- •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.
2.2 Продукционная модель знаний.
Продукционная модель или модель, основанная на правилах (продукциях), позволяет представить знания в виде предложений типа:
Если (условие), то (действие).
Если (причина), то (следствие).
Под «условием» (антецедентом) понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний. Под «действием» (консеквентом) понимаются другие утверждения, которые становятся истинными, если истинно условие, либо действия, выполняемые при успешном исходе поиска в БЗ.
Консеквент может быть промежуточным, выступающим как условие для поиска на следующем шаге, и терминальным, завершающим работу системы или алгоритма поиска.
Эта модель позволяет описать предметную область в виде причинно-следственных связей.
База знаний в ИС на основе данной модели состоит из базы фактов и базы правил. В оперативной памяти хранятся рабочие переменные алгоритма поиска, т.е. условия, которые требуют доказательства, промежуточные решения. Такая структура позволяет легко модифицировать БЗ и используется в задачах, где нет четких правил и алгоритмы являются эвристическими.
Запрос к БЗ содержит утверждения о некотором состоянии предметной области. Машина вывода (алгоритм поиска) ищет правила, адекватные поставленной задаче, и выполняет действия, заключенные в правилах. В результате просматриваются последовательно все факты из базы фактов и все правила из базы правил.
Если терминальное решение не будет получено, то процесс поиска начинается сначала с принятием новых условий о состоянии предметной области.
Пример 2.1
Пусть в БЗ содержатся следующие знания о предметной области «Биржа»:
1) База фактов:
F1. Уровень цен на бирже падает.
F2. Уровень цен на бирже растет.
F3. Процентные ставки падают.
F4. Процентные ставки растут.
F5. Курс доллара растет.
F6. Курс доллара падает.
2) База правил:
R1. Если F3, то F2.
R2. Если F4, то F1.
R3. Если F6, то F4.
R4. Если F5, то F3.
3) Запрос к БЗ:
Как изменится ситуация на бирже в случае падения курса доллара?
0. F6 = true
1. R3 F4 = true
2. F4 = true
3. R2 F1 = true
4. F1 = true
5. Result: F6 F4, F1
Примечания: 1) При использовании продукционной модели возникает проблема контроля непротиворечивых данных в БЗ (ответственность возлагается на программиста).
2) Изменение предметной области приводит к появлению новых фактов о ее состоянии, отсутствующих в БЗ. Это позволяет автоматически пополнять БЗ, укоряя процесс поиска.
Например, в результате запроса появляется новое правило:
R5. Если F6, то F4& F1, которое позволяет убрать правило R3 из базы правил.
3) Найденные в соответствии с запросом решения и цепочки вывода помещаются в базу типовых решений, что позволяет при повторном решении той же задачи использовать готовые шаблоны.
4) При добавлении пользователем или экспертом новых фактов и правил о предметной области нужно вначале проверить их достоверность перед помещением в БЗ.
Продукционная модель наиболее часто применяется в промышленных экспертных системах, т.к. она проста, понятна, модифицируема. Разработаны специальные языки представления знаний с помощью продукционной модели – OPS5, G2. на базе данной модели строятся экспертные системы, такие как EXSYS, ЭКО.