автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.11, диссертация на тему:Математическое и программное обеспечение графического интерфейса формирования баз знаний интеллектуальных систем

Введение.

Глава 1. Исследование метода когнитивной графики.

1.1 Исследование методов приобретения знаний.

1.2 Когнитивная карта, как один из видов когнитивной графики

1.3 Гипертекст.

1.4 Языки и методологии графического представления.

Стандарты семейства IDEF.

Unified Modeling Language (UML).

CASE-технологии.

1.5 Постановка задачи на разработку системы когнитивного конструирования и представления баз знаний.

Выводы по 1 главе.

Глава 2. Графическое представление данных и знаний.

2.1 Анализ моделей представления знаний.

Логические модели.

Продукционная модель.

Семантические сети.

Фреймы.

Объектная модель.

2.1 Диаграммы "сущность-связь".

2.3 Язык графического представления знаний.

Описание графического языка.

Базовые конструкции языка.

Семантические правила.

2.4 Методика разработки БЗ и работа в режиме консультации.

Выводы по 2 главе.

Глава 3. Синтаксис языка графического представления знаний.

3.1 Методы хранения информации.

3.2 Языки разметки.79 '

Standard Generalized Markup Language (SGML). extensible Markup Language (XML).

3.3. Синтаксис ЯГПЗ.

Структура XML-документа.

Структура документа ЯПГЗ.:.

Выводы по 3 главе.

Глава 4. Разработка и реализация программного обеспечения встраиваемого компонента ЯГПЗ.

4.1 Выбор платформы, языка и технологии программирования.

4.2 Структура и принципы функционирования.

4.3 Результаты практической реализации.

Выводы по 4 главе.

Актуальность темы. С развитием науки объем информации растет огромными темпами и если 30-40 лет назад можно было отслеживать практически всё, что появляется нового, например, связанного с компьютерной техникой, то сейчас представляет большую сложность охватить даже её малую долю. Сегодня человек не может уследить за всей информацией, хранящейся на его компьютере, не говоря уже о мире. До недавнего времени основное внимание уделялось обработке только данных, но сейчас всё большее распространение приобретает извлечение знаний из потока данных и непосредственная работа со знаниями, что требует разработки новых методов и соответствующих, программных средств для извлечения и оперирования знаниями.

При построении интеллектуальных (экспертных) систем в целом и экспертных С111 IP, в частности, одной из основных задач, возникающих при их разработке, является разработка БЗ, описывающей предметную (проблемную) область [1]. Создание БЗ в большинстве случаев происходит при неполной и нечеткой ' информации. Инженер по знаниям формирующий БЗ, обычно не является экспертом в области, для которой разрабатывается ИС, поэтому ему трудно, а зачастую, практически невозможно охватить весь объем знаний, описывающих ПО. Для решения этой задачи привлекается эксперт, а если проблемная область большая, то обычно участвует группа экспертов, каждый их которых является специалистом в своей части. Инженеру по знаниям приходится аккумулировать полученные знания, обобщать и формировать БЗ. Эксперты же часто практически не принимают участие при наполнении БЗ- это связано в основном с тем, что используются специальные средства разработки БЗ, ориентированные как правило на использование их не экспертами, а инженерами знаний. 6

Для более активного вовлечения в работу экспертов при формировании БЗ необходимо разработать такие средства, которые позволяли бы производить формирование и наполнение БЗ в наглядном (удобном для' эксперта) виде, достаточно простые средства работы со знаниями, не требующие много времени на их освоение. Средства КГ являются таким инструментом, позволяющим наглядно иллюстрировать процесс формирования БЗ и в то же время больше сконцентрироваться на описании ПО, чем на освоение средств её формирования. КГ позволяет подключать глубинные механизмы мозга, делая процесс разработки более насыщенным и эффективным [58].

Основным назначением такого класса ИС, как СППР, является помощь ЛПР в различных проблемных ситуациях. От того, как организован этот процесс в значительной степени зависит насколько эффективно будет проходить работа ЛПР. Наличие эффективных и удобных для ЛПР средств отображения информации влияет на скорость и правильность принятых решений и соответственно на эффективность работы ЛПР. Для СППР РВ правильность и точность принятых решений является решающим фактором, т.к. неправильное или несвоевременное решение может привести к серьезным последствиям и даже катастрофе. Поэтому СППР РВ всё чаще включают в себя средства, построенные на основе КГ.

