Поиск

Полнотекстовый поиск:
Где искать:
везде
только в названии
только в тексте
Выводить:
описание
слова в тексте
только заголовок

Рекомендуем ознакомиться

'Документ'
Об этом замглавы Минтруда России Алексей Вовченко заявил на заседании Координационного совета по контролю за реализацией госпрограммы «Доступная среда...полностью>>
'Документ'
В эфире радиостанции можно услышать международные хиты, информационные программы, песни на русском языке в исполнении российских звезд и, конечно, пес...полностью>>
'Документ'
Решение текущих вопросов Ежедневно с 10.00 до 17.00 3 Инструкторско-методические занятия с тренерами клуба и учебно-тренировочные занятия по боевой те...полностью>>
'Документ'
Теофраст Бомбаст фон Гогенхейм был одним из известнейших ученых своего времени, именно ему приписывают первоначальную разработку научных основ химии. ...полностью>>

Главная > Документ

Сохрани ссылку в одной из сетей:
Информация о документе
Дата добавления:
Размер:
Доступные форматы для скачивания:

4. Продукционные представления знаний в интеллектуальных системах

Продукции являются наиболее популярным средством представления знаний.

В моделях этого типа используются элементы логических и сетевых моделей. Из логических моделей заимствована идея правил вывода, которые называются здесь продукциями, а из сетевых моделей – описание знаний в виде семантической сети.

Продукционная модель или модель, основанная на правилах, позволяет представить знания в виде предложений типа «Если (условие), то (действие)».

Под «условием» (антецедентом) понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под «действием» (консеквентом) – действия, выполняемые при успешном исходе поиска (они могут быть промежуточными, выступающими далее как условия и терминальными или целевыми, завершающими работу системы).

Вывод на такой базе знаний бывает прямым (от данных к поиску цели) или обратным (от цели для ее подтверждения – к данным). Данные – это исходные факты, хранящиеся в базе фактов, на основании которых запускается машина вывода или интерпретатор правил, перебирающий правила из продукционной базы знаний. Продукционная модель чаще всего применяется в промышленных экспертных системах. Она обладает наглядностью, высокой модульностью, легкостью внесения дополнений и изменений, простотой механизма логического вывода.

Программные средства, реализующие продукционный подход: язык OPS 5; «оболочки» или «пустые» ЭС – EXSYS Professional, Карра, ЭКСПЕРТ и др.

В общем виде под продукцией понимают выражение следующего вида:

(i); Q; P; AB; N

где:

iимя продукции, с помощью которого данная продукция выделяется из всего множества продукций. В качестве имени может выступать лексема (понятие), отражающая суть продукции (покупка книги, выбор металлорежущего станка), или порядковый номер продукции в хранящемся в памяти системы их множестве (продукция №5).

Qсфера применения продукции. Разделение знаний на отдельные сферы позволяет экономить время на поиск нужных знаний.

ABядро продукции, являющееся основным элементом продукции. Интерпретация ядра продукции может быть различной, зависит от того, что стоит слева от знака секвенции (). Обычно прочтение ядра выглядит так: ЕСЛИ A, ТО B. Более сложные конструкции ядра допускают в правой части альтернативный выбор: ЕСЛИ А, ТО В1, ИНАЧЕ В2. Секвенция может истолковываться в обычном логическом смысле как знак логического следования В из истинного А (если А не является истинным выражением, то о В-ничего сказать нельзя). Возможны и другие интерпретации ядра продукции, например А описывает некоторое условие, необходимое для того, чтобы можно было совершить действие В.

P - условие применимости ядра продукции. Обычно Р представляет собой логическое выражение (как правило, предикат). Когда Р принимает значение «истина», ядро продукции активизируется. Если Р ложно, то ядро продукции не может быть использовано. Например, если в продукции «НАЛИЧИЕ ДЕНЕГ; ЕСЛИ ХОЧЕШЬ КУПИТЬ ВЕЩЬ X, ТО ЗАПЛАТИ В КАССУ ЕЕ СТОИМОСТЬ И ОТДАЙ ЧЕК ПРОДАВЦУ» условие применимости ядра продукций ложно, т. е. денег нет, то применить ядро продукции невозможно.

N - постусловия продукции, актуализируются только в том случае, если ядро продукции реализовалось. Постусловия продукции описывают действия и процедуры, которые необходимо выполнить после реализации В. Например, после покупки некоторой вещи в магазине необходимо в описи товаров, имеющихся в этом магазине, уменьшить количество вещей такого типа на единицу. Выполнение N может происходить не сразу после реализации ядра продукции.

