ГОСы / Avdeenko_Otvety_1

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

Ту же запись можно представить в виде таблицы, дополнив двумя столбцами.

Имя фрейма

В таблице дополнительные столбцы предназначены для описания типа слота и возможного присоединения к тому или иному слоту специальных процедур, что допускается в теории фреймов. В качестве значения слота может выступать имя другого фрейма, так образуют сети фреймов (Фреймовая система — это иерархическая структура, узлами, которой являются фреймы с определенной структурой данных).

Способы получения слотом значения во фрейме экземпляре:

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

по формуле, указанной в слоте;

из БД;

явно из диалога с пользователем;

присоединенную процедуру;

через наследование свойств фрейма, указанных в слоте АКО.

Важнейшим свойством теории фреймов является заимствованное из теории семантических сетей наследование свойств (используется для уменьшения информационной избыточности во фреймовых системах; позволяет общую (глобальную) для системы информацию хранить в отдельном фрейме, а во всех остальных фреймах указывать лишь ссылку на место хранения этой информации). И во фреймах, и в семантических сетях наследование происходит по АКО-связям (A-Kind-Of = это). Слот АКО указывает на фрейм более высокого уровня иерархии, откуда неявно наследуются, т.е. переносятся, значения аналогичных слотов.

Пример. Например, в сети фреймов на рис.1 Понятие «ученик» наследует свойства фреймов «ребенок» и «человек», которые находятся на более высоком уровне иерархии. Так, 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 для учеников не наследуется из фрейма «ребенок», поскольку указан явно в своем собственном фрейме. Явное указание отменяет наследование.

Основным преимуществом фреймов как модели представления знаний является способность отражать концептуальную основу организации памяти человека, а также гибкость и наглядность.

Специальные языки представления знаний в сетях фреймов FRL (Frame Representation Language), KRL, KAPPA и другие позволяют эффективно строить промышленные ЭС.

Широко известны такие фреймо-ориентированные экспертные системы, как ANALYST, МОДИС,

TRISTAN, ALTERID.

Присоединенная процедура. В качестве значения слота можно использовать программу процедурного типа, которая запускается по сообщению, переданному из другого фрейма.

Типы процедур (запускаются при обращении к соответствующему слоту):

41

1)IF-NEEDED (если-нужно) - запускается, если в момент обращения к слоту его значение не было установлено;

2)IF-ADDED (если-добавлено) - запускается при подстановке в слот значения;

3)IF-REMOVED (если-удалено) - запускается при стирании значения слота; и т. д.

Механизм вывода на фреймах

В языке представления знаний фреймами отсутствует специальный механизм управления выводом, поэтому пользователь должен реализовать данный механизм с помощью присоединенной процедуры.

Механизм управления выводом в FMS-системе организуется следующим образом. Сначала запускается одна из присоединенных процедур некоторого фрейма, затем в силу необходимости посредством пересылки сообщений последовательно запускаются присоединенные процедуры других фреймов и таким образом осуществляется вывод. Другими словами, база знаний должна быть определена так, чтобы правильно выполнять вывод.

Пример:

является

Отчет о продвижении №101

Конкретные (самые конечные) фреймы называются терминалы.

42

43

33 Механизм вероятностного вывода на основе правила Байеса и коэффициентов уверенности.

Механизм вывода (решатель)- программа ,моделирующая процесс рассуждения эксперта при решении проблем предметной области на основе знаний содержащихся в БЗ. Этот программный инструмент получает от интерфейса пользователь преобразованный во внутреннее предоставление запроса. Формулирует из базы знаний конкретный алгоритм решения задачи, выполняет алгоритм ,а полученный результат предоставляется интерфейсу пользователя для выдачи ответа на запрос. Более сложный тип аналитических задач решается на основе неопределенных исходных данных и применяемых знаний .Доопределяющие ЭС должна как бы доопределить недостающие знание, а в пространстве решений получаться несколько возможных решений с различной вероятностью или уверенностью в необходимости их выполнения. В качестве методов работы с неопределенностями могут использоваться байесовский вероятностный подход, коэффициенты уверенности ,нечетная логика. Доопределяющие ЭС могут использоваться для формирования решений несколько источников знаний .В этом случае могут использоваться эвристические приемы выбора единиц

Условная вероятность события d при данном s – это вероятность того, что событие d наступит при условии, что наступило событие s. Например, условной вероятностью является вероятность того, что у пациента действительно имеется заболевание d, если у него обнаружен только симптом s.

