Многообразие задач, ситуаций и источников знаний обусловило появление большого количества методов извлечения, приобретения и формирования знаний. Одна из возможных классификаций методов извлечения знаний приведена на рис. 8.4, на первом уровне которой выделены два больших класса. Первый класс образуют коммуникативные методы, которые ориентированы на непосредственный контакт инженера по знаниям с экспертом (источником знаний), второй класс — текстологические методы, основанные на приобретении знаний из документов и специальной литературы.

В настоящее время для структурирования знаний используются структурный и объектный подходы. Структурный подход основан на идее алгоритмической декомпозиции, где каждый модуль системы выполняет один из важных этапов общего процесса. В рамках структурного подхода разработано большое число выразительных средств: диаграммы потоков данных, структурированные словари (тезаурусы), языки спецификаций систем, таблицы решений, стрелочные диаграммы, диаграммы переходов, деревья целей, средства управления проектом (PERT-диаграммы) и др. .

Теория нейронных сетей (НС) включают широкий круг вопросов из разных областей науки: биофизики, математики, информатики, схемо­тех­ники и технологии. Поэтому понятие «нейронные сети» детально определить сложно. Приведем несколько определений.

Нейронные сети — самообучающиеся системы, имитирующие дея­тель­ность человеческого мозга.

Искусственные нейронные сети — устройства параллельных вычислений, состоящие из множества взаимодействующих простых процессоров (обрабатывающих элементов).

Искусственная нейронная сеть (ИНС) может рассматриваться как направленный граф с взвешенными связями, в котором искусственные нейроны являются узлами.

Матрицу весов связей обученной нейронной сети можно отнести к эвристическим моделям представления знаний.

По архитектуре связей ИНС могут быть сгруппированы в два класса: сети прямого распространения, в которых графы не имеют петель, и рекуррентные сети, или сети с обратными связями.

Нейронные сети различают по структуре сети (связей между нейронами), особенностям модели нейрона, особенностям обучения сети.

В настоящее время промышленности требуются информационные системы, которые, с одной стороны, могут использовать большое ко­ли­чество знаний, передаваемых специалистами, а с другой — способны всту­пать в диалог и объяснять свои собственные выводы. Это пред­по­ла­гает на­ли­чие эффективного управления большой по объему и хорошо струк­ту­ри­ро­ванной базой знаний, строгое разграничение между различными уров­нями знаний, наличие множества удобных представлений для правил, схем пре­дикатов или прототипов и четко определенный процесс обмена ин­фор­ма­цией между различными источниками. Представлением и обработкой знаний в компьютерных системах занимаются  исследователи в области инженерии знаний, введенное в 1977 г<. Э.Фейгенбаумом.

Подход SADT (технология структурированного анализа и разработки) относится к классу формальных методов , используемых при анализе и разработке систем . Несмотря на то , что вполне допустима независимая разработка функциональных моделей , методология SADT предполагает ведение структурированного проекта анализа , в процессе которого происходит их создание . В дополнение к функциональному моделированию SADT структурный анализ предполагает построение информационных моделей данных и диаграмм состояний , которые моделируют поведение системы во времени.