Моделирование процессов самообучения интеллектуальных систем на нечетких семантических сетях в недоопределенных средах тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Красовская, Людмила Владимировна

• Красовская, Людмила Владимировна
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Красовская, Людмила Владимировна

ВВЕДЕНИЕ.

ГЛАВА 1. РАЗРАБОТКА МОДЕЛИ ОПИСАНИЯ ОБРАЗОВ И СИТУАЦИЙ ПРОБЛЕМНОЙ СРЕДЫ В ПРОЦЕССЕ МОДЕЛИРОВАНИЯ ЦЕЛЕСООБРАЗНОГО ПОВЕДЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ.

1.1. Постановка задачи.

1.2. Разработка модели описания образов проблемной среды.

1.3. Разработка модели описания ситуаций проблемной среды.

ГЛАВА 2. МОДЕЛИРОВАНИЕ ПРОЦЕССА САМООБУЧЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ В СРЕДАХ ПЕРВОГО УРОВНЯ СЛОЖНОСТИ.

2.1. Организация процесса самообучения на нечетких семантических сетях в средах первого уровня сложности.

2.2. Организация процесса самообучения интеллектуальных систем с активной логикой поведения на нечетких семантических сетях.

2.3. Организация процесса самообучения интеллектуальных систем с активно-пассивной логикой поведения на нечетких семантических сетях

ГЛАВА 3. МОДЕЛИРОВАНИЕ ПОВЕДЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ НА ОСНОВЕ АЛГОРИТМОВ САМООБУЧЕНИЯ В СРЕДАХ ВТОРОГО УРОВНЯ СЛОЖНОСТИ.

3.1. Описание "и анализ алгоритма самообучения интеллектуальных систем при наличии в среде причинно-следственных связей.

3.2.Описание и анализ алгоритмов самообучения при появлении в среде тормозных сигналов.

3.3. Описание-и анализ алгоритмов самообучения при наличии в среде суммарных сигналов.

3.4. Разработка процедур выбора алгоритмов целесообразного поведения интеллектуальной системы.

ГЛАВА 4. РАЗРАБОТКА КОМПЛЕКСА МОДЕЛИРОВАНИЯ ПОВЕДЕНИЯ ИНТЕЛЛЕКТУАЛЬНОГО РОБОТА.

4.1. Моделирование алгоритмов самообучения интеллектуального робота в среде первого уровня сложности.

4.2. Моделирование алгоритмов самообучения интеллектуального робота в средах второго уровня сложности.•.

Введение диссертации (часть автореферата) на тему «Моделирование процессов самообучения интеллектуальных систем на нечетких семантических сетях в недоопределенных средах»

Актуальность темы. Создание и совершенствование принципов управления сложными объектами, разработка эффективных систем принятия решений и построение экспертных систем на основе современных достижений искусственного интеллекта является одним из важнейших направлений развития производства й ускорения научно-технического прогресса.

Актуальность рассматриваемой проблемы подтверждается и бурным развитием исследований в области искусственного интеллекта, а также интенсивным их внедрением в различные сферы человеческой деятельности. Существенный вклад в развитие интеллектуальных систем (ИС) внесли: Аверкин А.Н., Берштейн JI.C., Вагин В.Н., Ефимов Е.И., Журавлев Ю.Н., За-рипов А.Х., Клыков Ю.И., Литвицева JI.B., Левин Д.Д., Любарский Ю.А., Мелихов А.Н., Нариньяни А.С., Поспелов Д.А., Попов Э.В., Тимофеев А.В., Фин В.К., Цаленко М.Ш., Чернухин Ю.В., Яхно Т.М. и многие Другие.

Однако несмотря на достигнутые успехи, проблема создания эффективных интеллектуальных систем (ИС) на сегодняшний день остается открытой. Особую актуальность приобретают исследования, связанные с созданием систем, способных принимать решения и целенаправленно функционировать в априорно неописанных проблемных средах (ПС). Это обусловлено тем, что априорное описание закономерностей реальной среды невозможно с той полнотой, которая необходима для эффективного планирования целенаправленного поведения в реальных условиях.

Цель работы и задачи работы. Целью работы является разработка алгоритмов самообучения и построение программного комплекса для моделирования процессов} целесообразного поведения интеллектуальных систем, способных автономно функционировать в недоопределенных проблемных средах (ПС), когда модель среды представляется в виде нечеткой семантической сети (НСС).

