Статья

Название статьи ИНТЕГРИРОВАННАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ НА ОСНОВЕ МЕТОДА НЕЧЕТКОГО МОДЕЛИРОВАНИЯ
Автор Ю.А. Кравченко
Рубрика РАЗДЕЛ III. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И НЕЧЕТКИЕ СИСТЕМЫ
Месяц, год 07, 2013
Индекс УДК 002.53:004.89
DOI
Аннотация Статья посвящена разработке формализованной модели представления разнородных предметных  знаний  для  интеллектуальных  обучающих  систем  в  условиях  неопределенности.  Подробно  рассмотрены  модели  содержательной  и  тестовой  частей  разнородных предметных  знаний.  Состав  и  структура  интегрированной  модели  разнородных  данных описаны на основе нечеткого ориентированного графа. Подобное моделирование позволит уже на стадии проектирования информационной системы избежать возникновения ошибок экспертов при определении критериев оценки компетентности, вариантов индивидуальных  траекторий  обучения,  требований  к  типам    и  количеству  форм  представления знаний и тестовых заданий.

Скачать в PDF

Ключевые слова Модель представления разнородных знаний; интеллектуальные обучающие системы; оценка компетентности; системы управления знаниями.
Библиографический список 1. Норенков И.П. Онтологические методы синтеза электронных учебных пособий // Научно-практический журнал «Открытое образование». – 2010. – № 6. – С. 39-44.
2. Тельнов Ю.Ф. Интеллектуальные информационные системы. – М.: Московский государственный университет экономики, статистики и информатики, 2003. – 26 с.
3. Денисова И.Ю., Макарычев П.П. Математические модели онтологии базы знаний информационной обучающей системы // Научный журнал «Онтология проектирования». – 2012. – № 3 (5). – С. 62-78.
4. Кравченко Ю.А. Принятие решений в информационных системах на основе нечеткого моделирования // Российская академия наук. Научный журнал. Известия КБНЦ РАН.– 2013. – № 1 (51). – С. 21-26.
5. Курейчик В.В., Родзин С.И. О правилах представления решений в эволюционных алгоритмах // Известия ЮФУ. Технические науки. – 2010. – № 7 (108). – С. 13-21.
6. Курейчик В.М. Особенности построения систем поддержки принятия решений // Известия ЮФУ. Технические науки. – 2012. – № 7 (132). – С. 92-98.
7. Курейчик В.М., Кажаров А.А. Использование роевого интеллекта в решении NP-трудных задач // Известия ЮФУ. Технические науки. – 2011. – № 7 (120). – С. 30-37.
8. Гладков Л.А., Гладкова Н.В. Новые подходы к построению систем анализа и извлечения знаний на основе гибридных методов // Известия ЮФУ. Технические науки. – 2010. – № 7 (108). – С. 146-154.
9. Бова В.В. Методы поддержки принятия решений в построении адаптивных моделей образовательных процессов // Известия ЮФУ. Технические науки. – 2008. – № 4 (81). – С. 221-225.
10. Кравченко Ю.А. Метод создания математических моделей принятия решений в многоагентных подсистемах // Известия ЮФУ. Технические науки. – 2011. – № 7 (120). – С. 141-145.
11. Курейчик В.М. Биоинспирированный поиск с использованием сценарного подхода // Известия ЮФУ. Технические науки. – 2010. – № 7 (108). – С. 7-13.
12. Родзин С.И. Вычислительный интеллект: немонотонные логики и графическое представление знаний // Программные продукты и системы. – 2002. – № 1. – С. 20-22.

Comments are closed.