Водовозов В.М, Водовозов A.M. Введение в вычислительную технику и компьютерные технологии: Учебное пособие.-
Подождите немного. Документ загружается.
171
6.4.2. Семантические и нейронные сети
Собирайте факты – из них рождается
мысль.
Ж. Бюффон
Нейроны
Основные положения теории деятельности головного мозга были
разработаны У. Маккалоком и Ч. Питсом в 1943 г. Согласно их исследованиям, мозг
представляет собой ансамбль нервных клеток –
нейронов
, имеющих схожие
строение и принцип действия. Каждый нейрон реализует некоторую пороговую
функцию над входными сигналами, возбуждается и формирует выходной сигнал,
передаваемый другим нейронам. Пройдя путь от рецепторов через нейронные
структуры мозга до мышц, информация преобразуется в управляющие воздействия.
Отдельные нейроны, соединяясь друг с другом, приобретают новое качество,
которое можно описать биологическими моделями разного рода.
В конце 60-х годов М.Р. Куилдлиан предложил модель памяти, имеющую
вид паутины, названной им
семантической сетью
. Он предположил, что такая сеть
состоит из взаимосвязанных узлов, соответствующих объектам, понятиям,
событиям. Это послужило основой для появления нового направления в системах
искусственного интеллекта, посвященного
нейронным сетям
. Нейронная сеть – это
параллельная связная сеть адаптивных моделей нервных клеток (нейронов),
взаимодействующая с объектами внешнего мира аналогично биологической
нервной системе. Она имеет топологию направленного графа и перерабатывает
информацию, изменяя свое состояние в ответ на входные сигналы. Информация
нейронной сети кодируется и запоминается не в отдельных ячейках памяти, а
распределяется между связанными моделями нейронов. Состояние каждой такой
модели определяется состоянием связанных с ней других моделей нейронов,
причем потеря некоторых связей не оказывает решающего влияния на результат
работы сети.
Подобные системы обладают способностью «учиться на собственных
ошибках». Их теоретической основой служат теория хаоса, теория генетических
алгоритмов и рекурсивный анализ. Первая утверждает, что явления, кажущиеся
случайными, подвержены развитию по особым закономерностям, которые могут
быть выявлены с помощью специальных программ обработки информационных
массивов. Вторая посвящена решению проблем, связанных с выявлением и
устранением аномалий. В полном соответствии с теорией Ч. Дарвина, она
нивелирует действие второстепенных факторов, усиливая при этом наиболее
важные воздействия на объекты. А в основе рекурсивного анализа лежит описание
функций и процессов «через самих себя». В ходе работы готовится широкий набор
обучающих примеров, ассоциируемый с известными выходными данными.
Входные данные поочередно предъявляются нейронной сети, а выходные значения
сравниваются с эталоном. Затем производится подстройка весовых коэффициентов
172
межнейронных соединений с целью минимизации ошибок. Обу чение повторяется
до тех пор, пока ошибка не достигнет приемлемого уровня либо сеть не придет в
стационарное состояние. Таков классический алгоритм нейроматематики,
называемый “обратным распространением ошибки”.
Информационные ресурсы
Конечно, нейронная сеть, обучаемая на совокупности примеров, не способна
функционировать как человеческий мозг, содержащий около 100 миллиардов
нейронов, связанных несчетным количеством волокон. Ценность ее определяется
характером исполнения и полнотой входной информации. Для реализации
нейронных сетей применяются три способа:
o программная реализация на компьютерах традиционной аппаратуры, в
частности, в виде нейропакетов;
o аппаратные дополнения к компьютерам обычной архитектуры в виде
нейропроцессоров и нейроплат;
o реализация в виде нейрокомпьютеров.
К 1998 г. было разработано более 200 моделей нейронных сетей, десятки
моделей нейронных микросхем, рабочих станций и суперкомпьютерных решений.
