Экспертные и обучающиеся системы. Понятие-экспертно-обучающей системы. Все экспертные системы выполняют различные функции, но они преследуют одну единственную цель – сравнить данную задачу с имеющейся информацией в базе данных и выполнить ту функцию, кото

(в медецине комп предлагает варианты диагноза, дает совет) Экспертные системы - это программы для комп-ров, аккумулирующие (т.е. собирать, накапливать) знания специалистов - экспертов в конкретных предметных областях, которые предназначены для получения приемлемых решений в процессе обработки инф-ции. Экспертные системы трансформируют опыт экспертов в какой-либо конкретной отрасли знаний в форму эвристических правил и предназначены для консультаций менее квалифицированных спец-тов.

Принципы работы экспертной системы, основанной на знаниях: польз-ль передает в экспертную систему факты или другую инф-цию и получает в качестве результата экспертный совет или экспертные знания.

Экспертная система состоит из:

Базы знаний (в составе рабочей памяти и базы правил), предназначенной для хранения исходных и промежуточных фактов в рабочей памяти (ее еще называют базой данных) и хранения моделей и правил манипулирования моделями в базе правил

Решателя задач (интерпретатора), который обеспечивает реализацию последовательности правил для решения конкретной задачи на основе фактов и правил, хранящейся в базах данных и базах знаний

Подсистемы пояснения, позволяет пользователю получить ответы на вопрос: «Почему система приняла такое решение?»

Подсистемы приобретения знаний, предназначенной как для добавления в базу знаний новых правил, так и модификации имеющихся правил.

Интерфейса пользователя, комплекса программ, реализующих диалог пользователя с системой на стадии ввода информации, и получения результатов.

В общем случае экспертные системы классиф-тся по трем осн направлениям : по типу ЭВМ, по связи с реальным временем и по типу решаемой задачи.

По типу ЭВМ ЭС классиф-тся на: супер ЭВМ; ЭВМ средней производительности; символьных процессорах; персональных компьютерах.

По связи с реальным временем классиф-тся на: Статические; Квазидинамические;

· Динамические.

По типу решаемой задачи классиф-тся на: Интерпретация данных; Диагностика; Мониторинг; Проектирование; Прогнозирование; Планирование; Управление; Поддержка принятия решений; Обучение.

Знания эксперта относятся только к одной предметной области, и в этом состоит отличие методов, основанных на исп-нии экспертных систем, от общих методов решения задач. Знания эксперта, касающиеся решения конкретных задач, наз-тся областью знаний эксперта.

В области знаний экспертная система проводит рассуждения или делает логические выводы по такому же принципу, как рассуждал бы эксперт-человек или приходил логическим путем к решению задачи. Это означает, что на основании определенных фактов путем рассуждений формируется логичное, оправданное заключение, которое следует из этих фактов.

Экспертные системы обладают многими привлекательными особ-ями:

· Повышенная доступность . Для обеспечения доступа к экспертным знаниям могут применяться любые подходящие комп-ные аппаратные средства.

· Уменьшенные издержки. Ст-сть предоставления экспертных знаний в расчете на отдельного польз-ля существенно снижается.

· Уменьшенная опасность . Экспертные системы могут испол-ся в таких вариантах среды, кот могут оказаться опасными для чел-ка.

· Постоянство . Экспертные знания никуда не исчезают. В отличие от экспертов-людей, которые могут уйти на пенсию, уволиться с работы или умереть, знания экспертной системы сохр-тся в течение неопределенно долгого времени.

· Возможность получения экспертных знаний из многих источников . С помощью экспертных систем могут быть собраны знания многих экспертов и привлечены к работе над задачей, выполняемой одновременно и непрерывно, в любое время дня и ночи. Уровень экспертных знаний, скомбинированных путем объединения знаний нескольких экспертов, может превышать уровень знаний отдельно взятого эксперта-человека.

· Повышенная надежность . Применение экспертных систем позволяет повысить степень доверия к тому, что принято правильное решение, путем предоставления еще одного обоснованного мнения эксперту-чел-ку или посреднику при разрешении несогласованных мнений между несколькими экспертами-людьми. (Разумеется, такой метод разрешения несогласованных мнений не может использоваться, если экспертная система запрограммирована одним из экспертов, участвующих в столкновении мнений.) Решение экспертной системы должно всегда совпадать с решением эксперта; несовпадение может быть вызвано только ошибкой, допущенной экспертом, что может произойти, только если эксперт-человек устал или находится в состоянии стресса.

· Объяснение . Экспертная система способна подробно объяснить свои рассуждения, кот привели к определ заключению. А человек может оказаться слишком усталым, не склонным к объяснениям или неспособным делать это постоянно. Возможность получить объяснение способствует повышению доверия к тому, что было принято правильное решение.

· Быстрый отклик . Для некот приложений может потребоваться быстрый отклик или отклик в реальном времени. В зависимости от используемого аппаратного и программного обеспечения экспертная система может реагировать быстрее и быть более готовой к работе, чем эксперт-человек. В некоторых экстремальных ситуациях может потребоваться более быстрая реакция, чем у человека; в таком случае приемлемым вариантом становится применение экспертной системы, действующей в реальном времени.

