Разработка и исследование кластерных экспертных систем тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Янаева, Марина Викторовна

• Янаева, Марина Викторовна
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Янаева, Марина Викторовна

ВВЕДЕНИЕ.

ГЛАВА 1 СОСТОЯНИЕ ВОПРОСА. ОБЗОР И АНАЛИЗ ЛИТЕРАТУРНЫХ ИСТОЧНИКОВ.

1.1 Обзор и анализ существующих интегрированных экспертных систем.

1.1.1 Интегрированные экспертные системы для статических проблемных областей.

1.1.2 Динамические интегрированные экспертные системы реального времени.

1.2 Обоснование необходимости проектирования кластерных экспертных систем.

1.3 Сущность проблемы.

1.4 Выводы по главе 1.

ГЛАВА 2 - ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПОСТРОЕНИЯ КЛАСТЕРНОЙ ЭКСПЕРТНОЙ СИСТЕМЫ.

2.1 Математическая модель кластерной экспертной системы.

2.1.1 Эвристические схемы Клэнси.

2.1.2 Математическая модель вывода знаний в кластерной экспертной системе.

2.1.3 Структура кластерной экспертной системы.

2.1.4 Представление знаний и выбор решения в локальных экспертных системах.

2.1.5 Алгоритм построения дерева решений для локальных экспертных систем.

2.1.6 Структура подсистемы управления выводом знаний кластерной экспертной системы.

2.1.7 Подсистема приобретения знаний.

2.1.8 Подсистема формирования заключений и рекомендаций.

2.2 Методика проектирования кластерных экспертных систем.

2.3 Выводы по главе 2.

ГЛАВА 3 АРХИТЕКТУРА КЛАСТЕРНОЙ ЭКСПЕРТНОЙ СИСТЕМЫ «МЕБ-ЕХРЕИТ» ДЛЯ ДИАГНОСТИКИ ИНФЕКЦИОННЫХ ЗАБОЛЕВАНИЙ.

3.1 Общая характеристика кластерной экспертной системы диагностики инфекционных заболеваний.

3.2 Описания предметной области КЭС «МЕБ-ЕхрегЬ>.

3.3 Структура и основные компоненты кластерной экспертной системы «МЕБ-Ехрей».

3.4 Выбор и обоснование языка программирования.

3.5 Выбор технологии проектирование локальных экспертных систем.

3.6 Интерфейс КЭС «МЕБ-ЕхреИ».

3.7 Выводы по главе 3.

ГЛАВА 4 ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ РАБОТОСПОСОБНОСТИ И ЭФФЕКТИВНОСТИ КЛАСТЕРНОЙ ЭКСПЕРТНОЙ СИСТЕМЫ.

4.1 Тестирование кластерной экспертной системы «MED-Expert».

4.1.1 Общие сведения.

4.1.2 Тестирование системы.

4.2 Оценка эффективности.

4.3 Оценка экономической эффективности разработки кластерной экспертной системы «MED-Expert».

4.3.1 Технико-экономическое обоснование.

4.3.2 Расчет трудоемкости выполнения НИР.

4.3.3 Определение плановой себестоимости проведения НИР.

4.3.4 Определение прибыли и договорной цены.

4.3.5 Оценка эффективности разработки.

4.4 Выводы по главе 4.

Введение диссертации (часть автореферата) на тему «Разработка и исследование кластерных экспертных систем»

В конце семидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название «экспертные системы». Цель исследований в области экспертных систем состоит в разработке программ, которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом.

Первоначально все экспертные системы разрабатывались по классической архитектуре [3, 7, 80]. Однако в дальнейшем, по мере развития информационных технологий, экспертные системы стали применяться для решения все более широкого круга задач, а сами задачи становились все более сложными. Появились проблемы, которые уже невозможно было решить традиционными методами классической архитектуры. Примером одной из таких проблем является необходимость сочетания в процессе логического вывода знаний нескольких самостоятельно функционирующих экспертных систем. Системы же разработанные по классической архитектуре предоставляли возможности консультаций только в рамках заданной предметной области, расширить диапазоны которой не представлялась возможным. Стратегия решения выбиралась из заранее определенного числа вариантов. Типичной являлась ситуация, когда экспертная система заходила в тупик при любых изменениях в предметной области. Ситуации подобного рода связаны с тем, что при проектировании экспертных систем не затрагивались вопросы расширения ее возможностей, что приводило к необходимости перепроектирования системы в целом.