Широко распространены более 50 типов нейронных сетей фирм
Intel, Nestor, NRC,
Neural Ware
. Программно реализованные сети бывают строго иерархическими и
свободными. Первые представляют объектно-ориентированные модели в виде
множества взаимосвязанных базовых и производных классов, в которых
информация базовых классов доступна производным классам, наследующим их
свойства и методы поведения. В свободных моделях ряд связей используется для
передачи свойств, другие передают действия и понятия, а третьи служат лишь
указателями классов. Нейропакеты представляют собой программные эмуляторы
нейрокомпьютеров и их компонентов. Ими могут быть нейронные модели
(“парадигмы”) и мощные нейрооболочки и трансляторы с языков описания
нейронных сетей конкретных моделей ЭВМ. Примерами нейропакетов служат
OWR фирмы
Olmsted & Watkins
, Neurosym одноименной компании, Neural Net
Development Library и NeuroShell (
Ward Systems
), Neural Works Professional и
Predict (
Neural Ware
), N-Net и Awareness (
AI-Ware
), DynaMind Developer Pro
(
Neurodinamics
), ImageLib (
LNK
). Специальные нейронные микросхемы, например
Etann или NI 1000, различают от 40000 до 300000 образов в секунду, что примерно
соответствует скорости протекания подобных процессов в нервной системе
человека, хотя производительность реальных промышленных систем еще редко
превышает 20-130 символов в секунду . Клеточные процессоры AAP фирмы NTT
состоят из сотен нейронов и десятков тысяч параллельно работающих процессоров.
Наконец, примерами нейрокомпьютеров может служить серия Computing Surface
(
Texas Instruments
). Каждая такая ЭВМ содержит свыше пяти тысяч нейронов и пяти
миллионов связей, реализуя до 18 млн. переключений связей в секунду.
173
Применение
Используя накопленный опыт, нейронные сети помогают пользователям
справиться с лавиной сиюминутных дел, учитывая при этом негативные
последствия каждого шага. Они незаменимы в обработке приблизительных данных
и легко адаптируются к быстрой смене внешних условий. На базе нейронных
систем строятся “цифровые нервные системы”, способные принимать решения в
условиях непредсказуемости и непредвиденных ситуаций. Ими реализуется
обработка информации в самых различных сферах: от финансовых прогнозов до
экспертизы научных работ. Нейронные сети применяются при анализе отпечатков
пальцев, сканировании рукописных текстов, в системах контроля за морскими и
наземными объектами, обработки разведывательной информации, управления
производственными процессами.
В финансовых комплексах, предсказав определенную прибыль, но допустив
при этом ошибку, нейронная сеть запоминает ситуацию и в следующий раз делает
более умеренный прогноз. Нейронная сеть фирмы
Chirson Leman
Brothers
использует в качестве информационной базы ряды изменения стоимости ценных
бумаг за последние 10 лет и, применяя особую систему работы с текстами, «читает»
финансовые новости и просчитывает их возможное воздействие на прибыльность
различных инвестиций. Крупнейшая шахматная система DeepBlue (язык Си,
компьютер RS/6000
фирмы
IBM
, оснащенный 512 специализированными
процессорами на 120 – 135 МГц и 4 – 9-гигабайтными дисками, операционная среда
AIX) взаимодействует с базой данных дебютов и эндшпилей DB2 Parallel Edition
размером в 32 Гбайт и способна анализировать до 200 млн. позиций в секунду.
Созданный в Российском
НИИ искусственного интеллекта
решатель уравнений
UniCalc строит модели поведения реальных объектов, позволяющие быстро решать
сложные математические задачи методом «интеллектуального подбора».
В модуле ведения боя истребителя YF-22 еще в 80-х годах подобная
организация использовалась для принятия решений в считанные доли секунды на
основе данных наземных станций, радарных установок и других источников и для
«предугадывания» характера действий самолета противника. Интересна в этом
плане и система «активной подвески», разработанная автомобилестроителями
Детройта. Если управляемый ею автомобиль на скорости 90 км/час преодолевает
неровность дороги, то прежде, чем деформированная шина восстановит свою
форму, система измерит силу удара и приподнимет колесо, демпфируя толчок. А
фирма
ActivNois & Vibration Tecnologies
в сотрудничестве с итальянской компанией
Fiat
создала электронный «глушитель на кристалле» для экскурсионных автобусов:
анализируя характеристики шума двигателя и прочих раздражающих звуков, он
генерирует «зеркально противоположные» звуковые волны, уменьшая шум.
174
6.4.3. Системы распознавания образов
Познай себя.
