14510

Системы представления знаний

Лекция

Информатика, кибернетика и программирование

Лекция 2: Системы представления знаний Традиционно системы представления знаний СПЗ для ИС используют следующие основные виды моделей: фреймы сценарии исчисления предикатов системы продукций семантические сети нечеткие множества. Рассмотрим эти модели подробно. ...

Русский

2013-06-06

230.64 KB

8 чел.

Лекция 2: Системы представления знаний

Традиционно, системы представления знаний (СПЗ) для ИС используют следующие основные виды моделей: фреймы, сценарии, исчисления предикатов, системы продукций, семантические сети, нечеткие множества. Рассмотрим эти модели подробно.

  1.  Фреймы

Фреймы предложены в 1975 году Марвином Минским . Фрейм (рамка в переводе с англ.) - это единица представления знаний, запомненная в прошлом, детали которой могут быть изменены согласно текущей ситуации. Фрейм представляет собой структуру данных, с помощью которых можно, например, описать обстановку в комнате или место встречи для проведения совещания. М.Минский предлагал эту модель для описания пространственных сцен. Однако с помощью фреймов можно описать ситуацию, сценарий, роль, структуру и т.д.

Фрейм отражает основные свойства объекта или явления. Структура фрейма записывается в виде списка свойств, называемых во фрейме слотами. Рассмотрим запись фрейма на языке FRL (Frame Representation Language) - языке, похожем на LISP, но только внешне из-за наличия скобок.

Например, фрейм СТОЛ может быть записан в виде 3 слотов: слот НАЗНАЧЕНИЕ ( purpose ), слот ТИП ( type ) и слот ЦВЕТ ( colour ) следующим образом:

(frame СТОЛ

    (purpose (value(размещение предметов для

      деятельности рук)))

    (type (value(письменный)))

    (colour (value (коричневый))))

Во фрейме СТОЛ представлены только ДЕКЛАРАТИВНЫЕ средства для описания объекта, и такой фрейм носит название фрейм -образец. Однако существуют также фреймы -экземпляры, которые создаются для отображения фактических ситуаций на основе поступающих данных и ПРОЦЕДУРАЛЬНЫХ средств (демонов), например, следующих:

IF-DEFAULT - по умолчанию

IF-NEEDED - если необходимо

IF-ADDED - если добавлено

IF-REMOVED - если удалено

Слот IS-A или AKO (A Kind Of) определяет иерархию фреймов в сети фреймов. Такая связь обеспечивает наследование свойств. Слот isa указывает на фрейм более высокого уровня, откуда неявно наследуются свойства аналогичных слотов.

Рассмотрим фрагмент описания из "мира блоков" () в виде фреймов.


Рис. 2.1. "Мир блоков"

(frame (name (Cube))

   (isa (Block World))

   (length (NULL))

   (width (IF-DEFAULT (use length)))    

   (height (IF-DEFAULT (use length))))    

(frame (name (B1))      

  (isa (Cube))    

  (color (red))    

  (length (80)))    

(frame (name (B2))       

  (isa (Cube))    

  (color (green))    

  (length (65))    

  (who_put (value (NULL))    

     (IF_NEEDED (askuser))))

Слот isa указывает на то, что объекты B1 и B2 являются подтипом объекта Cube и наследуют его свойства, а именно, length = width = height. Демон IF_NEEDED запускается автоматически, если понадобится узнать, кто поставил B2 на стол. Полученный ответ ( Робби ) будет подставлен в значение слота who_put. Аналогично работают демоны IF-ADDED и IF-REMOVED.

Допустим, однорукому роботу Робби дается приказ "Возьми желтый предмет, который поддерживает пирамиду". На языке представления знаний (ЯПЗ) вопрос записывается так:

(object ? X       

   (color (yellow))   

   (hold ? Y    

      (type (pyramid))))

Программа сопоставления с образцом находит в базе знаний описание объектов:

(frame (name (B3))    

   (type (block))

   (color (yellow))

   (size (20 20 20))

   (coordinate (20 50 0))

   (hold (P2)))

и

(frame (name (P2))    

  (type (pyramid))

  ...)

Ответ получен X = B3, Y = P2 и Робби выдается команда take(object=B3).

Таков общий механизм представления знаний в виде фреймов. Реализация этого механизма потребует решения других, более сложных проблем, например, автоматического ввода знаний для трехмерных объектов, работы с трехмерными быстродвижущимися объектами (своеобразный тест на реакцию) и т.д. Эти проблемы ждут своего эффективного решения.