Поставленная цель формулирует следующие основные задачи диссертационного исследования:

- построить эффективную информационную модель проблемной среды для представления знаний безотносительно к конкретной предметной области, позволяющую организовать самообучение и принятие решений в сложных динамических проблемных средах на основе имитации целесообразного поведения наНСС;

- разработать методику несмещенной оценки и равенства нечетко выраженных отношений между объектами модели в ПС;

- синтезировать и исследовать процедуры самообучения, позволяющие организовывать целесообразное поведение интеллектуальной системы в априорно неописанных проблемных средах;

- разработать и исследовать процедуры целенаправленного поведения с привлечением механизмов адаптации, обобщения и применения накопленного опыта в сложных проблемных средах;

- разработать пакет программ для моделирования целесообразного поведения ИС, позволяющий определить эффективность использования алгоритмов в различных условиях ПС.

Методы исследования. В процессе решения поставленных задач использованы теория искусственного интеллекта, принципы ситуационного управления, теория четких и нечетких множеств, теория графов, математическая логика, теория алгоритмов, теория вероятностей и математического моделирования.

Научная новизна. Для решения поставленных задач разработаны алгоритмы самообучения ИС, наделяющие их способностями изучать различные закономерности ПС и на этой основе организовать целесообразное поведение в априорно неописанных средах.

К основным результатам составляющих новизну проведенного исследования, можно отнести следующее:

1. Предложена оригинальная модель ПС в виде нечеткой семантической сети, отличающаяся от известных наличием вершин, определяющих независимые от ИС события, что позволяет моделировать динамические проблемные среды, и обеспечивать имитацию самообучения ИС в недоопределенных динамических средах.

2. Разработана методика сравнения нечетко представленных отношений в модели ПС, отличающаяся от известных тем, что она позволяет выполнять несмещенную оценку равенства нечетко выраженных показателей и тем самым повысить достоверность сравнения.

3. Синтезированы и исследованы алгоритмы самообучения, позволяющие формировать программы целесообразного поведения в различных проблемных средах, отличающиеся от известных, имитацией отработки пробующих действий на НСС, что дает возможность исключить влияние ИС на ПС в процессе изучения закономерностей среды;

4. Разработаны и исследованы процедуры выбора алгоритмов целесообразного поведения ИС в соответствии с характером закономерностей ПС, установленных в процессе моделирования целесообразного поведения.

5. Разработан пакет программ, позволяющий моделировать целесообразное поведение интеллектуального робота в ПС, и на этой основе определить эффективность применения алгоритмов самообучения в различных условиях проблемной среды.

Практическая ценность работы заключается в возможности использования разработанных алгоритмов целесообразного поведения для самообучения интеллектуальных систем в реальных труднодоступных для человека проблемных средах.

Важной особенностью предложенных информационных моделей представления знаний и алгоритмов целесообразного поведения является их достаточно высокая универсальность, позволяющая использовать эти методы и процедуры для построения решающих систем интеллектуальных роботов; в системах ситуационного управления сложными объектами; для организации планирования движения различных автоматических транспортных средств и т.д.

Реализация результатов работы.

Результаты работы использованы при построении модели ПС в виде нечеткой семантической сети для моделирования геофизических процессов, происходящих в земной коре в рамках цифровой картографической 3D-модели Республики Дагестан. Полученные результаты также использованы в ОАО НИИ «Сапфир» для представления знаний в системе прогнозирования чрезвычайных ситуаций и в учебном процессе при чтении лекций по дисциплине «Интеллектуальные информационные системы», а также при проведении дипломного проектирования.

Апробация работы. Работа в целом и ее отдельные результаты докладывались и обсуждались на Всероссийской научно-технической конференции "Современные информационные технологии в управлении", 2003г., на III Республиканской научно-практической конференции „ДНЦ РАН, 2004г., на научно-технических конференциях Дагестанского Государственного технического университета с 2003 по 2005г.

Публикации. По теме диссертации опубликовано 10 печатных работ общим объемом 2.5 п.л.

Структура и объем диссертационной работы. Диссертация состоит из введения, 4 разделов и заключения, изложенных на 135 страницах, содержит 43 рисунка, 42 таблицы, 93 наименования литературы. Имеется приложение на 45 стр., куда .вынесены листинг моделирующей программы, а также акты о внедрении результатов диссертационной работы.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Красовская, Людмила Владимировна

ЗАКЛЮЧЕНИЕ

В диссертационной работе проведены и обобщены исследования в области моделирования алгоритмов самообучения, позволяющих формировать программы целесообразного поведения в различных проблемных средах, отличающиеся от известных, имитацией отработки пробующих действий на НСС. Основные научные положения диссертации кратко могут быть сформулированы следующим образом:

• построена информационная модель проблемной среды для представления знаний безотносительно к конкретной предметной области, позволяющая организовать самообучение и принятие решений в сложных динамических проблемных средах на основе имитации целесообразного поведения на нечетких семантических сетях (НСС);

• разработана методика несмещенной оценки и равенства нечетко выраженных отношений между объектами модели в ПС;

• синтезированы и исследованы процедуры самообучения, позволяющие моделировать и организовывать целесообразное поведение интеллектуальной системы в априорно неописанных проблемных средах;

• разработан пакет программ для моделирования целесообразного поведения интеллектуальных систем (ИС), позволяющий определить эффективность использования;алгоритмов в различных условиях ПС. Сформулированные новые научные положения являются обобщением следующих теоретических и практических результатов, полученных в диссертации:

1. Предложена оригинальная модель ПС в виде нечеткой семантической сети, отличающаяся от известных наличием вершин, определяемых независимые от ИС события, что позволяет моделировать динамические проблемные среды, и обеспечивать имитацию самообучения ИС в недоопре-деленных динамических средах.

2. Разработана методика сравнения нечетко представленных отношений в модели ПС, отличающаяся от известных тем, что она позволяет выполнять несмещенную оценку равенства нечетко выраженных показателей и тем самым повырить достоверность сравнения и моделирования целесообразного поведения интеллектуальных систем.

3. Синтезированы и исследованы алгоритмы самообучения, позволяющие формировать программы целесообразного поведения в различных проблемных средах, отличающиеся от известных, имитацией отработки пробующих действий на НСС, что дает возможность исключить влияние пробных действий ИС на ПС в процессе изучения закономерностей среды.

4. Разработаны и исследованы процедуры выбора алгоритмов целесообразного поведения ИС в соответствии с характером закономерностей ПС, установленных в процессе моделирования целесообразного поведения.

5. Разработан пакет программ, позволяющий моделировать целесообразное поведение интеллектуального робота в ПС, и. на этой основе определить эффективность применения алгоритмов самообучения в различных условиях проблемной среды.

Практическая ценность заключается в возможности использования разработанных алгоритмов целесообразного поведения для самообучения интеллектуальных систем в реальных труднодоступных для человека проблемных средах.

Важной особенностью предложенных информационных моделей представления знаний и алгоритмов целесообразного поведения является их достаточно высокая универсальность, позволяющая использовать эти методы и процедуры для построения решающих систем интеллектуальных роботов; в системах ситуационного управления сложными объектами; для организации планирования движения различных автоматических транспортных средств и т.д.

Список литературы диссертационного исследования кандидат технических наук Красовская, Людмила Владимировна, 2006 год

1. Аверкин А.Н., Батыршин А.З., Блишун А.Ф. и др. Нечеткие множества в моделях управления и искусственного управления / Под ред. Поспелова Д.А. -М.: Наука, 1976. -312 с.

2. Аверкин А.Н., 'Гвида Дж., Поспелов Д.А. Обобщенная стратегия в решениях проблем //Известия АН СССР. Техническая кибернетика. 1978. №5. С.71-83.

3. Амосов Н.М., Касаткин A.M., Касаткина Т.М., Талаев С.А. Автоматы и разумное поведение: Опыт моделирования. Киев: ИК, АНУССР, 1973. -170 с.

4. Анохин П.К. Биология и физиология условного рефлекса. -М.:Медицина,1968. -469 с.

5. Ахо А., Хокпрофт Дж., Ульман Дж. Построение и анализ вычислительных алгоритмов. 'М.Мир, 1979. -535 с.

6. Берштейн , Л.С. Мелехин В.Б. Планирование поведения интеллектуального робота. -М.:Энергоатомиздат, 1994. -240 с.

7. Берштейн Л.С., Мелехин В.Б. Структура процедурного представления знаний интегрального робота. 2. Фрейм микропрограммы поведения // Известия АН СССР. Техническая кибернетика. №5. - С. 190-194.

8. Берштейн Л.С., Мелехин В.Б. Декомпозиция нечетких семантических сетей для планирования операций интегрального робота // Известия. АН СССР Техническая кибернетика. 1988. №5.- С. 115-123.