Известно, что основным назначением СППР является консультация пользователя в определенной предметной области. При получении совета, рекомендуемого (найденного) системой, пользователь может захотеть проверить, чем (какими правилами) она руководствовалась в своих рассуждениях. При этом, если СППР построена на основе продукционной модели представления знаний, то выдаются или все правила, повлиявшие на принятие данного решения, или их сокращенный набор, при этом правила обычно выводятся подряд без указания связи между ними. Такой 7 вариант объяснения требует значительного времени, чтобы проследить всю цепочку рассуждений и при этом снижается эффективность консультации, т.к. требуются дополнительные усилия для установления связи между правилами и составления целостной картины мира. Более эффективным вариантом является применения средств КГ для формирования целостной картины мира (проблемной ситуации), что позволит отобразить цепочку решений в простом и наглядном виде, экономя время пользователя, упрощая сам процесс объяснения и позволяя привлечь глубинные (коннотативные) механизмы мышления для более эффективного понимания и лучшего усвоения материала [28, 29].

Использования средств КГ в ИС позволяет решать задачи, связанные с формированием БЗ и объяснением принятого решения в режиме консультации более эффективными методами, экономя при этом время и позволяя основное внимание уделять решению поставленной задачи, а не изучению программных средств для решения этих задач.

Построение эффективной и удобной для эксперта, не являющегося профессиональным программистом, когнитивной модели представления знаний и языка, а также соответствующих программных средств является целью диссертационной работы, для применения их в составе инструментальных средств и непосредственно в ИС.

Цель работы. Основной целью диссертационной работы является разработка математических и программных средств графического интерфейса на основе когнитивной графики для формирования баз знаний интеллектуальных систем. Для достижения поставленной цели решаются следующие задачи:

• разработка предметно-независимой когнитивной модели представления знаний; 8

• разработка языка графического представления знаний (ЯГПЗ) для поддержки предметно-независимой когнитивной модели представления знаний;

• разработка методики формирования БЗ на основе языка графического представления знаний;

• разработка встраиваемого программного обеспечения работы с языком графического представления знаний.

Методы исследования. При проведении исследований использовались методы искусственного интеллекта, теории графов, объектно-ориентированного проектирования и программирования.

Научная новизна. К основным научным результатам, полученным автором и вынесенным на защиту, относятся:

• предметно-независимая когнитивная модель представления знаний;

• язык графического представления знаний для поддержки предметно-независимой когнитивной модели представления знаний;

• методика формирования БЗ и алгоритм поддержки нетипизированных данных, определяемых пользователем. Практическая ценность работы. Работа посвящена исследованию процессов проектирования и анализа БЗ, проектированию программных средств, расширяющих интеллектуальные возможности компьютеров и имеет важное народнохозяйственное значение при решении проблем, связанных с повышением эффективности обработки информации (данных и знаний) при использовании вычислительных машин. На основе проведенного исследования в плане организации и визуализации БЗ, разработаны: модель графического представления, открытый ЯГПЗ, методика работы с ЯГПЗ, алгоритмы и структуры данных и соответствующее программное обеспечение, позволяющее строить системы обработки знаний и обеспечивающие простой и наглядный 9 интерфейс как при формировании БЗ, так и в режиме консультации. Использование встраиваемого модуля ЯГПЗ позволяет модифицировать существующие программные средства, а также быстро и легко создавать новые. Использование когнитивной графической модели знаний позволяет не только задействовать дополнительные возможности мозга при создании БЗ и получать большую отдачу при приобретении знаний непосредственно от эксперта, но и повысить эффективность функционирования ИС (экспертных СППР) в режиме консультации пользователя. По результатам работы было опубликовано учебное пособие [68].

