ОБМЕН ДАННЫМИ Л.Е. Карпов, В.Н. Юдин. Институт системного программирования РАН mak@ispras.ruyudin@ispras.ru в распределённой системе поддержки решений.

Презентация:



Advertisements
Похожие презентации
1 Система поддержки принятия решений для практикующих врачей Л. Е. Карпов, д.т.н., В. Н. Юдин, к.т.н., Институт системного программирования РАН.
Advertisements

Понятие информационной системы. 11 класс. Информатика. Теоретический курс. Подготовил учитель информатики Григоренко А.А.
Система поддержки принятия решений в кризисных ситуациях В.С.Кретов,д.т.н., профессор Российской академии государственной службы при Президенте РФ И.С.Лебедев,ведущий.
Оценка и методическая поддержка процесса информатизации ОУ Водопьян Г.М., Якушкин П.А.
Технические спецификации и программные комплексы E2EDM Белов С.В., Сухоносов С.В., Булгакова К.В ЦОД ВНИИГМИ-МЦД,2006.
Методы 1. Метод символьного «видения»(когнитивный – особенность в том, что применение метода приводит к созданию образовательной продукции, первичная цель.
© ИКИ РАН, Отдел технологий спутникового мониторинга, Москва, Профсоюзная ул. 84./32, тел.:(095) , факс:(095) ,
специальным образом сформированные блоки разнообразных информационных ресурсов, предназначенные для использования в учебном (образовательном) процессе,
Инструменты бизнес- анализа для территориально- распределенных холдингов.
Тема 3. СОВРЕМЕННЫЕ ТЕНДЕНЦИИ РАЗВИТИЯ СИСТЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА 1. Проблемная область искусственного интеллекта 2. Модели представления знаний.
Тема урока: « Информационные системы. Классификация информационных систем »
Web-ориентированный производственно-исследовательский центр коллективного пользования по исследованию минерального вещества Теленков Олег Сергеевич Дутиков.
1 Методология Автономного Адаптивного Управления бионический подход к построению нейроноподобных систем управления Институт системного программирования.
Осуществление оценки компетентности авиационного метеорологического персонала. Методы и инструменты.
Технология построения автоматизированных информационных систем сбора, обработки, хранения и распространения спутниковых данных для решения научных и прикладных.
{ Внедрение и использование медицинских баз данных в медицинских учреждениях. Выполнила:Толометова А(1-073 ОМ)
Обмен данными с «1С:Управление торговлей» и «1С:Управление производственным предприятием» КОРТЕС:СКЛАД.
"Электронные библиотеки " Дубна Россия Метаданные в системе управления многоязычной лингвистической базой знаний Н.В. Лунева Институт.
Организация систем обработки, хранения и распространения спутниковых данных ИКИ РАН Таруса 2003.
Комплексная технология автоматической классификации текстов ИПИ РАН Васильев В.Г.
Транксрипт:

ОБМЕН ДАННЫМИ Л.Е. Карпов, В.Н. Юдин. Институт системного программирования РАН в распределённой системе поддержки решений

Разрабатывается в Институте системного программирования РАН. Предназначена для помощи пользователю-эксперту в аккумуляции его опыта путем накопления и интерпретации его знаний в виде прецедентов (случаев), информационной поддержки принятия решений в различных областях интеллектуальной деятельности ) Система поддержки принятия решений Создается совместно с Московским областным научно-исследовательским клиническим институтом (МОНИКИ). Система поддержки врачебных решений

Вывод, основанный на прецедентах - метод принятия решений, в котором используются знания о предыдущих ситуациях или случаях (встречавшихся ранее проблемах или типичных случаях, а также принятых тогда решениях). описание случая, описание решения, результат применения решения (исход). Структура прецедента:

Схема принятия решений по прецедентам

В основе подходов к отбору прецедентов – оценка схожести. Введение метрики - распространенный прием оценки схожести текущего случая и прецедента. В реальной жизни вместо неё используется «мера близости». Один из приемов – введение «классов схожести». Способы построения классов: на основе экспертного знания, специально разработанных обучающих выборок, или путем кластеризации базы прецедентов.

База прецедентов - это: Описания случаев случаи из реальной практики, смоделированные типовые случаи. Описание объемлющего признакового пространства типы, границы признаков, Описания классов перечень признаков класса, границы признаков класса. Текущий случай Классы Прецеденты

Оценка близости в локальной системе Текущий случай Текущий случай сравнивается с описаниями классов в базе прецедентов в пространстве его признаков, Не полностью описанный случай может попасть в пересечение классов. В зависимости от сложности пересечения классов, в которое попал исследуемый случай, прецеденты делятся на группы Прецеденты, что находятся во внутренней области пересечения, естественно считать наиболее близкими к текущему случаю.

Обмен данными между базами прецедентов локальных систем – обмен знаниями Варианты обмена: 1.Запрос к удалённому компьютеру 2.Импорт прецедентов с удалённого компьютера Локальная система – база, сформированная на основе личного опыта, без доступа к опыту других пользователей.

Базовая система Удалённый компьютер Запрос ( [имя системы], описание случая) Ответ ( [имя системы], описания классов, описания случаев ) Вариант 1: Запрос к удаленному компьютеру (виртуальная интеграция)

Оценка текущего случая методом виртуальной интеграции (a) (b) (c) Текущий случай (a) - в базовой системе до интеграции, (b) - в удалённом компьютере, (c) – в базовой системе после интеграции.

Система «СПУТНИК ВРАЧА». Виртуальная интеграция: Прецеденты с симптомами "острого живота" 1, 2 – из базовой системы абдоминального хирурга 3 – из удаленной системы пульмонолога.

Базовая система прецеденты и описания классов Удалённый компьютер Вариант 2: Консолидация знаний (импорт из удалённого компьютера)

Интерактивный режим импорта из удалённого компьютера (a)(b)(c) (a) – состояние базовой системы до интеграции, (b) – предполагаемый импорт, (c) – предполагаемая интеграция.

Совместное использование локальных систем и информационных центров коллективного доступа Информационные центры коллективного доступа Локальные системы

Спасибо за внимание!