Диссертация (1152160), страница 50
Текст из файла (страница 50)
Позволяют практически полностью исключить обычное программирование при создании прикладной экспертной системы.Задачи ИЭС не решаются с помощью «подгонки» куже имеющимсяпонятиям. Они связаны с качественными, а не количественными проблемами, с аргументацией, а не вычислениями, с организацией общих объемовзнаний, а не реализацией отдельного четкого алгоритма.В соответствии с этим, язык представления знаний для систем ИЭСконтроля качества пищевой продукции должен удовлетворять следующимтребованиям.1. Обработка знаний, выраженных в качественной форме. Демонстрация связи между элементами описываемой задачи и нашим собственным представлением и пониманием описываемой предметной области.2.
Логическое получение новых знаний из набора фактов и правил. ЯзыкИЭС должен обеспечить возможность рассуждения об абстрактных описаниях классов, объектов и состояний. Для этого система должна обладатьправилами, которые позволяют ей делать логические выводы, исходя изимеющихся фактов.3. Отображение общих принципов, нарядусконкретными ситуациями.Введение переменных, позволяющих проецировать конкретные ситуации наобщие понятия.4. Передача сложных семантических значений, которая должна осуществляться за счет использования семантических отношений для описания необходимых планов решения с помощью последовательности элементарныхдействий, которые должны быть выполнены в определенном порядке.3205.
Рассуждение на метауровне. «Осведомленность системы о своих знаниях»- это более высокий уровень знаний, называемый - метазнаниями. Метазнания необходимы для проектирования и адекватного описания интеллектуальных систем. ИЭС должна не только знать предмет, она должна быть способна решать задачи и объяснять эти решения. ИЭС должна описывать своизнания как в конкретных, так и в обобщенных терминах, узнавать их ограничения и учиться в процессе взаимодействия с миром.Общая схема интегрированного использования БД и БЗ приведена на рисунке 6.18. Здесь под приложением понимается некоторая процедура, реализуемая средствами прикладного программного интерфейса (API) CAD-системы ирешающая конкретную задачу БЗ. Применение данной схемы позволяет построить ИЭСКК пищевой продукции, генерирующую все необходимые модели,ТП, текстовые или текстово- графические документы БД.Рисунок 6.18 Схема интегрированного использования БД и БЗПри построении БЗ в качестве источника знаний были использованы: систематизированная информация от экспертов контроля органолептических показателей качества сырья, полуфабрикатов и готовой пищевой продукции, атакже инженеров по знаниям в соответвующей области; системный анализ про-321блемной области; выбор формализма представления знаний; выбор инструментальных средств; выбор стратегии прототипирования; справочные материалы.Архитектура БЗ представлена на рисунке 6.19.
Был проведен выбор инструментария.Рисунок 6.19 Архитектура БЗЗаполнение БЗ реализовывалось на языке представления знаний системыИНТЕР-ЭКСПЕРТ GURU средствами: автоматического извлечения знаний изБД; методом прямого извлечения знаний из экспертов (рисунок 6.20).Рисунок 6.20 Метод прямого извлечения знаний из экспертовQj –вопрос к эксперту; A1j,..,Akj –список возможных ответов (список формирует эксперт); Qj+i – если необходимо уточняющий вопрос об анализируемойситуации; Di – сформулированное окончательное решение. Комментарий Ej –пояснение терминов встречающихся в вопросе; комментарий Wj – пояснениеважности заданного вопроса; комментарий Gj - графическое пояснение вопроса.Пример содержательного описания правила в формате языка представления знаний GURU дан на рисунке 6.21.322Рисунок 6.21 Пример содержательного описания правила в формате языкапредставления знаний GURUОсновываясь на ГОСТ 34.601-90 «Автоматизированные системы.
Стадиисоздания», сформированных: задачах, структуры и этапов разработки ИЭСКпоказателей качества пищевой продукции в процессе производства, разработанной концепции построения нейросетевой ИЭС, была выбрана спиральнаямодель разработки программного обеспечения.Следующим этапом был выбор формализма представления знаний. Общая структура компонентов верификации фрагментов БЗ приведена на рисунке6.22. Более подробно этот материал освещен в наших работах [19 – 23].Рисунок 6.17 Общая структура компонентов верификации фрагментов БЗ323ПостроеннаядекларативнуюБЗИЭСККкомпонентувпищевойвидепродукции,включающаяобъектно-ориентированноймоделипроизводства пищевой продукции, содержащую знания о подсистемах модуля(этапах производства), параметрах контроля качества сырья, полуфабрикатов иготовой пищевой продукции, информацию об отказах подсистем и способах ихустранения, и процедурную компоненту в виде продукционной модели,содержащую комплекс правил, используемых для обработки декларативныхзнаний,чтообеспечиваетформированиесообщенийонеисправномфункциональном блоке в той или иной подсистеме модуля.6.7.3.
