135844 (722683), страница 10

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

Текст из файла (страница 10)

Продукционная модель чаще всего применяется в промышленных ЭС.

достоинства: наглядность, высокая модульность, легкость внесения дополнений и изменений и простота логического вывода.

Разработано большое количество ЭС, используемых в самых различных областях, в том числе и в нашей прикладной области.

При использовании продукционной модели база знаний состоит из набора правил. Программа, управляющая перебором правил, называется машиной вывода. Вывод может быть прямым (от данных к поиску цели) или обратным (от цели для ее подтверждения – к данным). Данные – это исходные факты, на основании которых запускается машина вывода – программа, перебирающая правила в базе знаний.

2. Семантическая сеть.

Семантическая означает смысловая. Семантика – наука об отношения между символами и объектами, которые они обозначают, т.е. наука, определяющая смысл знаков.

Семантическая сеть - это ориентированный граф, вершины которого – понятия, а дуги – отношения между ними.

“Понятия” это обычно абстрактные или конкретные объекты, а “отношения” – это связи типа: ‘это”, “быть частью”, “принадлежать”, “любит”.

Отношения бывают 3-х типов:

• Класс, к которому принадлежит данное понятие,

• Свойство, выделяющее понятие из всех прочих понятий этого класса,

• примеры данного понятия или элемента класса.

Наиболее часто используют следующие отношения:

• связи типа “часть – целое”,

• функциональные связи (соответствуют глаголам: “производит”, “влияет” и т.д.),

• количественные (>,<,= т.д.)

• пространственные (далеко от, близко от, за, под, над, …),

• временные (раньше, позже, в течение, …),

• атрибутивные (иметь свойство, иметь значение, …),

• логические (и, или, не) др.

Проблема поиска решения в базе знаний типа семантическая сеть сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, соответствующей поставленному вопросу.

Пример.

Красный

Цвет

Двигатель

Значение

Свойство Имеет частью

Волга

Автомобиль

Вид транспорта

Это Это

Принадлежит Любит

Иванов

1. Фреймовая модель.

Фрейм предложен М. Минским в 70-е годы как структура знаний для восприятия пространственных сцен. Это модель, как и семантическая сеть, имеет глубокое психологическое обоснование.

Под фреймом понимается абстрактный образ или ситуация. Напримекр слово “комната” вызывает у слушающих образ комнаты: “жилое помещение с четырьмя стенами, полом, потолком, окнами и дверью, площадью 6 – 20 кв. метров.

Из этого описания ничего нельзя убрать, но в нем есть “дырки” или “слоты”, - это н00езаполненные значения некоторых атрибутов - количество окон, высота потолка, покрытие пола и другие.

В теории фреймов такой образ называется фреймом. Фреймом называется также и формализованная модель для отображения образа.

Структура фрейма:

(Имя фрейма:

имя 1-го слота (значение 1-го слота ),

имя 2-го слота (значение 2-го слота ),

. . .

имя N-го слота (значение N-го слота)).

Или в виде таблицы.

В таблице дополнительные столбцы предназнвчены для описания типа слоота и возможного присоединения к тому или иному слоту специальных процедур, что допускается в теории фреймов.

Например, слот “дата рождения” может содержать процедуру для вычисления возраста. Тогда естественно слот “возраст” оказывается ненужным. Данная процедура подключается автоматически и называется демоном. Если процедура активизируется по запросу, она называется слугой.

С использованием присоединенных процедур можно запрограммировать любую процедуру вывода на фреймовой сети. Механизм управления выводом организуется следующим образом. Сначала запускается одна из присоединенных процедур некоторого фрейма, называемого образцом. Образец – это, по сути, фрейм-прототип, т.е. у него заполнены не все слоты, а только те, которые описывают связи данного фрейма с другими. Затем в силу необходимости, посредством пересылки сообщений, последовательно запускаются присоединенные процедуры других фреймов и таким образом осуществляется вывод.

В качестве значения слота может выступать имя другого фрейма; так образуют сети фреймов.

Слоты могут содержать фасеты, которые задают дипазон или перечень его возможных значений (например, слот “возраст” может содержать фасет “максимальный возраст”

Различают фреймы – образцы или прототипы, хранящиеся в базе знаний, и фреймы – экземпляры, которые создаются для отображения реальных ситуаций на основе поступающих данных.

Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знаний о мире через:

• фреймы – структуры,

• фреймы – сценарии,

• фреймы – ситуации.

