. - 711 с. - ISBN 5-7422-0187-7 .
2. Гаврилов А.В. Гибридные интеллектуальные системы. - Новосибирск: Изд-во НГТУ, 2003. - 168 с.
3. Ярушкина Н.Г. Основы теории нечетких и гибридных систем. - М. : Финансы и статистика, 2004. - 320 с.
4. Колесников А.В. , Кириков И.А. Методология и технология решения сложных задач методами функциональных гибридных интеллектуальных систем. - М. : ИПИ РАН, 2007. - 387 с. - Колесников А.В. , Кириков И.А. , Листопад С.В. , Румовская С.Б. ,Доманицкий А.А. Решение сложных задач коммивояжера методами функциональных гибридных интеллектуальных систем / Под ред. А.В. Колесникова . - М. : ИПИ РАН, 2011. - 295 с. - ISBN 978-5-902030 .
5. Клачек П.М. , Корягин С.И. , Колесников А.В. , Минкова Е.С. Гибридные адаптивные интеллектуальные системы. Ч. 1: Теория и технология разработки: монография. - Калининград: Изд-во БФУ им. И. Канта, 2011. - 374 с. - ISBN 978-5-9971-0140-4 .
6. Колесников А.В. , Солдатов С.А. Теоретические основы решения сложной задачи оперативно-производственного планирования с учётом координации // Вестник Российского государственного университета им. Иммануила Канта. - Калининград: Изд-во. РГУ им. И. Канта, 2009. - Вып. 10: Сер. Физико-математические науки . - С. 82-98 .
7. Medsker L.R. Hybrid Intelligent Systems. - Boston: Kluwer Academic Publishers, 1995. - 298 с.
8. Wermter S. , Sun R. Hybrid Neural Systems. - Heidelberg, Germany: Springer-Verlag, 2000.
9. Negnevitsky M. Artificial Intelligence. A guide to intelligent systems. - Harlow, England: Addison-Wesley, 2005.
10. Castillo O. , Mellin P. Hybrid Intelligent Systems. - Springer-Verlag, 2006.
11. Jain L.C. , Martin N.M. Fusion of Neural Networks, Fuzzy Systems and Genetic Algorithms: Industrial Applications . - CRC Press, CRC Press LLC, 1998.

Другими словами, комбинированный комплекс, состоящий из нескольких электронных вычислительных машин, применяющих различное представление величин (цифровое и аналоговое) и соединенных общей системой управления. В состав гибридной
вычислительной системы, помимо цифровых и аналоговых машин и системы управления, как правило, входят устройства внутрисистемной связи, преобразователи представления величин и внешнее оборудование. Гибридная вычислительная система - комплекс ЭВМ, в этом ее основное отличие от гибридной вычислительной машины, получившей такое название потому, что она базируется на гибридных решающих элементах либо с применением цифровых и аналоговых элементов.

В литературе часто к гибридным вычислительным системам относят АВМ с многократным применением решающих элементов, оснащенные запоминающим устройством, АВМ с цифровым программным управлением и АВМ с параллельной логикой. Подобного рода вычислительные машины, хотя и имеют элементы, применяемые в ЦВМ, но все также сохраняют аналоговый способ представления величин и все специфические отличия и свойства АВМ. Появление гибридных вычислительных систем объясняется тем, что для решения большинства новых задач, связанных с управлением перемещающимися объектами, созданием комплексных тренажеров, оптимизацией и моделированием систем управления и др., возможности отдельно взятых ЦВМ и АВМ являются уже недостаточными.

Разделение в ходе решения задачи вычислительного процесса на отдельные операции, которые выполняются ЦВМ и АВМ в комплексе, сокращает объем вычислительных операций, решаемых на ЦВМ, что при других равных условиях сильно повышает общее быстродействие гибридных вычислительных систем.

Существуют сбалансированные, циф-ро-ориентированные и аналого-ориентированные гибридные вычислительные системы.

В системах первого вида ЦВМ применяются как дополнительное внешнее устройство к АВМ, которое необходимо для образования сложных нелинейных зависимостей, запоминания итоговых результатов и для выполнения программного управления АВМ. В системах второго вида АВМ применяется как дополнительное внешнее устройство ЦВМ, которое предназначено для моделирования частей реальной аппаратуры, многократного осуществления небольших подпрограмм.

Изобретение эффективных гибридных комплексов требует в первую очередь уточнения главных областей их использования и тщательного анализа стандартных задач из данных областей.

В итоге устанавливают целесообразную структуру гибридного комплекса и предъявляют требования к его отдельным частям.

Задачи, которые успешно решаются с помощью гибридных вычислительных систем, можно разделить на следующие главные группы: моделирование автоматических систем управления в реальном времени, состоящих как из цифровых, так и из аналоговых устройств; воспроизведение в реальном времени действий, которые содержат высокочастотные компоненты и переменные, которые изменяются в обширном диапазоне; моделирование биологических систем; статистическое моделирование; оптимизация систем управления; решение уравнений в частных производных.