· Неизменно правильный, лишенный эмоций и полный ответ при любых обстоятельствах . Такое свойство может оказаться очень важным в реальном времени и в экстремальных ситуациях, когда эксперт-человек может оказаться неспособным действовать с максимальной эффективностью из-за воздействия стресса или усталости.

· Возможность применения в качестве интеллектуальной обучающей программы . Экспертная система может действовать в качестве интеллектуальной обучающей программы, передавая учащемуся на выполнение примеры программ и объясняя, на чем основаны рассуждения системы.

· Возможность применения в качестве интеллектуальной базы данных. Экспертные системы могут испол-ся для доступа к базам данных с помощью интелл-го способа доступа.

25.Преимущества использования ИКТ в образовании

Инфор-ция явл. важнейшим механизмом рефор-ния образоват. Сис-мы, напр. на повыш. качества, доступ. и эффект. образования.

Комп. техника – всего лишь «железо». Сегодня у нас др. задача – мак. Эффект. Использ. ее, направ. на решение стратегич. цели модерниз. Образ-ния – повыш. его кач-ва.

Преимущества:

1. Инфор-ные технол. Значит. расширяют возможности предъявления учебной инфор.. Применение цвета, графики, звука, всех совр. средств видеотехники позволяет воссоздавать реальную обстановку деят..

2. Компьютер позволяет сущ. повысить мотивацию к обучению.

3. ИКТ вовлекают уч-ся в учеб. процесс, способствуя наиболее широкому раскрытию их способностей, активизации умственной деят.

4. Использ. ИКТ в учебном процессе увелич. Возмож. постановки учебных задач и управления процессом их решения. Компьютеры позволяют строить и анализ.модели различных предметов, ситуаций, явлений.

5. ИКТ позволяют качественно изменять контроль деят. Уч-ся, обеспечивая при этом гибкость управления учебным процессом.

6. Компьютер способствует формир. у учащихся рефлексии. Обучающая программа дает возможность обучающимся наглядно представить результат своих действий, опр.этап в решении задачи, на кот. сделана ошибка, и исправить ее.

Экспертная обучающая система

Введение

В настоящее время в связи с бурным развитием интернет-технологий появляются все новые интерактивные сервисы для Internet и Intranet -сетей, как например, дистанционное обучение. Система дистанционного обучения является достаточно популярной формой образования в мире в тех странах, в которых достаточно высокий уровень развития средств коммуникации на базе вычислительной техники. Подготовка современных специалистов требует организации учебного процесса с использованием этих новых информационных технологий и с применением систем, основанных на знаниях - экспертных систем (ЭС).

Применение ЭС для оценки уровня знаний обучаемых в системах тестирования определяет важный блок компьютерных программ - экспертно-обучающие системы (ЭОС).

Экспертно-обучающие системы - это компьютерные программы, имеющие основные компоненты ЭС, но у которых дополнительно расширена компонента объяснения. Такие системы основываются как на знаниях экспертов ПО, так и на знаниях экспертов по методике обучения. Кроме того, они имеют компоненту адаптации изложения учебного материала к обучаемому в зависимости от его подготовленности. И как минимум имеется несколько стратегией обучения, уровень детализации которых зависит от активности обучаемого в диалоге с системой .

Использование ЭОС в качестве тестирующего средства для определения качества знаний ученика, студента также имеет огромное значение в обучении. Поскольку при таком тестировании на ученика не воздействует субъективный фактор, то есть итоги тестирования не зависят от личностных особенностей экзаменатора и тестируемого. А учителю использование единых тестов позволяет объективно оценить уровень подготовки учеников.

1. Актуальность темы

В связи с широким распространением использования компьютеров возрастает роль компьютерного обучения, методика которого повышает интеллектуальные способности обучаемого и самостоятельность принятия решения. А такие качества наиболее востребованы в условиях конкурентоспособной экономики и способствуют образовательно- профессиональному росту. Имеются проблемы создания эффективных систем обучения, также как и создание новых форм и способов представления учебного материала, поиска новых педагогических приемов и средств преподавания . Одним из направлений повышения эффективности обучения, усвоения информации и сокращения затрат на сам процесс обучения является разработка и использование автоматизированных экспертных обучающих систем. В данное время есть множество терминов, обозначающих автоматизированную экспертную обучающую систему, которые, по сути, являются аналогичными .

Самые популярными из них являются системы дистанционного обучения, компьютерная обучающая система и другие. Для объяснения всего смысла перечисленных выше терминов можно привести следующее определение.
Экспертно обучающая система (ЭОС) - это комплекс программно-технических и учебно-методических средств, построенных на основе знаний экспертов предметной области (квалифицированных преподавателей, методистов, психологов), осуществляющая и контролирующая процесс обучения. Назначение такой системы состоит в том, что она, с одной стороны помогает преподавателю обучать и контролировать учащегося, а сдругой стороны учащемуся самостоятельно обучаться .

2. Цель и задачи исследования, планируемые результаты

Целью исследования является разработка компьютерной экспертной обучающей системы, которая поможет повысить количество усвоенных знаний и эффективность восприятия информации, а также сократить время на изучение предмета, в том числе и время, затраченное преподавателем на представление информации и привитие практических навыков у студентов.

Основные задачи исследования:

1. Разработка онтологической модели ЭОС;
2. Разработка структуры ЭОС;
3. Обоснование и выбор компьютерных средств реализации;
4. Внедрение активных компонент в ЭОС (игры, интерактивные системы, прямой доступ к общению, например, через Skype с руководителем);

Объект исследования : экспертно обучающая система.

