Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 3)

3) построить иерархическую систему терминов в виде семантической сети понятий.

Так как нам требуется создать тезаурус для общего доступа, он должен иметь два представления: на естественном языке и формальном. Сначала необходимо создать тезаурус на естественном языке, а затем, проанализировав его и придав ему окончательную форму, на его основе можно построить семантическую сеть фреймов.

1. Способ построения онтологий предметных областей

Онтологию предметных областей предлагается строить в виде тезауруса, описывающего категорийно-понятийный аппарат предметной области. Структуры тезаурусов идентичны, однако в данном случае роль источника знаний играют учебники, учебные пособия, монографии. Для построения категорийно-понятийного аппарата предметной области необходимо решить следующие задачи:

1) выделение понятий научного текста и их классификация на терминологию и профессионализмы;

2) построение взаимосвязей между понятиями;

3) анализ тезауруса и выявление общенаучной, межнаучной и частнонаучной терминологий.

Для выделения понятий в научном тексте предлагается использовать статический способ, основанный на частотном принципе. Для этого необходимо вначале выполнить лексический, морфологический и синтаксический анализы текста. В результате анализов осуществляется преобразование текста в поток лексем с характеристиками, отражающими морфологические признаки, а также создается синтаксическая структура предложений текста. Лексемы делятся на классы. Примерами таких классов являются грамматические классы слов, такие, как существительные, прилагательные, глаголы и т. д.

Будем считать, что терминосистема содержит понятия общенаучного характера для данной области знаний, а тезаурус, содержащий категорийно-понятийный аппарат, должен содержать частнонаучную систему понятий. Межнаучная система понятий выявляется в том случае, когда имеется не сколько тезаурусов, описывающих смежные области знаний. При анализе созданного категорийно-понятийного аппарата должны анализироваться два созданных тезауруса. Для этого должна использоваться операция «сходства/различия», которая заключается в проверке денотата, дефиниций и свойств понятия на соответствие. Применение данной операции может привести к следующим результатам:

1) полное совпадение;

2) частичное совпадение;

3) полное различие.

Полное совпадение означает, что понятие носит общенаучный характер и в данной словарной статье необходимо оставить только ссылку на тезаурус, содержащий терминосистему, и все элементы, кроме денотата, следует обнулить. Частичное совпадение означает, что данное понятие тоже носит общенаучный характер, но имеет конкретное назначение для описываемой предметной области. В этом случае необходимо в денотат понятия добавить ссылку на тезаурус, содержащий терминосистему. Полное различие означает, что понятие носит частнонаучный характер и принадлежит только описываемой предметной области. Таким образом, в работе применяются следующие методы исследований. В качестве основного формализма представления знаний используется логика предикатов первого порядка, вспомогательными формализмами являются фреймы, системы продукций, семантические сети. Для построения иерархии на основе исследования семантических и онтологических отношений между понятиями используются методы моделирования понятий и отношений. Семиотическое моделирование для построения иерархии на основе исследования отношений между конкретными предметными областями выполняется на основе методов моделирования онтологических моделей. Средством прототипной программной реализации является комплекс Java-программ. Описание характеристик создаваемых онтологий приведено в таблице 2.

Таблица 2 – Основные характеристики создаваемых онтологий

Выводы

1. Дан обзор различных нейросетевых методов распознавания изображений. Рассмотрены достоинства и недостатки этих методов при распознавании двумерных и трёхмерных объектов. Указаны проблемы при распознавании трёхмерных объектов.

2. Рассмотренные нейросетевые методы обеспечивают быстрое и надёжное распознавание изображений. Однако при применении этих методов к изображениям трёхмерных объектов возникают трудности, связанные с пространственными поворотами и изменением условий освещённости.

3. Выделены перспективные направления в распознавании трёхмерных объектов. Отмечены возможности применения нейросетевых методов для задачи распознавания человека по изображению лица.

4. Рассмотрены основные аспекты построения онтологий верхнего уровня и предметной области, позволяющие создавать онтологии в автоматическом режиме. При этом описаны виды онтологий, приведены известные средства разработки онтологий, предложены способы построения онтологий верхнего уровня и предметной области.

5. В перспективе предполагается строить онтологии задач, содержащие методы и их решения, представленные в виде базы продукционных правил для контроля поведения человека по видеоизображению.

Список использованных источников

1. Aizenberg I. N., Aizenberg N. N. and Krivosheev G.A. Multi-valued and Universal Binary Neurons: Learning Algorithms, Applications to Image Processing and Recognition. Lecture Notes in Artificial Intelligence – Machine Learning and Data Mining in Pattern Recognition, 1999, pp. 21-35.

2. Ranganath S. and Arun K. Face recognition using transform features and neural networks. Pattern Recognition 1997, Vol. 30, pp. 1615-1622.

3. Valentin D., Abdi H., O'Toole A. J. and Cottrell G. W. Connectionist models of face processing: a survey. IN: Pattern Recognition 1994, Vol. 27, pp. 1209-1230.

4. Уоссермен Ф. Нейрокомпьютерная техника: Теория и практика, 1992 – 184с.

5. Найханова, Л.В. Основные аспекты построения онтологий верхнего уровня и предметной области [Текст] / Л.В. Найханова // Интернет-порталы: содержание и технологии: сб. науч. ст.; вып. 3 / редкол.: А.Н. Тихонов (пред.) [и др.]; ФГУ ГНИИ ИТТ «Информика». – М.: Просвещение, 2005. – С.452-479.

6. Смирнов А.В. Онтологии в системах искусственного интеллекта: способы построения и организации / А. В. Смирнов, М. П. Пашкин, Н. Г. Шилов, Т. В. Левашова // Новости искусственного интеллекта.-2002.-№1.

7. Поспелов Д. А. Введение в прикладную семиотику / Д. А. Поспелов, Г. С. Осипов // Новости искусственного интеллекта.—2002.—№6.

Характеристики

Список файлов реферата