Реализация результатов работы. Теоретические и практические результаты диссертационной работы используются в программных продуктах визуального формирования и анализа баз знаний российских фирм "Коммуникационные системы и Интеллектуальные Технологии" (КСИТ) и "Интеллектуальные Системы Анализа" (ИНСАН), в учебном процессе кафедры Прикладной математики Института автоматики и вычислительной техники Московского энергетического института (Технического университета) при изучении дисциплины "Экспертные системы" и при выполнении НИР по тематике конструирования интеллектуальных (экспертных) СППР для управления сложными объектами технического и организационного типа, а также, студентами специальности 2201 "Вычислительные машины и сети" в учебном процессе СПФ МГАПИ, при изучении дисциплин "Модели представления знаний" и "Системы Искусственного Интеллекта". Практическая значимость работы подтверждена актами о внедрении.

Апробация работы. Результаты работы обсуждались на: Восьмой национальной конференции с международным участием по искусственному интеллекту КИИ-2002 / г.Коломна, 2002 г./; Международной конференции "Информационные средства и технологии" /

10 г.Москва, 2001 г./; Международной научно-технической конференции "Радиоэлектроника, электротехника и энергетика" / г.Москва, 2001 г./; Научной сессии МИФИ-2001 / г.Москва, 2001 г./; Международном семинаре по Искусственному интеллекту / Республика Беларусь, г.Браслав, 2000 г./, Научной сессии МИФИ-2000 / г.Москва, 2000 г./.

В первой главе исследованы подходы, применяемые при получении знаний о предметной (проблемной) области. Рассмотрены проблемы, возникающие при приобретении знаний и специфические проблемы, связанные с формированием БЗ в ИС. Рассмотрены модели представления знаний в графическом виде и преимущества такого представления. Дано обоснование применения КГ в системах формирования знаний, а также показана возможность применения КГ в ИС (на примере экспертных СППР).

Исследованы области и сферы применения КК как одной из моделей КГ. КК нашли применение в системах анализа и поддержки принятия решений, в качестве средства визуального отображения состояния ПО. Исследования показало, что КК применяются в тех областях, где требуется визуализация ПО для подключения дополнительных возможностей мозга, позволяющих производить более качественный анализ ПО и формирование БЗ о ПО, для последующего её анализа или использования в ИС.

Исследованы языки и методологии графического представления данных и знаний, использующие для описания структуры ПО и протекающих в ней процессов, области их применения. Проведенный анализ позволил сделать вывод об отсутствии единого графического языка для представления знаний.

Сформулирована основная задача диссертационной работы - разработка когнитивной модели представления знаний и языка графического представления знаний, включающая разработку когнитивной модели

11 представления знаний, разработку семантики и синтаксиса языка графического представления знаний, с учетом требований предъявляемых современными ИС. Программный модуль поддержки ЯГПЗ должен легко встраиваться в разрабатываемые программные приложения и использоваться в качестве надстройки для существующих систем и инструментальных средств. Синтаксис языка должен быть построен в соответствии с современными стандартами для достижения совместимости с разрабатываемыми программными продуктами и возможности усовершенствования языка с учётом дальнейшего развития современных программных средств и методов искусственного интеллекта.

Во второй главе проведен анализ МПЗ, широко применяемых в современных интеллектуальных системах (ЭС и CI II IP). В ходе анализа были выделены основные черты, присущие рассмотренным МПЗ, показана возможность представления этих моделей в графической форме для увеличения наглядности описываемой ПО.

Исследована модель графического представления данных в виде диаграмм "сущность-связь". Данная модель позволяет в графическом виде проводить формирование структуры БД, отражающей информацию о ПО. Представление БД в виде диаграмм упрощает процесс построения структуры БД и уменьшает сложность разработки больших проектов и позволяет строить более эффективные структуры представления данных (за счёт автоматического приведения к нормальным формам). Диаграммы "сущность-связь" по своему графическому представлению родственны когнитивным картам и их комбинации, с использованием дополнительных графических средств, дает возможность создать когнитивную модель представления знаний для использования при формирования БЗ ИС.

