Каждый агент имеет возможность воспринимать состояние среды, в которой он находится, и оказывать воздействие на среду в виде реакции на ее состояние. Иными словами, он отображает восприятие среды в реакции или действиях, направленных на достижение некоторой цели. Построение адекватного отображения среды является наиболее сложной задачей при разработке искусственного интеллекта агента, в частности интеллектуализированной системы диагностики.
Для большинства отраслей, таких как транспорт или машиностроение, можно принять, что система автоматизированной диагностики как носитель искусственного интеллекта функционирует в условиях дискретной недетерминированной статической среды. По типу сложности решаемых задач на данный момент системы диагностики могут быть отнесены к комбинационному или в лучшем случае к последовательному типу агентов.
В соответствии с приведенными выше определениями автоматизированная диагностическая система может определять состояние технической системы, действуя по специально разработанному и неизменному алгоритму (комбинационный агент), или дополнительно иметь возможность учитывать результаты ранее проведенных диагностик, корректируя заложенную программу диагностирования (последовательный тип агента).
Для функционирования системы диагностики на уровне комбинационного агента могут быть использованы математические модели процесса диагностирования (см. гл. 3-5). Чтобы система диагностики работала как последовательный тип агента, для нее необходима разработка дополнительных программ самообучения.
В большинстве случаев программы самообучения обеспечивают корректировку исходной базы данных, на основе которых рассчитываются вероятности определения диагнозов и вероятности наблюдения признаков (диагностических параметров) при рассматриваемых диагнозах. В процессе функционирования диагностической системы можно также корректировать допустимые значения параметров, численных значений при распознавании кривых по методу анализа характерных элементов и т. д.
Как показывает практика, на данный момент системы искусственного интеллекта достигают наилучших результатов, функционируя совместно с человеком. Перекладывая на автоматизированные самообучающиеся системы диагностики оперирование массивами статистических данных, математические вычисления вероятностей диагнозов и выполнение необходимых логических операций, можно успешно проводить диагностику и прогнозировать состояние технических систем.
http://dordsk.ru/ от 300 рублей за 1м2. Далее в качестве примеров приводятся алгоритмы некоторых расчетных программ, позволяющих осуществлять автоматическое диагностирование и самообучение системы диагностики. Алгоритмы можно реализовать с учетом возможного аппаратного и программного обеспечения системы диагностики.