Для более эффективного использования экспертных систем необходимо было перейти на качественно новый уровень проектирования. Возникло новое направление интеграции различного рода приложений из готовых интеллектуально-взаимодействующих модулей [67, 69]. На первый план вышла задача разработки методики и инструментов проектирования экспертных систем в виде самостоятельно функционирующих модулей, имеющих возможность объединять свои знания в рамках решения поставленной задачи. При этом наращивание интеллектуальной мощности проектируемых приложений должно было оставаться прозрачным для пользователя, а сами экспертные системы не требовали перепроектирования [71].

На сегодняшний день существует ряд направлений в области интеграции экспертных систем [44, 54, 55, 58]. Однако следует отметить, что несмотря на предлагаемые концепции они выявляют и ряд недостатков.

Во - первых, отдельные программные разработки в области объединения знаний разрозненных экспертных систем, представляющих собой самостоятельные модули, используются неэффективно. Это связано с разнородностью экспертных систем и невозможностью осуществлять обмен информацией в следствии программной и технической несовместимости.

Отдельные попытки в области интеграции знаний экспертных систем не могут представить четкой концепции интегрирования в целом. Возникает проблема, требующая объединить различные методы, подходы и технологии в некую единую и согласованную форму, поскольку все средства и технологии, лежащие в ее основе должны быть использованы с наилучшей выгодой.

Во - вторых, остаются нерешенными проблемы единого представления знаний в интегрируемой среде, отсутствуют методы организации процессов обмена данными между экспертными системами, входящими в ее состав, отсутствуют методы обработки запросов к экспертным системам, отсутствует методология проектирования интегрированной среды в целом.

В - третьих, нет четкой методики проектирования интегрированных экспертных систем.

Решение указанных проблем явилось поводом для исследования вопросов интеграции экспертных систем, основная идея которых заключается в разработке теоретических, технологических и организационных методов для совместного использования различных средств проектирования и управления.

• 6

В данной работе исследован и разработан новый тип экспертных систем - кластерные экспертные системы (КЭС) [70, 72, 74].

Известно, что под понятием вычислительного кластера понимается набор компьютеров (вычислительных узлов) [39, 40], объединенных некоторой коммуникационной сетью, где каждый вычислительный узел имеет свою оперативную память и работает под управлением своей операционной системы. Под кластером экспертных систем будем понимать совокупность самостоятельно функционирующих экспертных систем, объединенных посредством разработанных методов и технологий.

Диссертационная работа посвящена исследованию и разработке принципов проектирования КЭС для объединения знаний экспертных систем смежных предметных областях, методике и технологии создания КЭС.

В работе рассмотрены и проанализированы современные средства разработки экспертных систем подобного рода и сделан выбор оптимальной технологии проектирования. В результате предпочтение было отдано технологии проектирования Microsoft COM (Component Object Model)-технология. Это принципиально новое направление, предоставляющие возможность использования различных систем представления знаний в рамках единого программного комплекса, доступного широкому классу пользователей. В качестве основной идеи проектирования экспертной системы, как уже упоминалось, был взят «кластер», т.е. несколько полнофункциональных экспертных систем в виде СОМ - объектов объединяются в кластер, который рассматривается как один информационный ресурс. Аналогично задачи ' кластеризации данных, которая заключается в группировке данных по присущей им «близости», задача кластеризации экспертных систем состоит в их объединении по «близости» предметных областей. Естественно, что для управления запросами внутри кластера и распределения задач между экспертными системами необходимо разработать специальные алгоритмы, однако их работа остается совершенно прозрачной для пользователя. Основным достоинством кластерной экспертной системы можно считать ее расширяемость и отсутствие необходимости перепроектирования локальных экспертных систем.