Предмет исследования : модели, структуры и функции ЭОС.

Научная новизна состоит в новом подходе к проектированию ЭОС, основанном на моделировании деятельности обучаемого и применении методов искусственного интеллекта.

В рамках магистерской работы планируется получение актуальныхнаучных результатов по следующим направлениям:

1. Моделирования процессов обучения.
2. Проектирования структуры ЭОС для Internet и Intranet .

Планируемыми результатами работы: прототип экспертной обучающей системы, которая позволит улучшить качество обучения и сократить время обучения.

3. Обзор научных исследований.

Поскольку вопросы исследования экспертных обучающих систем и повышения эффективности обучения в этой системе являются важной частью решения сложных задач с помощью экспертных систем. ЭОС были широко исследованы как зарубежными, так и отечественными специалистами.

3.1. Обзор международных источников

Первая обучающая система Plato на основе мощной ЭВМ фирмы « Control Data Corporation » была разработана в США в конце 50-х годов и развивалась в течение 20 лет. По-настоящему массовыми создание и использование обучающих программ стали с начала 80-х годов, когда появились и получили широкое распространение персональные компьютеры. С тех пор образовательные применения ЭВМ выдвинулись в число их основных применений наряду с обработкой текстов и графики, оттеснив на второй план математические расчеты.

Также была основана в 1972 году компания ECSI и с тех пор зарекомендовала себя как ведущего поставщика услуг для образовательной отрасли.Компания специализируется на разработке продуктов и услуг для повышения опыта обучения для учащихся и их родителей.ECSI в настоящее время обслуживает более 1300 школ, колледжей и университетов по всей стране, предлагая широкий спектр полностью настроенных, интуитивно понятных систем обучения .

3.2. Обзор национальных источников

К современным обучающим системам относятся системы TrainingWare, eLearning Server 3000 v2.0, eLearningOffice 3000, IBM Workplace Collaborative Learning и HyperMethod 3.5 компании ГиперМетод, которая является крупнейшим российским разработчиком готовых решений и программного обеспечения в области мультимедиа, экспертного обучения и электронной коммерции .

4. Экспертные обучающие системы

Экспертная обучающая система (ЭОС) - это компьютерная программа, построенная на основе знаний экспертов предметной области (квалифицированных преподавателей, методистов, психологов), осуществляющая и контролирующая процесс обучения. Назначение такой системы состоит в том, что она, с одной стороны помогает преподавателю обучать и контролировать учащегося, а с другой - учащемуся самостоятельно обучаться .

Основными компонентами ЭОС являются:

1. база знаний;
2. машина вывода;
3. модуль извлечение знаний;
4. модуль обучения;
5. система объяснения;
6. модуль тестирования.

Рисунок 1 - Функциональная модель структуры ЭОС

(анимация: 8 кадров, 5 циклов повторения, 118 килобайт)

В этой модели верхняя часть ЭОС унаследована от ЭС, а нижняя представляет собой блоки, обеспечивающие процесс обучения и тестирования.

База знаний - это депозитарий модулей знаний. Модуль знания экспертных систем представляет собой формализованное, с помощью некоторого метода представления знаний (система продукций, фреймы, семантические сети, исчисления предикатов 1-го порядка) отображение объектов предметной области, их взаимосвязей, действий над объектами.

Работа с базой знаний предполагает следующие стадии:

1. извлечение знаний из экспертов;
2. формализация знаний;
3. доступ, обработка модулей знаний.

В процессе обучения знания экспертов могут быть переданы обучаемому в виде порции информации (текстовой, графической, мультимедийной), а также знания, основанные на опыте, которые не могут быть переданы непосредственно обучаемому, а приобретаются им в ходе самостоятельной деятельности ].

Для передачи знаний экспертов широко используют развитую технологию гипертекста - от традиционных программ по созданию помощи (help) до современных инструментов создания и поддержки Web-сайтов (например Dreamweaver MX).

В отличие от ЭС для построения базы знаний ЭОС привлекаются не только эксперты-преподаватели, но и используются знания о педагогических приемах и стратегиях обучения и о психологических особенностях личности. Поэтому модули знания формируются многими экспертами. И здесь следует учитывать согласованность мнений экспертов и производить тонкую настройку базы знаний, учитывающую компетентность экспертов. Конечно, эти трудности можно обойти, если имеется эксперт, который сочетает в себе знания специалиста по предметной области, знания о тактике и стратегии обучения и владеющий психологическими приемами обучения, то есть высоко квалифицированный преподаватель.

Компонент обучения представляет собой комплекс программных модулей, реализующих различные механизмы вывода для достижения педагогической цели в обучении. ЭОС в отличие от других компьютерных средств обучения обладают интерактивностью: имеют диалог с обучаемым, что очень привлекательно для последнего .

Построение диалога строится на основных психологических принципах обучения:

1. дружественный интерфейс;
2. выход из диалога в любой момент;
3. своевременная и мотивированная помощь.

Каждый вопрос, задаваемый обучаемому, необходимо тщательно продумать, при необходимости предусмотреть более развернутый вопрос с целью лучшего понимания его.