9. Берштейн Л.С., Мелехин В.Б. Об алгоритме автоматического формирования условных программ функционирования интегрального робота в условиях неопределенности // Кибернетика 1990. №5.- С. 79-84.

10. Берштейн Л.С., Мелехин В.Б. Об алгоритме формирования рациональных условных программ поведения интегрального робота// Известия ВУЗов Северо-Кавказского региона. Технические науки. № 2. 1996. С. 4761.

11. Берштейн Л.С., Мелехин В.Б. Планирование поведения интегрального робота при расплывчатом представлении знаний/Микропроцессорные системы контроля и управления.- Рига: Рижский политехнический институт. 1987.-С. 117-126;

12. Берштейн Л.С., Мелехин В.Б. Процедуры автоматического формирования программ функционирования интегрального робота при появлении в среде тормозных сигналов // Кибернетика и системный анализ. 1992. №1.- С. 148-154.

13. Берштейн" Л.С., Мелехин В.Б. Процедуры обобщения опыта функционирования интегрального робота // Автоматика и телемеханика. 1989. № 12.- С.102-112.

14. Берштейн; Л.С., Мелехин В.Б. Процедуры принятия решений интегрального робота в условиях неопределенности // Автоматика и телемеханика. 1989. №8.-С. 106-115.

15. Берштейн- Л.С., Мелехин В.Б. Структура декларативного представления знаний интегрального робота // Управляющие системы и машины. 1990. №6.- С. 75-82.

16. Берштейн'Л.С., Мелехин В.Б. Структура процедурного представления знаний интегрального робота: 1 .Расплывчатые семантические сети. Известия АН СССР. Техническая кибернетика. 1988. №6.-С. 119-124.

17. Берштейн; Л.С., Мелехин В.Б., Канаев М.М. Планирование трассы интегральным роботом при преследовании подвижной цели // Актуальные проблемы информатики, управления и радиоэлектроники. Махачкала: ДГТУ. 1995.-С. 69-77.

18. Берштейн JI.C'., Мелехин В.Б. Моделирование оптимальных условных рефлексов поведения робота . В кн.: Методы построения алгоритмических моделей сложных систем. Таганрог: ТРТИ, 1986, Вып.6. -С. 69-74.

19. Берштейн JI.C., Мелехин В.Б. Организация знакосигнального принципа управления целесообразным поведением интегрального робота // Автоматика и телемеханика 1991. №12. -С.118-127.

20. Бирюков Д.А. К вопросу о природе ориентировочной реакции // В кн.: Избранные труды / Под ред. Н.Н.Василевского. JL: Медицина, 1973.- С.99-105.

21. Борисов А.Н.', Алексеев А.В., Меркурьева Г.В. и др. Обработка нечеткой информации в систем&х принятия решений. М.: Радио и связь, 1989.-304 с.

22. Вагин В.Н. Дедукция и обобщение в системах принятия решений. М.: Наука,1988.-384 с.

23. Воронин Л.Г. Физиология высшей нервной деятельности. М.: Высшая школа, 1979.- 340 с.

24. Дж. Ф. Люгер. Искусственный интеллект: стратегии и методы решения сложных проблем. М., Вильяме, 2003.- 862с.

25. Ежкова И.Г.,; Поспелов Д.А. Принятие решений при нечетких основаниях: 1. Универсальная школа // Известия АН СССР. Техническая кибернетика. 1978. №6.-С. 3-11.

26. Ежкова И.Г., Поспелов Д.А. Принятие решений при нечетких основаниях: 2. Схемы вывода // Известия АН СССР. Техническая кибернетика. 1978. №2.-С.5-11.

27. Ерохин Е,А., Судейкин М.Н. Планирование операций интегрального робота//Известия АН СССР: Техническая кибернетика. 1981. №2.- С. 80-92.

28. Ефимов А.Н.Логика диалоговых рассуждений // Известия АН СССР. 1988. №5.- С. 129-145.

29. Ефимов Е.И. Решатели интеллектуальных задач.-М.: Наука, 1982.316 с.

30. Заде Jl. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976.- 168 с.

31. Искусственный интеллект: Применение в интегрированных производственных системах/ Под ред. Кьюсиака Э. М. Машиностроение, 1991.-544 с. 5

32. Клацки Р. Память человека: Структуры и процессы. -М.: Мир, 1980.238 с.