Изложенные принципы и методы реализованы в кластерной консультирующей экспертной системе диагностики инфекционных заболеваний. В состав кластерной экспертной системы входят четыре экспертные системы: диагностика кишечных инфекций, диагностика кровяных инфекций, диагностика инфекций кожных покровов, диагностика инфекций дыхательных путей. Экспертные системы реализованы в виде СОМ - объектов. В диссертационной работе рассмотрены основные принципы декомпозиции знаний экспертных систем с применением схем Клэнси для выделения знаний любой предметной области в отдельные экспертные системы с целью и совместного использования в виде кластера.

Методика проектирования кластерных экспертных систем представляет собой совокупность разработанных на основе авторского подхода моделей, методов, алгоритмов и процедур для создания прикладных кластерных экспертных систем для смежных предметных областей.

АКТУАЛЬНОСТЬ ИССЛЕДОВАНИЯ

Подавляющее число экспертных систем, разработанных по классической архитектуре, как уже отмечалось ранее, являются интегрируемыми. Однако, предметные области для которых разрабатываются экспертные системы бывают сложны, что не позволяет на этапе проектирования провести их детальных анализ. Кроме того, нельзя забывать и об изменениях в предметной области, которые могут происходить в процессе эксплуатации системы. Возникает ситуация при которой необходимо вносить изменения в состав интегрированной экспертной системы, перепроектировать экспертные системы входящие в ее состав, изменять методы обработки запросов и т.д., что зачастую требует полного изменения интегрируемой системы и приводит к тупиковой ситуации. Возникновение подобных ситуаций объясняется отсутствием единых методов, моделей и средств создания экспертных систем. Поэтому требуются более доступные инструментальные средства, которые бы поддерживали некую стандартную технологию проектирования прикладных экспертных систем. В рамках данной работы предлагается методика проектирования КЭС, направленная на решение указанных проблем. Для более эффективного использования которых необходимо решить следующие задачи:

- провести сравнительный анализ существующих концепций интеграции экспертных систем, выявить достоинства и недостатки существующих интегрированный экспертных систем, определить необходимые функциональные требования к методике проектирования кластерных экспертных систем;

- разработать методику, облегчающую проектирование и создание кластерных экспертных систем;

- разработать схему декомпозиции знаний экспертных систем в составе кластерной экспертной системы, алгоритмы управления выводом знаний для объединения знаний уже существующих экспертных систем;

В работе разработана полнофункциональная кластерная экспертная система диагностики инфекционных заболеваний «MED - Expert».

ЦЕЛЬ РАБОТЫ

Теоретическое обоснование и разработка основных принципов и методики создания кластерных экспертных систем, экспериментальное исследование предложенных методов проектирования подобных на практике в виде кластерной экспертной системы диагностики инфекционных заболеваний «MED - Expert».

ЗАДАЧИ ИССЛЕДОВАНИЯ

1. Провести сравнительный анализ существующих интегрируемых экспертных систем, выявить основные недостатки и определить пути их решения;

2. Разработать общую методику создания КЭС;

3. Построить схему декомпозиции знаний любой предметной области;

4. Разработать методы обработки запросов пользователя;

5. Создать математическую модель функционирования подсистемы управления выводом знаний в КЭС;

6. Исследовать основные концепции и методы построения экспертных систем, разработать локальные экспертные системы, входящие в состав КЭС;

7. Разработать механизм управления знаниями для моделирования знаний нескольких существующих локальных систем, алгоритмы формирования и распределения запросов между локальными системами.

Кластерная экспертная система должна позволять формировать запросы ко всем локальным системам, обеспечивать взаимный обмен данными между экспертными системами, осуществлять централизованное управление информационными ресурсами системы в целом.

При проектировании КЭС необходимо обеспечить выбор локальных экспертных систем, относящихся к данному запросу пользователя и их своевременную активизацию в нужном порядке.