  1.  Сценарии

Особую роль в системах представления знаний играют стереотипные знания, описывающие стандартные ситуации реального мира. Такие знания позволяют восстанавливать информацию, пропущенную в описании ситуации, предсказывать появления новых фактов, которых можно ожидать в данной ситуации, устанавливать смысл происхождения с точки зрения более ситуативного контекста.

Для описания стереотипного знания используются различные модели. Среди них распространенными являются сценарии.
Сценарием называется формализованное описание стандартной последовательности взаимосвязанных фактов, определяющих типичную ситуацию предметной области. Это могут быть последовательности действий или процедур, описывающие способы достижения целей действующих лиц сценария (например: обед в ресторане, командировка, полет самолета, поступление в вуз). В интеллектуальных системах сценарии используются в процедурах понимания естественно-языковых текстов, планирования поведения, обучения, принятия решений, управления изменениями среды и др.

Впервые понятие сценария было введено Р. Шенком и Р. Абельсоном при разработке новых средств понимания истории. Сценарии в их системе понимания представлялись в виде фреймо-подобных структур и использовались для связывания событий истории. Каждый сценарий состоял из набора слотов и их значений, описывающих роли, причины и последовательности сцен, которые, в свою очередь, являлись последовательностью определенных действий.

Слот «роль» задавал исполнителей сценария, слот «цель» – мотивировку предпринимаемых действий. Каждая последовательность действий в сценах обладает свойством каузальных цепочек: всякое предшествующее действие создает условия для совершения последующего действия.

Сценарии используются для пополнения знания о ситуации. Так называется процедура обогащения входной информации сведениями, хранящимися в памяти системы. Сценарий представляется некоторой сетью, вершинам которой соответствуют факты, а дугам – связи, описывающие отношения специального типа. Например: «причина – следствие», «цель – подцель», «часть – целое» (рис. 2.5).

Вершины сети задают следующие факты:

Ф1 – станок простаивает;

Ф2 – на рабочем месте нет рабочего;

Ф3 – станок неисправен;

Ф4 – в цехе нет заготовок;

Ф5 – обеденный перерыв;

Ф6 – рабочий покинул станок;

Ф7 – рабочий находится в столовой.

Каузальные сценарии разработаны для представления проблемно-зависимых каузальных знаний о событиях, действиях и процедурах. Каузальный сценарий задает типичную последовательность действий в заданной предметной области и описывается в виде фрейма, состоящего из слотов. Имена слотов отражают следующие понятия: деятель и участники сценария; цели и мотивы деятеля и участников; время, место, средства реализации сценария; ключ, посылки, следствия, побочные действия, закономерности; системное имя сценария.



Рис. 2.5. Пример сценария, в котором в качестве связей между

вершинами сети выступает причинно-следственное отношение



Слот «ключ» задает основное событие, определяющее тип ситуации. Реализация ключевого события обеспечивает достижение цели деятеля и участников сценария. Слот «посылки» описывает необходимые условия реализации сценария. В посылках содержится последовательность действий, которые надо выполнить, чтобы создать необходимые условия для осуществления ключевого события. Слот «следствия» задает результаты его выполнения. Слот «побочные действия» описывает действия, реализующиеся параллельно с выполнением действий в посылках сценария. Сценарий считается завершенным, если произошло ключевое событие и реализована цель деятеля.

Кроме каузальных сценариев, встречаются и иные типы сценариев. Наиболее распространенными типами являются сценарии в виде дерева целей и классифицирующие сценарии.

В сценариях первого типа описывается, как некоторая цель может быть декомпозирована в систему подцелей. Такие сценарии применяются в случае планирования решений. Классифицирующие сценарии используются при обобщении знаний и представляют собой сети, между вершинами которых имеются отношения типа «часть – целое», «элемент – класс» или «род – вид».

  1.  Исчисления предикатов

Традиционная булева алгебра и исчисление высказываний не всегда подходят для выражения логических рассуждений, проводимых людьми, более удобен для этого язык логики предикатов. Под исчислением предикатов понимается формальный язык для представления отношений в некоторой предметной области. Исчисление предикатов подробно обсуждается в ряде книг по теории ИИ , , . Основное преимущество исчисления предикатов - хорошо понятный мощный механизм математического вывода, который может быть непосредственно запрограммирован. Дальнейшее изложение ведется с учетом того, что читатель знаком с основами булевой алгебры.

