Ребёнок

Вес=30

Миша

Вес=32

Значение нижнего уравнения должно лежать внутри границ определённого в верхнем уравнении.

R

Человек

Вес=2-200

Ребёнок

Вес=2-50

Миша

Вес=32

Если значение не задано то оно наследуется из слота верхнего уравнения, а если оно задано , то наследование игнорируется.

О

Человек

Вес=60

Ребёнок

Вес=30

Миша

Вес=32

Лекция 11 3.12.99

Сочетание сетевой и фреймовой модели в системе представления знаний OPS-5

В этом языке есть продукционные правила и базы данных

<Аз-элемент>::=(<объект> {|<атрибут> <значение>}⁺)

{}⁺ - Может повторятся несколько раз

<Элемент –вектор>::=({ значение})

<ЭРП>::=< аз-элемент> | < элемент-вектор>

( Вещество класс кислота

имя

цвет бесцветная )

(Порядок – задач: Источник, утечки Ограждения)

Что собой представляют правила :

<Правило>::=(Р<имя правила> <посылка> <заключение>)

<Посылка>::={<условие>}⁺

<Условие>::=<образец> | - <образец>

<Образец>::= <простой образец> | <образец с дезъюнкцией> | <образец с конъюнкцией>

<Простой образец>::=({значение>}⁺) |

# ( Порядок задач <первый> )

(<Объект> [{ <атрибут> <значение>}⁺] )

# (Вещество )

В образце не обязательно указываются все атрибуты данного класса , т.е. мы можем записать

(Вешество класс кислота

имя <вещ> )

т.е. переменная кислота –вещ получит значение

<образец с дизъюнкцией>::= (<объект> { <атрибут> <<{< значение>}⁺>>}⁺)

Значение с соответствующего атрибута элемента работой памяти должно совпадать с одним из элементов указанных в данном листе, хотя бы с одним. Эти значения задаются конкретными словами.

# (Вещество класс кислота

имя <вещ>

цвет <<бесцветный желтый>> )

<образец с конъюнкцией>::= (< объект> { < атрибут>{{< значение>}⁺}}⁺)

Список значений может задаваться и в виде ограничений

# (Двигатель мощность {<х> 100 <х> 200} )

(Двигатель мощность 160)

:={}⁺

::=(make | remove <ссылка> | (modif <ссылка> { <атрибут>< значение>} ⁺)

# (Р координировать _а

(цель состояние активный

имя координировать )

Если цель находится в состоянии координировать и порядок задач не определён,

то создать

(Порядок задач ) –>

(make цель состояние активный

имя упорядочить задачи)

( modif1 состояние ожидания))

ссылка указывает , что модифицироваться будет элемент рабочей памяти

Стратегия решения задач основана на явном задании цели

Выполнение

1. сопоставление с элементами памяти в результате формируется конфликтное

множество правил

1. Выбор правил из конфликтного множества

2. Выполнение действий, указанных в заключении правил

Выполняется до тех пор, пока не будет достигнута цель.

Приобретение знаний

• извлечение знаний из источника , преобразование их в нужную форму , а также

перенос в базу знаний интеллектуальной системы.

Знания делятся на :

• объективизированные ;

• субъективные

Объективизированные – знания , представленные во внешних источниках –

книгах, журналах, НИР.

• форматизированные, т.е. представлены в виде законов, формул, моделей, алгоритмов.

Субъективные – знания, которые являются экспертными и эмперическими не представлены

во внешней форме.

Знания экспертом является неформализованными, представляют собой множество эвристических приёмов и правил, позволяют находить подходы к решению задач и выдвигать гипотезы , которые могут быть подтверждены или опровержены.

Знания могут быть получены в процессе наблюдения за каким-либо объектогм.

Режимы работы инженера по знаниям, консультолога в процессе приобретения знаний.

1. протокольный анализ

• записываются рассуждения вслух в процессе решения задач.

О.с. составляются протоколы, которые анализируются

1. Интервью - ведется диалог с экспериментом, направленный на приобретение знаний.

2. Игровая имитация профессиональной деятельности.

Методы интервьюирования.

1. Рубление на ступени выделяются связи, позволяющие строить иерархические структуры

2. Репертуальная рещётка предлагаются 3 понятия и требуется назвать отличие 2-х понятие 3-его. Эксперту предлагается пара понятий и требуется назвать общие свойства =>

сформировать классы.

Методика работы конитолога по формированию поля знания

Включает 2 этапа

1. подготовительный

1.1. Чёткая подготовка задачи , которая должна решать система

1. Знакомство конит с литовой

2. Выбор экспертов

3. Знакомство экспертов с копией

4. Знакомство эксперта с популярной методикой по искусственному интеллекту

5. Формирование с копии поля знания

1. Основной этап

1. накачка поля знания в режиме

2. командная работа косметолога – анализ протокола, определение связей между понятиями , готовит вопросы к эксперту

1. Подкачка поля знания – задача вопросов эксперту

2. Формализация концептуальной задачи.

