Systemy hybrydowe wykorzystujące wiele metod sztucznej inteligencji w jednym systemie. Czy słuszna jest ta koncepcja?

Wydaje mi się, że koncepcja ta jest słuszna, ponieważ każda metoda ma swoje ograniczenia, natomiast łącząc kilka metod możemy wykorzystać najmocniejsze aspekty każdej z nich.

Inteligentne systemy hybrydowe starają się integrować odmienne techniki sztucznej inteligencji. Powstały na bazie stwierdzenia, że metody te wzajemnie się uzupełniają, wady jednej są kompensowane zaletami innej.

Celem stosowania takich systemów jest:

• wykorzystanie całej dostępnej wiedzy na temat specyficznego problemu;
• możliwość skorzystania z wielu typów informacji (symbolicznej, numerycznej, nieścisłej, nieprecyzyjnej);
• zaoferowanie wielu różnych schematów rozumowania i bardziej trafnego wyszukiwania odpowiedzi na zadawane pytania;
• zwiększenie ogólnej efektywności systemu i eliminacja ujemnych stron pojedynczych metod;
• stworzenie wydajnych i potężnych systemów rozumowania

Więcej na ten temat można przeczytać w artykule "Systemy hybrydowe" Michała Stanek.

Przykłady konkretnych eksperckich systemów hybrydowych (wspomaganie decyzji inwestowania giełdowego).

Nie dotarłem do konkretnych eksperckich systemów hybrydowych dotyczących wspomagania decyzji inwestora giełdowego, ale udało mi się zebrać „garść” informacji na temat analizy finansowej stanu biznesu.

Jako przykład może posłużyć system z dziedziny analizy finansowej stanu biznesu. System składa się z połączenia trzech klasycznych narzędzi; wykorzystano w nim szkieletowy system ekspertowy, sztuczną sieć neuronową oraz relacyjną bazę danych. Utworzony w ten sposób system hybrydowy bada cztery standardowe współczynniki biznesu.

Działanie tego rozwiązania można pokrótce opisać następująco. System ekspertowy obsługuje interfejs, przetwarza wprowadzone dane na odpowiedni współczynniki, przeszukuje bazę danych. Po tych czynnościach system ekspertowy przekazuje sterowanie do sztucznej sieci neuronowej, aby oszacować zdolności pożyczkowe firmy. Wiadomo, że w tej dziedzinie nie ma jasnych i wyraźnych reguł; dlatego sztuczna sieć neuronowa jest odpowiednim narzędziem przetwarzania tego rodzaju rozmytej wiedzy. System ekspertowy tworzy plik zawierający obliczone współczynniki biznesu jako dane wejściowe dla sieci neuronowej. Wcześniej sieć neuronowa była wyuczona na podstawie danych pochodzących z innych podobnych firm. Po wykonaniu obliczeń przez sieć neuronową, uzyskane na jej wyjściu wyniki są z powrotem podawane do systemu ekspertowego, który dokonuje ich interpretacji, po czym jest wyświetlane okno z wynikami końcowymi.

Konkretnym przykładem może być np. program EKANWIN. Na rysunku poniżej przedstawiony jest projektowany schemat interakcji hybrydowego systemu wspomagania decyzji w wersji model symulacyjny + system ekspertowy.

Więcej na ten temat można przeczytać w rozprawie doktorskiej p. Jacka Zabawy, a także w prezentacji "Analiza finansowa wspomagana komputerowo - wprowadzenie".

Sporo informacji na temat inteligentnych technik hybrydowych w analizie ekonomicznej firmy można również przeczytać w publikacji prof. dr hab. inż. Edwarda Radosińskiego: "Inteligentne techniki hybrydowe w analizie ekonomicznej firmy"

Uważasz, że artykuł był ciekawy i chcesz otrzymywać powiadomienia o moich kolejnych wpisach lub projektach?
Wpisz swoje imię oraz adres e-mail a następnie kliknij "ZAPISZ MNIE"

Polecam w HELIONIE: