Студопедия  
Главная страница | Контакты | Случайная страница

АвтомобилиАстрономияБиологияГеографияДом и садДругие языкиДругоеИнформатика
ИсторияКультураЛитератураЛогикаМатематикаМедицинаМеталлургияМеханика
ОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРелигияРиторика
СоциологияСпортСтроительствоТехнологияТуризмФизикаФилософияФинансы
ХимияЧерчениеЭкологияЭкономикаЭлектроника

ФОРМИРОВАНИЕ СТРАХОВОГО ЗАПАСА ПРОДУКЦИИ: ОБЗОР МЕТОДОВ

Читайте также:
  1. Amp;Сравнительная характеристика различных методов оценки стоимости
  2. Boot.ini - обзор возможностей
  3. II. Формирование групп и социальная динамика
  4. III. Формирование новых понятий.
  5. IV. Информирование и участие общественности в процессе оценки воздействия на окружающую среду
  6. VII. Определение методов исследования.
  7. VIII. Современные образовательные технологии и формирование кадрового резерва
  8. Zeitgeist и формирование гештальта
  9. Алтайский обзорный 19900 рб
  10. Алтайский обзорный встречный 16500 рб

Современные принципы оптимизации диагностического процесса предполагают синдромный анализ заболеваний, выбор решающих признаков и создание диагностического алгоритма. Синдромный принцип анализа заболеваний позволяет сузить многообразную симптоматику заболевания до некоторого небольшого количества информационных блоков. Синдром рассматривается как совокупность признаков (или большой признак), которые могут наблюдаться при заболеваниях органов и систем, независимо от их этиологии и патогенеза, а также локализации патологического процесса. Такой феноменологический подход к трактовке синдрома значительно облегчает разработку на его основе диагностического алгоритма. Создание алгоритма на синдромном принципе обеспечивает включение в него всех заболеваний и патологических состояний, характеризующихся данным синдромом. Выбор решающих признаков в значительной степени повышает эффективность и оперативность диагностики. Одним из источников отбора решающих признаков (селективности) является накопленный опыт. В результате проведенной таким образом экспертной работы медицинские знания представляются в виде той или иной модели. В практике программирования такую модель описывают с помощью алгоритмических языков программирования. Широко используются также структурные схемы алгоритмов, позволяющие представить данные модели в наглядном и общедоступном виде, не прибегая к сложным конструкциям из конкретных языков программирования. Недостатком такого подхода является его статичность. Внесение новых или корректировка уже имеющихся знаний предполагает изменение структуры всего алгоритма и, соответственно, реализующей его программы, тем более, если учесть, что подобные изменения при создании машинных диагностических систем происходят многократно.

Преодолеть эту трудность помогает другой подход, предполагающий использование экспертных систем. Экспертные системы - это разновидность компьютерных систем, основанных на накоплении и соответствующем представлении знаний, в частности, медицинских. В отличие от диагностических программных систем, медицинские экспертные системы в какой-то степени моделируют процессы мышления врача при постановке диагноза. Экспертом обычно называют человека, который за годы обучения и практики научился чрезвычайно эффективно решать задачи, относящиеся к конкретной проблемной области. Экспертная система - программа для компьютера, которая обеспечивает высокоэффективное решение задач в узкой предметной области.

 

Экспертные системы позволяют:

1) получать знания от экспертов, накапливать и корректировать их;

2) выводить на этой основе новые знания;

3) решать на их основе практические задачи;

4) объяснять ход решения задачи.

 

К экспертным системам предъявляют следующие требования:

- компетентность;

- умелость;

- робастность (способность функционировать при неполных данных);

- способность оперировать не числами, а символами;

- глубина знаний;

- способность понятно объяснить процесс нахождения решения.

 

Применение экспертных систем целесообразно в тех случаях, когда алгоритм решения задачи неизвестен или реализация его очень сложна, когда задача не формализуется в числовой форме, когда решение не может быть формулировано в виде точной целевой функции. Естественно, что медицина, как область деятельности, является идеальной средой для создания и применения экспертных систем. Архитектура экспертной системы представлена на следующей схеме:

 

 

----------------

----------- ¦ Машина вывода ¦

--------- ¦Объяснение¦ L-------T--------

¦ Диалог ¦<---> L----T------ -----+----

L--------- -----+------ ¦ База ¦

¦Раб. память+-----+ знаний ¦

L----T------- ¦( факты ¦

------+-------- ¦ + ¦

¦ Обучение ¦ ¦ правила)¦

L--------------- L----------

 

Основой любой экспертной системы является база знаний. База знаний - часть экспертной системы, содержащая конкретные знания, т.е. фундаментальные факты, понятия и связи между ними (правила), необходимые экспертной системе для того, чтобы она вела себя интеллектуально. Экспертные системы - это всегда пакеты прикладных программ на основе баз знаний, моделирующие действия человека-эксперта в конкретной предметной области при решении задач.