3. Проверка полноты модели

Если модель неполная , то используется 2-ое приближение.

Лекция 12 10.12. 99.

Нечёткие множества

[10,40] – толщина изделий

малая [10;20]

средняя [20;30]

большая [30;40]

с тепень

принадл

1

0.7

0.1

х

10 15 40 толщина изделий

- нечёткое множество

х - универсальное множество

х - образуют совокупность пар А

- называется функцией принадлежности нечёткого множества .

Значения функции принадлежности для конкретного элемента Х называется

Степенью принадлежности

- носитель нечёткого множества

Нормальным нечётким множеством называется множество для которого

0.6

- нечёткое множество

Х - универсальное множество

Х - образуют совокупность пар А

: - называется функцией принадлежности нечёткого множества .

Значение функции принадлежности для конкретного элемента Х называется степенью

принадлежности

- носитель нечёткого множества

&

Нормальным нечётким множеством называется множество для каждого

0,6 x

Если приводить к нормальной форме => нужно поделить все её значения на .

Пример:

Пусть функция принадлежности задаётся целым числом от 10 до 40

Определить понятие малая толщина изделия.

1 . .

.

.

.

.

.

| | | | | | | | x x

10 11 12 13 14 15 16 17 18 18

Операции над нечёткими множествами

1. Объединение нечётких множеств

1. Пересечение нечётких множеств

1. Дополнение нечёткого множества

x x

_A

x

Н

_AB

x

ачало 12 и 13 лекции.

1. Декартовое произведение нечетких множеств.

A₁,A₂,….,A_n

x₁,x₂,…,x_n

x₁ X₁ x₂ X₂ … x_nX_n

A₁ xA₂ x … xA_n = {<_x (x₁,x₂,…,x_n )/( x₁,x₂,…,x_n )>}

_x (x₁,x₂,…,x_n ) = min{_A1 (x₁), _A2 (x₂)…_An (x_n) }

A = {, , }

B = {, }

A xB = {, , , , , }

1. Возведение нечеткого множества в степень.

Aⁿ = {<_Aⁿ(x)/x>}

A² = con(A) - концентрация



_A

1

x

_A

1 A²

A^0.5

0

x² < x x^0.5 > x

A^0.5 = dil(A) – растяжение

Методы определения функции принадлежности.

Немного больше 2. От 0 до 5.

x	0	1	2	3	4	5
n1	-	-	-	10	8	4
n2	10	10	10	-	2	6

_A = n₁ / (n₁ + n₂)

_A (0) = 0

_A (1) = 0

_A (2) = 0

_A (3) = 1

_A (4) = 0.8

_A (5) = 0.4

Метод рангирования.

ч

u

p

ч

u

p

u ч

р

0 Xчастота

редко иногда часто

Н

L

x



x

р u ч 1

ечеткая переменная.

<, x, A>

 - имя нечеткой переменной

х – область ее определения

А – смысл, нечеткое множество определяет семантику нечеткой переменной

Лингвистическая переменная.

<, T, Х, G, M>

 - имя лингвистической переменной

Т – базовая терм множество – образует имена нечетких переменных {редко, иногда, часто}, являющихся лингвистическими переменными

Х – носитель лингвистических значений [0; 1] – область определения

G – синтаксическая процедура

М – семантическая процедура

Синтаксическая процедура в виде грамматических терминов, символы которых составляют термы из терм множеств {и, или, не}, модификаторы типов {очень, слегка, не и т.д.}

 - частота

Т = {редко, иногда, часто}

X = [0;1]

Не редко

Очень часто

Такие термины вместе с исходными образуют производную терм множества.

Т* = Т  G (T)

Семантические процедуры позволяют переписать термо-нечеткую семантику.

М(₁ или ₂) = А₁ А₂

(₁ , х₁ , А₁)

(₂ , х₂ , А₂)

М(₁ и ₂) = А₁ А₂

М(^) = ^А₁

М(очень ) = con (A )

М(слегка ) = dil (A )

Сценарий.

Является классом фреймовых моделей представления знаний, где в обобщенной и структурной форме представлены знания о последовательности действий, событий типичных для предметной области. Рассмотрим стереотип каузальный сценарий – определяет последовательность действий необходимых для достижения целей, это фреймовая модель.

(kcus имя:

имя слота 1(значение слота 1);

имя слота 2(значение слота 2);

…

имя слота n(значение слота n))

(kcus

деятель

цель деятеля

посылка

ключ

следствие

системное имя)

Посылка определяет действия, которые должны быть выполнены раньше ключевого действия, необходимые для его действия. Последствие – заключительное действие. Системное имя – сценарий.