На основе проведенного анализа МПЗ определён алфавит графических символов разрабатываемого языка графического представления знаний и

12 семантических правил языка. Заданы стандартные типы данных для описаний состояний ПО, в дополнение к стандартным типам в структуру языка включен тип определяемый пользователем. Введение типа данных, определяемого пользователем, обусловлено необходимостью увеличения гибкости языка, при сохранении простоты работы с новыми типами данными. Это достигнуто за счёт переноса функций по их обработке на программиста, разрабатывающего программное обеспечение для СППР.

Разработана общая методика работы с ЯГПЗ при формировании БЗ и при работе в режиме консультации.

В третьей главе проведен анализ современных подходов хранения информации. Рассмотрены методы сохранения структурированной информации. Сделан вывод о целесообразности использовании текстовых файлов.

Анализ показал, что для увеличения универсальности и переносимости информации следует использовать один из языков разметки текстовых документов. В результате анализа языков разметки был выбран язык XML, сочетающий в себя мощь SGML, но имеющий при этом более простой синтаксис и упрощенные правила формирования документа. Описана структура документа ЯГПЗ и правила формирования его синтаксических блоков.

В четвертой главе выбрана платформа Windows в качестве базовой для реализации встраиваемого компонента, поддержки когнитивной модели представления знаний и ЯГПЗ, рассмотрены методики, применяемые для написания встраиваемых компонент.

Определены интерфейсы работы с созданными программными средствами, позволяющие контролировать их работу, добавлять новые типы сущностей и связей, новые графические элементы и новые типы данных.

13

Программный компонент реализован в виде ActiveX-элемента, что позволяет встраивать его в любую программу, работающую в операционной системе Windows и написанную на любом языке программирования (Visual С++, Delphi, Visual Basic и др.), поддерживающим технологию Component Object Model. Кроме того, созданные средства могут использоваться в Web-браузерах как загружаемый компонент. Компонент реализован по технологии клиент-сервер, он реализует когнитивную модель представления знаний и поддерживает ЯГПЗ, что позволяет легко создавать БЗ и записывать информацию о них в XML-документе или в формате, поддерживаемым программой.

Компонент функционирует на IBM PC совместимых компьютерах под операционными системами Windows 9x/Me/NT4/2000/XP. Возможна работа в операционной системе Linux.

Публикации. Основные результаты диссертации отражены в 8 опубликованных работах.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав и заключения, изложенных на 119 страницах, списка литературы, включающего 112 наименований и приложения.

Выводы по 4 главе

1. Исследованы вопросы программной реализации встраиваемого компонента, поддержки языка графического представления знаний, определены технологии, которые необходимо для этого использовать.

2. Построена общая схема компонента, определены задачи для каждого из входящих в неё модулей. Определены интерфейсы, необходимые для реализации всех функций компонента.

3. Осуществлена реализация компонента и встраивание его в приложение для интеллектуальной обработки данных и знаний.

4. Представлены результаты практической реализации компонента.

118

Заключение

1. Исследованы методы приобретения знаний и проведен анализ проблем, возникающих при создании БЗ. Проведен анализ систем когнитивной графики (в виде когнитивных карт), на основе проведенного анализа сделан вывод об использовании их в качестве основы для построения языка графического представления знаний.

2. Проведен анализа моделей представления знаний, выделены наиболее распространенные модели и их общие черты. На основе этих моделей и при использовании в качестве основы КК и диаграмм "сущность-связь" разработана когнитивная модель представления знаний.

3. Определена семантика языка графического представления знаний на основе когнитивной модели представления знаний (ЯГПЗ). Определены правила формирования предложений на ЯГПЗ.

4. Разработана методика работы с ЯГПЗ в режиме формирования базы знаний экспертной системы (экспертной СППР).

5. Проведен анализ методов сохранения информации. Используя в качестве основы язык разметки XML сформирована модель документа ЯГПЗ и синтаксические правила формирования предложений ЯГПЗ.

6. Исследованы вопросы программной реализации встраиваемого компонента, поддержки ЯГПЗ, структура компонента, необходимые технологии и интерфейсы для полноценной работы с компонентом.

7. Реализован встраиваемый программный компонент для использования в экспертных системах.