В результате исследования было показано что многие компоненты создания ЭОС зависят от результата обучения, поэтому для создания базы знаний ЭС необходим специалист который имеет отличные знания по предметной области, а также уверено владеет приемами обучения .

5. Клиент-серверная технология экспертной обучающей системы для сетей Internet и Intranet

Архитектура клиент-сервер состоит из следующих компонентов:

сервер, выполняющий запросы клиента; клиент, предоставляющий интерфейс пользователя, посылающий запросы к серверу и получающий ответы от него; сетевое коммуникационное программное обеспечение, осуществляющее взаимодействие между клиентом и сервером. Использование клиент-серверной технологии дает определенные преимущества при построении ЭС: база знаний хранится на сервере и, следовательно, необходимость ее обновления производится однократно;
база знаний может быть доступна другим приложениям; а преимущество для экспертно-обучающих систем (ЭОС) заключается еще в том, что можно хранить контент на сервере и на нем отслеживать статистику обучения.
Клиент-серверные ЭС и ЭОС для сетей Internet/Intranet позволяют расширить возможности их применения в дистанционном образовании.
Компьютерные обучающие системы позволяют, как разрабатывать прототипы ЭС, так и может быть использована для адаптированного тестирования и обучения студентов по локальной сети.
Основными компонентами ЭОС являются следующие: редактор БЗ; машины логического вывода (прямой, обратный, косвенный вывод, формула Байеса); подсистема объяснения; анализатор теста; модуль преподавателя; компонента обучения .

Основная задача экспертных обучающих систем - это предоставления возможности приобретения студентом знаний, умений, навыков по разработке БЗ и созданию прототипов ЭС самостоятельно, а также для обучаемого тестирования.

Имеется по крайне мере пять важных причин, которые препятствуют реализации клиент-серверных (распределенных) ЭС:

1. Конструктивные элементы компонент ЭС не обособленны друг от друга.
2. БЗ - это не база данных, для которых существуют мощные СУБД (Oracle, InterBase, MySQL и так далее) использующие SQL запросы.
3. Многопользовательский доступ к БЗ для редактирования просто не допустим.
4. Логический вывод и специфика создания БЗ (различные способы представления знаний) не способствует необходимости объединения их в единую систему. Для Symantec Web разработан ряд языков описаний, Web-сервисов, но до сих пор нет никаких предложений по реализации логического вывода.
5. Программное обеспечение инструментальных средств для построения ЭС и БЗ является эксклюзивным и дорогостоящим.

Можно, конечно, разместить ЭС на Web-сервере для загрузке на клиентскую машину по ссылке download и обновлять ее на сервере, но это не клиент-серверное решение .

Аналогично, можно утверждать и об использовании трехзвенной архитектуры клиент-сервер (Сервер - CORBA - Клиент), когда БЗ размещается на сервере приложений и представляется в виде правил бизнес - решений.

Также не подходит технологии "тонкого клиента" (БЗ, логический вывод, система объяснения располагаются на сервере, а диалог с ЭС поддерживается как на сервере, так и на клиенте) и "толстого клиента" (БЗ, логический вывод, система объяснения располагаются на клиентской машине, а диалоговый интерфейс поддерживается клиентом и сервером).

Заметим, что БЗ ЭС является интеллектуальной собственностью и не может быть доступна для свободного использования. А учебные БЗ следует размещать на Web-сервере, чтобы любой интересующий пользователь могут проанализировать, как работает ЭС и усовершенствовать свои знания о предметной области.

Не следует забывать о нагрузках на сервер в пиковых ситуациях. Ни один провайдер не отдаст сервер только для функционирования ЭС, поскольку реакция пользователя при консультации или объяснении не предсказуема. А это важные моменты функционирования ЭС (консультации могут длиться от минут до несколько часов) .

Совсем другое дело разработка ЭОС для сетей Internet/Intranet.

ЭОС - это компьютерная система, построенная на основе знаний экспертов предметной области (квалифицированных преподавателей, методистов, психологов), осуществляющая и контролирующая процесс обучения. Назначение такой системы состоит в том, что она, с одной стороны помогает преподавателю обучать и контролировать студентов, а с другой - студентам самостоятельно обучаться.

Основными компонентами ЭОС являются следующие: БЗ; машина вывода; модуль обучения; система объяснения; модуль обучаемое тестирование.

Как правило, БЗ содержит:

Психодиагностические правила для идентификации психологических типов обучаемых.

Дидактические приемы для обучения. Правила представляют собой накопленные знания преподавателей по оценки знаний обучаемых.

Правила обучения изменяют последовательность предъявляемых заданий контента. Эта последовательность является функцией многих переменных: психологический тип обучаемого, уровень обучения, текущий ответ обучаемого, уровень сложности задания, количество прохождения обучения.

В связи с изложенным по поводу распределенных ЭС, для обучения и тестирования рекомендуется использовать технологию "толстого клиента", то есть, когда все компоненты ЭОС находятся на клиентской машине, а на сервер передаются результаты обучения и тестирования. И не надо опасаться зато, что результаты могут быть заменены, учитывая современные возможности шифрования протокола с удаленным сервером. Почему именно такая технология? Известно, что порядка 80% всей воспринимаемой человеком информации - это зрительная. Поэтому мультимедийные технологии (avi-файлы) являются приоритетными при обучении. Если их располагать и запускать на сервере - это огромная нагрузка на сервер и как, следствие, возрастает трафик до огромных размеров .

