135844 (722683), страница 9

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

Текст из файла (страница 9)

Знания – это выявленные закономерности предметной области (принципы, связи, законы), позволяющие решать задачи в этой области. Они могут быть активны, т.е. определенные действия при выполнении соответствующих условий.

В отличие от данных знания обладают следующими свойствами:

• внутренней интерпретируемостью – вместе с информацией в БЗ представлены информационные структуры, позволяющие не только хранить знания, но и использовать их;

• структурированностью – выполняется декомпозиция сложных объектов на более простые и установление связей между ними;

• связанностью – отражаются закономерности относительно фактов, процессов, явлений и причинно-следственные отношения между ними;

• активностью –знания предполагают целенаправленное использование информации, способность управлять информационными процессами по решению определенных задач.

Все эти свойства знаний в конечном итоге должны обеспечить возможность СИИ моделировать рассуждения человека при решении прикладных задач – со знаниями тесно связано понятие процедуры получения решений задач (стратегии обработки знаний). В системах обработки знаний такую процедуру называют механизмом вывода, логическим выводом или машиной вывода. Принципы построения механизма вывода в СИИ определяются способом представления знаний и видом моделируемых рассуждений.

При обработке на ЭВМ знания трансформируются аналогично данным:

• знания в памяти человека как результат мышления;

• материальные носители знаний (учебники, методические пособия);_

• поле знаний - условное описание основных объектов предметной области, их атрибутов и закономерностей, их связывающих;

• знания, описанные на языках представления знаний (продукционные языки, семантические сети, фреймы и т.д.);

• базы знаний.

Часто используются такие определения знаний:

Знания – это хорошо структурированные данные, и данные о данных, или метаданные.

Существует множество способов определять понятия. Один из широко применяемых способов основан на идее интенсионала.

Интенсионал понятия – это определение через понятие более высокого уровня абстракции с указанием специфических свойств. Этот способ определяет знания.

Другой способ определяет понятие через перечисление понятий более низкого уровня иерархии или фактов, относящихся к определяемому. Это есть определение через данные, или экстенсионал, понятия.

Пример: интенсионал: курсант- это учащийся военного училища.

Экстенсионал: курсант- это Иванов, Петров….

Для хранения данных используются базы данных (для них характерны большой объем и относительно небольшая удельная стоимость информации), для хранения знаний – базы знаний – основа любой интеллектуальной системы.

Знания могут быть классифицированы по следующим категориям:

• поверхностные – знания о видимых взаимосвязях между отдельными событиями и фактами в предметной области;

• глубинные – абстракции, аналогии, схемы, отображающие структуру и процессы в предметной области.

Знания, на которые опирается человек, решая те или иную задачу, существенно разнородны.

Это прежде всего:

• понятийные знания (набор понятий и их взаимосвязи);

• конструктивные знания (знания о структуре и взамодествии частей различных объектов);

• процедурные знания (методы, алгоритмы и программы решения различных задач);

• фактографические знания (количественные и качественные характеристики объектов, явлений и их элементов).

Современные ЭС работают в основном с поверхностными знаниями, т. к. в настоящее время нет адекватных моделей, позволяющих работать с глубинными знаниями.

Кроме того, знания можно разделить на процедурные и декларативные. Исторически первичными были процедурные знания, т.е. знания, ”растворенные” в алгоритмах. Они управляли данными. Для их изменения требовалось изменять программы. Однако с развитием ИИ приоритет данных постепенно изменялся, и все большая часть знаний сосредотачивалась в структурах данных (таблицы, списки, абстрактные типы данных), т.е. увеличивалась роль декларативных знаний.

Сегодня знания приобрели чисто декларативную форму, т.е. знаниями считаются предложения, записанные на языках представления знаний, приближенных к естественному и понятных неспециалистам.

Существуют десятки моделей (или языков) представления знаний для различных предметных областей. Большинство из них м.б. сведено к следующим классам:

• продукционные;

• семантические сети;

• фреймы;

• формальные логические модели.

ПОЛЕ ЗНАНИЙ

Одна из наиболее творческих процедур при построении ЭС – процедура концептуального анализа полученных знаний или структурирование.

Структурирование – это процесс создания полуформализованного описания предметной области. Такое полуформализованное описание называется полем знаний. Обычно оно создается в графической форме.

Поле знаний Р_z можно описать следующим образом:

P_z=k,S_f>,

где S_k - концептуальная структура предметной области;

S_f – функциональная структура предметной области.

Концептуальная структура, или модель предметной области, служит для описания ее объектов и отношений между ними, т.е. можно сказать, что концептуальная модель S_k представляет собой следующее:

S_k=,

где А – множество объектов предметной области;

R – множество отношений, связывающих объекты.

Множество отношений представляет собой связи между объектами. При помощи этих отношений инженер по знаниям фиксирует концептуальное устройство предметной области, иерархию понятий, свойство и структуру объектов. Разработка концептуальной структуры имеет самостоятельное значение, не зависимое от конечной цели – разработки экспертных систем. Эта структура может служить для целей обучения, повышения квалификации, для прогнозирования, объяснения, реструктурирования и т.п.