8. Результаты диссертационной работы внедрены в российских фирмах "Коммуникационные технологии и Информационные системы" (КСИТ) и "Интеллектуальные системы анализа" (ИНСАН), а также используются в учебном процессе в Сергиево-Посадского филиала МГАПИ по специальности 2201 и Института автоматики и

119

Вычислительной техники ГОУВПО Московский энергетический институт (технический университет) при изучении учебных дисциплин специальности "Прикладная математика и информатика" и в научных разработках, связанных конструированием интеллектуальных СППР РВ.

120

1. Представление и использование знаний: Пер. с япон. / Под ред. Х.Уэно, М.Исидзука. М.; Мир, 1989. - 220с ил.

2. Промышленная технология и CASE-средства автоматизированного проектирования баз данных // Кульба В.В., Сиротюк В.О., Ковалевский С.С. и др. -М.: Препринт, 1998. -120 с.

3. Экспертные модели и методы принятия решений. Учебное пособие для вузов / А.П. Еремеев; Под ред. В.Н. Вагина М.: МЭИ, 1995-109с.

4. Айвазян С.А., Бухштабер В.М., Юнюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности. М.: Финансы и статистика, 1989.

5. Андреев A. Windows ХР. Home Edition и Professional. СПб.: BHV, 2001.

6. Архангельский А. Интегрированная среда разработки Delphi. М.: Бином, 1999.

7. Ахо А., Ульман Дж. Теория синтаксического анализа, перевода и компиляции. Т. 1,2. - М., Мир, 1979.

8. Бадд Т. Объектно-ориентированное программирование в действии. -Спб.: Питер, 1997.-464 с.

9. Байдун В.В., Бунин А.И. Средства представления и обработки знаний в системе FRL/PS // Всесоюзная конференция по искусственному интеллекту: Тез. докл., т.1.-Минск, 1990.121

10. Башлыков А.А., Еремеев А.П. Экспертные системы поддержки принятия решений в энергетике / Под ред. А.Ф. Дьякова. М.: Изд-во МЭИ. 1994.-216с.

11. Брайан М. SGML: Руководство автора по стандартному обобщенному языку разметки. Addison-Wesley Publishing Co., 1988.

12. Братчиков И.JI. Синтаксис языков программирования. М., Наука, 1975.

13. Буч Г. Объектно-ориентированное программирование с примерами применений на С++. Пер. с англ. М.: Бином, СПб.: Невский диалект, 1998.-560 с.

14. Буч Г., Рамбо Дж., Джекобсон А. Язык UML. Руководство пользователя. М.: ДМК Пресс, 2000. - 423 с.

15. Вагин В.Н. Дедукция и обобщение в системах принятия решений. -М.: Наука, 1988.-384 с.

16. Вагин В.Н., Еремев А.П. Некоторые базовые принципы построения интеллектуальных систем поддержки принятия решений реального времени. // Известия Академии наук. Теория и системы управления. 2001. №6, с.114-123.

17. Вагин В.Н., Еремеев А.П. Параллелизм в продукционных моделях представления знаний // Изд. РАН. Техническая кибернетика. 1994. №2 с.48-55.

18. Величковский Б.М. Когнитивная психология. M.: Наука, 1987.122

19. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2001. - 384 с.

20. Гаврилова Т.А., Червинская К.Р. Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь, 1992.

21. Голенков Е.А. Графический язык программирования параллельных процессов на основе сетей Петри. // http ://www. i аср. dvo. ru/l ab 11 /proekt/res02 .htm 1

22. Гома X. UML. Проектирование систем реального времени. М.: ДМК Пресс, 2002.

23. Дейт К. Введение в системы баз данных. Киев: Диалектика, 1998. -784 с.

24. Джексон П. Введение в экспертные системы.: Пер. с англ.: Уч.пос. -М.: Издательский дом "Вильяме", 2001. 624 с.

25. Дюк В., Самойленко A. Data Mining: учебный курс. СПб: Питер, 2001.-368 с.

26. Еремеев А.П. Когнитивная компьютерная графика в системах поддержки принятия решений. // Виртуальная реальность в психологии и искусственном интеллекте. М.: Российская Ассоциация искусственного интеллекта, 1998. - с.83-98.