Если в памяти системы хранится некоторый набор продукций, то они образуют систему продукций. В системе продукций должны быть заданы специальные процедуры управления продукциями, с помощью которых происходит актуализация продукций и выбор для выполнения той или иной продукции из числа актуализированных.

В ряде ИС используются комбинации сетевых и продукционных моделей представления знаний. В таких моделях декларативные знания описываются в сетевом компоненте модели, а процедурные знания — в продукционном. В этом случае говорят о работе продукционной системы над семантической сетью.

Классификация ядер продукции:

Ядра продукций можно классифицировать по различным основаниям.

Все ядра делятся на два больших типа:

  • детерминированные - при актуализации ядра и при выполнимости А правая часть ядра выполняется обязательно (Если А, то B обязательно)).

  • недетерминированные - В может выполняться и не выполняться. Интерпретация ядра в этом случае может, например, выглядеть так: ЕСЛИ А, ТО ВОЗМОЖНО В.

Секвенция в детерминированных ядрах реализуется с необходимостью, а в недетерминированных — с возможностью.

Возможность может определяться некоторыми оценками реализации ядра. Например, если задана вероятность выполнения В при актуализации А, то продукция (в простейшем случае продукция состоит лишь из ядра) может быть такой: ЕСЛИ А, ТО С ВЕРОЯТНОСТЬЮ р РЕАЛИЗОВАТЬ В. Оценка реализации ядра может быть лингвистической, связанной с понятием терм-множества лингвистической переменной, например: ЕСЛИ А, ТО С БОЛЬШОЙ ДОЛЕЙ УВЕРЕННОСТИ В. Возможны иные способы задания оценки реализации ядра.

Детерминированные продукции могут быть:

  • однозначными;

  • альтернативными - в правой части ядра указываются альтернативные возможности выбора, которые оцениваются специальными весами выбора. В качестве таких весов могут использоваться вероятностные оценки, лингвистические оценки, экспертные оценки и т. п. (например, ЕСЛИ А, ТО ЧАЩЕ ВСЕГО НАДО ДЕЛАТЬ В1, РЕЖЕ В2).

Особым типом являются прогнозирующие продукции, в которых описываются последствия, ожидаемые при актуализации А, например: ЕСЛИ А, ТО С ВЕРОЯТНОСТЬЮ р МОЖНО ОЖИДАТЬ В.

Графически ядро можно представить в виде дерева:

Популярность продукционных моделей определяется следующими факторами:

  • Модульность. (Системы продукций являются модульными). Удаление, изменение, добавление любой продукции может выполняться независимо от всех остальных продукций (не приводит к изменениям в остальных продукциях). Знания вводятся неупорядоченно как в словаре или энциклопедии. Практика показывает, что это естественный способ пополнения своих знаний для эксперта.

  • Модифицируемость. Если добавляется или модифицируется какое-либо правило, то все, что было сделано ранее, остается в силе и к новому правилу не относится. Каждое изменение обладает свойством аддитивности и локальности.

  • Доступность чтения. Подавляющая часть человеческих знаний может быть записана в виде продукций. Человеческие знания являются модульными и поэтому продукционные системы более близки для их представления и легки для чтения.

  • Системы продукций при необходимости могут реализовать любые алгоритмы и способны отражать любое процедурное знание, доступное ЭВМ.

  • Способность к самообъяснению. Это свойство связано и с правилами и с их структурами внешнего управления. Система легко прослеживает цепочку правил, которую она использовала для получения вывода.

  • Наличие в продукциях указателей на сферу применения продукции позволяет эффективно организовать память, сократив время поиска в ней необходимой информации. Классификация сфер может быть многоуровневой, что еще более повышает эффективность поиска знаний.

  • При объединении систем продукций и сетевых представлений получаются средства, обладающие большой вычислительной мощностью.

  • Параллелизм в системе продукций, асинхронность их реализации делают продукционные системы удобной моделью вычислений для ЭВМ новой архитектуры, в которой идея асинхронности и параллельности является центральной.

Недостатки продукционной системы:

  • При большом числе продукций становится сложной проверка непротиворечивости системы продукций.

  • Из-за присущей системе недетерминированности (неоднозначного выбора выполняемой продукции из фронта активизированных продукций) возникают принципиальные трудности при проверке корректности работы системы

Наблюдение из практики: если число продукций > 1000, то мало шансов, что система продукций во всех случаях будет правильно функционировать.

5. Фреймовые модели представления знаний в интеллектуальных системах

Термин фрейм (от англ. frame – рамка, каркас) предложен Марвином Минским, одним из пионеров ИИ, в 70-е годы для обозначения структуры знаний для восприятия пространственных сцен.

Фрейм – это абстрактный образ для представления некоего стереотипа восприятия.