(kcus «тушение пожара»:

деятель (S: )

цель деятеля (С: «прекращение пожара»)

П₁₁, П₁₂ посылки (cus: «поиск средств тушения»R₁, «транспортные средства тушения»)

К₁ ключ (f: «использование средств тушения для полного прекращения огня»)

следствие (Р: «прекращение огня»)

системное имя (sys: cus*1))

R₁ – быть раньше

(kcus «поиск средств тушения »:

деятель (S: )

цель деятеля (С: «нахождение средств тушения»)

П₁₂₁, П₂₂ посылки (cus: «определение координат местонахождения средств тушения»R₁, «перемещение к месту нахождения средств тушения»)

К₂ ключ (f: «схватывание средств тушения»)

следствие (Р: «нахождение у места расположения средств тушения»)

системное имя (sys: cus*2))

(kcus «транспортировка средств тушения к месту пожара»:

деятель (S: )

цель деятеля (С: «доставка средств тушения к месту пожара»)

П₃₁, П₃₂ посылки (cus: «наличие средств тушения»R₁, «определение координат места пожара»)

К₃ ключ (f: «движение к месту пожара»)

следствие (Р: «нахождение на месте пожара средств тушения»)

системное имя (sys: cus*3))

Пополнение знаний на основе сценария.

<посылки>R:

Последовательность действий:

Д = cus: П₁₁ R₁ cus: П₁₂ R₁ K₁ =

П₂₁R₁П₂₂R₁K₂ П₃₁R₁П₃₂R₁K₃

= П₂₁R₁П₂₂R₁K₂ R₁ П₃₁R₁П₃₂R₁K₃ R₁ K₁

Посылки определяют действия, которые должны быть выполнены раньше ключевого действия, необходимы для его действия. Следствие заключительное действие. Системное имя сценарий.

Пополнение знаний на основе псевдофизических логик.

Р₁ – посадка самолета

Р₂ – подача трапа

Р₃ – выход пассажиров из самолета

Р₄ – подача автобуса

Р₅ – прибытие на аэровокзал

Структура текста на лингвистическом уровне представляется следующей формулой:

TS = PR₄^dt&P₁R₃ ^10,P₂&P₂R₁P₃&P₄R₃ ^2,P₅

t = 15 часов 20 минут

PR₄^dt , P₁R₃ ^10,P₂  P₂R₄ ^{dt + 10}

P₁R₃ ^10,P₂  P₁R₁P₂

P₄R₃ ^2,P₅  P₄R₁P₅

TS* = P₁R₁P₂& P₁R₁P₃& P₂R₁P₃& P₄R₁P₅

Модели и методы обобщений знаний.

Под обобщением понимается процесс получения знаний, объясняющих имеющиеся факты, а так же способных классифицировать, объяснять и предсказывать новые факты. Исходные данные представляются обучающей выборкой. Объекты могут быть разбиты на классы. В зависимости от того, заданы или нет априорные разбиения объектов на классы, модели обобщения делятся на модели обобщения по выборкам и по классам.

К_i

⁺ = {0₁⁺, 0₂⁺…0_nj⁺} – положительная выборка.

Может задаваться отрицательная выборка ^- = {0₁^-, 0₂^-…0_ьj^-}

Требуется найти такое правило, которое позволяет установит, относится или нет объект к классу Kj.

В моделях обобщения по данным выборка представляется множеством объектов класса. Методы обобщения делятся на методы обобщения по признакам и структурно-логические методы обобщения.

Z = {z₁, z₂, …, z_r}

Z_i = {z_i1, z_i2, …, z_ini}

Объект характеризуется множеством значений признаков Q_i = {z_1j1, z_2j2, …, z_rjr}.

Структурно-логические методы обобщения используются для представления знаний об объектах, имеющих внутреннюю структуру среди структурно-логических методов. Можно выдвинуть два направления: индуктивные методы нормального исчисления и методы обобщения на семантических сетях.

Алгоритм обобщения понятий по признакам.

h_ij =

1, если i-ый признак имеет j-ое значение

0, в противном случае

Правила определения принадлежности объектов к некоторому классу представляются в ряде логических формул элементами которых являются h_ij и функции 

Пример:

Z = {z₁, z₂} {пол, возраст}

Z₁ = {z₁₁, z₁₂} {м, ж}

Z₂ = {z₂₁, z₂₂, z₂₃} {молодой, средний, старый}

_j⁺ = {0₁⁺, 0₂⁺} _j^- = {0₁^-, 0₂^-, 0₃^-}

0₁⁺ = (z₁₁, z₂₁) 0₂⁺ = (z₁₁, z₂₂)

0₁^- = (z₁₁, z₂₃) 0₂^- = (z₁₂, z₂₁) 0₃^- = (z₁₂, z₂₂)

&_i h_ij - обобщенное конъюнктивное понятие

0 = max(x_ij – 1/_i), где 0 – критерий, x_ij – частота появления некоторого значения признака, _i – количество признаков.

Пример:

0 = 3/5 – 1/2 = 0.1

_j⁺ = {0₁⁺, 0₂⁺} _j^- = {0₁^-}



⁺

^-

_-1⁺ = 0 _-1^- = {0₂^-, 0₃^-}

_j⁺

_j^-

_-1⁺

_-1^-