Входные данные КЭС - это запросы пользователя, отражающие известную ему информации о предметной области.

В рамках поставленных задач разработать кластерную экспертную системы диагностики четырех групп инфекционных заболеваний: инфекции дыхательных путей; кровяные инфекции; кишечные инфекции; инфекции наружных покровов.

МЕТОДЫ ИССЛЕДОВАНИЯ

Поставленные задачи решены с применением теории графов, теории множеств, теории вероятности, методов инженерии знаний и технологии экспертных систем, технологии, реализующий компонентный подход разработки модульных приложений, Microsoft СОМ.

НАУЧНАЯ НОВИЗНА ИССЛЕДОВАНИЯ

В процессе написания диссертационной работы были получены следующие научные результаты:

1. Разработаны методы построения кластерной экспертной системы, в основу которых был положен новый подход проектирования экспертных систем на основе использования СОМ - технологии;

2. Разработана математическая модель подсистемы управления выводом знаний для кластерной экспертной системы;

3. Предложена схема декомпозиции знаний смежных экспертных систем;

4. Рассмотрены экспертные вероятностные оценки определения достоверности получаемого решения;

5. Разработан алгоритм определения порядка идентификации локальных экспертных систем и механизмы управления процессом запросов между локальными экспертными системами,

6. Спроектирована и реализована кластерная экспертная система диагностики инфекционных заболеваний «MED - Expert»;

7. Предложена общая методика и технология проектирования кластерных экспертных систем.

ПРАКТИЧЕСКАЯ ЦЕННОСТЬ

Практическая ценность полученных результатов заключается в реализации методики построения КЭС в виде интеллектуальной кластерной экспертной системы диагностики инфекционных заболеваний «MED - Expert». Разработаны механизмы управления процессом вывода знаний в кластерной экспертной системе, с применением вероятностных оценок достоверности полученных решений. Разработанная система прошла апробацию в территориальном отделе федеральной службы РОСПОТРЕБНАДЗОР по Краснодарскому краю Российской Федерации. Система «MED - Expert» позволяет существенно уточнять инфекционные заболевания в случае сходных симптомов или редко встречающихся заболеваний. Апробация работы продемонстрировала эффективность применения предложенной методики объединения знаний локальных экспертных систем для выбранной предметной области. При этом исключается необходимость применения других экспертных систем в случае недостаточности данных, так как в конечном счете предположительно диагностируется инфекционное заболевание с определенной степенью достоверности решения.

РЕАЛИЗАЦИЯ РЕЗУЛЬТАТОВ РАБОТЫ

Основные методы и алгоритмы функционирования кластерной экспертной системы реализованы на языке Object Pascal в среде программирования Borland Delphi. Система внедрена и используется в территориальном отделе федеральной службы РОСПОТРЕБНАДЗОР по Краснодарскому краю Российской Федерации. Акт, подтверждающий внедрение диссертационной работы приведен в приложении Б.

ПУБЛИКАЦИИ

По теме диссертации опубликовано 11 печатных работ. Из них 3 статей, 8 тезисов доклада.

ОСНОВНЫЕ ПОЛОЖЕНИЯ, ВЫНОСИМЫЕ НА ЗАЩИТУ:

- результаты сравнительного анализа существующих методов интеграции экспертных систем;

- математические основы построения кластерных экспертных систем;

- модель подсистемы управления выводом знаний;

- методика проектирования кластерных экспертных систем;

- архитектура кластерной экспертной системы диагностики инфекционных заболеваний;

- результаты оценки эффективности кластерной экспертной системы диагностики инфекционных заболеваний;

- сравнительный статистический анализ эффективности и работоспособности кластерной экспертной системы «MED - Expert».

СТРУКТУРА И ОБЪЕМ РАБОТЫ

Диссертационная работа состоит из введения, четырех глав и заключения, изложенных на 143 страницах и 2 приложениях, включающих описание предметной области и акты внедрения КЭС «MED - Expert».

