БАЗА ЗНАНЬ ІНТЕЛЕКТУАЛЬНОЇ ІНФОРМАЦІЙНОЇ СИСТЕМИ ПРОГНОЗУВАННЯ ФАЗОВОЇ СТАБІЛЬНОСТІ ТВЕРДИХ РОЗЧИНІВ

Олег  Бісікало; Олексій  Кудрик

doi:10.31649/1999-9941-2023-56-1-13-21

Автор(и)

Олег Бісікало Вінницький національний технічний університет
Олексій Кудрик Вінницький національний технічний університет

DOI:

https://doi.org/10.31649/1999-9941-2023-56-1-13-21

Ключові слова:

інтелектуальна інформаційна система, база знань, продукційні правила, предикати, оператори

Анотація

Дана дослідницька робота присвячена розробці базі знань для розв’язання актуальної задачі прогнозування фазової стабільності твердих розчинів. Під базами знань розуміється сукупність фактів і правил виводу, що допускають логічний висновок і цілеспрямовану обробку інформації. Найбільш важливою властивістю інформації, що зберігається в базах знань, є достовірність конкретних і узагальнених відомостей у базі даних і релевантність вихідної інформації, одержуваної з використанням правил виведення, закладених в базу знань. Кращі бази знань включають саму релевантну, достовірну і свіжу інформацію, мають досконалі системи пошуку інформації, ретельно продуману структуру і формат знань. Експертна система втілює методологію адаптації алгоритму успішних рішень однієї сфери науково-практичної діяльності в іншу. З поширенням комп'ютерних технологій – це тотожна інтелектуальна комп'ютерна програма, що містить знання й аналітичні здібності одного чи кількох експертів в деякій галузі застосування і здатна робити логічні висновки на основі цих знань, тим самим забезпечуючи вирішення специфічних завдань. Інтелектуальна інформаційна система (ІІС) – це один з видів автоматизованих інформаційних систем, який являє собою комплекс програмних, лінгвістичних і логіко-математичних засобів для реалізації основного завдання, яке зазвичай полягає у інтерпретації даних та прогнозуванні. Інтерпретація даних – це одне з традиційних завдань для експертних систем. Під інтерпретацією розуміється процес визначення змісту даних, результати якого мають бути погодженими і коректними. Зазвичай передбачається багатоваріантний аналіз даних, а виведені з цієї моделі слідства складають основу для прогнозів з ймовірними оцінками. Прогнозування дозволяє передбачати наслідки деяких подій або явищ на підставі аналізу наявних даних. У прогнозуючій системі зазвичай використовується параметрична динамічна модель, в якій значення параметрів встановлюються під задану ситуацію. У результаті розробки було побудовано модель бази знань для прогнозування фазової стабільності твердих розчинів за допомогою множини продукційних правил, предикатів, функцій та операторів.

Біографії авторів

Олег Бісікало, Вінницький національний технічний університет

доктор технічних наук, професор, завідувач кафедри автоматизації та інтелектуальних інформаційних технологій

Олексій Кудрик, Вінницький національний технічний університет

аспірант групи 126-21а, кафедра автоматизації та інтелектуальних інформаційних технологій

Посилання

Z. Nagy, Artificial Intelligence and Machine Learning Fundamentals. Packt Publishing, 330 р., 2018.

S. O. Subbotin, A. O. Oliynyk, O. O. Oliynyk, Non-iterative, evolutionary and multi-agent methods of synthesis of fuzzy-logical and neural network models: Monograph. Zaporizhzhia: ZNTU, 375 р., 2009 [in Ukrainian].

V. V. Pasichnyk, N. B. Shakhovska, Storage and spaces: Monograph. Lviv: National Publishing House «Lviv Polytechnic University», 244 p., 2009 [in Ukrainian].

P. Jackson, Introduction to Expert Systems. Williams Publishing, 2001. ISBN 5-8459-0150-2, ISBN 0-201-87686-8 [in Ukrainian].

V. I. Shinkaruk, Logic-informational system. Hryhoriy Skovoroda Institute of Philosophy of the National Academy of Sciences of Ukraine: Outline, 742 р., 2002 [in Ukrainian].

O. V. Kudryk O. V. Bisikalo, Yu. A. Oleksii, S. V. Radio, Intelligent information system for predicting chemicals with interactive possibilities, CoLInS, Computational Linguistics and Intelligent Systems. CoLInS 2021. [Online]. Available: http://ceur-ws.org/Vol-2870/paper68.pdf. Accessed on: 09.02.2023.