Сократ
Классификация
Чрезвычайно актуальной является сегодня проблема
распознавания образов
в системах искусственного интеллекта, связанных с обработкой изображений,
текстов, речи, с робототехникой и образованием. Образы описываются множеством
свойств, извлекаемых из входных данных, поэтому в основе процессов
распознавания лежат численные методы классификации. Распознавание образов
выполняется в два этапа:
o этап извлечения свойств и получения на их основе образов,
o этап классификации образов, то есть отнесения их к определенным
классам.
Область образов представляется в виде пространства с рассеянными внутри
его точками. Образы, принадлежащие к одному классу, группируются в так
называемые кластеры. Математические модели плоскостей разбиения на кластеры
именуют решающими функциями.
Распознавание символов
Наиболее распространенную категорию таких систем образуют оптические
системы распознавания знаков (OCR - Optical Character Recognition). Почти все
системы OCR поддерживают фрагментарный и постраничный режимы обработки
текста. В первом режиме распознаются отдельные зоны страницы с применением
специального оборудования и программных приложений. При этом большая часть
работы, предшествующей распознаванию (масштабирование, сегментация),
выполняется программно, а собственно распознавание поручается обычно
аппаратному сопроцессору. Во втором режиме анализируется сразу вся страница.
Независимо от режима, коммерческие системы распознавания текста делятся на
четыре категории.
К простейшим из них относятся системы с раздельной записью в рамках,
которые упрощают поиск знаков и их распознавание по составляющим штрихам.
Ко второй категории принадлежат средства раздельной записи с пробелами
без рамок, например отечественные программы, CuneiForm, FineReader (
ABBYY
).В
FineReader используется метод “фонтанного преобразования” на базе структу рно-
пятенных эталонов. В соответствии с ним, изображение представляется связанными
наборами пятен, после чего прорабатываются гипотезы о возможном значении
читаемого символа с привлечением структу рных классификаторов и экспертных
оценок. Работа FineReader состоит из этапов анализа графического изображения,
получаемого обычно со сканера, и распознавания отдельных символов одним из
трех способов:
175
o шаблонными (растровыми) классификаторами, сравнивающими
обрабатываемый массив с шаблонами точек, с хорошим распознаванием
дефектных символов, но длительным обучением новым шрифтам и размерам;
o признаковыми классификаторами, анализирующими не все изображение, а
лишь набор признаков, вычисляемых по массиву точек, с неизбежной потерей
части исходной информации;
o структурными классификаторами, обрабатывающими и запоминающими
большие массивы сведений о топологии символов, но встречающими
проблемы при распознавании символов с дефектами.
Следующей по сложности является категория распознавания свободных
записей, в которых знаки в основном разделены, хотя и могут соприкасаться. Это,
так называемое “рукопечатное” распознавание интенсивно развивается сейчас в
связи с распространением структурированных доку ментов типа страховых,
пенсионных и статистических анкет, деклараций, платежных поручений.
Соответствующие программно-аппаратные комплексы обрабатывают по 600 – 1800
таких форм в час. В их основе лежат различные принципы распознавания:
o композитивный метод на базе нейротехнологии,
o структурный метод – “скелетон”,
o древовидные алгоритмы,
o кластерный анализ,
o событийное распознавание.
Для их лингвистической поддержки используется словарная обработка, в
том числе частотные словари, корректирующие ошибки на основе статистических
оценок. Распространяются адаптивные методы распознавания, при которых, в
случае низкой точности, системой приобретаются новые знания посредством
дополнительной обработки текста с генерацией новых шрифтов. Большинство
современных компьютеров с рукописным вводом относятся к данной категории.
Уникальны в этом плане такие системы, как ПараСкрипт предприятия
ПараГраф
и Intuitia For Windows. В режиме обучения Intuitia запоминает символы, которым
обучает ее пользователь. В режиме запроса на основе накопленных знаний
распознаются образы при постоянных консультациях с пользователем и
«доучивании». В режиме тренировки число запросов по каждому символу
ограничивается, а в режиме автоматического распознавания программа действует
совершенно самостоятельно. Из трех алгоритмов распознавания пользователь
может выбрать наиболее подходящий для его документов. Помехозащищенность и
высокое качество распознавания обеспечиваются за счет использования
лингвистической информации о языке и специальных алгоритмов.