27. Змеев О.А. Разработка и стандартизация программных средств и информационных технологий. // Конспект лекций, Анжеро-Судженский филиал КемГУ , 2002. http://ooad.asf.ru/student/lectures/risp/index.asp123

28. Ивановский И. Операционная система Linux, 2-е изд. — М.: ДМК Пресс, 2001.

29. Йордон Э., Аргила К. Структурные модели в объектно-ориентированном анализе и проектировании. М.: Лори, 1999. - 261 с.

30. Калянов Г.Н. CASE. Структурный системный анализ (автоматизация и применение). -М.: Лори, 1996. 261 с.

31. Каплан А. и др. Windows 2000 изнутри. М.: ДМК Пресс, 2000.

32. Кинг A. Windows 95 изнутри. СПб.: Питер, 1995. - 512 с.

33. Кирсанов Б.С., Попов Э.В. Отечественные оболочки экспертных систем для больших ЭВМ II Справочник по искусственному интеллекту, т.1. -М.: Радио и связь, 1990.

34. Ковригин О.В., Перфильев К.Г. Гибридные средства представления знаний в системе СПЭИС // Всесоюзная конференция по искусственному интеллекту: Тез. докл. т. 2. Переславль-Залесский, 1988.

35. Кочетков С. Microsoft Windows Me (Millennium Edition). M.: Издательство "Познавательная книга", 2001.

36. Куперштейн В. MS Office и Project в управлении и делопроизводстве. -СПб.: BHV.

37. Кэнту М. Delphi 5 для профессионалов. СПб.: Питер, 2001. - 944 с.

38. Лорьер Ж.Л. Системы искусственного интеллекта. М.: Мир. 1991 568 с.

39. Минский М. Фреймы для представления знаний. М.: Энергия, 1979. -152 с.

40. Миронов А.С. Введение в искусственный интеллект. Учебное пособие. М. Изд-во МГАПИ, 1995. - 42 с.

41. Миронов А.С. Системы искусственного интеллекта. М.: МИП, 1994 . -62 с.124

42. Оберг Дж. Технология СОМ+. Основы программирования. М.: Издательский дом "Вильяме", 2000.

43. Питтс Н. XML за рекордное время // Пер. с англ. М.: Мир, 2000.

44. Попов Э.В., Фоминых И.Б., Кисель Е.Б., Шапот М.Д. Статические и динамические экспертные системы. М.: Финансы и статистика, 1996. -320 с.

45. Попов Э.В. Экспертные системы реального времени //Открытые системы. 1995. -№2.

46. Поспелов Г.С. Искусственный интеллект основа новой информационной технологии. - М.: Наука, 1998. - 280 с.

47. Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. М.: Радио и связь, 1989. 184 с.

48. Поспелов Д.А. Многоагентные системы настоящее и будущее. // Информационные технологии и вычислительные системы. №16 1998, с. 14-21.

49. Рофэйд, Шохауд. СОМ и com+. М.: Век, 2001.

50. Селезнев К., Борисов В. Визуализация семантической сети. // Открытые системы, №11, 2001. http://www.osp.rU/os/2001/l l/055.htm

51. Соловьев С.Ю., Соловьева Г.М. Вопросы организации баз знаний в системе ФИАКР // Экспертные системы: состояние и перспективы / Под ред. Д.А. Поспелова М.: Наука, 1989.

52. Стивене P. Delphi. Готовые алгоритмы. М.: ДМК Пресс, 2001 384 с.

53. Тарасов В.Б., Городецкий В.И., Грушинский М.С., Хабалов А.В. Многоагентные системы. // Новости искусственного интеллекта. М.: Ассоциация искусственного интеллекта, №2, 1998, с. 5-117.

54. Твердохлебов Г.Н. Системное программное обеспечение. Конспект лекций. Украина, Северодонецкий технологический институт, 1995125

55. Трахтенгерц Э.А. Компьютерная поддержка принятия решений. М.: Синтег, 1998.-376 с.

56. Цейтин Г.С. Программирование на ассоциативных сетях // ЭВМ в проектировании и производстве. -JL: Машиностроение, 1985. Вып. 2.