 

Экспертные системы различают по способу (модели) представления знаний.

Модели представления знаний сводятся к следующим основным:

- модель, основанная на продукционных правилах;

- логическая модель ( логика предикатов ) ;

- фреймовая модель;

- сетевая модель ( семантические сети ) .

 

1. Широкий класс экспертных систем использует общую схему представления знаний в виде системы продукций. Продукционные правила - способ представления знаний на основе утверждений типа <ЕСЛИ> - <ТО>. Правила (или эвристики) - утверждения, которое упрощают или ограничивают поиск решений в предметной области, которая является сложной или недостаточно изученной. При использовании системы продукций (формально-логическая модель) совокупность знаний эксперта о предметной области записывается в виде набора правил типа:

Загрузка...

S -> B (1)

где S - конъюнкция элементарных фактов или их отрицаний; В - элементарный факт. Элементарные факты выражаются в виде значений переменных из некоторого конечного набора.

В схеме организации структуры управления для формально-логических моделей продукционных систем обычно используется <стратегия прямой волны>: от данных к цели. При этом проверяются левые части всех правил для определения применимых продукций. В общем же такая процедура называется логическим выводом.

Продукционное правило для экспертных систем на логико-вероятностных моделях имеет вид:

S -> (B, o) (2)

где о - оценка правдоподобия выдвинутой гипотезы, В - элементарный факт. Если оценки о есть вероятности, то эта схема определяет логико-вероятностный вывод, если о - числовые веса, то говорят о приближенном выводе, а если O имеет словесные оценки, то вывод называют размытым (нечетким).

Приведем пример продукционного правила, используемого в ставшей уже классическим образцом, экспертной системе MYCIN:

<ЕСЛИ микроорганизм культивируется на кровяном ангаре, И конкретная природа микроорганизма не достоверна, И штамм этого граммотрицателен, И но своей морфологии этот микроорганизм палочка, И у пациента был тяжелый ожог - ТО имеются некоторые (0. 4) основания считать, что микроорганизм принадлежит к бактериям вида псевдомонас.>

В схеме организации структуры управления в экспертных системах, построенных на таких моделях, чаще может использоваться <стратегия обратной волны>-от цели к данным, при которой результат уже известен, и нужно найти вызвавшие его причины. Оценка правдоподобия производится разными методами, но чаше всего используют байесовскую оценку, что связано с использованием формулы Байеса.

 

2. При использовании формально-логических моделей возможно описание лишь обобщенных знаний о действительности. Поэтому в чистом виде логические исчисления вряд ли пригодны для отображения всей совокупности знаний в интеллектуальных системах. Тем не менее, экспертные системы на базе рассмотренных моделей представления знаний могут найти широкое применение в клинической практике и учебном процессе, так как способствуют выработке у пользователя клинического мышления.

Недостатком логико-вероятностных моделей является то, что оценки правдоподобия существенно зависят от субъективно заданных для каждого правила условных вероятностей P(B/S) или числовых весов. Более того, небольшие вариации исходных вероятностей могут привести к значительным изменениям в оценке правдоподобия. Подобная неустойчивость результата, произвол в задании исходных вероятностей сужают область применения такого подхода.

 

3. Другим способом представления знаний являются фреймы. Фреймы - способ

представления процедурных знаний, описывающий стереотипную ситуацию, характеризующуюся несколькими элементами - слотами. Информационная структура, называемая фреймом, имеет следующий вид:

 

{Имя фрейма < Имя слота 1, Значение слота 1 >< Имя слота 2, Значение

слота 2 >. -< Имя слота k, Значение слота k>}.

