Article

Article title INTEGRATED MODEL OF KNOWLEDGE REPRESENTATION BASED ON FUZZY MODELING METHOD
Authors Yu.A. Kravchenko
Section SECTION III. ARTIFICIAL INTELLECT AND INDISTINCT SYSTEMS
Month, Year 07, 2013 @en
Index UDC 002.53:004.89
DOI
Abstract The  article  is  devoted  to  development  of  formalized  representation  model  for  intellectual educational systems knowledge base definition in an uncertain conditions. The content model and test  parts  of  heterogeneous  domain  knowledge  were  considered in  detail.  The  composition  and structure  of heterogeneous data integrated  model  were  described  on  the basis of  fuzzy  directed graph. Such modeling will enable at the design stage of the information knowledge management system to avoid errors of experts in determining the evaluation criterions of competence, the options of individual training trajectories, requirements for the types and number of knowledge representation forms and test tasks.

Download PDF

Keywords Model of heterogeneous knowledge representation; intelligent educational systems; assessment of competence; knowledge management systems.
References 1. Норенков И.П. Онтологические методы синтеза электронных учебных пособий // Научно-практический журнал «Открытое образование». – 2010. – № 6. – С. 39-44.
2. Тельнов Ю.Ф. Интеллектуальные информационные системы. – М.: Московский государственный университет экономики, статистики и информатики, 2003. – 26 с.
3. Денисова И.Ю., Макарычев П.П. Математические модели онтологии базы знаний информационной обучающей системы // Научный журнал «Онтология проектирования». – 2012. – № 3 (5). – С. 62-78.
4. Кравченко Ю.А. Принятие решений в информационных системах на основе нечеткого моделирования // Российская академия наук. Научный журнал. Известия КБНЦ РАН.– 2013. – № 1 (51). – С. 21-26.
5. Курейчик В.В., Родзин С.И. О правилах представления решений в эволюционных алгоритмах // Известия ЮФУ. Технические науки. – 2010. – № 7 (108). – С. 13-21.
6. Курейчик В.М. Особенности построения систем поддержки принятия решений // Известия ЮФУ. Технические науки. – 2012. – № 7 (132). – С. 92-98.
7. Курейчик В.М., Кажаров А.А. Использование роевого интеллекта в решении NP-трудных задач // Известия ЮФУ. Технические науки. – 2011. – № 7 (120). – С. 30-37.
8. Гладков Л.А., Гладкова Н.В. Новые подходы к построению систем анализа и извлечения знаний на основе гибридных методов // Известия ЮФУ. Технические науки. – 2010. – № 7 (108). – С. 146-154.
9. Бова В.В. Методы поддержки принятия решений в построении адаптивных моделей образовательных процессов // Известия ЮФУ. Технические науки. – 2008. – № 4 (81). – С. 221-225.
10. Кравченко Ю.А. Метод создания математических моделей принятия решений в многоагентных подсистемах // Известия ЮФУ. Технические науки. – 2011. – № 7 (120). – С. 141-145.
11. Курейчик В.М. Биоинспирированный поиск с использованием сценарного подхода // Известия ЮФУ. Технические науки. – 2010. – № 7 (108). – С. 7-13.
12. Родзин С.И. Вычислительный интеллект: немонотонные логики и графическое представление знаний // Программные продукты и системы. – 2002. – № 1. – С. 20-22.

Comments are closed.