Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Модели представления знаний в ис
Модели представления знаний отражают структуру БЗ, методы наполнения и извлечения знаний и алгоритмы поиска решений. Существует множество моделей представления знаний. Т.к. БЗ является неотъемлемым компонентом ИС, то выбор модели определяет качество разрабатываемой системы. Выбор модели, неадекватной знаниям предметной области, приводит к созданию «систем-монтсров», обладающих тривиальным интеллектом. Проблема представления знаний решается на трех уровнях: 1 – технический – характеризует аппаратную реализацию моделей знаний с использованием параллельных вычислений в реальном масштабе времени, имеющих гигантские объемы памяти; 2 – программный (логический) – разработка программ, реализующих все алгоритмы представления знаний; 3 – концептуальный – определяет выбор моделей представления знаний, описывающих предметную область. Каждая модель определяет форму представления знаний, связи между знаниями, их иерархию и способы изменения. Все модели можно разделить на 4 базовых группы: • продукционные модели; • семантические сети; • фреймы; • формальные логические модели. Продукционная модель знаний. Продукционная модель или модель, основанная на правилах (продукциях), позволяет представить знания в виде предложений типа: Если (условие), то (действие). Если (причина), то (следствие). Под «условием» (антецедентом) понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний. Под «действием» (консеквентом) понимаются другие утверждения, которые становятся истинными, если истинно условие, либодействия, выполняемые при успешном исходе поиска в БЗ. Консеквент может быть промежуточным, выступающим как условие для поиска на следующем шаге, и терминальным, завершающим работу системы или алгоритма поиска. Эта модель позволяет описать предметную область в виде причинно-следственных связей. База знаний в ИС на основе данной модели состоит из базы фактов и базы правил. В оперативной памяти хранятся рабочие переменные алгоритма поиска, т.е. условия, которые требуют доказательства, промежуточные решения. Такая структура позволяет легко модифицировать БЗ и используется в задачах, где нет четких правил и алгоритмы являются эвристическими.
Запрос к БЗ содержит утверждения о некотором состоянии предметной области. Машина вывода (алгоритм поиска) ищет правила, адекватные поставленной задаче, и выполняет действия, заключенные в правилах. В результате просматриваются последовательно все факты из базы фактов и все правила из базы правил. Если терминальное решение не будет получено, то процесс поиска начинается сначала с принятием новых условий о состоянии предметной области. Пример 2.1 Пусть в БЗ содержатся следующие знания о предметной области «Биржа»: 1) База фактов: F1. Уровень цен на бирже падает. F2. Уровень цен на бирже растет. F3. Процентные ставки падают. F4. Процентные ставки растут. F5. Курс доллара растет. F6. Курс доллара падает. 2) База правил: R1. Если F3, то F2. R2. Если F4, то F1. R3. Если F6, то F4. R4. Если F5, то F3. 3) Запрос к БЗ: Как изменится ситуация на бирже в случае падения курса доллара? 0. F6 = true 1. R3 ® F4 = true 2. F4 = true 3. R2 ® F1 = true 4. F1 = true 5. Result: F6 ® F4, F1
Примечания: 1) При использовании продукционной модели возникает проблема контроля непротиворечивых данных в БЗ (ответственность возлагается на программиста). 2) Изменение предметной области приводит к появлению новых фактов о ее состоянии, отсутствующих в БЗ. Это позволяет автоматически пополнять БЗ, укоряя процесс поиска. Например, в результате запроса появляется новое правило: R5. Если F6, то F4& F1, которое позволяет убрать правило R3 из базы правил. 3) Найденные в соответствии с запросом решения и цепочки вывода помещаются в базу типовых решений, что позволяет при повторном решении той же задачи использовать готовые шаблоны. 4) При добавлении пользователем или экспертом новых фактов и правил о предметной области нужно вначале проверить их достоверность перед помещением в БЗ.
Продукционная модель наиболее часто применяется в промышленных экспертных системах, т.к. она проста, понятна, модифицируема. Разработаны специальные языки представления знаний с помощью продукционной модели – OPS5, G2. на базе данной модели строятся экспертные системы, такие как EXSYS, ЭКО. Фреймы. Термин фрейм (от англ. frame – рамка, каркас) был предложен Маренном Минским в 70-е годы для обозначения структуры знаний для восприятия пространственных сцен.