 

В качестве значений слотов могут выступать некоторые терминальные конструкции типа определенных количественных или качественных значений, ссылки на имена других слотов в данном фрейме или на другие фреймы, ссылки с указанием имени отношения на другие слоты или фреймы, имена различных процедур, описанных в данном слоте. Таким образом, фреймы представляют собой очень мощное средство для представления знаний, однако структура фреймов настолько богата, что мало надежны на создание эффективных процедур работы с ними. Известные сейчас специальные языки программирования, предназначенные для представления знаний в виде фреймов и манипулирования ими, не обладают высокой эффективностью. Применение же традиционных языков программирования для описания фреймов еще более неэффективно.

 

4. В основе семантических моделей представления знаний лежит понятие сети. Семантические сети - способ представления знаний в виде направленного графа, где вершины (или узлы) представляют сущности или объекты, а дуги (или хорды) с обозначенными направлениями выражают связи между вершинами. Вершины сети представляют некоторые сущности (объекты, события, процессы, явления), а дуги - отношения между сущностями, которые они связывают. Вершины могут иметь внутреннюю структуру, тогда сеть называется иерархической. К недостаткам данных моделей можно отнести отсутствие эффективных средств представления и манипулирования знаниями. Выбор той или иной машинной диагностической технологии зависит от ряда факторов. Нельзя однозначно высказаться в пользу той или иной модели. С успехом могут использоваться как машинные технологии 1-го поколения, так и экспертные системы с различными способами представления знаний. Если накоплен достаточный статистический материал, то можно рекомендовать вероятностные модели представления данных или логико-вероятностные модели представления знаний. Для диагностики заболеваний в типичных случаях вполне пригодны экспертные системы, построенные на алгоритмических или формально-логических моделях. Если имеется компьютерный архив, то можно использовать метод поиска клинического прецедента. Фреймовые модели и семантические сети, по-видимому, серьезно использовать можно будет только тогда, когда появятся эффективные средства работы с ними. Для прогностических технологий можно посоветовать применение вероятностных моделей и метода обучения распознаванию.

В заключение следует отметить и недостатки подхода, основанного на экспертных системах.

 

Ограничения экспертных систем связаны с тем, что они плохо умеют:

- представлять знания о временных отношениях;

- представлять знания о пространственных отношениях;

- рассуждать исходя из здравого смысла;

- распознавать границы собственной компетентности;

- работать с противоречивыми знаниями.

 

 

ПОРЯДОК ВЫПОЛНЕНИЯ РАБОТЫ

 

ЗАДАНИЕ № 1.

ИЗУЧЕНИЕ ГЛАВНОГО МЕНЮ ЭКСПЕРТНОЙ СИСТЕМЫ).

 

Главное меню ЭС включает в себя следующие режимы: выбор базы знаний, диалог с базой знаний, запись базы на диск, просмотр базы знаний, создание базы знаний, удаление базы знаний, редактирование базы знаний, информация по базе, выход в ДОС, конец работы. Ниже дано описание возможностей этих режимов.

 

1. Режим <выбор базы знаний> обеспечивает выбор интересующей базы знаний.

Примечание: Имена имеющихся на диске баз знаний и области их деятельности

указаны ниже. Имена области деятельности выделены курсивом:

 

Имя базы знаний Область деятельности

 

ACT.GNI Ацетонурия (диагностика заболеваний и состоянии,

характеризующихся наличием ацетона в моче)

 

PONOS.GNI понос (диагностика основных заболеваний и состоя-

ний, которые могут сопровождаться поносом)

 

HEPATO.GNI гепатпомегалия (диагностика заболеваний и состоя-

ний, сопровождающиеся увеличением печени)

 

2. В режиме <диалог с базой знаний> осуществляется диалог пользователя с

выбранной базой знаний, в результате которого указывается предполагаемый диа-

гноз или сообщается об отсутствии в базе необходимых знаний. В последнем случае

пользователю предоставляется возможность дополнить базу знаний недостающими

продукционными правилами.

Диалог с базой знаний осуществляется путем ввода ответов <ДА> или <НЕТ> на

вопросы, задаваемые ЭС. При затруднении дать правильный ответ на поставленный

вопрос можно обратиться к ЭС за объяснениями.

3. Режим <запись базы на диск> используется для сохранения на диске вновь

созданной базы знаний под определенным именем.

4. Режим <просмотр базы знаний> позволяет просмотреть продукционные

правила, из которых состоит база знаний, используемая в данный момент.

5. Режим <создание базы знаний> предназначен для построения новых баз

знаний.