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Янаева, Марина Викторовна

4.4 Выводы по главе 4

1. Определены методы тестирования кластерных экспертных систем;

2. Проведено тестирование локальных экспертных систем;

3. Проведено тестирование подсистемы управления выводом знаний для кластерной экспертной системы. Тестовые прогоны сформированы экспертами.

Проведена оценка эффективности предложенного подхода к интеграции экспертных систем:

1. Определенны основные критерии и показатели оценки эффективности;

2. Проведено сравнение по основным критерием с экспертной системы «MYCIN»;

3. Проведен сравнительный анализ результатов диагностики с кластерной экспертной системы по сравнению с поиском решения при использовании локальных экспертных систем;

4. Полученные результаты подтвердили стабильность и работоспособность кластерной экспертной системы «MED-Expert» Полученные данные позволяют утверждать, что кластерная экспертная система «MED-Expert» превосходит по эффективности работы все рассмотренные альтернативные системы и варианты диагностики.

5. Проведено обоснование экономической эффективности разработки и внедрения кластерной экспертной системы «MED-Expert». Ожидаемый экономический эффект от внедрения и соответственно составил 57 ООО руб.

124

ЗАКЛЮЧЕНИЕ

1. Проведен обзор основных направлений исследований в данной области, выявлены основные недостатки и предложены пути их устранения;

2. Исследованы возможности интеграции неоднородных экспертных систем, работающих в смежных предметных областях;

3. Обоснована необходимость проектирования кластерных экспертных систем;

4. Осуществлена постановка задачи исследования;

5. Рассмотрены возможности применения эвристических схем Клэнси в процессе декомпозиции знаний предметной области: на данном этапе рассмотрены процессы обобщения и уточнения, выделены основные типовые блоки;

6. Предложен математический метод построения дерева логического вывода для кластерной экспертной системы;

7. Предложена структура кластерной экспертной системы;

8. Рассмотрены вопросы представления знаний. в локальных экспертных системах;

9. Разработан алгоритм построения дерева решений для локальных экспертных систем;

10. Разработана модель подсистемы управления выводом знаний для кластерной экспертной системы;

11. Определена вероятность принадлежности знаний локальной экспертной системе;

12. Предложены оценки определения достоверности решения, полученного от локальных экспертных систем;

13. Определена подсистема приобретения знаний;

14. Определена подсистема формирования заключений и рекомендаций.

Дополнительным условием при разработке системы является исключение необходимости перепроектирования локальных экспертных систем.

Для реализации программы необходимо было исследовать теоретические основы построения экспертных систем, математические основы представления локальных знаний. В диссертационной работе разработаны общие принципы построения и алгоритмы функционирования схемы интеграции экспертных систем в кластер, методы анализа и преобразования запроса пользователя, позволяющие достичь более эффективных результатов. Для распределения запросов между экспертными системами и определения порядка их выполнения разработан специализированный алгоритм поиска оптимальной последовательности формирования запросов к локальным экспертным системам, необходимых для выполнения запроса. В результате исследований была предложена концепция проектирования локальных экспертных систем в виде СОМ - объектов, что позволяет избежать программной несовместимости, устраняет проблемы, связанные с необходимостью перепроектирования локальных экспертных систем.

Предлагаемые подходы позволяют на практике объединять экспертные системы, работающие в смежных предметных областях, предоставляет пользователю качественно новый вид услуг - обработку ответов на основе взаимных консультаций, а также обеспечивает более высокую прозрачность знаний. Разработанные принципы построения и методика проектирования кластерных экспертных систем могут быть использованы для создания интеллектуальных систем любой сложности.

Важной частью данной диссертационной работы является реализация алгоритмов функционирования кластерной экспертной системы и конструирование пользовательского интерфейса для кластерной экспертной системы «МЕЦЕхрегЬ>.

