Диссертация (Методы и программные средства ускорения поиска решения в базах знаний нечетких экспертных систем), страница 5

Знания отображаютсясовокупностью таких формул, а получение новых знаний сводится к реализациипроцедур логического вывода.Основные достоинства логических моделей знаний:25 в качестве «фундамента» здесь используется классический аппаратматематической логики, методы которой достаточно хорошо изученыи формально обоснованы; существуют достаточно эффективные процедуры вывода, в том числереализованные в языке логического программирования «Пролог»; в базах знаний можно хранить лишь множество аксиом, а всеостальные знания получать из них по правилам вывода.1.6.2. Фреймовая модельФреймовая модель, или модель представления знаний, основанная нафреймовой теории М. Мински, представляет собой систематизированную модельпамяти человека и его сознания.Фреймыимеютвидназываемых слотами.

Слотструктурированныхкомпонентовситуаций,может указывать на другой фрейм, устанавливая,таким образом, связь между двумя фреймами. Могут устанавливаться общиесвязи типа связи по общению. С каждым фреймом ассоциируется разнообразнаяинформация (в том числе и процедуры), например ожидаемые процедурыситуации, способы получения информации о слотах, значение принимаемые поумолчанию, правила вывода.Достоинство фрейма – представления во многом основываются навключении в него предположений и ожиданий.

Это достигается за счетприсвоения по умолчанию слотам фрейма стандартных ситуаций. В процессепоиска решений эти значения могут быть заменены более достоверными.Некоторые переменные выделены таким образом, что об их значениях системадолжна спросить пользователя.Фреймовые модели обеспечивают требования структурированности исвязанности.

Это достигается за счет свойств наследования и вложенности,которыми обладают фреймы, т.е. в качестве слотов может выступать системаимен слотов более низкого уровня, а также слоты могут быть использованы каквызовы каких-либо процедур для выполнения. Значения слотов фрейма могут26уточняться в ходе обработки знаний, представленных в данной модели. Частьпеременных может определяться посредством встроенных процедур.

По мереприсвоения переменным определенных значений осуществляется вызов другихпроцедур. Этот тип представления комбинирует декларативные и процедурныезнания.Для многих предметных областей фреймовые модели являются основнымспособом формализации знаний.1.6.3. Семантические сетиСемантическая сеть - это ориентированная графовая структура, каждаявершина которой отображает некоторое понятие (объект, процесс, ситуацию), аребра графа соответствуют отношениям типа "это есть", "принадлежать", "бытьпричиной", "входить в", "состоять из", "быть как" и аналогичным между парамипонятий.

На семантических сетях используются специальные процедуры вывода:пополнение сети, наследование свойств, поиск по образцу и др. Характернаяособенность семантических сетей - наличие трех типов отношений: класс элемент класса (часть - целое, класс - подкласс, элемент - множество и т.п.);свойство - значение (иметь свойство, иметь значение и т.п.); пример элементакласса (элемент за, элемент под, раньше, позже и др.).Достоинство семантических сетей - наглядность представления знаний, с ихпомощью удобно представлять причинно-следственные связи между элементами(подсистемами), а также структуру сложных систем.

Недостаток таких сетей сложность вывода, поиска подграфа, соответствующего запросу.1.6.4. Продукционная модельВнастоящеевремяэкспертнымисистемаминаиболееширокоприменяемого типа являются системы, основанные на правилах. В системах,основанных на правилах, знания представлены не с помощью относительнодекларативного, статического способа (как ряд истинных утверждений), а в формемногочисленных правил, которые указывают, какие заключения должны бытьсделаны или не сделаны в различных ситуациях. Система, основанная на27правилах, состоит из правил IF-THEN, фактов и интерпретатора, которыйуправляет тем, какое правило должно быть вызвано в зависимости от наличияфактов в рабочей памяти.Если обнаруживается факт, что на светофоре горит красный свет, то этотфакт согласуется с шаблоном "на светофоре горит красный свет".

Условие правилаудовлетворяется и выполняется обусловленное в нем действие "стоять".Классическая экспертная система воплощает в себе неформальные знания,которые должны быть получены от эксперта. Такой процесс создания экспертнойсистемы называется инженерией знаний и осуществляется инженером по знаниям.Системы,основанныенаправилах,относятсякдвумглавнымразновидностям: системы с прямым логическим выводом и системы с обратнымлогическим выводом.