Образцом задачи первой группы может являться моделирование системы управления прокатного стана. Динамика процессов, происходящих в нем, воссоздается на аналоговой машине, а на универсальной ЦВМ среднего класса моделируется специализированная управляющая станом машина. Вследствие непродолжительности переходных процессов в приводах прокатных станов, общее моделирование подобных процессов в реальном времени потребовало бы использования сверхбыстродействующих ЦВМ. Подобные задачи довольно часто встречаются в системах управления военными объектами.
Стандартными для второй группы являются задачи управления перемещающимися объектами, в том числе и задачи самонаведения, а также задачи, которые возникают при создании вычислительного элемента комплексных тренажеров. Для задач самонаведения свойственно формирование траектории перемещения непосредственно в процессе движения. Большая скорость варьирования некоторых параметров при приближении предмета к цели требует высокого быстродействия управляющей системы, которое превышает возможности нынешних ЦВМ, и в то же время большой динамический диапазон требует высокой точности, которую трудно достигнуть на АВМ. При решении такой задачи на гибридных вычислительных системах целесообразно поручить моделирование уравнений движения вокруг центра тяжести на аналоговую часть системы, а движение самого центра тяжести и кинематические параметры - на цифровую часть вычислительной системы.

К третьей группе можно отнести задачи, решение которых образуется в результате обработки многих результатов случайного процесса, например решение многомерных уравнений в частных производных с помощью метода Монте-Карло, нахождение экстремума функций нескольких переменных, решение задач стохастического программирования. Многократное повторение случайного процесса поручается быстродействующей АВМ, которая работает в режиме многократного повторения решения, а обработка итогов, вычисление функционалов, воспроизведение функций на границах области - на ЦВМ. Помимо этого, ЦВМ определяет момент окончания вычислений. Применение гибридных вычислительных систем позволяет сократить время решения задач подобного вида на несколько порядков в сравнении с использованием только цифровой машины.

Подобный эффект достигается при применении гибридных вычислительных систем для моделирования процессов распространения воздействия в биологических системах.

Особенность этого процесса состоит в том, что даже в элементарных случаях необходимо воспроизводить сложную нелинейную систему уравнений в частных производных.

Поиск решения задачи рационального управления для задач выше третьего порядка, как правило, связан с большими, непреодолимыми препятствиями. Еще сильнее они проявляются, если необходимо найти оптимальное управление в процессе работы системы.

Гибридные вычислительные системы в значительной степени способствуют устранению подобных трудностей и применению таких сложных в вычислительном плане средств, как принцип максимума Понтрягина.

Применение гибридных вычислительных систем эффективно в том числе при решении нелинейных уравнений в частных производных. При этом можно решать как задачи анализа, гак и задачи оптимизации и идентификации объектов. В качестве примера задачи оптимизации можно привести: подбор нелинейности теплопроводного материала, предназначенного для заданного распределения температур; распределение толщины испаряющегося слоя, который предохраняет космические корабли от чрезмерного нагрева при входе в плотные слои атмосферы; расчет геометрии летательных аппаратов для получения необходимых аэродинамических характеристик; изобретение оптимальной системы подогрева летательных аппаратов для защиты их от обледенения при минимальном использовании энергии на подогрев; расчет сети оросительных каналов, определение оптимального расхода в них и т. п. При решении данных задач ЦВМ объединяется с сеточной моделью, многократно применяемой в процессе решения.

Развитие гибридных вычислительных систем возможно в двух направлениях: построение специализированных гибридных вычислительных систем, которые рассчитаны на решение только какого-либо одного класса задач, и построение всеохватывающих гибридных вычислительных систем, которые позволяют решать довольно широкий класс задач. Структура подобного универсального гибридного комплекса состоит из АВМ однократного действия, сеточной модели, АВМ с повторением решения, специального оборудования, предназначенного для решения задач статистического моделирования, устройств связи между машинами и периферийного оборудования. Кроме стандартного математического обеспечения ЭВМ, входящих в комплект, в гибридных вычислительных системах необходимо использовать специальные программы, которые обслуживают систему связи машин и автоматизирующие процесс постановки и подготовки задач на АВМ, а также универсальный язык программирования для комплекта в целом.

Параллельно с новыми вычислительными возможностями в гибридных вычислительных системах появляются специфические особенности, например, возникают погрешности, которые в отдельных ЭВМ отсутствуют. Первоисточниками погрешностей могут быть временная задержка аналого-цифрового преобразователя, цифро-аналогового преобразователя и ЦВМ; ошибка от неодновременной подачи аналоговых сигналов на аналого-цифровой преобразователь и неодновременной выдачи цифровых сигналов на цифро-аналоговый преобразователь; ошибка округления в цифро-аналоговом и аналого-цифровом преобразователях; ошибки, которые связаны с дискретным характером получения результатов с выхода ЦВМ. При независимой работе ЦВМ с преобразователями временная задержка не дает погрешности, а в гибридных вычислительных системах она не только может дать существенные погрешности, но и дезорганизовать работоспособность всей системы.