Выводы

ЭОС в отличие от других компьютерных технологий обучения имеют возможность реализовать процесс обучения по индивидуальной модели обучаемого. Обучение с помощью ЭС ориентировано на извлечение знаний самим обучаемым. А именно такие специалисты востребованы на современном рынке труда. Также ЭОС имеет свои достоинства и недостатки.

Основные недостатки, связанные с экспертными обучающими системами, можно разделить напсихологические , связанные с отсутствием «живого» общения с преподавателем, высокими требованиями к самоорганизации итехнические , которые обусловлены несовершенством контента, технологий и телекоммуникационной инфраструктуры.

Достоинства экспертных обучающих систем являются:

1. Географические и временные преимущества.
2. Персонализация процесса обучения. Возможность обучения различных категорий людей, в том числе с ограниченными способностями.
3. Расширение изучаемой информации и повышение интенсивности обучения.
4. Оптимизация и автоматизация процесса передачи знаний.

Магистерская работа посвящена актуальной научной задаче автоматизации экспертной обучающей системы. В рамках проведенных исследований выполнено:

1. Проанализированы существующие экспертные обучающие системы.
2. Было произведено исследование автоматизированной экспертной обучающей системы.
3. Рассмотрена Клиент-серверная технология экспертной обучающей системы для сетей Internet и Intranet.

В соответствии с постановкой задачи, дальнейшим направлением исследования является выбор, разработка и адаптация экспертной обучающей системы, ее программная реализация и тестирование.

При написании данного реферата магистерская работа еще не завершена. Окончательное завершение: декабрь 2013 года. Полный текст работы и материалы по теме могут быть получены у автора или его руководителя после указанной даты.

Список источников

1. Брукинг А. Экспертные системы. Принципы работы и примеры.: Пер. с англ. / А. Брукинг, П. Джонс; [ Под ред. Р. Форсайта. - М.: Радио и связь, 1987. - 224 с.

2. - Американська асоціація штучного інтелекту American Association for Artificial Intelligence (AAAI).

7. Карпова И.П. Анализ ответов обучаемого в автоматизированных обучающих системах / И.П. Карпова // - Информационные технологии, 2001, № 11. - с.49-55.

8. Pusilovsky, P., Adaptive and Intelligent Technologies for Web-based Education. In C. Rollinger and C. Peylo (eds.), Special Issue on Intelligent Systems and Teleteaching, Konstliche Intelligenz, 4, 19 - 25.

9. Бурдаев В.П. Клиент-серверная технология экспертной обучающей системы для сетей Интернет и Интранет. // Искусственный интеллект.

11. Андрейчиков А. В. Интеллектуальные информационные системы. /А. В. Андрейчиков, О. Н. Андрейчикова.: Учебник. - М.:Финансы и статитстика, 2004. - 424 с.

12. Атанов Г. А. Обучение и искусственный интеллект, или основы современной дидактики высшей школы. /Г. А. Атанов, И. Н. Пустынникова. - Донецк: ДОУ, 2002. - 504 с.

13. Marvin Minsky. The Emotion Machine: Commonsense Thinking, Artificial Intelligence, and the Future of the Human Mind. 2007. - 332 с.

Peфepaт нa тeму:

"Создание отчета как объекта базы данных. Экспертные и обучающиеся системы"

Oглaвлeниe

Создание отчета как объекта базы данных

Структура отчета в режиме Конструктора

Способы создания отчета

Создание отчета

Создание отчета как объекта базы данных

Отчет - это форматированное представление данных, которое выводится на экран, в печать или файл. Они позволяют извлечь из базы нужные сведения и представить их в виде, удобном для восприятия, а также предоставляют широкие возможности для обобщения и анализа данных.

При печати таблиц и запросов информация выдается практически в том виде, в котором хранится. Часто возникает необходимость представить данные в виде отчетов, которые имеют традиционный вид и легко читаются. Подробный отчет включает всю информацию из таблицы или запроса, но содержит заголовки и разбит на страницы с указанием верхних и нижних колонтитулов.

Структура отчета в режиме Конструктора

Microsoft Access отображает в отчете данные из запроса или таблицы, добавляя к ним текстовые элементы, которые упрощают его восприятие.

К числу таких элементов относятся:

Заголовок. Этот раздел печатается только в верхней части первой страницы отчета. Используется для вывода данных, таких как текст заголовка отчета, дата или констатирующая часть текста документа, которые следует напечатать один раз в начале отчета. Для добавления или удаления области заголовка отчета необходимо выбрать в меню Вид команду Заголовок/примечание отчета.

Верхний колонтитул. Используется для вывода данных, таких как заголовки столбцов, даты или номера страниц, печатающихся сверху на каждой странице отчета. Для добавления или удаления верхнего колонтитула необходимо выбрать в меню Вид команду Колонтитулы. Microsoft Access добавляет верхний и нижний колонтитулы одновременно. Чтобы скрыть один из колонтитулов, нужно задать для его свойства Высота значение 0.

Область данных, расположенная между верхним и нижним колонтитулами страницы. Содержит основной текст отчета. В этом разделе появляются данные, распечатываемые для каждой из тех записей в таблице или запросе, на которых основан отчет. Для размещения в области данных элементов управления используют список полей и панель элементов. Чтобы скрыть область данных, нужно задать для свойства раздела Высота значение 0.