Самую сложную категорию образуют оптические системы распознавания
курсивного почерка (рукописей). До настоящего времени остаются неясными
биологические принципы распознавания зрительных образов. Одна только ячейка
человеческого глаза способна выполнить за 10 мс обработку, эквивалентную
решению системы из 500 нелинейных дифференциальных уравнений со 100
176
переменными. Суперкомпьютеру Cray потребовалось бы более 100 лет, чтобы
обработать информацию всех 10 млн. ячеек глаза. Поэтому для решения таких задач
на компьютерах разработано несколько алгоритмов. Ряд их опирается на сравнение
знаков с эталонным набором штрихов из памяти. При использовании других
алгоритмов анализируется каждый вновь появившийся штрих и прогнозируется
знак, получаемый из анализируемых штрихов. Эти методы распознавания
называют, соответственно, сегментным анализом и сегментным синтезом. Первый
метод используется в пакетах Windows For Pens (
Microsoft)
и Каллиграфер
(
ПараГраф
), второй - в PaperLike Interface (
IBM
). В программном обеспечении
GridPad первого коммерческого компьютера с рукописным вводом Grid
сочетаются оба метода. Пакет TextBridge фирмы
Xerox Imagin Systems
выполняет
автоматическое сегментирование данных (личных номеров, почтовых кодов),
позволяя воспринимать составной текст независимо от расположения колонок,
иллюстраций, заголовков в материале. Система Криминал (
ИПИ РАН
) по текстам
милицейских протоколов строит фактографические базы данных происшествий. А
карманный компьютер Newton
(Apple)
снабжен объектно-ориентированной
системой рукописного ввода, способной читать заметки, сделанные от руки, и
автоматически заносить информацию в дневник деловых встреч.
Распознавание речи
Давнюю историю имеют попытки «научить» компьютер распознавать
устную речь. Еще в 1 952 г. IBM продемонстрировала большую ЭВМ,
распознававшую произнесенные числа от 1 до 10. Позднее появились такие
системы, как HiperVoice швейцарской фирмы
Ascom Tech
, Sphinx из университета
Карнеги-Меллона, Tangora (
IBM
), наконец, DragonDictate (
Dragon Systems
),
позволяющая пользователю голосом запускать Word и печатать под диктовку,
выделяя необходимые слова и выравнивая абзацы. 6-8 часов требуется такой
системе, чтобы настроиться на голос конкретного человека, после чего она работает
со скоростью до 60 слов в минуту в темпе опытной машинистки. К аналогичным
показателям приблизились SoundSystem
(Microsoft)
и VoiceType (
IBM
), Voice Pilot.
Программа Voice Mouse (
Interactive Products
) сохраняет надежность распознавания
в зашумленных помещениях.
Следует отметить, что для современных систем распознавания словарь
объемом в 2000 слов, которым мы обходимся в повседневной речи, считается
большим, а 60000 сверхбольшим. Так, система ViaVoice (
IBM
) преобразует слитную
речь в документ Word со скоростью 140 слов в минуту (человек нормально
произносит 120 – 300 слов в минуту). Словарь ее содержит 64000 лексических
единиц, точность распознавания стремится к 95% при настройке путем
предварительной диктовки 256 фраз. ViaVoice относится к классу “горизонтальных”
систем распознавания, имеющих расширяемый словарь, в отличие от
“вертикальных” программ, у которых высокое качество достигается за счет
ограничения словарного запаса. Эффективные “голосовые интерфейсы” выпускают
российские фирмы МедиаЛингва, ABBYY, Dragon Systems. Механизм
177
распознавания речи в программах Learn to Speak English, Think & Talk,
Английский в три приема основан на анализе фонограммы произношения и
оформляется на экране дисплея в виде осциллограммы, звуковой шкалы или
звукового ряда.
С распознаванием речи связано интенсивное развитие так называемых
«лингвистических микрокомпьютеров». 70% рынка этих машин контролирует
фирма Эктако.
Для систем речево го общения создаются синтезаторы речи. Компьютер
воспроизводит речь, комбинируя основные звуки (фонемы), коды которых хранятся
в его памяти вместе с набором правил произношения. Качество воспроизведения во
многом зависит от объема памяти и алгоритмов цифровой фильтрации. Но в любом
случае, компьютер должен иметь не менее 8 Мбайт ОЗУ и 10 Мбайт свободного
дискового пространства, а также быстродействие более 40 МГц. Например,
программный пакет Monologue, синтезирующий речь по предварительно
выделенному тексту, используется вместе с текстовыми редакторами,
электронными таблицами, издательскими системами и электронной почтой. А
разработанные в Московском клубе голосовых технологий при МГУ синтезаторы
Агафья и Говорящая мышь имитируют голос человека.