Правило Байеса:

P(d) — априорная вероятность наступления событияd, аP(d|s) — апостериорная вероятность, обозначающая вероятность того, что событиеdпроизойдет, если известно, что событиеsсвершилось.

Данное правило иногда называют инверсной формулой для условной вероятности, так как она позволяет вычислить вероятность P(d | s) через P(s | d).

Для систем, основанных на знаниях, правило Байеса гораздо удобнее формулы определения условной вероятности через вероятность одновременного наступления событий P(d . s).

Правило Байеса в обобщенной форме выглядит следующим образом:

и требует вычисления (mn)k + m + nk оценок вероятностей, что даже при небольшом значении А; очень много. Эти оценки вероятностей требуются нам по той причине, что в общем случае для вычисления P(s1 ^

....^ sk) нужно предварительно вычислить произведения вида

P(s1 | s2 ^.. .^sk )P(s2 | s3 ^.. .^sK )... P(sk )

44

34 Основные понятия теории нечетких множеств. Операции над нечеткими множествами. Понятия нечеткой и лингвистической переменной. Основы нечеткого логического вывода.

логика – еще один подход к рассуждениям в условиях неопределенности

Нечеткое множество (fuzzy set) представляет собой совокупность элементов произвольной природы, относительно которых нельзя с полной определенностью утверждать, что какой-либо элемент принадлежит данному множеству.

Нечеткое множество – множество с размытой границей

Математическое определение нечеткого множества

Пусть имеется некоторое обычное (будем называть его универсальное, или универсум) множество X элементов x.

Нечеткое множество A определяется как упорядоченное множество пар вида <x, A(x)>, где x X – является элементом некоторого универсального множества X (универсума), A(x) – функция принадлежности, A: X [0,1]

При этом A(x)=1 для некоторого x означает, что элемент x определенно принадлежит нечеткому множеству A, а значение A(x)=0 означает, что элемент x определенно не принадлежит нечеткому множеству A.

Пример нечеткого множества

Пример, универсальное множество X= {понедельник, вторник, среда, четверг, пятница, суббота, воскресенье}.

Тогда нечеткое множество A, представляющее «начало недели», можно задать следующим образом:

A={< понедельник, 1>,< вторник, 0.9>,<среда, 0.7>,<четверг, 0.5>, <пятница,0>,<суббота, 0>,<воскресенье,

0>}

Нечеткое множество B, означающее «выходные», так

A={< понедельник, 0>,< вторник, 0>,<среда, 0>,<четверг, 0>, <пятница,0.5>,<суббота, 1>,<воскресенье,

0.8>}

Пример непрерывной функции принадлежности

Рассмотрим еще один пример, возникающий при попытке в обыденной жизни дать температурную характеристику того или напитка. Например, нечеткое множество С - «горячий чай».

Универсум - X={x| 00C<x<1000C }.

Примем С(100C)=0 и С(900C)=1. Определение значений функции принадлежности между этими значениями температур не представляется однозначным. Например, 600C для одного может показаться горячей, для другого – холодной. Одно очевидно, что функция должна быть монотонно неубывающей.

45

График возможной функции принадлежности нечеткого множества «горячий чай»

Пример - нечеткое изображение буквы

Нечеткое множество

A={<A,0.01>, <B,0>,…, <M,0.65>, <H,0.85>.}

Нечеткая переменная – это кортеж < ,X,A>, где

- наименование нечеткой переменной,

X – область определения нечеткой переменной (универсум),

A={x, A(x)} – нечеткое множество на X, описывающее возможные значения, которые может принимать нечеткая переменная .

Например, нечеткая переменная

<«горячий кофе»,{x| 0 C<x<100 C },A>

где функция A(x) определена ранее в примере.

Лингвистическая переменная – переменная, которая может принимать значения фраз из естественного или искусственного языка. Например, лингвистическая переменная

«скорость» может иметь значения «высокая», «средняя», «очень низкая» и т. д. Фразы, значение которых принимает переменная, в свою очередь являются именами нечетких переменных и описываются нечетким множеством.