Нижний колонтитул. Этот раздел появляется в нижней части каждой страницы. Используется для вывода данных, таких как итоговые значения, даты или номера страницы, печатающихся снизу на каждой странице отчета.

Примечание. Используется для вывода данных, таких как текст заключения, общие итоговые значения или подпись, которые следует напечатать один раз в конце отчета. Несмотря на то, что в режиме Конструктора раздел "Примечание" отчета находится внизу отчета, он печатается над нижним колонтитулом страницы на последней странице отчета. Для добавления или удаления области примечаний отчета необходимо выбрать в меню Вид команду Заголовок/примечание отчета. Microsoft Access одновременно добавляет и удаляет области заголовка и примечаний отчета.

Способы создания отчета

В Microsoft Access можно создавать отчеты различными способами:

Конструктор

Мастер отчетов

Автоотчет: в столбец

Автоотчет: ленточный

Мастер диаграмм

Почтовые наклейки

Мастер позволяет создавать отчеты с группировкой записей и представляет собой простейший способ создания отчетов. Он помещает выбранные поля в отчет и предлагает шесть стилей его оформления. После завершения работы Мастера полученный отчет можно доработать в режиме Конструктора. Воспользовавшись функцией Автоотчет, можно быстро создавать отчеты, а затем вносить в них некоторые изменения.

Для создания Автоотчета необходимо выполнить следующие действия:

В окне базы данных щелкнуть на вкладке Отчеты и затем щелкнуть на кнопке Создать. Появится диалоговое окно Новый отчет.

Выделить в списке пункт Автоотчет: в столбец или Автоотчет: ленточный.

В поле источника данных щелкнуть на стрелке и выбрать в качестве источника данных таблицу или запрос.

Щелкнуть на кнопке ОК.

Мастер автоотчета создает автоотчет в столбец или ленточный (по выбору пользователя), и открывает его в режиме Предварительного просмотра, который позволяет увидеть, как будет выглядеть отчет в распечатанном виде.

Изменение масштаба отображения отчета

Для изменения масштаба отображения пользуются указателем - лупой. Чтобы увидеть всю страницу целиком, необходимо щелкнуть в любом месте отчета. На экране отобразится страница отчета в уменьшенном масштабе.

Снова щелкнуть на отчете, чтобы вернуться к увеличенному масштабу отображения. В увеличенном режиме представления отчета, точка, на которой вы щелкнули, окажется в центре экрана. Для пролистывания страниц отчета пользуются кнопками перехода внизу окна.

Печать отчета

Для печати отчета необходимо выполнить следующее:

В меню Файл щелкнуть на команде Печать.

В области Печатать щелкнуть на варианте Страницы.

Чтобы напечатать только первую страницу отчета, введите 1 в поле "с" и 1 в поле "по".

Щелкнуть на кнопке ОК.

Прежде чем печатать отчет, целесообразно просмотреть его в режиме Предварительного просмотра, для перехода к которому в меню Вид нужно выбрать Предварительный просмотр.

Если при печати в конце отчета появляется пустая страница, убедитесь, что параметр Высота для примечаний отчета имеет значение 0. Если при печати пусты промежуточные страницы отчета, убедитесь, что сумма значений ширины формы или отчета и ширины левого и правого полей не превышает ширину листа бумаги, указанную в диалоговом окне Параметры страницы (меню Файл).

При разработке макетов отчета руководствуйтесь следующей формулой: ширина отчета + левое поле + правое поле

Для того чтобы подогнать размер отчета, необходимо использовать следующие приемы:

изменить значение ширины отчета;

уменьшить ширину полей или изменить ориентацию страницы.

Создание отчета

1. Запустите программу Microsoft Access. Откройте БД (например, учебную базу данных "Деканат").

2. Создайте Автоотчет: ленточный, используя в качестве источника данных таблицу (например, Студенты). Отчет открывается в режиме Предварительного просмотра, который позволяет увидеть, как будет выглядеть отчет в распечатанном виде.

3. Перейдите в режим Конструктора и выполните редактирование и форматирование отчета. Для перехода из режима предварительного просмотра в режим конструктора необходимо щелкнуть команду Закрыть на панели инструментов окна приложения Access. На экране появится отчет в режиме Конструктора.

Редактирование:

1) удалите поля код студента в верхнем колонтитуле и области данных;

2) переместите влево все поля в верхнем колонтитуле и области данных.

3) Измените надпись в заголовке страницы

В разделе Заголовок отчета выделить надпись Студенты.

Поместите указатель мыши справа от слова Студенты, так чтобы указатель принял форму вертикальной черты (курсора ввода), и щелкните в этой позиции.

Введите НТУ "ХПИ" и нажмите Enter.

4) Переместите Надпись. В Нижнем колонтитуле выделить поле =Now () и перетащить его в Заголовок отчета под название Студенты. Дата будет отображаться под заголовком.

5) На панели инструментов Конструктор отчетов щелкнуть на кнопке Предварительный просмотр, чтобы просмотреть отчет.

Форматирование:

1) Выделите заголовок Студенты НТУ "ХПИ"

2) Измените гарнитуру, начертание и цвет шрифта, а также цвет заливки фона.