В психологии и философии существует понятие абстрактного образа. Например произнесение вслух слова «комната» порождает у слушателей образ комнаты: «жилое помещение с 4-мя стенами, полом, потолком, окнами и дверью, площадью 6-20 м2». Из описания ничего нельзя убрать (без окон будет чулан, а не комната), но в нем есть «дырки» или «слоты» - незаполненные значения некоторых атрибутов – количество окон, высота потолка и др. В теории фреймов такой образ комнаты называется фреймом комнаты. Фреймом называется и формализованная модель для отображения образа.

Различают фреймы-образцы, или прототипы (протофреймы), хранящиеся в базе знаний, и фреймы-экземпляры, которые создаются для отображения реальных фактических ситуаций на основе поступающих данных. Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знаний о мире через:

  • фреймы-структуры, использующиеся для обозначения объектов и понятий (заем, залог, вексель);

  • фреймы-роли (менеджер, кассир, клиент);

  • фреймы-сценарии (банскротство, собрание, празднование именин);

  • фреймы-ситуации (тревога, авария, рабочий режим устройства).

Во фреймовых моделях фиксируется жесткая структура информационных единиц, которая называется фреймом-прототипом (протофреймом). В общем виде она выглядит следующим образом:

(Имя фрейма:

Имя слота 1 (значение слота 1);

Имя слота 2 (значение слота 2);

...

Имя слота К (значение слота К)

)

Дополнительные столбцы предназначены для описания способа получения слотом его значения и возможного присоединения к тому или иному слоту специальных процедур, что допускается в теории фреймов.

Значением слота может быть практически что угодно – числа или математические соотношения, тексты на естественном языке, программы, правила вывода или ссылки на другие слоты данного фрейма или других фреймов. В качестве значения слота может выступать набор слотов более низкого уровня – реализация принципа «матрешки».

Если в качестве значения слота выступает имя другого фрейма, то образуются сети фреймов.

При конкретизации фрейма ему и слотам присваивают конкретные имена и происходит заполнение слотов. Из протофреймов получаются фреймы-экземпляры. Переход от исходного протофрейма к фрейму-экземпляру может быть многошаговым, за счет постепенного уточнения значений слотов.

Вообще существует несколько способов получения слотом значений во фрейме-экземпляре:

  • по умолчанию от фрейма-образца (Default-значение);

  • через наследование свойств от фрейма, указанного в слоте АКО;

  • по формуле, указанной в слоте;

  • через присоединенную процедуру;

  • явно из диалога с пользователем;

  • из базы данных.

Пример протофрейма

(Список студентов:

Фамилия (значение слота 1);

Год рождения (значение слота 2);

Специальность (значение слота 3);

Средний балл (значение слота 4)

)

Пример фрейма-экземпляра:

(Список студентов:

Фамилия (Иванов-Петров-Сидоров)

Год рождения (1980-1981-1982-1980)

Специальность (ОЗИ-САПР-ПрО)

Средний балл (4-4-5)

)

Связи между фреймами могут задаваться значениями специального слота с именем «Связь».

Важнейшее свойство теории фреймов – заимствование из теории семантических сетей наследования свойств. И во фреймах и в семантических сетях наследование происходит по AKO-связям (A-Kind-Of = это). Слот AKO указывает на фрейм более высокого уровня иерархии, откуда неявно наследуются, то есть переносятся, значения аналогичных слотов.

Пример. В сети фреймов понятие «ученик» наследует свойства фреймов «ребенок» и «человек», которые находятся на более высоком уровне иерархии. На вопрос «любят ли ученики сладкое» следует ответ «да», так как этим свойством обладают все дети, что указано во фрейме «ребенок». Наследование свойств может быть частичным, так как возраст учеников не наследуется из фрейма «ребенок», поскольку указан явно в своем собственном фрейме.

Основное преимущество фреймов как модели представления знаний – эта модель отражает концептуальную основу организации памяти человека, а также ее гибкость и наглядность. Специальные языки представления фреймов FRL (Frame Representation Language), KRL (Knowledge Representation Language), фреймовая «оболочка» Карра позволяют строить промышленные ЭС. Широко известны фрейм-ориентированные экспертные системы ANALYST, МОДИС, TRISTAN, ALTERID и др.

6. Сетевые модели представления знаний в интеллектуальных системах

В основе моделей этого типа лежит семантическая сеть. Сетевые модели формально задаются в виде H=1, C2, ..., Cn, Г>.

I – множество информационных единиц,

C1, C2, ..., Cn – множество типов связей между информационными единицами.

Г – отображение, задает между информационными единицами, входящими в I, связи из заданного набора типов связей.

В зависимости от типов связей, используемых в модели, различают классифицирующие сети, функциональные сети и сценарии.