6.4.4. Компьютерная лингвистика
Каждый успех наших знаний больше
ставит проблем, чем решает.
Л. де Бройль
Одна из главных проблем искусственного интеллекта – компьютерное
понимание естественного языка. Первая идея о возможности построения
формальной модели для понимания языка принадлежит Н. Холмскому. В 60-е годы
он обосновал архитектуру синтаксической системы, включающей большой словарь,
базу знаний об элементах речи, а также компьютерный анализатор для разбора фраз
по правилам грамматики и выделения членов предложения. После того, как в 1968
г. Т. Виноградом (Массачусетский технологический институт) была создана
программа SHRDLU для синтаксического, логического и семантического
(смыслового) анализа, на проблеме компьютерного понимания естественного языка
сконцентрировалось новое направление искусственного интеллекта -
компьютерная лингвистика.
В рамках ее Р. Шенк из Йельского университета
разработал теорию концептуальной зависимости. Его программа разбирала
предложения не по частям речи, как синтаксические системы, а по семантическим
элементам-примитивам. В 1974 г. этим же автором была предложена схема
представления знаний с помощью сценариев - своеобразных фреймов
последовательных событий. Контекст сценария позволял машине заполнять
пробелы в поступающем потоке информации. Сценарии программы SAM обобщали
ответы на вопросы, исходя из краткого изложения событий.
178
Признанным центром компьютерной лингвистики в России считается
РосНИИ искусственного интеллекта. В частности, в нем разработана система
InterBase, формирующая запросы к реляционным базам данных на естественном
языке.
Современные лингвистические программы синтаксического,
семантического и логического анализа текста являются разновидностью систем
распознавания образов. Здесь привлекают внимание отечественные разработки
Следопыт, Пропись и Орфо. Среди интеллектуальных словарей распространены
Контекст, PolyGlossum, Сократ. Пакет PROMT Lingvo Office (
ABBYY
)
обеспечивает полный цикл автоматизированного перевода печатных документов
“от листа на одном языке до листа на другом”. В его состав входят система
распознавания текстов FineReader, программа проверки орфографии Lingvo
Corrector, большой англо-русский и русско-английский словарь на 1 млн. статей
Lingvo и интегрированная среда перевода Promt Internet. Последняя реализует
пакетный фоновый режим перевода с английского, немецкого, французского языков
и обратно, «мгновенный» перевод текста из буфера обмена, навигацию по Web-
страницам с переводом «на ходу», «встроенный» перевод в Word и Excel,
формирование пользовательских словарей с учетом языковых особенностей. В
мировой практике популярны Европейская информационная сеть компьютерных
систем перевода EuroNet Diana и система компьютерного перевода EuroTra, а в
сфере распознавания текстов – CuneiForm (
Cognitive Technologies
).
Независимые проекты Logos немецкой компании
Electronic Publishing
на
базе сервера Sparc и российской МедиаЛингва на базе персональных компьютеров
посвящены автоматическому переводу, основанному на использовании больших
массивов параллельных текстов. В таких «корпусах» система ищет переводы,
наиболее близкие к фразам оригинала, и строит на них свой перевод с применением
оригинальных грамматик и словарей.
Лингвистические системы активно используются в правовом обеспечении. В
области
систем автоматизации правовых документов
выделяются тематические
пакеты Гарант-Сервис одноименной фирмы и Письмовник (
Медиа-Лингва
). Среди
правовых баз данных распространены Гарант (
Гарант-Сервис
), Консультант-
Плюс (
ВМИ
), Ваше Право и Юрисконсульт (
Информационные системы и
технологии
), Референт (
Референт-Сервис),
Законодательство России (
Элекс
),
Юридический Совет н ик (
Центр компьютерных разработок
), Infoset (
Инфосеть
).
Для составления налоговых деклараций используется Советник (
Метатрон),
а для
составления бизнес-планов - Success_Успех (
Top-Консалтинг
).