Фрейм — это абстрактная модель для представления какой-либо сцены. Модель на основе фреймов легко программировать, использую объектную технологию. Основная сложность использования этой модели заключается в разработке алгоритмов поиска на множестве фреймов. Пример 2.2. Фрейм «комната» описывает шаблон помещения с четырьмя стенами, полом, потолком, окнами и дверью некоторой площадью. Конкретные значения их не определены. Каждый составляющий – это слот. Слот представляет собой незаполненное значение некоторого атрибута. Различают несколько типов фреймов: ü фреймы-образы; ü фреймы-структуры (заем, залог, вексель); ü фреймы-роли (менеджер, кассир, клиент); ü фреймы-сценарии (банкротство, собрание акционеров, празднование именин); ü фреймы-ситуации (тревога, авария, рабочий режим устройства) и др. Традиционно структура фрейма может быть представлена как список свойств: Имя фрейма: роль 1 (слот 1); роль 2 (слот 2); … роль k (слот k); Здесь: Имя слота: (признак 1, значение 1), (признак 2, значение 2), … (признак N, значение N). Связь В данном случае связь определяет отношение между фреймами.
Существует несколько способов получения знаний слотами фреймов: 1) По умолчанию от фрейма-образа. 2) Через наследование свойств от фрейма, указанного в слоте АКО (АКО = A-Kind-Of). 3) Путем вычисления значения по формуле, указанной напрямую в слоте. 4) Через присоединенную процедуру. 5) Из диалога с пользователем. Важнейшим свойством теории фреймов является наследование свойств по АКО-связям. Слот АКО при этом указывает на фрейм более высокого уровня иерархии, от которого наследуются значения одноименных слотов. Пример 2.3. 1) Человек: АКО = млекопитающее; Умеет = мыслить. 2) Ребенок: АКО = человек; Возраст = 0 – 16 лет; Рост = 50 – 180 см; Любит = сладкое. 3) Ученик: АКО = ребенок; Учится = в школе, в ПТУ; Возраст = 7 – 17 лет. В данной сети фреймов на вопрос: «Любят ли ученики сладкое?» - получает ответ «Да».
Для фреймовой модели разработаны специальные языки программирования, наиболее известные из которых FRL и KRL. На их основе построены такие экспертные системы, как ANALYST, TRISTAN.
Семантические сети Семантическая сеть — это ориентированный граф, вершины которого — понятия, а дуги — отношения между ними. Понятия – это объекты, свойства объектов, процессы и др. Отношения — это семантические связи между понятиями. Существует 4 базовых типа отношений: 1 – класс – элемент класса (цветок — роза); 2 – свойство – значение (цвет — желтый); 3 – пример элемента класса (роза — чайная); 4 – целое – часть (роза — лепесток). По количеству отношений различают семантические сети: 1) Однородные (с единственным типом отношений). 2) Неоднородные (с различными типами отношений). По числу связей различают семантические сети: 1 – бинарные (в которых отношения связывают два объекта); 2 – n-арные (в которых есть специальные отношения, связывающие более двух понятий). Пример 2.4. 1) Иванов является директором. 2) «Альфа-банк» имеет гарантии платежеспособности клиента и размещается в г. Москва. 3) В общем случае для описания даже простой модели предметной области получается сложная семантическая сеть:
4) Для анализа множества ситуаций, возникающих в предметной области, используют обобщения семантических сетей, вводя подсети, соответствующие роли или ситуации предметной области. 1. «Альфа-банк» предоставил кредит Радиозаводу. 2. «Альфа-банк» получил кредит от МВФ. При обобщении здесь вводят 2 типа ролей: - кредитор; - заемщик, - и строят подсеть: Для такой сети конкурентные утверждения о предметной области соответствуют присвоению значений узлам сети. Т.е. «Альфа-банк» может быть и кредитором, и заемщиком, в зависимости от ситуации. Эта модель наиболее близко описывает представления о памяти человека (нейронные сети). Ее недостаток – сложность процедуры поиска и громоздкая структура сети. Существуют языки представления знаний в виде семантических сетей, из которых известны Net, SIMER, на их основе строятся экспертные системы CASNET, TORUS.
|
|||||||
Последнее изменение этой страницы: 2017-02-10; просмотров: 234; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.19.56.45 (0.022 с.) |