В классифицирующих сетях используются отношения структуризации (сети позволяют в базах знаний вводить разные иерархические отношения между информационными единицами).

Функциональные сети характеризуются наличием функциональных отношений. Их иногда называют вычислительными моделями, т.к. они позволяют описать процедуры вычислений одних информационных единиц через другие.

В сценариях допускаются каузальные отношения, а также отношения типов «средство-результат», «орудие-действие» и т.п.

Если в сетевой модели допускаются связи различного типа, то ее обычно называют семантической сетью.

Термин «семантическая» означает «смысловая», а сама семантика – наука, устанавливающая отношения между символами и объектами, которые они обозначают, то есть наука, определяющая смысл знаков.

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

В качестве понятий выступают абстрактные или конкретные объекты, а отношения – это связи типа: «это» («AKO - A-Kind-Of», «is»), «имеет частью» («has part»), «принадлежит», «любит». Особенность семантических сетей – обязательное наличие трех типов отношений:

  • класс – элемент класса (цветок – роза, инструмент - сверло)

  • свойство – значение (цвет-желтый, материал режущей части – Т15К6)

  • пример элемента класса (роза – чайная, сверло – по металлу)

Существует несколько классификаций семантических сетей, связанных с типами отношений между понятиями.

По количеству типов отношений:

  • однородные (с единственным типом отношений);

  • неоднородные (с различными типами отношений).

По типам отношений:

  • бинарные (отношения связывают два объекта);

  • N-арные (есть специальные отношения связывающие более двух понятий).

Наиболее часто в семантических сетях используются следующие отношения:

  • связи типа «часть - целое» («класс-подкласс», «элемент - множество» и т.п.);

  • функциональные связи (обычно определяются глаголами «производит», «влияет» и др.);

  • количественные (больше, меньше, равно...);

  • пространственные (далеко от, близко от, за, под, над...);

  • временные (раньше, позже, в течение...);

  • атрибутивные связи (иметь свойство, иметь значение);

  • логические связи (И, ИЛИ, НЕ);

  • лингвистические связи и др.

Проблема поиска решений в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, отражающей поставленный запрос к базе.

Данная модель представления знаний была предложена американским психологом Куиллианом. Основное ее преимущество – она более других соответствует современным представлениям об организации долговременной памяти человека. Недостаток – сложность организации процедур поиска вывода на семантической сети.

Для реализации семантических сетей существуют специальные сетевые языки: NET, SIMER+MIR и др. Известны экспертные системы, использующие семантические сети в качестве языка представления знаний – PROSPECTOR, CASNET, TORUS.

Пример семантической сети



Похожие документы:

  1. А. В. Витавская доктор технических наук, профессор, заведующая проблемной лабораторией по созданию продуктов нового поколения

    Документ
    ... по соответствующим проектным дисциплинам): - просматривает бланки ... Эти системы имитируют интеллектуальные процессы обработки ... САПР или подсистемы САПР; - головной организацией по САПР (при создании САПР проектной организации или типовой подсистемы САПР ...
  2. А. В. Михеев локальная устойчивость псевдосферических ортотропных оболочек на упругом основании

    Документ
    ... » Рассматриваются вопросы построения подсистемы САПР метеорологической поддержки (МП ... практических занятий по дисциплине «концепции современного ... интеллектуального анализа данных. Интеллектуальный анализ, параллельные алгоритмы, интеллектуальный ...
  3. Курс лекций по дисциплине «Теория информационных процессов и систем» для студентов ВлГУ, обучающихся по направлению 230400. 62 Информационные системы и технологии

    Документ
    ... рядом САПРов, которые ... Подсистема контроля качества 2. Подсистема управления технологическим процессом 3. Подсистема ... развития естественнонаучных дисциплин (таковы дифференциальное ... осуществляющим информационную и интеллектуальную поддержку выработки ...
  4. Аннотация к рабочей программе дисциплины «Математическая логика и теория алгоритмов» по направлению 230100. 62 Информатика и вычислительная техника

    Документ
    ... файлов. 11. Программы САПР, их графические возможности. ... программных средств интеллектуальных систем. Краткое содержание дисциплины. Искусственный интеллект ... . Функциональные подсистемы АСОИУ: структура функциональной подсистемы, функциональные ...
  5. Учебное пособие по дисциплине 1722 «Проектирование асоиу» по специальности 230102 Автоматизированные системы обработки информации и управления Факультет ит

    Анализ
    ... системы имитируют интеллектуальные процессы обработки ... проектирования (САПР) - предназначены ... Подсистема маркетинга Производственные подсистемы Финансовые и учетные подсистемы Подсистема ... поддерживать удобную дисциплину сопровождения, модификации ...

Другие похожие документы..