Основным преимуществом фреймов как модели представления знаний является способность отражать концептуальную основу организации памяти человека, а также ее гибкость, наглядность и универсальность. Но она обладает высокой степенью формализации и сложностью (низкое быстродействие машины вывода).

4. Формальные логические модели.

Традиционно в представлении знаний выделяют формальные логические модели, основанные на классическом исчислении предикатов 1 порядка, когда предметная область или задача описывается в виде набора аксиом (правильных высказываний или объектов) и задаются правила построения новых объектов из других правильных объектов системы (правила вывода).

Пример.

1)высказывание: a>b представляется термом p(a,b) (двуместный предикат), где p – предикатный символ, заменяющий знак “>";

2)высказывание “аппаратная ах – исправна” представляется Q(x);

3)теорема Пифагора может быть представлена термом:

P_![P₂ (P₃(x),P₃ (y)),P₃(z)]

В качестве предикатных символов могут использоваться следющие:

- НЕВЕРНО ЧТО (ЗНАК ОТРИЦАНИЯ);

- И (ЗНАК КОНЪЮНКЦИИ);

- ИЛИ (ЗНАК ДИЗЪЮНКЦИИ);

- ЕСЛИ … ТО (ЗНАК ИМЛИКАЦИИ);

- ТОГДА, КОГДА (ЗНАК ЭКВИВАЛЕНТНОСТИ);

- ДЛЯ ВСЯКОГО ( ЗНАК КВАНТОРА ОБЩНОСТИ);

- СУЩЕСТВУЕТ (ЗНАК КВАНТОРА СУЩЕСТВОВАНИЯ).

В различных логических системах используются разнообразные правила вывода. Приведем два наиболее распространенные.

Правило подстановки. В формуле, которая уже выведена, можно вместо некоторого высказывания подставить любое другое присоблюдении условия: подстановка должна быть сделана во всех местах вхождения заменяемого высказывания в данную формулу.

Правило заключения. Если и являются истинными высказываниями посылками, тогда и высказывание заключение также истина. Записывается правило в виде дроби

Особенность систем представления знаний заключается в том, сто они моделируют деятельность человека, осуществляемую часто в неформальном виде. Модели представления знаний имеют дело с информацией, получаемой от экспертов, которая часто носит качественный и противоречивый характер. Для обработки с помощью ЭВМ такая информация должна быть приведена к однозначному формализованному виду. Методологией формализованного представления знаний является логика.

1. СТРУКТУРА И РЕЖИМЫ РАБОТЫ ЭС

Знания, которыми обладает специалист в какой-либо облас­ти (дисциплине), можно разделить на формализованные (точные) и неформализованные (неточные). Формализованные знания фор­мулируются в книгах и руководствах в виде общих и строгих суждений (законов, формул, моделей, алгоритмов и т.п.), от­ражающих универсальные знания. Неформализованные знания, как правило, не попадают в книги и руководства в связи с их конкретностью, субъективностью, и приблизительностью. Знания этого рода являются результатом обобщения многолетнего опыты работы и интуиции специалистов. Они обычно представляют со­бой многообразие эмпирических (эвристических) приемов и пра­вил.

В зависимости от того, какие знания преобладают в той или иной области (дисциплине), ее относят к формализованным (если преобладают неточные знания) описательным областям. Задачи, решаемые на основе точных знаний, называют формали­зованными, а задачи, решаемые с помощью неточных знаний,- неформализованными. (Речь идет не о неформализуемых, а о не­формализованных задачах, т.е. о задачах, которые, возможно, и формализуемы, но эта формализация пока неизвестна.

Традиционное программирование в качестве основы для раз­работки программы использует алгоритм, т.е. формализованное знание. Поэтому до недавнего времени считалось, что ЭВМ не приспособлены для решения неформализованные задач. Расшире­ние сферы использования ЭВМ показало, что неформализованные задачи составляют очень важный класс задач, вероятно, значи­тельно больший, чем класс формализованных задач. Неумение решать неформализованные задачи сдерживает внедрение ЭВМ в описательные науки. Основной задачей информатики является внедрение ее методов в описательные науки и дисциплины. На основании этого можно утверждать, что исследования в области ЭС занимают значительное место в информатике.

Ньюэлл предложил относить к неформализованным задачам те, которые обладают одной или несколькими из следующих осо­бенностей:

алгоритмическое решение задачи неизвестно (хотя, возмож­но, и существует) или не может быть использовано из-за огра­ниченности ресурсов ЭВМ (времени, памяти);

задача не может быть определена в числовой форме (требу­ется символьное представление);

цели задачи не могут быть выражены в терминах точно оп­ределенной целевой функции.