3) На панели инструментов Конструктор отчетов щелкнуть на кнопке Предварительный просмотр, чтобы просмотреть отчет.

Изменение стиля:

Для изменения стиля выполните следующее:

На панели инструментов Конструктора отчетов щелкнуть на кнопке Автоформат, откроется диалоговое окно Автоформат.

В списке Стили объекта "отчет - автоформат" щелкнуть на пункте Строгий и затем щелкнуть на кнопке ОК. Отчет будет отформатирован в стиле Строгий.

Переключится в режим Предварительный просмотр. Отчет отобразится в выбранном вами стиле. Впредь все отчеты созданные с помощью функции Автоотчет будут иметь стиль Строгий, пока вы не зададите другой стиль в окне Автоформат.

Экспертные и обучающиеся системы

Экспертные системы являются одним из основных приложений искусственного интеллекта. Искусственный интеллект - это один из разделов информатики, в котором рассматриваются задачи аппаратного и программного моделирования тех видов человеческой деятельности, которые считаются интеллектуальными.

Результаты исследований по искусственному интеллекту используются в интеллектуальных системах, которые способны решать творческие задачи, принадлежащие конкретной предметной области, знания о которой хранятся в памяти (базе знаний) системы. Системы искусственного интеллекта ориентированы на решение большого класса задач, к которым относятся так называемые частично структурированные или неструктурированные задачи (слабо формализуемые или неформализуемые задачи).

Информационные системы, используемые для решения частично структурированных задач, подразделяются на два вида:

Создающие управленческие отчеты (выполняющие обработку данных: поиск, сортировку, фильтрацию). Принятие решения осуществляется на основе сведений, содержащихся в этих отчетах.

Разрабатывающие возможные альтернативы решения. Принятие решения сводится к выбору одной из предложенных альтернатив.

Информационные системы, разрабатывающие альтернативы решений, могут быть модельными или экспертными:

Модельные информационные системы предоставляют пользователю модели (математические, статистические, финансовые и т.д.), которые помогают обеспечить выработку и оценку альтернатив решения.

Экспертные информационные системы обеспечивают выработку и оценку возможных альтернатив пользователем за счет создания систем, основанных на знаниях, полученных от специалистов - экспертов.

Экспертные системы - это программы для компьютеров, аккумулирующие знания специалистов - экспертов в конкретных предметных областях, которые предназначены для получения приемлемых решений в процессе обработки информации. Экспертные системы трансформируют опыт экспертов в какой-либо конкретной отрасли знаний в форму эвристических правил и предназначены для консультаций менее квалифицированных специалистов.

Известно, что знания существуют в двух видах: коллективный опыт, личный опыт. Если предметная область представлена коллективным опытом (например, высшая математика), то эта предметная область не нуждается в экспертных системах. Если в предметной области большая часть знаний является личным опытом специалистов высокого уровня и эти знания являются слабоструктурированными, то такая область нуждается в экспертных системах. Современные экспертные системы нашли широкое применение во всех сферах экономики.

База знаний является ядром экспертной системы. Переход от данных к знаниям является следствием развития информационных систем. Для хранения данных применяются базы данных, а для хранения знаний - базы знаний. В базе данных, как правило, хранятся большие массивы данных с относительно небольшой стоимостью, а в базах знаний хранятся небольшие по объему, но дорогие информационные массивы.

База знаний - это совокупность знаний, описанных с использованием выбранной формы их представления. Наполнение базы знаний является одной из самых сложных задач, которая связана с выбором знаний их формализацией и интерпретацией.

Экспертная система состоит из:

базы знаний (в составе рабочей памяти и базы правил), предназначенной для хранения исходных и промежуточных фактов в рабочей памяти (ее еще называют базой данных) и хранения моделей и правил манипулирования моделями в базе правил

решателя задач (интерпретатора), который обеспечивает реализацию последовательности правил для решения конкретной задачи на основе фактов и правил, хранящейся в базах данных и базах знаний

подсистемы пояснения, позволяет пользователю получить ответы на вопрос: "Почему система приняла такое решение?"

подсистемы приобретения знаний, предназначенной как для добавления в базу знаний новых правил, так и модификации имеющихся правил.

интерфейса пользователя, комплекса программ, реализующих диалог пользователя с системой на стадии ввода информации, и получения результатов.

Экспертные системы отличаются от традиционных систем обработки данных тем, что в них, как правило, используется символьный способ представления, символьный вывод и эвристический поиск решений. Для решения слабо формализуемых или неформализуемых задач более перспективными являются нейронные сети или нейрокомпьютеры.

Основу нейрокомпьютеров составляют нейронные сети - иерархические организованные параллельные соединения адаптивных элементов - нейронов, которые обеспечивают взаимодействие с объектами реального мира так же, как и биологическая нервная система.

Большие успехи использования нейросетей достигнуты при создании самообучающихся экспертных систем. Сеть настраивают, т.е. обучают, пропуская через нее все известные решения и добиваясь получения требуемых ответов на выходе. Настройка состоит в подборе параметров нейронов. Часто используют специализированную программу обучения, которая занимается обучением сети. После обучения система готова к работе.