Краткий алгоритм формирования концептуальной структуры.

Шаг 1. Определить все результирующие понятия, или выходы системы. Это может быть набор диагнозов, рекомендаций, советов системы.

Шаг 2. Определить все входные понятия, или факторы, от которых зависит результат работы системы.

Шаг 3. Установить промежуточные понятия, участвующие в рассуждениях экспертов, если они есть.

Шаг 4. Для всех понятий найти обобщающие и уточняющие понятия, т.е. установить иерархии объектов.

Шаг 5. Для объектов, участвующих в рассуждениях, определить свойства и их значения.

Шаг 6. Попытаться определить другие связи, и все в целом отразить графически.

Шаг 7. Убрать лишние связи, объекты, обсудить структуру с экспертом, дополнить, если надо, с возвратом к шагам 1-6.

Функциональная структура отражает модель рассуждений и принятия решения, которой пользуется эксперт при решении задачи.

Обычно функциональная структура представляется в виде каузальных отношений и может быть позднее формализована в виде коротких правил “если - то”, или в виде семантических сетей.

Представить функциональную структуру можно в виде таблицы, графа (дерева решений) или предложений на естественном языке. Наглядные формы предпочтительны.

Часто в моделях рассуждений присутствуют нечеткие понятия – “ часто”,”много”,”очень”,”высокий”,”большой” и др. Для их представления в базе знаний используется так называемая нечеткая логика, автор которой – Л.Заде, предложил простой формализм для таких понятий. Этот формализм использует понятие нечеткой функции принадлежности, которая отражает численно на шкале [0,10] или [0,1] степень уверенности эксперта в том, что конкретное значение можно отнести к данному нечеткому понятию.

МОДЕЛИ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ

1. Продукционная модель.

Продукционная модель, или модель, основанная на правилах, позволяет представлять знания в виде предложений типа:

Если (условие), то (действие).

Записываются эти правила обычно в виде:

ЕСЛИ А₁,А₂,…,А_n ТО В.

Под условием понимается некоторое предложение – образ, по которому осуществляется поиск в базе знаний, а под действием – действия, выполняемые при успешном исходе поиска (они м.б. промежуточными, выступающими далее как условие, и терминальными или целевыми, завершающими работу системы).

«Условие» называют иногда «Посылкой», а «Действие» - «Выводом» или «Заключением».

Условия А₁,А₂,…,А_n обычно называют фактами. С помощью фактов описывается текущее состояние предметной области. Факты могут быть истинными, ложными, либо, в общем случае, правдоподобными, когда истинность факта допускается с некоторой степенью уверенности.

Действие В трактуется как добавление нового факта в описание текущего состояния предметной области.

В упрощенном виде описание предметной области с помощью правил (продукций) базируется на следующих основных предположениях об устройстве предметной области. ПО может быть описана в виде множества фактов и множества правил.

Факты – это истинные высказывания (повествовательные предложения) об объектах или явлениях предметной области.

Правила описывают причинно-следственные связи между фактами (в общем случае и между правилами тоже) - как истинность одних фактов влияет на истинность других.

Продукционные модели могут отражать следующие виды отношений:

• ситуация действие,

• посылка заключение,

• причина следствие.

В продукционных системах используются два основных способа реализации механизма вывода:

1. Прямой вывод, или вывод от данных;

2. Обратный вывод, или вывод от цели.

В первом случае идут от известных данных (фактов) и на каждом шаге вывода к этим фактам применяют все возможные правила, которые порождают новые факты, и так до тех пор, пока не будет порожден факт-цель.

Для применения правила используется процесс сопоставления известных фактов с правилами и, если факты согласуются с посылками в правиле, то правило применяется.

Во втором случае вывод идет в обратном направлении – от поставленной цели. Если цель согласуется с заключением правила, то посылку правила принимают за подцель или гипотезу, и этот процесс повторяется до тех пор, пока не будет получено совпадение подцели с известными фактиами.

Пример: Набор правил:

П1: Если “отдых – летом” и ”человек – активный”, то “ехать в горы”.

П2: Если “любит солнце”, то “отдых - летом”.

Предположим, в систему поступили данные: “человек – активный” и “любит солнце”.

Прямой вывод:

1-й проход.

Шаг 1. Пробуем П1, не работает (не хватает данных “отдых – летом”).

Шаг 2. Пробуем П2, работает, в базу поступил факт “отдых летом”.

2-й проход.

Шаг 3. Пробуем П1, работает, активизирует цель “ехать в горы”, которая и выступает как совет, который дает ЭС.

Обратный вывод: - подтвердить выбранную цель при помощи имеющихся правил и данных.

1-й проход.

Шаг 1. Цель – “ехать в горы”. Пробуем П1 – данных “отдых – летом” нет, они становятся новой целью, и ищется правило, где она в правой части.

Шаг 2. Цель “отдых – летом”. Правило П2 подтверждает цель и активизирует ее.

2-й проход.

Шаг 3. Пробуем П1, искомая цель подтверждается.

Характеристики

Список файлов реферата