57. Чен П. Модель "сущность-связь" шаг к единому представлению о данных. // Системы управления базами данных, №3, 1995.

58. Чеппел Д. Технологии ActiveX и OLE. М.: Издательский отдел "Русская редакция", ТОО "Channel Trading Ltd.", 1997. - 302 с.

59. Чирков А.В. Когнитивная графика. Истоки и развитие. // Научная сессия МИФИ-2000 М.: МИФИ, 2000. - Т.З, с.77-78.

60. Чирков А.В. Применение когнитивной графики в современных системах. // Шестая Международная научно-техническая конференция "Радиоэлектроника, Электротехника и Энергетика"- М.: Изд-во МЭИ,2000. Т.1, с.248.

61. Чирков А.В., Солертовский С.А. Реализация когнитивной графики в интеллектуальных системах. // Четвертая международная школа-семинар по искусственному интеллекту (Браславская школа 2000) -М.: БГУ, 2000. - с. 123-124.

62. Чирков А.В. Применения когнитивных карт в системах поддержки принятия решений // Научная сессия МИФИ-2001 М.: МИФИ, 2001. -Т.З, с.177.

63. Чирков А.В. Когнитивные карты: проблемы и решения. // Седьмая Международная научно-техническая конференция "Радиоэлектроника, Электротехника и Энергетика"- М.: Изд-во МЭИ, 2001. Т. 1, с.277.

64. Чирков А.В. Метод когнитивных карт в интеллектуальных системах // Международный форум информатизации МФИ-2001 М.: Станкин,2001, том 3, с. 18-21.126

65. Чирков А.В., Еремеев А.П. Разработка экспертных систем на основе оболочек IstCLASS, EXSYS, GURU. Учебное пособие // Под ред. Кретова A.M. М: Изд-во МГАПИ, 2002. - 100 с.

66. Уэно X. и др. Представление и использование знаний. М.: Мир, 1989.

67. Финн В.К. ДСМ-метод автоматического порождения гипотез с отношением порядка // Семиотика и информатика. М.:1990, Вып.31, с. 69-103.

68. Фрег Г. Логика и логическая семантика. Сборник трудов. М.: АСПЕКТ-ПРЕСС, 2000. - 360 с.

69. Хармон Э. Разработка СОМ-приложений в среде Delphi. М.: Издательский дом "Вильяме", 2000. 464 с.

70. Хейес-Рот и др. Построение экспертные систем // Под ред. Ф. Хейес-Рота, Д. Уотермена, Д. Лената. М.: Мир, 1987.

71. Хорошевский В.Ф. Управление проектами в интеллектуальной системе PIES Workbench // Изв. РАН, серия "Техническая кибернетика". -1993.- N5.

72. Шенк Р., Бирнбаум Л., Мей Дж. К интеграции семантики и прагматики. Новое в зарубежной лингвистике: Вып. XXIV. Компьютерная лингвистика. М.: Прогресс, 1989.

73. Эдди С.Э. XML: справочник. СПб.: Питер, 1999. - 480 с.

74. Якобсон А., Рамбо Дж., Буч Г. Унифицированный процесс разработки программного обеспечения. СПб.: Питер, 2002. - 496 с.127

75. Channel Definition Format (CDF) // http://www.microsoft.com/standards/cdf.htm

76. CML Chemical Markup Language // http://www.oasis-open.org/cover/cmll .html

77. Extensible Markup Language (XML) 1.0 (Second Edition). W3C Recommendation. 6 October 2000. http://www.w3.org/TR/2000/REC-xml-20001006.

78. Knowledge Discovery Through Data Mining: What Is Knowledge Discovery? Nandem Computers Inc., 1996.

79. LandXML // http://www.landxml.org/

80. Provisioning Services Markup Language // www.oasis-open.org/committees/provision/

81. XML Linking Language (XLink). W3C Candidate Recommendation. 3 July 2000. http://www.w3.org/2000/CR-xlink-20000703.

82. Axelrod R. Argumentation in foreign policy setting. Journal of Conflict Resolution, №21, pp. 727-755, 1977.

83. Axelrod R. Structure of Decision: The Cognitive Maps of Political Elites. Princeton University Press, Princeton, NJ, 1976.