Предикатом называют предложение, принимающее только два значения: "истина" или "ложь". Для обозначения предикатов применяются логические связки между высказываниями: - не, - или, - и, - если, а также квантор существования и квантор всеобщности

- существует такой x, что ...

- для любого x

Таким образом, логика предикатов оперирует логическими связками между высказываниями, например, она решает вопросы: можно ли на основе высказывания A получить высказывание B и т.д.

Рассмотрим некоторые примеры. Высказывание "у каждого человека есть отец" можно записать:

Выражение "Джон владеет красной машиной" записывается, например, так:

Рассмотрим вывод, дающий заключение на основе двух предпосылок:

Предпосылка 1: Все люди смертны

Предпосылка 2: Сократ - человек

p(a)

Заключение: Сократ - смертен

Смертен(Сократ)

q(a)

Если обозначить через f функцию одного аргумента, то логическая формула для этого высказывания будет иметь вид:

Алфавит логики предикатов состоит из элементов (символов):

x, y, z, u, v, w - переменные;

a, b, c, d, e - константы;

f, g, h - функциональные символы;

p, q, r, s, t - предикатные символы;

- логические символы.

Запишем на языке исчисления предикатов некоторое выражение:

Что означает записанное выражение? Ответ очевиден: "у всех людей общий отец".

Приведем пример простого доказательства на языке исчисления предикатов.

Даны следующие факты:

  1.  "Иван является отцом Михаила" - отец(a,b)
  2.  "Петр является отцом Василия" - отец(c,d)
  3.  "Иван и Петр являются братьями" -

Даны следующие определения:

  1.  "Брат отца является дядей" -

  1.  "Сын дяди является двоюродным братом" -

Требуется доказать, что "Михаил и Василий являются двоюродными братьями":

  1.  

Делаем подстановки y = Иван, b = Михаил и x = Петр, d = Василий, видим, что предикаты 1, 2, 3 дают правильное предложение 6.

Рассмотренный нами язык называется исчислением предикатов первого порядка и позволяет связывать знаком квантора переменные, соответствующие объектам из предметной области, но не предикаты или функции.

Исчисление предикатов второго порядка позволяет связывать знаком квантора не только переменные, соответствующие объектам из предметной области, но и предикаты или функции. Примером исчисления предикатов второго порядка может служить выражение "Единственное качество Джона - это честность", которое записывается так:

На этом мы закончим знакомство с этой моделью и вернемся к ней в следующей лекции при рассмотрении правил вывода, принципа резолюции и методов поиска на основе исчисления предикатов.

  1.  Системы продукций

Под продукцией будем понимать выражение:

Если <X1, X2 ... Xn> то

<{Y1, D1}, ... {Ym,Dm}>,

где: Xi,Yi - логические выражения, Di - фактор достоверности (0,1) или фактор уверенности (0,100).

Системы продукций - это набор правил, используемый как база знаний, поэтому его еще называют базой правил. В Стэндфордской теории фактор уверенности CF (certainty factor) принимает значения от +1 (максимум доверия к гипотезе) до -1 (минимум доверия).

А.Ньюэлл и Г.Саймон отмечали в GPS, что продукции соответствуют навыкам решения задач человеком в долгосрочной памяти человека. Подобно навыкам в долгосрочной памяти эти продукции не изменяются при работе системы. Они вызываются по "образцу" для решения данной специфической проблемы. Рабочая память продукционной системы соответствует краткосрочной памяти, или текущей области внимания человека. Содержание рабочей области после решения задачи не сохраняется.

Работа продукционной системы инициируется начальным описанием (состоянием) задачи. Из продукционного множества правил выбираются правила, пригодные для применения на очередном шаге. Эти правила создают так называемое конфликтное множество. Для выбора правил из конфликтного множества существуют стратегии разрешения конфликтов, которые могут быть и достаточно простыми, например, выбор первого правила, а могут быть и сложными эвристическими правилами. Продукционная модель в чистом виде не имеет механизма выхода из тупиковых состояний в процессе поиска. Она продолжает работать, пока не будут исчерпаны все допустимые продукции. Практические реализации продукционных систем содержат механизмы возврата в предыдущее состояние для управления алгоритмом поиска.

Рассмотрим пример использования продукционных систем для решения шахматной задачи хода конем в упрощенном варианте на доске размером 3 x 3 . Требуется найти такую последовательность ходов конем, при которой он ставится на каждую клетку только один раз ().