6. В режиме <редактирование базы знаний> можно исправить обнаруженные в

процессе работы ЭС ошибки или неточности.

7. Режим <удаление базы знаний> используется для удаления из оперативной

памяти базы знаний перед выбором для работы другой базы знаний.

8. В режиме <информация по базе> можно получить информацию о всех режимах

главного меню ЭС. т.е. сведения, изложенные в пунктах настоящего задания.

9. Режим <выход в ДОС> используется для временного выхода в ДОС и возврата

в программу по команде exit, которая вводится с клавиатуры.

10. Режим <конец работы> предназначен для окончания работы с программой и

выхода в среду оболочки Norton Commander.

 

 

ЗАДАНИЕ № 2. ОСВОЕНИЕ ТЕХНОЛОГИИ РАБОТЫ С ЭКСПЕРТНЫМИ СИСТЕМАМИ

 

1. Запустить программу geni.exe. Результат запуска - появление на экране

дисплея главного меню режимов ЭС.

Примечание 1. Выбор того или иного режима главного меню ЭС, имеющихся на

диске баз знаний, осуществляется путем установки на соответствующие названия

курсора-подсветки с помощью клавиш управления курсором.

Примечание 2. Для запуска выбранного режима, для ввода в компьютер ответов

или символа <?> при диалоге необходимо нажимать клавишу Enter.

Примечание 3. Переключение латинский/русский алфавит осуществляется на-

жатием правой клавиши Ctrl.

Примечание 4. Выход из любого режима и возврат в главное меню ЭС

осуществляется нажатием клавиши Esc.

2. Провести диалог с базой знаний под именем ACT.GNI. Для этого:

в главном меню ЭС выбрать и запустить режим <выбор базы знаний>:

в появившемся на экране перечне файлов выбрать базу знаний под именем

ACT.GNI и нажать Enter:

в главном меню выбрать и запустить режим <диалог с базой знаний>;

перейти на русский алфавит нажатием правой клавиши Ctrl;

набрать с клавиатуры имя области деятельности, в которой используется данная

база знаний, т.е. ацетонурия. После нажатия Enter на экране должны появиться

вопрос и окно ответов;

установить подсветку на необходимый ответ, т.е. <ДА> или <НЕТ> и нажать Enter;

после ввода ответа на первый вопрос задается следующий;

Примечание: В случае затруднения дать ответ на поставленный вопрос следует

обратиться за помощью к экспертной системе. Для этого: а)выбрать в окне ответов

и ввести символ <?>; б) после получения дополнительной информации возвратиться

в окно ответов нажатием клавиши Esc и дать правильный ответ;

По окончании диалога (после ответов на все вопросы) появляется

предполагаемый диагноз и вопрос <Я права, не так ли?> или сообщение, что в базе

нет таких знаний;

записать в протокол содержание диалога (вопросы - ответы) и его результат;

перейти на латинский алфавит нажатием правой клавиши Ctrl;

ввести ответ на вопрос <Я права, не так ли?> нажатием клавишей Y (YES) или N

(NO), после чего осуществится возврат в главное меню;

в режиме <удаление базы знаний> удалить из оперативной памяти базу знаний, с

которой проводился диалог;

3. Провести диалог с другими базами знаний аналогично с п.2 (без записи в

протокол).

Примечание 1. Необходимая информация для выполнения п. 3. содержится на

рис.7

Примечание 2. Не забывать перед выбором для диалога последующей базы

знаний удалять из оперативной памяти ЭВМ предыдущую.

 

ЗАДАНИЕ № 3. РАЗРАБОТКА БАЗЫ ЗНАНИЙ

На основании диагностической таблицы (рис 1) разработать и внести в протокол

лабораторного занятия базу знаний в виде набора из 8 продукционных правил

(формально логическая модель базы знании).

Примечание: Отмеченные на рис.1 в виде звездочки (*) признаки, на

рентгеновском снимке являются левой частью (ЕСЛИ) продукционного правила, а

соответствующий им диагноз - правой частью (ТО) продукционного правила.

Подготовленная база знаний будет использована в лабораторной работе для

создания экспертной системы под общим названием <РГ-легких> (рентгенография

легких): категория <РГ легких>.