Дальнейшее развитие системы может идти в двух основных направлениях. Во-первых, это усовершенствование предложенных методик. Во-вторых, это дальнейшее расширение спектра возможностей кластерных экспертных систем. Здесь могут быть рассмотрены и принципы интеграции экспертных систем с другими приложениями, и интеграция экспертных систем реального времени, и применение к предложенным принципам новых теорий, например теории принятия решений.

В результате проведенных работ была создана интеллектуальная кластерная экспертная система, предоставляющая пользователю возможности консультаций в области диагностики инфекционных заболеваний. Тестирование кластерной экспертной системы и опытная эксплуатация показали неплохие результаты и возможности ее практического использования.

Список литературы диссертационного исследования кандидат технических наук Янаева, Марина Викторовна, 2006 год

1. Р. Акофф, Ф. Эмери. О целеустремленных системах. М.: Советское радио, 1974.

2. P.A. Алиев, Н.М. Абдикеев, М.М. Шахназаров. Производственные системы с искусственным интеллектом. М.: Радио и связь, 1990.

3. A.B. Гаврилов. Системы искусственного интеллекта. Уч. пособие, ч. 1. -Новосибирск, НГТУ, 2000, 2001.

4. Т.А. Гаврилова, В.Ф. Хорошевский. Базы знаний интеллектуальных систем. -СПБ: Питер, 2000.

5. Гаврилова Т.Г., Червинская K.P. Извлечение и структурирование знаний для экспертных систем. -М.: Радио и связь, 1992. 287 с.

6. В.П. Гладун. Планирование решений. Киев, Наукова думка, 1987.

7. Джексон П. Введение в экспертные системы. М., СпБ., Киев: "Вильяме", 2001.

8. Джонс М.Тим. Программирование искусственного интеллекта в приложениях. М.: ДМК Пресс, 2004.

9. Дональд Бокс. Сущность технологии СОМ. Санкт - Петербург.: Питер., 2001.-397 с.

10. Ю.Дургарян И.С., Пащенко Ф.Ф. Информационные методы идентификации / Препринт. М.: Институт проблем управления им. В.А. Трапезникова РАН, 1999.11 .Елманова Н.З., Трепалин C.B. Delphi технология СОМ. - М.: Диалог1. МИФИ., 1999.-315 с.

11. А.А. Ерофеев, А.О. Поляков. Интеллектуальные системы управления. СПб: Издательство СПбГТУ, 1999.

12. Н.Г. Загоруйко. Прикладные методы анализа данных и знаний. -Новосибирск, 1999.

13. Интеллектуальные системы и их моделирование. М.:Наука, 1986.

14. Искусственный интеллект. Справочник в 3-х томах. М.: Радио и связь,1990.

15. Керов JI.A., Частиков А.П. и др. Экспертные системы: инструментальные средства разработки. СПб.: Политехника, 1996.

16. Р. Ковальски. Логика в решении проблем. М.: Наука, 1990.

17. В.В. Корнеев, А.Ф. Гарев, C.B. Васютин, В.В. Райх. Базы данных. Интеллектуальная обработка информации. М.: "Нолидж", 2000.- 2-е изд., 2001.

18. Курковский А.П., Миндлин Ю.Б., Рыбина Г.В. Прототип динамической интеллектуальной системы для экомониторинга г. Москвы. // КИИ 98 -шестая нац. конф. с междунар. участием: Сб. научн. тр. В 3-х т. Т. 2. Пущино: РАИИ, 1998.

19. И.П. Кузнецов. Механизмы обработки семантической информации. М.: Наука, 1978.

20. Искусственный интеллект. Применение в интегрированных производственных системах. Под ред. Э.Кьюсиака. М.: Машиностроение,1991.

21. Р.Левин, Д.Дранг, Б.Эдельсон. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике. М.: Финансы и статистика, 1990.

22. Логический подход к искусственному интеллекту. М.: Мир, 1990.

23. Ж.-Л. Лорьер. Системы искусственного интеллекта. М: Мир, 1991.

24. Ю.Я. Любарский. Интеллектуальные информационные системы. М.: Наука, 1990.

