- •Тема 1. Информационный процесс представления знаний.
- •1.1 Основные понятия дисциплины.
- •1.2 Классификация знаний.
- •I группа.
- •II группа.
- •III группа.
- •IV группа.
- •Тема 2.
- •2.1 Модели представления знаний в ис
- •2.2 Продукционная модель знаний.
- •Пример 2.1
- •2.3 Фреймы.
- •Пример 2.3.
- •2.4 Семантические сети
- •2.5 Формальные логические модели на основе исчисления предикатов
- •Пример 2.5
- •Пример 2.6
- •Пример 2.7
- •Пример 2.8
- •Тема 3. Язык Пролог.
- •3.1 Пролог с процедурной точки зрения.
- •Пример 3.1
- •Пример 3.2
- •Пример 3.3
- •3.2 Передача параметров и возврат значений в предикат.
- •Пример 3.4
- •Тема 4. Вычислительная модель Пролога.
- •4.1 Факты, запросы, переменные и правила.
- •4.1.1 Факты.
- •4.1.2 Запросы.
- •4.1.3 Переменные.
- •4.1.4 Правила.
- •Пример 4.1
- •Пример 4.2
- •4.2 Сравнение термов на равенство.
- •Тема 5. Дедуктивные системы. Логический вывод и логическое программирование.
- •5.1 Исчисления и дедуктивные системы.
- •5.2 Общая схема построения формальной системы.
- •5.3 Основные понятия логического программирования.
- •5.4 Простой абстрактный интерпретатор логических программ.
- •Пример 5.2
- •Пример 5.3
- •Тема 6. Экспертные системы (эс).
- •6.1 Понятие эс. Основные характеристики.
- •6.2 Области применения эс. Типы эс и подходы к их реализации.
- •6.3 Типы задач, решаемых эс.
- •6.4 Отличие эс от традиционных программ.
- •6.5 Типовая структура эс.
- •6.6 Инструментальные средства эс.
- •Тема 7. Технологии проектирования и разработки экспертных систем (эс).
- •1. Выбор проблемы.
- •2. Разработка прототипа эс.
- •3. Доработка коммерческой версии.
- •4. Оценка эс.
- •5. Стыковка системы.
- •6. Поддержка системы.
- •Тема 8. Вывод на знаниях.
- •8.1 Основные положения.
- •8.2 Стратегии управления выводом.
- •Пример 8.1
- •Тема 9. Представление нечетких знаний в ис.
- •Пример 9.1
- •Тема 10. Инженерия знаний.
- •10.1 Поле знаний.
- •10. 2 Стратегии получения знаний.
- •10.3 Теоретические аспекты извлечения знаний.
- •10.4 Структурирование знаний.
10. 2 Стратегии получения знаний.
Процесс получения знаний, т.е. передача знаний эксперта в БЗ экспертной системы является ключевым вопросом формирования поля знаний.
Стратегии формирования знаний:
1) Приобретение знаний (Knowledge, Aquisition). Эксперт вводит знания в БЗ ЭС с помощью специальной программы, жестко задающей структуры данных в соответствии с моделью представления знаний, заложенных в ЭС.
2) Извлечение знаний (Extraction).
3) Установление знаний (Elicitation).
В двух последних стратегиях происходит взаимодействие эксперта и инженера по знаниям.
Извлечение знаний является самым сложным вопросом в разработке ЭС.
Основные проблемы, возникающие при извлечении знаний:
1 – Упрощение представлений инженера по знаниям уровня знаний эксперта.
2 – Неудачно выбранный метод извлечения знаний, не соответствующий структуре данной предметной области.
3 – Неправильно выбранный язык представления знаний.
4 – Терминологические несоответствия.
5 – Отсутствие целостной системы знаний.
6 – Неумение наладить контакт с экспертом.
Для успешного извлечения знаний инженер по знаниям должен хорошо владеть рядом наук:
системным анализом;
математической логикой;
когнитивной психологией;
искусственным интеллектом.
Согласно Платону, мышление человека диалогично, поэтому диалог эксперта и инженера по знаниям является самой лучшей формой извлечения знаний, хотя в ряде случаев эксперт не общается с инженером по знаниям, а работает с программой ввода знаний (Tetresias – программа заполнения БЗ, MYCIN, EMYCIN, разработанные на основе продукционной модели представления знаний).
4) Формирование знаний. Эта стратегия характеризует разработку моделей, методов и алгоритмов обучения ЭС (Mashine Learning) – процесс анализа данных и выявления закономерностей предметной области.
Основные области применения Mashine Learning:
- прогнозирование, расшифровка языков;
- методы обучения распознаванию образов;
- индуктивный вывод правил и фактов.
Существует 2 основных подхода к обучению:
1 – алгебраический, основанный на дополнении исходных эвристических алгоритмов какими-либо алгебраическими операциями, характеризующими объект, и построении алгоритмов классификации новых объектов.
2 – обучение на примерах (Case-based Reasoning). Здесь знания являются описанием множества примеров из предметной области.
Существуют новые стратегии извлечения знаний:
1) Понимание знаний (Data Mining).
2) Исследование знаний (Knowledge Discovery).
10.3 Теоретические аспекты извлечения знаний.
Выделяют 3 аспекта:
1 – психологический (основной);
2 – лингвистический;
3 – гносеологический.
Лингвистический касается проблем построения языковых интерфейсов.
Гносеологический объединяет методологические проблемы получения новых знаний на основе гносеологии.
Гносеологическая цепочка выглядит следующим образом:
Фактобобщенный фактэмпирический законтеория.