Гибридная интеллектуальная система

Под гибридной интеллектуальной системой принято понимать систему, в которой для решения задачи используется более одного метода имитации интеллектуальной деятельности человека. Таким образом ГИС - это совокупность:

• аналитических моделей
• экспертных систем
• искусственных нейронных сетей
• нечетких систем
• генетических алгоритмов
• имитационных статистических моделей

Междисциплинарное направление «гибридные интеллектуальные системы» объединяет ученых и специалистов, исследующих применимость не одного, а нескольких методов, как правило, из различных классов, к решению задач управления и проектирования.

История возникновения термина

Термин «интеллектуальные гибридные системы» появился в 1992 г. Авторы вкладывали в него смысл гибридов интеллектуальных методов, таких как экспертные системы , нейросети и генетические алгоритмы . Экспертные системы представляли символьные, а искусственные нейронные сети и генетические алгоритмы - адаптивные методы искусственного интеллекта . Однако, в основном, новый термин касался достаточно узкой области интеграции - экспертные системы и нейросети. Ниже приведены несколько трактовок этой области интеграции другими авторами.

Предпосылки

1. «Гибридный подход» предполагает, что только синергетическая комбинация нейронных и символьных моделей достигает полного спектра когнитивных и вычислительных возможностей (способностей).

2. Термин «гибрид» понимается как система, состоящая из двух или более интегрированных подсистем, каждая из которых может иметь различные языки представления и методы вывода. Подсистемы объединяются вместе семантически и по действию каждая с каждой.

3. Ученые Центра Искусственного интеллекта Cranfield University (Англия) определяют «гибридную интегрированную систему» как систему, использующую более чем одну компьютерную технологию. Причем технологии накрывают такие области, как системы, основанные на знаниях, коннекционистские модели и базы данных. Интеграция технологий дает возможность использовать индивидуальную силу технологии для решения специфических частей задачи. Выбор технологий, внедряемых в гибридную систему, зависит от особенностей решаемой задачи.

4. Специалисты из University of Sanderland (Англия), входящие в группу HIS (англ. Hybrid Intelligent Systems), определяют «гибридные информационные системы» как большие, сложные системы, которые «бесшовно» (цельно) интегрируют знания и традиционную обработку. Они могут предоставлять возможность хранить, искать и манипулировать данными, знаниями и традиционными технологиями. Гибридные информационные системы будут значительно более сильными, чем экстраполяции концепций существующих систем.

См. также

Литература

• Гаврилов А.В. Гибридные интеллектуальные системы. – Новосибирск: Изд-во НГТУ, 2003. – 168с., ил.
• Кириков И. А. Методология и технология решения сложных задач методами функциональных гибридных интеллектуальных систем. - М.: ИПИ РАН, 2007. - 387 с, ил. - ISBN 978-5-902030-55-3
• Larry R.Medsker. Hybrid Intelligent Systems. 1995.
• Stefan Wermter, Ron Sun, Hybrid Neural Systems. Springer-Verlag, Heidelberg, Germany. 2000.
• Negnevitsky M. Artificial Intelligence. A guide to intelligent systems. Addison-Wesley, 2005.
• Castillo, P.Mellin, Hybrid Intelligent Systems, Springer-Verlag. 2006.
• Lakhmi C. Jain; N.M. Martin Fusion of Neural Networks, Fuzzy Systems and Genetic Algorithms: Industrial Applications. - CRC Press, CRC Press LLC, 1998

Ссылки

• Международная конференция по гибридным интеллектуальным системам
• Международный журнал по гибридным интеллектуальным системам
• Сайт с информацией о гибридных интеллектуальных системах

Wikimedia Foundation . 2010 .

Смотреть что такое "Гибридная интеллектуальная система" в других словарях:

Не следует путать с аналого цифровая вычислительная система. Гибридная вычислительная система система с гетерогенной аппаратной вычислительной структурой. Комбинация любых вычислительных устройств или блоков, например вычисления с помощью CPU и… … Википедия

Сюда перенаправляется запрос «Интеллектуальная диалоговая система». На эту тему нужна отдельная статья. Интеллектуальная система (ИС, англ. … Википедия Википедия

Эту статью следует викифицировать. Пожалуйста, оформите её согласно правилам оформления статей. ДСМ метод – это метод автоматического порождения гипотез. Формализует схему правдоподобного и достоверного вывода, н … Википедия

- (ИИ) (англ. Artificial intelligence, AI) это наука и разработка интеллектуальных машин и систем, особенно интеллектуальных компьютерных программ, направленных на то, чтобы понять человеческий интеллект. При этом используемые методы не обязаны… … Википедия

Искусственный интеллект (ИИ) (англ. Artificial intelligence, AI) это наука и разработка интеллектуальных машин и систем, особенно интеллектуальных компьютерных программ, направленных на то, чтобы понять человеческий интеллект. При этом… … Википедия