 

ЗАДАНИЕ № 4. СОЗДАНИЕ БАЗЫ ЗНАНИЙ ЭКСПЕРТНОЙ СИСТЕМЫ

Выполнение данного задания предполагает наличие заранее разработанной базы

знаний, т.е. выполнение задания 1, и состоит из последовательного ввода в ком-

пьютер названия категории, подкатегории и соответствующих условий.

Примечание 1. Категория во всех случаях будет иметь название: РГ-легких.

Такое же название имеет область деятельности, в которой используется создава-

емая база знаний.

Примечание 2. Названием подкатегории будет являться предполагаемый

диагноз заболеваний, т.е. один из диагнозов, имеющихся в правой части продук-

ционных правил

Примечание 3. В качестве условий выступают имеющиеся признаки на

рентгеновском снимке, т.е. левая часть продукционных правил (рис.1).

Выполнять задание необходимо в следующей последовательности:

войти в главное меню ЭС, если в этом есть необходимость;

удалить из оперативной памяти ЭВМ предыдущую базу знаний;

выбрать и запустить режим <создание базы знаний>;

перейти на русский алфавит;

набрать с клавиатуры и ввести название категории, т.е. РГ-легких;

набрать с клавиатуры и ввести название подкатегории, согласно продукционному

правилу 1, т.е. острая пневмония,

набрать с клавиатуры и ввести условия согласно продукционному правилу 1, т.е.:

органы средостения не смещены;

тень на снимке занимает все легкое;

структура тени однородная;

наружные контуры тени нерезкие;

перейти к следующей подкатегории нажатием клавиши Enter или Esc и снова

ввести название категории, подкатегории и соответствующих условий согласно

продукционному правилу 2;

ввести аналогичным путем необходимую информацию по всем продукционным

правилам, составляющим разработанную базу знаний;

после ввода всех условий последней подкатегории войти в главное меню ЭС

нажатием клавиши Esc;

выбрать и запустить режим <запись базы на диск>;

перейти на латинский алфавит;

сохранить на диске созданную базу знаний под именем RENTGEN. GNI;

запустить режим <выбор базы знаний> и в появившемся на экране перечне

файлов выбрать базу знаний под именем RENTGEN. GNI;

просмотреть созданную базу знаний в виде продукционных правил с помощью

режима <просмотр базы знаний>;

4. При обнаружении ошибок или неточностей в созданной базе знаний

необходимо их устранить, используя режим <редактирование базы знаний>.

Редактирование выполняется в присутствии преподавателя по следующему алгоритму:

войти в главное меню;

выбрать и запустить режим <редактирование базы знаний>;

в появившемся на экране перечне файлов выбрать созданную базу знаний под

именем RENTGEN.GNI. После этого на экране появляется программа, составленная на

основе введенных продукционных правил, представляющая собой последовательность

строк <rule> (правило) с названием категории, подкатегорий и строк <cond>

(условие) с указанием условий.

Следовательно, обнаруженные ошибки в продукционных правилах

следует искать в соответствующих строках. Перемещение по тексту программы

осуществляется нажатием клавиш Page Down или Page Up;

отредактировать программу.

5. Для сохранения отредактированного текста нажать функциональную клавишу

F2.

6. Набрать с клавиатуры и ввести имя файла RENTGEN. GNI.

7. На появившийся вопрос <Сохранить базу знаний> дать утвердительный ответ с

помощью клавиши Y (Yes).

8. Окончить работу с программой.

9. Заполнить и сдать протокол лабораторной работы.

 

 

рис.1

 

 

ПРИЛОЖЕНИЕ

База знаний экспертной системы ACT.GNI для диагностики заболеваний и

состояний, сопровождающихся ацетонурией (ацетоном в моче):

ПРАВИЛО 1: ЕСЛИ уровень глюкозы в крови повышен, И в анамнезе указания на

сахарный диабет - ТО ацетонурия есть диабетический кетоацидоз;

ПРАВИЛО 2: ЕСЛИ уровень глюкозы в крови повышен, И в анамнезе указания на

длительный прием кортикостероидов - ТО ацетонурия есть массивная

кортикостероидная терапия;

ПРАВИЛО 3: ЕСЛИ уровень глюкозы в крови повышен, И в анамнезе зоб,

тахикардия, дефицит массы тела - ТО ацетонурия есть ДТЗ (диффузный токсический

зоб) в сочетании с диабетом;

ПРАВИЛО 4: ЕСЛИ уровень глюкозы в крови нормальный, И в анамнезе указания

на прием алкоголя, запах алкоголя изо рта - ТО ацетонурия есть алкогольная

интоксикация;