33. Клыков Ю.И. Ситуационное управление большими системами. -М.: Энергия, 1974.-134 с.

34. Кохонен Г, Ассоциативная память.- М.: Мир,1980.-238 с.

35. Красовская Л, В. Алгоритмы самообучения интеллектуальных систем на нечетких семантических сетях // Технические науки. Вестник ДГТУ.-Махачкала: ДГТУ, 2005. №7.

36. Красовская Л. В. Особенности организации самообучения ИС в режиме полифазного поведения // Неделя науки- 2005. Сб. тез. докл. XXVI итоговой научно-технической конференции преподавателей, сотрудников, аспирантов и студентов ДГТУ. Махачкала: ДГТУ, 2005.

37. Красовская Л. В. Несмещенные оценки сравнения отношений в нечетких семантических сетях // Технические науки. Вестник ДГТУ.-Махачкала, 2005.- №7.

38. Красовская Л.В. Алгоритмы самообучения интеллектуальных систем на нечетких семантических сетях с имитацией отработки действий // Известия вузов России: Радиоэлектроника. 2006. № 4.

39. Кузин Е.С., Фоминых И.Б., Хахалин Г.К. Системы принятия решений в интегральных роботах (Обзор). В кн.: Интегральные роботы / Под ред. Поздняка Г.Е.- М.: Мир, 1975.- С.364-377.

40. Кузин JI.T. Основы кибернетики. Том 2: Основы кибернетических моделей. -М.: Энергия,1979.-584 с.

41. Кузин JI.T., Храмов А.А. Вопросы использования метоязыков для программного обеспечения систем искусственного интеллекта. В кн.: Инженерно-математические методы в физике и кибернетике.-М.: Атомиздат, 1977.-№6.-С.39-43.

42. Левин Д.Е. Инструментальный комплекс программирования на основе языков высокого уровня. М.:Наука, 1987.-200 с.

43. Леоненков А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб.: БХВ-Петербург, 2003.- 736 с.

44. Литвак Б.Г. Экспертная информация: Методы получения и анализа.-М.: Радио и связь, 1982.-184 с.

45. Литвинцева J1.B., Поспелов Д.А. Пополнение знаний. В кн.: Искусственный интеллект.- В 3-х кн. Кн.2.Модели и методы: Справочник / Под ред. Поспелова Д.А.-М.: Радио и связь, 1990. -С.76-81.

46. Лозовский B.C. Семантические сети // Представление знаний в человеко-машинных и робототехнических системах.- М.: ВИНИТИ, 1984.Т.А.-С.84-120.

47. Лорьер Ж.Л.Системы искусственного интеллекта.-М.: Мир, 1991.-517 с.

48. Лукасевич Я.; Аристотельская силлогистика с позиций современной формальной логйки.-М.: Иностр.лит.,1959.-237 с.

49. Мелехин А.В., Кагиров К.А., Красовская Л.В. Организация самообучения интеллектуальных систем на основе имитации целесообразного поведения // Технические науки. Вестник ДГТУ. -Махачкала: ДГТУ, 2002. №5.

50. Мелехин В.Б. Алгоритмы самообучения интегрального робота в сложных средах//Кибернетика. 1986.№1.- С. 102-108.

51. Мелехин В.Б. Классификация семантической информации интегрального робота и способы ее представления в долговременной памяти. Деп. ВИНИТИ. 1983,-12 с. №7025-83 Деп.

52. Мелехин В.Б. Механизация самообучения интегрального робота. Деп. в ВИНИТИ, 1981.-18 с. № 117-82 Деп.

53. Мелехин В.Б.; Об алгоритме самообучения интегрального робота с активно-пассивной логикой поведения// Кибернетика, 1984.№4.-С. 107-211.а

54. Мелехин В.Б. Процедуры выбора алгоритма целесообразного поведения интегрального робота // Кибернетика 1988.№2. С.94-101.

55. Мелехин В.Б. Алгоритмы автоматического формирования модели окружающей среды транспортного робота //Кибернетика. 1985. № 4.-С.98-103.

56. Мелехин В.Б. Процедуры вычисления расстояний между разнесенными препятствиями на местности и определения координат точки встречи робота с подвижной целью // Многопроцессорные вычислительные структуры.- Таганрог : ТРТИ. 1977. Вып. 9.- С. 74-76.