25. Дж.Ф. Люгер. Искусственный интеллект: стратегии и методы решения сложных проблем. -М.: "Вильяме", 2003.

26. Н.Г. Малышев, Л.С. Берштейн, A.B. Боженюк. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат, 1991.

27. Малыхина М.П., Янаева М.В. «Основы построения кластерных экспертных систем». // Труды КубГТУ, Том XVIII, 2005.

28. Малыхина М.П., Янаева М.В. «Основы построения кластерных экспертных систем». // Труды КубГТУ, Том XVIII, 2005.

29. Мамиконов А.Г. Оптимизация структур распределенных баз данных в АСУ. -М.:Наука, 1988,240 с.

30. Д. Марселлус. Программирование экспертных систем на Турбо-Прологе. -М.: Финансы и статистика, 1994.

31. А.Н. Мелихов, Л.С. Бернштейн, С.Я. Коровин. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990.

32. Нариньяни A.C., Яхно Т.М. Продукционные системы // Представление знаний в человеко-машинных и робототехнических системах. М.:Изд. ВИНИТИ. - 1984.-е. 136-177.

33. Нариньяни А., Яхно Т. Продукционные системы, -в кн. Представление знаний в человеко-машинных и робототехнических системах. -М.:ВЦ АН СССР, ВИНИТИ, 1984. с. 136-177.

34. Нильсон Н. Принципы искусственного интеллекта. М.: Радио и связь, 1985.

35. Нильсон Н, Искусственный интеллект. Методы поиска решений. М.: Мир, 1973.40.0лифер В.Г., Олифер H.A. Компьютерные сети. Санкт - Петербург.: Питер, 2001.-672 с.

36. Г.С. Осипов Приобретение знаний интеллектуальными системами. М., "Наука", 1997.

37. Обработка знаний. М: Мир, 1990.

38. Пономорев В.А. СОМ и ActiveX в Delphi. Санкт - Петербург.: БХВ -Петербург, 2001. - 320 с.

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

40. Попов Э.В. Экспертные системы. М.: Наука, 1987.

41. Э.В. Попов. Общение с ЭВМ на естественном языке. М:, Наука, 1986.

42. Д.А. Поспелов. Моделирование рассуждений. М.: Радио и связь, 1989.

43. Поспелов И.Г., Поспелова Л.Я. Динамическое описание систем продукций и проверка непротиворечивости продукционных экспертных систем. Изв. АН СССР, ТК, 1987, № 1,. с. 184-192.

44. Попов Э.В. Особенности разработки и использования экспертных систем // Искусственный интеллект. Системы общения и экспертные системы / под. ред. Попова Э.В., Кн. 1.- М.: Радио и связь, 1990.

45. Представление и использование знаний. М: Мир, 1989.51 .Приобретение знаний. М: Мир, 1990.

46. Рыбина Г.В. Задачно-ориентированная методология автоматизированного построения интегрированных экспертных систем для статических проблемных областей. // Известия РАН. Теория и системы управления, 1997, №5.

47. Рыбина Г.В. Модели, методы и средства построения интегрированных экспертных систем для статистических проблемных областей // КИИ 96.

48. Пятая национальная конференция с международным участием «Искусственный интеллект 96». Сб. научных трудов. М.: АИИ, 1996. Т.2.

49. Рыбин В.М., Рыбина Г.В. Динамические интегрированные экспертные системы реального времени: анализ опыта исследований и разработок. // Приборы и системы управления. 1999, №8, с. 4 8.

50. Рыбина Г.В. Особенности и принципы построения интегрированных экспертных систем для диагностики сложных технических систем // Приборы и системы управления. 1998. №9.

51. Рыбина Г.В., Рыбин В.М. Вагин А.И. и др. Опыт создания интегрированных экспертных систем семейства ТЕРРА для экологических задач // КИИ 96 -пятая нац. конф. с междунар. участием «Искусственный интеллект»: Сб. научн. тр. В 3-х т. Т. 2. М.: АИИ, 1996.