Система с прямым логическим выводом начинает своюработу с известных начальных фактов и продолжает работу, используя правила длявывода новых заключений или выполнения определенных действий. Система собратным логическим выводом начинает свою работу с некоторой гипотезы, илицели, которую пользователь пытается доказать, и продолжает работу, отыскиваяправила, которые позволят доказать истинность гипотезы. Для разбиениякрупной задачи на мелкие фрагменты, которые можно будет более легко доказать,создаются новые подцели. Системы с прямым логическим выводом в основномявляются управляемыми данными, а системы с обратным логическим выводом управляемыми целями.Рабочая память может содержать факты, касающиеся текущего состоянияобъекта.Правило,всешаблоныкоторогоудовлетворены,называетсяактивизированным, или реализованным.

В рабочем списке правил можетодновременно присутствовать несколько активизированных правил. В этом случаемашина логического вывода должна выбрать одно из правил для запуска.Вслед за частью THEN правила находится список действий, которые должныбыть выполнены после запуска правила.28Машина логического вывода работает в режиме осуществления циклов проверки ивыполнения правил.

В течение каждого цикла могут быть активизированы ипомещены в рабочий список правил многочисленные правила.Врабочемспискеправилвозникаютконфликты,еслиразличныеактивизированные правила имеют одинаковый приоритет, и машина логическоговывода должна принять решение о том, какое из этих правил необходимозапустить. После завершения выполнения всех правил управление возвращается кинтерпретаторукоманд,чтобыпользовательмогвыдатькомандномуинтерпретатору экспертной системы дополнительные инструкции.Также особенностью экспертной системы является предусмотренное в нейсредство объяснения, которое дает возможность пользователю задавать вопросыо том, как система пришла к определенному заключению и для чего ейтребуется определенная информация.

Система, основанная на правилах, способналегко ответить на вопрос о том, как было получено определенное заключение,поскольку хронология активизации правил и содержимое рабочей памяти можносохранять в стеке.Широкое применение систем, основанных на правилах, обусловленоописанными ниже причинами.•Модульная организация. Благодаря такой организации упрощаетсяпредставлениезнанийирасширениеэкспертнойсистемыпометодуинкрементной разработки.•легкоНаличие средств объяснения. Такие экспертные системы позволяютсоздаватьсредстваобъясненияспомощьюправил,посколькуантецеденты правила точно указывают, что необходимо для активизацииправила.

Средство объяснения позволяет следить за тем, запуск каких правилбыл осуществлен, поэтому дает возможность восстановить ход рассуждений,которые привели к определенному заключению.•Наличие аналогии с познавательным процессом человека. Согласнорезультатам, полученным Ньюэллом и Саймоном, правила представляют собой29естественный способ моделирования процесса решения задач человеком. А приосуществлении попытки выявить знания, которыми обладают эксперты, прощеобъяснить экспертам структуру представления знаний, поскольку применяетсяпростое представление правил.1.7.

Нечёткие экспертные системыВ основе функционирования экспертных систем лежит модель знаний [9].Она содержит набор принципов, которые описывают состояние и поведениеобъекта исследования. Наиболее широко применяемой модельюзнанийэкспертных систем является продукционная модель, поскольку она достаточнопроста в обработке и понятности конечному пользователю.Однако в последнее время большое распространение приобретают нечёткиеэкспертные системы [11]. Данный тип экспертных систем базируется на набореправил, в которых используются лингвистические переменные и нечёткиеотношения для описания состояния и поведения исследуемого объекта [12].Правила, представленные в таком виде, наиболее приближены к естественномуязыку, поэтому нет необходимости использования отдельного специалистаинженера по знаниям для создания и редактирования правил.

Они могут бытьотредактированы самим экспертом практически без специальной подготовки.Также результаты работы таких систем представляются на ограниченноместественном языке, что повышает их степень адаптации к конечномупользователю. Рассмотрим данные организацию нечётких экспертных системболее подробно.Нечёткая экспертная система использует представление знаний в форменечёткихпродукцийилингвистическихпеременных[13].Каждаялингвистическая переменная определяется с помощью своего терм-множества,состоящего из нечётких переменных [14].301.7.1. Нечёткая переменнаяПонятие нечеткой переменной используется при описании объектов и явленийс помощью нечетких множеств, то есть множеств, принадлежность конкретногоэлемента к которым задаётся согласно определённой функции принадлежностиμz(u), характеризующей степень отношения значения переменной u ко множествуz [15, 17, 18]. Любая нечеткая переменная характеризуется тройкой <z, U, Z>, гдеz - название переменной, U - универсальное множество, Z - нечеткоеподмножество множества U, представляющее собой нечеткое ограничение назначение переменной uϵU, обусловленное z [19, 23].1.7.2.