57. Мелихов A.M., Берштейн; Л.С., Коровин С .Я. Ситуационные советующие системы с нечеткой логикой.-М.:Наука, 1990.-272 е.

58. Мики Д. Формирование и выполнение планов вычислительной машиной // В кн.: Интегральные роботы. Вып.2 / Под ред. Поздняка Т.Е.- М.: Мир, 1975.- С.379-405.

59. Минский М. Структура для представления знаний // В кн.: Психология машинного зрения. Под ред. Уинстона П. М.: Мир, 1978.-С. 249-340.

60. Нариньяни А.С. Система продукции как модульный программный комплекс // Прикладные и экспериментальные лингвистические процессоры. Новосибирск: QO АН СССР. Препринт, 1982.-С.125-152.

61. Нариньяни А.С. Модель или алгоритм: новая парадигма информационной технологии // Информационные технологии, 1997,№4, c.l 116.

62. Оре О. Теория графов.- М.: Наука,1980.-336 с.

63. Осуга С. Обработка знаний. -М.: Мир, 1989. -293 с.

64. Подбельский. В.В. Язык С++: Учебное пособие. Москва: Финансы и статистика, 1995. 560с.

65. Поддьяков Н.Н. Мышление дошкольника.-М.: Педагогика, 1977.272 с.

66. Попов Э.В. Общение с ЭВМ на естественном языке.-М.: Наука, 1982.320 с.

67. Попов Э.В., Фридман Г.Р. Алгоритмические основы интеллектуальных роботов и искусственного интеллекта.- М.: Наука, 1976.-400 с.

68. Поспелов г Д. А. Большие системы. Ситуационное управление.-М.:3нание,1985.-62 с.

69. Поспелов ■. Д.А. Логико-лингвистические модели в системах управления. -М.: Энергоиздат, 1981.-232 с.

70. Поспелов , Д.А. О человеческих рассуждениях в интеллектуальных системах. В кн.: Логика рассуждений и ее моделирование// Вопросы кибернетики. -М,: АН СССР.1982.-С.5-37.

71. Представление и использование знаний / Под ред. Уэно X., Исидзука М. -М.:Мир, 1990. 280 с.

72. Приобретение знаний / Под ред. Осиги С.-М.: Мир, 1990.-304 с.

73. Растригин. Л.А., Риппа К.К. Автоматная теория случайного поиска. -Рига: Зинатне, 1973. -344 с.

74. Рафаэль Б. Думающий компьютер.- М.Мир, 1979.- 407 с.

75. Робототехника и гибкие автоматизированные производства // Кн.: 6: Техническая имитация интеллекта / Под ред. Макарова И.Н.-М.:Высшая школа,1986.-144 ,с.

76. Розенблат Ф. Принципы нейродинамики: Персептроны и теория механизмов мозга.- М.: Мир, 1965.-243 с.

77. Смоленцев С.В. Динамическая семантическая сеть в системах обработки измерительной информации // Тез. докл. У. Российской н.-т. конференции «Современное состояние, проблемы навигации и океанографии», 1998, с.97.

78. Тейз А., Грибон П.,Луи Ж. и др. Логический подход к искусственному интеллекту: От классической логики к логическому программированию.- М.: Мир,1990.-434 с.'

79. Тимофеев^А.В. Роботы и искусственный интеллект.- М.: Наука,1978.-170 с.

80. Усманов А.А., Напалков А.В. Алгоритмы интеллектуальной деятельности.- Ташкент: ФАН, 1979.-190 с.

81. Факс Р., Харт П., Нильсон П. Новое направление в автоматическом решении задач роботом // В кн.: Интегральные роботы. Вып.2 / Под ред. ПозднякаГ.Е.-М:: Мир,1975.-С.406-439 .

82. Фин В.К. Индуктивные модели // Представление знаний в человеко-машинных и робототехнических системах.- М.:ВИНИТИ, 1984.- С.58-76.

83. Хант Э. Искусственный интеллект.- М.:Мир, 1978.-558 с.

84. Шилдт. Г.; Самоучитель С++: Пер. с англ. Санкт-Петербург: BHV-Санкт-Петербург, 1998. 620с.

85. Шингаров Г.Х. Условный рефлекс и проблема знака и значения. М.: Наука, 1979. 200 с.

86. Яхно Т.М. Система продукций как стиль программирования задач искусственного интеллекта.- Новосибирск: ВЦ АН СССР, 1984. Препринт. Вып.9.- 33 с.