Лингвистическая переменная определяется как кортеж < ,T,X,G,M>,

• - наименование лингвистической переменной,

T – множество значений (термов) лингвистической переменной, состоящее из нечетких переменных i X – область определения (универсум) нечетких переменных i ,

• G – синтаксическая процедура, описывающая процесс формирования из множества T новых значений лингвистической переменной ,

46

• M – семантическая процедура позволяющая поставить в соответствие каждому новому значению лингвистической переменной, получаемому с использованием синтаксической процедуры G, нечеткого множества, определяющего содержание нового значения.

Пусть лингвистическая переменная

- температурная характеристика чая;

•T={ 1, 2 , 3 }, 1=«холодный чай», 2 =«теплый чай», 3 =«горячий чай»;

•X=(0,100);

•G – процедура формирования новых термов с помощью связок И, ИЛИ, и модификаторов НЕ,ОЧЕНЬ,СЛЕГКА. Например, «очень горячий чай»;

•M – семантическая процедура задания на X=(0,100) нечетких переменных 1=«холодный чай», 2 =«теплый чай», 3 =«горячий чай», а также нечетких переменных, полученных из i с использованием связок и модификаторов.

Пример лингвистической переменной

47

35 Понятие онтологии. Классификация онтологий и их применение.

Онтология — это структурная спецификация некоторой предметной области, ее формализованное представление, которое включает словарь (или имена) указателей на термины предметной области и логические выражения, которые описывают, как они соотносятся друг с другом.

Под определение онтологии подпадают многие понятийные структуры: иерархия классов в объектноориентированном программировании (фрейм), концептуальные карты (concept maps), семантические сети, и т. п. Можно еще шире трактовать онтологию – например, как сценарий или процесс, как нечто структурирующее хаос.

Существуют различные подходы, модели и языки описания данных и знаний. Однако в последнее время все большую популярность приобретают онтологии.

Онтология – по определению Грубера [Gruber,1997], есть спецификация концептуализации, формализованное представление основных понятий и связей между ними.

Ранее этот философский термин означал учение о бытии, затем он переместился в область точных наук, где полуформализованные концептуальные модели всегда сопутствовали математически строгим определениям.

Онтология — это структурная спецификация некоторой предметной области, ее формализованное представление, которое включает словарь (или имена) указателей на термины предметной области и логические выражения, которые описывают, как они соотносятся друг с другом.

Под определение онтологии подпадают многие понятийные структуры: иерархия классов в объектноориентированном программировании (фрейм), концептуальные карты (concept maps), семантические сети, и т. п. Можно еще шире трактовать онтологию – например, как сценарий или процесс, как нечто структурирующее хаос

Онтологией O называется О={C,R,A} (весомая онтология, Heavy-weighted ) или О={C,R} (легкая онтология, Light-weighted ) где O - онтология,

С - совокупность концептов (понятий) предметной области, R - совокупность отношений между концептами, A - набор аксиом (законов и правил, которые описывают законы и принципы существования концептов).

Около 80 % разработанных онтологий относятся к "легким".

по типу отношений:

-Таксономия - ведущее отношение "kind-of" ("is-a")

-Партономия - ведущее отношение "имеет частью" ("состоит", "has part")

-Генеалогия - ведущее отношение "отец-сын" ("потомок-предшественник") -Атрибутивные структуры

-Причинно-следственные - ведущее отношение "if-then"

-Смешанные онтологии - онтологии с другими типами отношений

по владельцу или пользователю:

48

-Индивидуальные (личные),

-Групповые (коллективные):

Принадлежат стране,

-Принадлежат сообществу (напр. научному),

-Принадлежат компании или предприятию;

-Общие (всеобщие).

по языку описания:

-Неформальные,

-Формализованные,

-Формальные - на языках RDFS,OWL и др.

по области применения:

-Наука,

-Промышленность,

-Образование и др.

по цели разработки:

-Для обучения,

-Для исследований,

-Для менеджмента,

-Для обмена знаниями,

-Для электронного бизнеса.

49

36 Редакторы онтологий, формализмы и форматы представления онтологий.

Однако самые изощренные редакторы и инструменты не могут выполнить содержательный анализ предметной области и креативный синтез онтологических структур. Сегодня необходимы практические рекомендации и технологии в областях A1 и A2, для получения ответа на вопросы: "ЧТО отражают знания, представленные в онтологии?" и "КАК их наглядно отобразить?".

50