Записанные на рисунке предикаты move(x,y) составляют базу знаний (базу фактов) для задачи хода конем. Продукционные правила - это факты перемещений move, первый параметр которых определяет условие, а второй параметр определяет действие (сделать ход в поле, в которое конь может перейти). Продукционное множество правил для такой задачи приведено ниже.

P1: If (конь в поле 1) then (ход конем в поле 8)

P2: If (конь в поле 1) then (ход конем в поле 6)

P3: If (конь в поле 2) then (ход конем в поле 9)

P4: If (конь в поле 2) then (ход конем в поле 7)

P5: If (конь в поле 3) then (ход конем в поле 4)

P6: If (конь в поле 3) then (ход конем в поле 8)

P7: If (конь в поле 4) then (ход конем в поле 9)

P8: If (конь в поле 4) then (ход конем в поле 3)

P9: If (конь в поле 6) then (ход конем в поле 1)

P10: If (конь в поле 6) then (ход конем в поле 7)

P11: If (конь в поле 7) then (ход конем в поле 2)

P12: If (конь в поле 7) then (ход конем в поле 6)

P13: If (конь в поле 8) then (ход конем в поле 3)

P14: If (конь в поле 8) then (ход конем в поле 1)

P15: If (конь в поле 9) then (ход конем в поле 2)

P16: If (конь в поле 9) then (ход конем в поле 4)


Рис. 2.2. Шахматная доска 3х3 для задачи хода конем с допустимыми ходами

Допустим, необходимо из исходного состояния (поле 1) перейти в целевое состояние (поле 2). Итерации продукционной системы для этого случая игры показаны в таблице 2.1.

Таблица 2.1. Итерации для задачи хода конем

№ итерации

Текущее поле

Целевое поле

Конфликтное множество

Активация правила

1

1

2

1, 2

1

2

8

2

13, 14

13

3

3

2

5, 6

5

4

4

2

7, 8

7

5

9

2

15, 16

15

6

2

2

Выход

Продукционные системы могут порождать бесконечные циклы при поиске решения. В продукционной системе эти циклы особенно трудно определить, потому что правила могут активизироваться в любом порядке. Например, если в 4-й итерации выбирается правило 8, мы попадаем в поле 3 и зацикливаемся. Самая простая стратегия разрешения конфликтов сводится к тому, чтобы выбирать первое соответствующее перемещение, которое ведет в еще не посещаемое состояние. Следует также отметить, что конфликтное множество это простейшая база целей. В следующей лекции мы рассмотрим различные стратегии поиска в продукционных системах и пути разрешения конфликтов. В заключение данного раздела лекции перечислим основные преимущества продукционных систем:

  1.  простота и гибкость выделения знаний;
  2.  отделение знаний от программы поиска;
  3.  модульность продукционных правил (правила не могут "вызывать" другие правила);
  4.  возможность эвристического управления поиском;
  5.  возможность трассировки "цепочки рассуждений";
  6.  независимость от выбора языка программирования;
  7.  продукционные правила являются правдоподобной моделью решения задачи человеком.
  8. Семантические сети

Семантика в бытовом понимании означает смысл слова, художественного произведения, действия и т.д. Семантическая сеть (СС) - это граф, дуги которого есть отношения между вершинами (значениями). Семантические сети появились как модель СПЗ при решении задач разбора и понимания смысла естественного языка. Модели в виде СС активно развиваются в работах зарубежных и отечественных ученых, вбирая в себя важнейшие свойства других типов моделей , , , .

Пример семантической сети для предложения типа "Поставщик осуществил поставку изделий по заказу клиента до 1 июня 2004 года в количестве 1000 штук" приведен на .


Рис. 2.3. Пример семантической сети

На этом примере видно, что между объектами Поставщик и Поставка определено отношение "агент", между объектами Изделие и Поставка определено отношение "объект" и т.д.

Число отношений, используемых в конкретных семантических сетях, может быть самое разное. К.Филмор, один из первых поборников идеи семантических падежей при разборе предложений, проводил свои рассуждения, пользуясь дюжиной отношений . Неполный список возможных отношений, используемых в семантических сетях для разбора предложений, выглядит следующим образом .

Агент - это то, что (тот, кто) вызывает действие. Агент часто является подлежащим в предложении, например, " Робби ударил мяч".

Объект - это то, на что (на кого) направлено действие. В предложении объект часто выполняет роль прямого дополнения, например, "Робби взял желтую пирамиду ".

Инструмент - то средство, которое используется агентом для выполнения действия, например, "Робби открыл дверь с помощью ключа ".