Модели представления знанийЦентральной проблемой обработки знаний, а также создания БЗ являетсяпроблема представления знаний, т.е. представление взаимосвязей в конкретнойпредметной области в форме, понятной системе искусственного интеллекта.При проектировании модели представления знаний в ИЭС следует учитывать такие факторы, как - однородность представления и простота понимания. Однородность представления приводит к упрощению механизма управления логическим выводом и управлением знаниями.
Простота понимания предполагает доступность понимания представления знаний и экспертам, и пользователем системы. Для того, чтобы ИЭС имела возможность манипулированиязнаниями о проблемной области, они должны быть представлены в виде модели. На сегодняшний день разработано уже достаточное количество моделейпредставления знаний и их классификаций (рисунки 6.18 - 6.21) [8, 9, 11, 94, 95,107, 158]:Рисунок 6.18 Классификация моделей представления знаний324Рисунок 6.19. Классификация моделей представления знанийРисунок 6.20 Модели представления знанийРисунок 6.21 Модели представления знаний325Каждая из них обладает своими плюсами и минусами, и поэтому длякаждой конкретной задачи необходимо выбрать именно свою модель.
От этогобудет зависить не столько эффективность выполнения поставленной в работезадачи, но и возможность ее решения вообще.Обзор и анализ работ в этой области [8, 9, 11, 94, 95, 107, 158] показал,что в интеллектуальных системах наибольшее распространение получили четыре следующие модели представления знаний: язык исчисления предикатовпервого порядка (логическая модель); семантические или когнитивные сети;фреймы и продукционные правила. При этом следует отметить, что применяемые декларативные формы представления часто расширяются за счет процедуральных (императивных) компонентов (рисунок 6.22).Рисунок 6.22 Соотношение декларативных и процедуральных компонентов вмоделях представления знанийОдним из основных инструментариев, которые используются для контроля и мониторинга производственных процессов, является так называемыйязык предикатов или исчисление предикатов [107].
Исчисление предикатовявляется простейшим логическим языком, удовлетворяющим основным требованиям, предъявляемым к ИЭС.На этом формальном языке можно записать многие предложения иутверждения естественного языка, что позволяет формализовать знания. В326исчислении предикатов содержатся также правила поиска логического вывода. Это позволит придать ИЭС способность логически рассуждать и строить умозаключения, необходимые для понимания смысла задания и решениявозникающих интеллектуальных задач.Одним из наиболее удобных средств поиска логического вывода является так называемый метод резолюций [8]. В основе этого метода лежитидея доказательства от противного. Она заключается в том, что вместо заданной формулы В, которая предполагается тождественно истинной, рассматривается ее отрицание ┐В и доказывается противоречивость этой формулы.
Процесс поиска логического вывода завершается, как только устанавливается справедливость некоторых альтернативных формул L и ┐L. Полученное противоречие доказывает неудовлетворимость формулы ┐В и, следовательно, тождественную истинность исходной формулы В.Иными словами, выясняется, следует ли логически формула ∃ωВ(ω) иззаданной системы аксиом и, если следует, то при каком значении переменной ω = τ это достигается. Таким образом, именно умение отыскивать такиезначения (ответный терм) для переменной, связанной квантором существования, позволяет ставить ИЭС вопросы общего характера и осуществлятьдиалог с ним.
Например, если спросить у ИЭС: «Какие действия и в какойпоследовательности нужно совершить, чтобы такой-то показатель качестванаходился в заданном диапазоне?», то ответом на этот вопрос должна бытьне просто констатация факта, что достижение такого-то параметра нужногозначения возможно, а ИЭС должна предложить еще и развернутый план(технологический маршрут) достижения этой цели.Описанный язык исчисления предикатов и методы поиска логическоговывода представляют собой эффективное средство для автоматического решения широкого класса интеллектуальных задач. Этот логический язык, атакже связанный с ним метод резолюций позволяют ИЭС логически рассуждать и самообучаться.
Первым этапом автоматического решения задач, тре-327бующих логического анализа, является формулировка этих задач в терминахисчисления предикатов. Для этого была задана предметная область и выделены их существенные свойства. Далее были формализованы данные и условия задачи в виде правильно построенных формул, удовлетворяющих рассматриваемой интерпретации. Эти формулы, описывающие условия задачи,называются аксиомами.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