84. Barker R. CASE-Method. Entity-Relationship Modeling. Copyright Oracle Corporation UK Limited, Addison-Wesley Publishing Co., 1996.

85. Bobrow D. G., Winograd, T. An overview of Knowledge Representation Language. Cognitive Sci 1:1, 1977.

86. Bonham G.M., Shapiro M.J. Mapping structures of thought. In Imtraud N.Gallhofer, W.E.Saris, M.Melman, editors. Different Text Analisys Pocedures. Sociometric Research Foundation, 1986.

87. Carlsson C. Adaptive Fuzzy Cognitive Maps for Hyperknowledge Representation in Strategy Formation Process. Finland: IAMSR, Abo Akademi University, 1996.128

88. Carlsson С. Cognitive Maps and Hyperknowledge. Finland: IAMSR, Abo Akademi University, pp. 27-59., 1995.

89. Chaib-Draa B. Cognitive Maps: Theory, Implementation and Practical Applications in Multiagent Environments. Laval University, 1998.

90. Chown E. Making predictions in an uncertain world: Environmental structure and cognitive maps. Adaptive Behavior, №7, pp. 1-17, 1999

91. Dahl O., Dijkstra E., Hoare C.A.R. Structured Programming. London, England: Academic Press, 1972, p.83.

92. Davis R. TEIRESIAS: Applications of meta-level knowledge // Knowledge-based systems in Artificial Intelligence. N.Y.: McGraw-Hill, 1982.

93. DeMichiel L.G., Gabriel R.P. The Common Lips Object System: an overview. ECOOP'87 Proceedings. Lecture Notes in Computer Science, number 276, Springer-Verlad 1987.

94. Frege G. On sense and reference // The logic of grammar. Belmont, 1975. p. 119.

95. Jensen K., Heidorn G.E., Richardson S.D. Natural Language Processing : The Plnlp Approach. Kluwer Academic Publishers, Boston, 1993.

96. Lagoudakis M.G. Linear planning in the Cognitive Map. Departament of Computer Science, Duke University, 1998.

97. Levi A., Tetlock Ph.E. A cognitive analysis of Japan's 1941 decision of war. Journal of Conflict Resolution, №24, pp. 195-211, 1980.

98. Minsky M. A Framework for Representing Knowledge. // The Psychology of Computer Vision, P.H. Winston (ed.), McGraw-Hill, 1975.

99. Park K.S., Kim S.H. Fuzzy cognitive maps considering time relationships, Int. J. Human-Computer Studies, №42, 1995, pp. 157-168.

100. Shortliffe E. Computer based medical consultations: MYCIN. N.Y., American Elsevier.

101. Thomas D., What's in an Object? Byte vol. 14(3), March 1989. p.232.

102. Tollman E. Cognitive Maps in Rats and Men. // Psychological Review, 55, 4, pp. 189-208.

103. Ueno H. An end-user oriented language to develop knowledge-based expert systems, Proc. COMPCON FALL 83, 1983.

104. Vagin V.N., Yeremeyev A.P. Parallel Inference in Knowledge Representation Models // Proc. of Symp. on Robotics and Cybernetics, CESA'96 IMACS Multiconference, July 9-12, 1996. Lille-France. pp. 184188.

105. Wellman M.P. Inference in Cognitive Maps. University of Michigan, Artificial Intelligence Laboratory, 1994.

106. Yonezawa A., Tokoro M. Object-Oriented Concurrent Programming. Cambridge, MA: The MIT Press, 1987. p.2.1. УТВЕРЖДАЮ''

107. Дире1ш$Р СПФ МГАПИ Кретов A.M. « /jrif ^иг&л 2002 г.1. АКТоб использовании результатов диссертационной работы Чиркова А.В. в учебном процессе Филиала Московской государственной академии приборостроения и информатикиг.Сергиева Посада

108. Зам. директора по учебной работе1. АКТо внедрении результатов кандидатской диссертации Чиркова А.В.

109. Начальник отдела проектирования Гаврилов А.Ю.