Соагент служит как подчиненный партнер главному агенту, например, "Робби собрал кубики с помощью Суззи ".

Пункт отправления и пункт назначения - это отправная и конечная позиции при перемещении агента или объекта: "Робби перешел из комнаты в библиотеку ".

Траектория - перемещение от пункта отправления к пункту назначения: "Они прошли через дверь по ступенькам на лестницу ".

Средство доставки - то в чем или на чем происходит перемещение: "Он всегда едет домой на метро ".

Местоположение - то место, где произошло (происходит, будет происходить) действие, например, "Он работал за столом ".

Потребитель - то лицо, для которого выполняется действие: "Робби собрал кубики для Суззи ".

Сырье - это, как правило, материал, из которого что-то сделано или состоит. Обычно сырье вводится предлогом из, например, "Робби собрал Суззи из интегральных схем ".

Время - указывает на момент совершения действия: "Он закончил свою работу поздно вечером ".

Наиболее типичный способ вывода в семантических сетях (СС) - это способ сопоставления частей сетевой структуры. Это видно на следующем простом примере, представленном на.


Рис. 2.4. Процедура сопоставления в СС

Куб Cube принадлежит миру BlockWorld.

Куб Cube_001 есть разновидность куба Cube.

Легко сделать вывод:

Куб Cube_001 есть часть мира BlockWorld.

Еще один пример поиска в СС. Представим вопрос "какой объект находится на желтом блоке?" в виде подсети, изображенной на . Произведем сопоставление вопроса с сетью, представленной на . В результате сопоставления получается ответ - "Пирамида".


Рис. 2.5. Вопрос в виде CC


Рис. 2.6. Процедура сопоставления в СС

  1.  Нечеткая логика

При формализации знаний достаточно часто встречаются качественные знания, например, высокая температура при гриппе, слабое свечение нити накаливания, молодой дипломат и т.д. Для формального представления таких качественных знаний американский математик, профессор информатики в Университете в Беркли (Калифорния) Лофти А.Заде (Иран) предложил в 1965 году формальный аппарат нечеткой (fuzzy) логики .

Нечеткое подмножество N множества M определяется как множество упорядоченных пар }, где - характеристическая функция принадлежности (или просто функция принадлежности), принимающая значения в интервале [0, 1] и указывающая степень (или уровень) принадлежности элемента x подмножеству N. Таким образом, нечеткое множество N можно записать как

где Xi - i -е значение базовой шкалы, а знак " + " не является обозначением операции сложения, а имеет смысл объединения.

Определим лингвистическую переменную (ЛП) как переменную, значение которой определяется набором словесных характеристик некоторого свойства. Например, ЛП "возраст" может иметь значения

ЛП = МлВ, ДВ, ОВ, ЮВ, МВ, ЗВ, ПВ, СВ ,

обозначающие возраст младенческий, детский, отроческий, юношеский, молодой, зрелый, преклонный и старый, соответственно. Множество M - это шкала прожитых человеком лет [0..120]. Функция принадлежности определяет, насколько мы уверены, что данное количество прожитых лет можно отнести к данному значению ЛП. Допустим, что неким экспертом к молодому возрасту отнесены люди в возрасте 20 лет со степенью уверенности 0,8, в возрасте 25 лет со степенью уверенности 0,95, в возрасте 30 лет со степенью уверенности 0,95 и в возрасте 35 лет со степенью уверенности 0,7. Итак:

Значение ЛП=МВ можно записать:

Таким образом, нечеткие множества позволяют учитывать субъективные мнения отдельных экспертов. Для большей наглядности покажем множество МВ графически при помощи функции принадлежности ().


Рис. 2.7. График функции принадлежности

Для операций с нечеткими множествами существуют различные операции, например, операция "нечеткое ИЛИ" (иначе ) задается в логике Заде , :

и при вероятностном подходе так:

Существуют и другие операции над нечеткими числами, такие как расширенные бинарные арифметические операции (сложение, умножение и пр.) для нечетких чисел, определяемые через соответствующие операции для четких чисел с использованием принципа обобщения и т.д.

Как мы увидим в дальнейшем, нечеткие множества (другое название - мягкие вычисления) очень часто применяются в экспертных системах. Нечеткая логика применяется как удобный инструмент для управления технологическими и индустриальными процессами, для интеллектуального домашнего хозяйства и электроники развлечения, в системах обнаружения ошибок и других экспертных системах. Разработаны специальные средства нечеткого вывода, например, инструментальное средство Fuzzy CLIPS. Нечеткая логика была изобретена в Соединенных Штатах, и сейчас быстрый рост этой технологии начался в Японии, Европе и теперь снова достиг США.