Как правило, неформализованные задачи обладают неполно­той, ошибочностью, неоднозначностью и (или) противоречи­востью знаний (как данных, так и используемых правил преоб­разования).

Экспертные системы не отвергают и не заменяют традицион­ного подхода к программированию, они отличаются от традици­онных программ тем, что ориентированы на решение неформали­зованных задач и обладают следующими особенностями:

алгоритм решений не известен заранее, а строится самой ЭС с помощью символических рассуждений, базирующихся на эв­ристических приемах;

ясность полученных решений, т.е. система "осознает" в терминах пользователя, как она получила решение;

способность анализа и объяснения своих действий и знаний;

способность приобретения новых знаний от пользовате­ля-эксперта, не знающего программирования, и изменения в со­ответствии с ними своего поведения;

обеспечение "дружественного", как правило, естествен­но-языкового (ЕЯ) интерфейса с пользователем.

Обычно к ЭС относят системы, основанные на знаниях, т.е. системы, вычислительная возможность которых является в пер­вую очередь следствием их наращиваемой базы знаний (БЗ) и только во вторую очередь определяется используемыми метода­ми. Методы инженерии знаний (методы ЭС) в значительной сте­пени инвариантны тому, в каких областях они могут применять­ся. Области применения ЭС весьма разнообразны: военные при­ложения, медицина, электроника, вычислительная техника, гео­логия, математика, космос, сельское хозяйство, управление, финансы, юриспруденция и т.д. Более критичны методы инжене­рии знаний к типу решаемых задач. В настоящее время ЭС ис­пользуются при решении задач следующих типов: принятие реше­ний в условиях неопределенности (неполноты), интерпретация символов и сигналов, предсказание, диагностика, конструиро­вание, планирование, управление, контроль и др.

СТРУКТУРА И РЕЖИМЫ РАБОТЫ ЭС

Экспертные системы – это сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие этот эмпирический опыт для консультаций менее квалифицированных пользователей.

Пользователь Инженер по знаниям

Эксперт

Пользователь – специалист предметной области, для которого предназначена система. Обычно его квалификация недостаточно высока и поэтому он нуждается в помощи и поддержке своей деятельности со стороны экспертной системы.

Инженер по знаниям – специалист по ИИ, выступающий в роли промежуточного буфера между экспертом и базой знаний.

Интерфейс пользователя – комплекс программ, реализующих диалог пользователя с ЭС как на стадии ввода информации, так и на стадии получения результатов.

База знаний (БЗ) – ядро ЭС, представляющее собой совокупность знаний предметной области, записанная на машинный носитель в форме, понятной пользователю и эксперту.

Решатель - программа, моделирующая ход рассуждений эксперта на основе знаний, имеющихся в БЗ.

Подсистема объяснений – программа, позволяющая пользователю получать ответы на вопросы: “Как была получена та или иная рекомендация ?” и “Почему система приняла такое решение?”

Интеллектуальный редактор БЗ – программа, представляющая инженеру по знаниям возможность создавать БЗ в диалоговом режиме. Включает подсистему вложенных меню, шаблонов языка представления знаний, подсказок и т.д.

Экспертная система работает в двух режимах: приобретения знаний и решения задач (называемом также режимом консульта­ции или режимом использования ЭС).

В режиме приобретения знаний общение с ЭС осуществляет через посредничество инженера по знаниям эксперт. Эксперт описывает проблемную область в виде совокупности данных и правил. Данные определяют объекты, их характеристики и зна­чения, существующие в области экспертизы. Правила определяют способы манипулирования данными, характерные для рассматри­ваемой проблемной области. Эксперт, используя компонент при­обретения знаний, наполняет систему знаниями, которые позволяют ЭС в режиме решения самостоятельно (без эксперта) ре­шать задачи из проблемной области.

Важную роль в режиме приобретения знаний играет объясни­тельный компонент. Именно благодаря ему эксперт на этапе тестирования локализует причины неудачной работы ЭС, что позволяет эксперту целенаправленно модифицировать старые или вводить новые знания. Обычно объяснительный компонент сооб­щает следующее: как правила используют информацию пользова­теля; почему использовались или не использовались данные или правила; какие были сделаны выводы и т.п. Все объяснения де­лаются, как правило, на ограниченном естественном языке или языке графики.

Характеристики

Список файлов реферата