ПРАВИЛО 5: ЕСЛИ уровень глюкозы в крови нормальный, И в анамнезе указания

на длительный прием кортикостероидов - ТО ацетонурия есть массивная

кортикостероидная терапия;

ПРАВИЛО 6: ЕСЛИ уровень глюкозы в крови нормальный, И первая половина

беременности - ТО ацетонурия есть рвота при токсикозе первой половины

беременности;

ПРАВИЛО 7: ЕСЛИ уровень глюкозы в крови нормальный, И зоб, тахикардия - ТО

ацетонурия есть ДТЗ;

ПРАВИЛО 8: ЕСЛИ уровень глюкозы в крови нормальный, И интоксикация,

инфекция, травма мозга - ТО ацетонурия есть интоксикация, инфекция,

травма мозга;

ПРАВИЛО 9: ЕСЛИ уровень глюкозы в крови нормальный, И в анамнезе

ближайшая операция - ТО ацетонурия есть послеоперационный период;

ПРАВИЛО 10: ЕСЛИ уровень глюкозы в крови нормальный, И в анамнезе начало

заболевания в детском возрасте, стереотипность периодических приступов

(тошнота, рвота, боли в животе) - ТО ацетонурия есть ацетонемическая рвота;

ПРАВИЛО 11: ЕСЛИ уровень глюкозы в крови нормальный, И длительное

бессимптомное течение, часто наследственный характер заболевания -

ТО ацетонурия есть почечная глюкозурия;

ПРАВИЛО 12: ЕСЛИ уровень глюкозы в крови понижен, И передозировка

инсулина - ТО ацетонурия есть инсулиновая гипогликемия;

ПРАВИЛО 13: ЕСЛИ уровень глюкозы в крови понижен, И в анамнезе начало

заболевания в детском возрасте, увеличение печени - ТО ацетонурия есть

гликогеноз;

ПРАВИЛО 14: ЕСЛИ уровень глюкозы в крови понижен. И длительное

воздержание от пищи, обусловленное психическими заболеваниями или лечением - ТО

ацетонурия есть длительное голодание;

ПРАВИЛО 15: ЕСЛИ уровень глюкозы в крови понижен. И в анамнезе ограничение

углеводов в диете на протяжении длительного времени - ТО ацетонурия есть без

углеводная диета;

ПРАВИЛО 16: ЕСЛИ уровень глюкозы в крови понижен, И в анамнезе указания на

прием алкоголя, запах алкоголя изо рта - ТО ацетонурия есть алкогольная

интоксикация.

 

Выражения типа <ацетонурия есть длительное голодание> следует понимать в

том смысле, что причиной ацетонурии является длительное голодание (аналогично

и в других правилах).

Логический вывод в данной базе знаний осуществляется с помощью программы,

написанной на Turbo Prolog 2. 0 для IBM совместимых компьютеров. Покажем пример

диалога при работе программы:

Уровень глюкозы в крови повышен: НЕТ ;

Уровень глюкозы в крови нормальный: НЕТ;

Уровень глюкозы в крови понижен: ДА;

Передозировка инсулина: НЕТ ;

Начало заболевания в детском возрасте, увеличение печени: ДА ;

Я думаю, что причина ацетонурии - гликогеноз

Действия пользователя при работе с программой выделены большими буквами. В

некоторых случаях удобно говорить о такой системе знаний, как о дереве решений,

где вершины соответствуют фактам, а ориентированные ребра определяют переход от

одних фактов к другим в соответствии с правилами.

 

 

КОНТРОЛЬНЫЕ ВОПРОСЫ

 

1. Назначение медицинских экспертных систем.

2. Способы представления знаний.

3. Модели продукционных систем.

4. Сущность механизма логического вывода в экспертных системах.

5. Режимы главного меню экспертной системы и их возможности.

6. Основные этапы создания экспертных систем.

7. Технология работы с оболочкой GENI для создания экспертных систем.

 

 

ФОРМИРОВАНИЕ СТРАХОВОГО ЗАПАСА ПРОДУКЦИИ: ОБЗОР МЕТОДОВ


Дата добавления: 2014-12-19; просмотров: 11 | Нарушение авторских прав




lektsii.net - Лекции.Нет - 2014-2018 год. (0.047 сек.)