Развитием этого направления является реализации в системах представления знаний НЕ-факторов: неполнота, неточность, недоопределенность, неоднозначность, некорректность и др. .

Завершая лекцию по СПЗ, следует отметить следующее. Системы представления знаний и технологии работы со знаниями продолжают развиваться. Читатель может самостоятельно познакомиться с новым языком описания декларативных знаний (ЯОДЗ) и технологией функционально-ориентированного проектирования (ФОП-технологией) для решения информационно-сложных задач в работах , .

Кроме традиционных языков (LISP, PROLOG, SMALLTALK, РЕФАЛ) и инструментальных средств (LOOPS, KEE, ART) для представления знаний в настоящее время появляются новые веб-ориентированные версии ИС . Весьма популярными стали средства на базе JAVA: системы Exsys Corvid, JESS. Язык HTML явился основой для представления знаний в среде Интернет


 

А также другие работы, которые могут Вас заинтересовать

47942. Цивільне право України 988 KB
  План поняття ЦП як галузі права предмет і метод ЦП принципи ЦП функції системи ЦП П №1 Теорії критерію розподілу права на приватне та публічне Теорія №1 інтересу. №3 методу правового регулювання – використовується цивілістами ЦП є однією із галузь приватного права. Приватне право моє підґрунтя на природні права ЦПУ – це сукупність правових норм які регулюють особисті немайнові та майнові відносини цивільні засновані на юридичній рівності вільному волевиявленні і майновій самостійності їх учасників ч.
47943. Информатика в школе 382.5 KB
  Процедуры вывода Write и WriteLn. читается – райт и райтлайн; переводится пиши и пиши строку С помощью операторов Write и WriteLn изображают на экране ту или иную информацию состоящую из символов. Правила записи и выполнения оператора WriteLn те же что и у Write с одним исключением – после его выполнения следующий оператор Write или WriteLn печатает свою информацию с начала следующей строки а после выполнения оператора Write продолжает печатать в той...
47944. Правознавство. Теорія держави і права 1.42 MB
  Держава у різних народів формувалась не однаково. Окрім закономірних причин виникнення держав, що проявлялися у всіх народів були в окремих народів і специфічні причини, які Ф. Єнгельс у своїй праці „Походження сім’ї, приватної власності і держави” назвав форми виникнення держави : а) афінська; б) римська; в) германська.
47945. ПР-жанри та ПР-технології 269.39 KB
  Безумовно, працюючи над тим, щоб налагодити плідні і взаємовигідні відносини між організацією та різноманітними групами громадськості, піармени справді намагаються подати її соціальному оточенню у привабливому, зокрема й спрощеному, вигляді. У своїй практичній діяльності вони виходять із того, що сприйняття
47946. Загальна психологія 408.5 KB
  Всі психічні явища поділяють на 3 групи: Психічні процеси – окремі форми чи види психічної діяльності Память мислення сприймання уява відчуття Психічні властивості – найбільш суттєві і стійкі психічні особливості людини потреби інтереси здібності темперамент характер Психічні стани – особлива характеристика психічної діяльності людини за певний проміжок часу сумнів радість гнів творчий підйом апатія і т. Ключові поняття: методи вивчення психіки спостереження експеримент тест вивчення продуктів діяльності бесіда...
47947. Основні категорії інформації як обєкта інформаційного права 496.5 KB
  Основні категорії інформації як об’єкта інформаційного права Основні поняття Розглядаючи інформацію як об’єкт захисту треба зазначити що інформація – це результат відображення і опрацювання у людській свідомості різноманіття навколишнього світу це відомості про оточуючі людину предмети явища природи діяльність інших людей. Залежно від сфери і масштабів застосування тієї чи іншої системи опрацювання даних втрата або витік інформації може призвести до наслідків різної тяжкості: від невинних жартів до надзвичайно великих втрат...
47948. Регіональна економіка. Конспект лекції 924 KB
  Мета: формування знань щодо теоретичних і практичних засад територіальної організації продуктивних сил України сучасного стану та напрямів регіонального розвитку економіки а також мислення та свідомості економістів. Завдання: засвоєння теорії регіональної економіки і регіонального розвитку наукових засад регіональної економічної політики; оволодіння знаннями про територіальну і галузеву структуру господарського комплексу України та її регіонів; об'єктивну необхідність раціонального та...