52. Рыбина Г.В., Рыбин И.В., Калинина Е.А., Петухов Д.М Разработка интегрированных экспертных систем в области экологии на основе LEVELS OBJECT // шестая международная студенческая школа семинар «Новые информационные технологии»

53. В.Ш. Рубашкин. Представление и анализ смысла в интеллектуальных информационных системах. М.: Наука, 1989.

54. Системы управления базами данных и знаний. Справочное издание под ред. А.Н. Наумова. М.: Финансы и статистика, 1991.

55. Б. Сойер, Д.Л. Фостер. Программирование экспертных систем на Паскале. -М.: Финансы и статистика, 1990.

56. Стогний A.A., Вольфенгаген В.Э. Проектирование интегрированных баз данных. Киев.: Техника, 1991. - 232 с.

57. К. Таунсенд, Д. Фохт. Проектирование и программная реализация экспертных систем на персональных ЭВМ. М.: Финансы и статистика, 1990.

58. Тельнов Ю.Ф. Интеллектуальные информационные системы. (Учебное пособие) М., 2000.

59. В.Н. Убейко. Экспертные системы. -М.: МАИ, 1992.

60. Экспертные системы. Принципы работы и примеры. Под ред. Р. Форсайта.-М.: Радио и связь, 1987.

61. Частиков А.П., Малыхина М.П., Янаева М.В. «Теория и практика создания кластерных экспертных систем»: «Компьютерное моделирование 2002». // Труды Международной научно технической конференции, СПбГТУ, Санкт - Петербург, 2002.

62. Частиков А.П., Мягкий А.Е, Янаева М.В. «Моделирование гибридных экспертных систем»: «Гибридные системы». // Труды Международной научно технической конференции, СПбГТУ, Санкт - Петербург, 2001.

63. Частиков А.П., Малыхина М.П., Янаева М.В. «Кластерные экспертные системы». // Материалы X Юбилейной всероссийской научно-практической конференции «Инновационные процессы в высшей школе», КубГТУ, Краснодар, 2004 г.;

64. Частиков А.П., Дедкова Т.Г., Алешин А.В. Системы искусственногоинтеллекта: Учеб. пособие.- Краснодар: КубГТУ,1998. 166с. 76.Частиков А.П., Гаврилова Т.А., Белов Д.Л. Разработка экспертных систем. Среда CLIPS. - СПб.: БХВ-Петербург, 2003. - 608 с.

65. Уотерман Д. Руководство по экспертным системам. М.: Мир, 1989. -384с.

66. Уинстон П. Искусственный интеллект. М.: Мир, 1980.

67. Построение экспертных систем. Под ред. Ф. Хейес-Рота, Д. Уотермена, Д. Лената. М.: Мир, 1987.

68. Построение экспертных систем // Ред.: Хейес-Рот Ф., Уотерман Д., Ле-нат Д. М.: Мир, 1987.

69. Дж. Элти, М. Кумбс. Экспертные системы. Концепции и примеры. М.: Финансы и статистика, 1987.

70. Янаева М.В. «Перспективы использования кластерных экспертных систем». // Материалы Всероссийской научно практической конференции молодых ученных и студентов «Современное состояние и приоритеты развития фундаментальных наук», г. Анапа, 2004 г.

71. Basu A., Majumdar А.К., Sinha S. DEXT: an integrated knowledge engineering environment for control engineering applications // Knowledge - Based Systems, 1991, Vol.4, No.3, p.p. 131 - 143.

72. Basal C. et.al. Combining Multiple Knowledge Bases // IEEE Transactions on knowledge and data engineering, 1991, Vol.3, No. 2, p.p. 208 220.

73. F. Hayes-Roth, N. Jacobstein. The State of Enowledge-Based Systems. Communications of the ACM, March, 1994, v.37, n.3, pp.27-39.

74. P. Harmon. The market for intelligent software pnducts Intelligent Software Strategies, 1992, v.8, n.2, pp.5-12.

75. B. Moore. Memorandum. 1993, April. Gensym Corparation.135