Если в экспертную систему ее создатели предварительно закладывают знания в определенной форме, то в нейронных сетях неизвестно даже разработчикам, как формируются знания в ее структуре в процессе обучении и самообучении, т.е. сеть представляет собой "черный ящик".

Нейрокомпьютеры, как системы искусственного интеллекта, являются весьма перспективными и могут бесконечно совершенствоваться в своем развитии. В настоящее время системы искусственного интеллекта в форме экспертных систем и нейронных сетей находят широкое применение при решении финансово - экономических проблем.

Экспертные системы являются одним из основных приложений искусственного интеллекта. Искусственный интеллект – это один из разделов информатики, в котором рассматриваются задачи аппаратного и программного моделирования тех видов человеческой деятельности, которые считаются интеллектуальными.

Результаты исследований по искусственному интеллекту используются в интеллектуальных системах, которые способны решать творческие задачи, принадлежащие конкретной предметной области, знания о которой хранятся в памяти (базе знаний) системы. Системы искусственного интеллекта ориентированы на решение большого класса задач, к которым относятся так называемые частично структурированные или неструктурированные задачи (слабо формализуемые или неформализуемые задачи).

Информационные системы, используемые для решения частично структурированных задач, подразделяются на два вида:

Создающие управленческие отчеты (выполняющие обработку данных: поиск, сортировку, фильтрацию). Принятие решения осуществляется на основе сведений, содержащихся в этих отчетах.

Разрабатывающие возможные альтернативы решения. Принятие решения сводится к выбору одной из предложенных альтернатив.

Информационные системы, разрабатывающие альтернативы решений, могут быть модельными или экспертными:

Модельные информационные системы предоставляют пользователю модели (математические, статистические, финансовые и т.д.), которые помогают обеспечить выработку и оценку альтернатив решения.

Экспертные информационные системы обеспечивают выработку и оценку возможных альтернатив пользователем за счет создания систем, основанных на знаниях, полученных от специалистов - экспертов.

Экспертные системы - это программы для компьютеров, аккумулирующие знания специалистов - экспертов в конкретных предметных областях, которые предназначены для получения приемлемых решений в процессе обработки информации. Экспертные системы трансформируют опыт экспертов в какой-либо конкретной отрасли знаний в форму эвристических правил и предназначены для консультаций менее квалифицированных специалистов.

Известно, что знания существуют в двух видах: коллективный опыт, личный опыт. Если предметная область представлена коллективным опытом (например, высшая математика), то эта предметная область не нуждается в экспертных системах. Если в предметной области большая часть знаний является личным опытом специалистов высокого уровня и эти знания являются слабоструктурированными, то такая область нуждается в экспертных системах. Современные экспертные системы нашли широкое применение во всех сферах экономики.

База знаний является ядром экспертной системы. Переход от данных к знаниям является следствием развития информационных систем. Для хранения данных применяются базы данных, а для хранения знаний – базы знаний. В базе данных, как правило, хранятся большие массивы данных с относительно небольшой стоимостью, а в базах знаний хранятся небольшие по объему, но дорогие информационные массивы.

База знаний – это совокупность знаний, описанных с использованием выбранной формы их представления. Наполнение базы знаний является одной из самых сложных задач, которая связана с выбором знаний их формализацией и интерпретацией.

Экспертная система состоит из:

базы знаний (в составе рабочей памяти и базы правил), предназначенной для хранения исходных и промежуточных фактов в рабочей памяти (ее еще называют базой данных) и хранения моделей и правил манипулирования моделями в базе правил

решателя задач (интерпретатора), который обеспечивает реализацию последовательности правил для решения конкретной задачи на основе фактов и правил, хранящейся в базах данных и базах знаний

подсистемы пояснения, позволяет пользователю получить ответы на вопрос: «Почему система приняла такое решение?»

подсистемы приобретения знаний, предназначенной как для добавления в базу знаний новых правил, так и модификации имеющихся правил.

интерфейса пользователя, комплекса программ, реализующих диалог пользователя с системой на стадии ввода информации, и получения результатов.

Экспертные системы отличаются от традиционных систем обработки данных тем, что в них, как правило, используется символьный способ представления, символьный вывод и эвристический поиск решений. Для решения слабо формализуемых или неформализуемых задач более перспективными являются нейронные сети или нейрокомпьютеры.

Основу нейрокомпьютеров составляют нейронные сети – иерархические организованные параллельные соединения адаптивных элементов – нейронов, которые обеспечивают взаимодействие с объектами реального мира так же, как и биологическая нервная система.

Большие успехи использования нейросетей достигнуты при создании самообучающихся экспертных систем. Сеть настраивают, т.е. обучают, пропуская через нее все известные решения и добиваясь получения требуемых ответов на выходе. Настройка состоит в подборе параметров нейронов. Часто используют специализированную программу обучения, которая занимается обучением сети. После обучения система готова к работе.

Если в экспертную систему ее создатели предварительно закладывают знания в определенной форме, то в нейронных сетях неизвестно даже разработчикам, как формируются знания в ее структуре в процессе обучении и самообучении, т.е. сеть представляет собой «черный ящик».

Нейрокомпьютеры, как системы искусственного интеллекта, являются весьма перспективными и могут бесконечно совершенствоваться в своем развитии. В настоящее время системы искусственного интеллекта в форме экспертных систем и нейронных сетей находят широкое применение при решении финансово – экономических проблем.

"