Одна только информационно-правовая система Кодекс (
Центр
компьютерных разработок
) представляет собой мощную электронную библиотеку
с полнотекстовым собранием законодательства России, региональных и
иностранных законодательств, документов международного права, образцов
правовых и деловых документов, многочисленных юридических комментариев,
консультаций, справок, словарей, электронных изданий книг, газет, журналов.
179
Система функционирует в персональных и сетевых средах, в том числе – в
Интернет.(http//www.kodeks.net) и объединяет свыше 100000 документов более чем
400 организаций. Ежегодно ее база данных пополняется сотнями новых документов
и ежедневно обновляется. Правовые документы включаются в Кодекс на основе
многочисленных договоров об информационном сотрудничестве с Государственной
Думой и Советом Федераций, Главным государственным правовым управлением,
Федеральным агентством правительственной связи и информации,
Конституционным Судом России, министерствами и ведомствами, местными
органами законодательной и исполнительной власти, сотнями периодических
изданий. Тексты представляются в актуальном состоянии, а их устаревшие
редакции хранятся в архивных разделах баз данных. Специальная поисковая
подсистема обрабатывает запросы на поиск и формирует результаты в виде HTML-
страниц. Поисковый запрос может содержать любую комбинацию ключевых слов и
элементов текста с логическими операторами. Ряд запросов можно готовить на
естественном языке, и полученные при этом результаты сортируются в порядке их
близости к содержанию запроса.
С системой Консультант-Плюс работают практически все налоговые
инспекции России. В ней представлены федеральное и региональное
законодательства, а также уникальный банк консультаций сотрудников
Министерства финансов, Центрального банка и Государственной налоговой
службы. Система включает типовые договоры, контракты, учредительные
документы, формы отчетности предприятий, страховых и банковских учреждений.
180
ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ..................................................................... 3
1. ИНФОРМАТИКА........................................................... 3
1. 1. И
НФОРМАЦИОННЫЕ МОДЕЛИ
.............................................
1.2. Н
ЕМНОГО ИСТОРИИ
...................................................
1.3. В
ЫЧИСЛИТЕЛЬНЫЕ ПРОЦЕССЫ И РЕСУРСЫ
....................................
1.4. К
ОМПЬЮТЕРНАЯ АРХИТЕКТУРА
............................................
2. ТЕХНОЛОГИЯ ............................................................ 1 6
2.1. М
ИКРОЭЛЕКТРОНИКА
...................................................
2.2.Л
ОГИЧЕСКИЕ ФУНКЦИИ
..................................................
2.3.С
ВЕРХБОЛЬШИЕ ИНТЕГРАЛЬНЫЕ СХЕМЫ
.......................................
3. АППАРАТНОЕ ОБЕСПЕЧЕНИЕ ........................................ 24
3.1. А
ППАРАТНЫЕ ПЛАТФОРМЫ
...............................................
3.1.1. Микропроцессоры................................................... 24
3.1.2. Интерфейсы............................................................ 33
3.1.3. Память .................................................................... 37
3.1.4. Чипсеты .................................................................. 39
3.2. Н
АКОПИТЕЛИ ИНФОРМАЦИИ
..............................................
3.2.1. Сменные накопители .............................................. 40
3.2.2. Накопители на жестких магнитных дисках ........... 42
3.2.3. Накопители на магнитных лентах .......................... 43
3.2.4. Оптические компакт диски .................................... 43
3.2.5. Магнитооптические диски...................................... 44
3.2.6. Новые технологии ................................................... 44
3.3. П
ЕРИФЕРИЙНЫЕ УСТРОЙСТВА
.............................................
3.3.1. Устройства ввода информации .............................. 46
3.3.2. Видеосистемы ......................................................... 51
3.3.3. Аудиосистемы ......................................................... 54
3.3.4. Печатающие устройства ......................................... 54
4. ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ ..................................... 57
4.1. О
ФИСНЫЕ ТЕХНОЛОГИИ
.................................................
4.1.1. Операционные системы.......................................... 57
4.1.2. Системы работы с текстами ................................... 64
4.1.3. Средства компьютерного учета .............................. 68
4.2. Б
АЗЫ ДАННЫХ
.......................................................
4.2.1. Организация данных .............................................. 72
4.2.2. Реляционная модель данных................................... 78
4.2.3. Реляционное исчисление......................................... 86
4.3 СУБД ............................................................
4.3.1. Управление данными .............................................. 89
4.3.2. Математическая лингвистика................................. 91