- •1. Основные понятия дисциплины.
- •2. Классификация знаний. Отличие знаний от данных.
- •I группа.
- •II группа.
- •III группа.
- •IV группа.
- •3. Модели представления знаний в ис. Продукционная модель. Модель на основе фреймов Модели представления знаний в ис
- •Продукционная модель знаний.
- •Модель на основе фреймов.
- •4. Модели представления знаний в ис. Семантические сети. Формально-логическая модель. Модели представления знаний в ис
- •Семантические сети
- •2.5 Формальные логические модели на основе исчисления предикатов
- •5. Экспертные системы. Понятие, назначение, области применения. Основные характеристики экспертных систем. Понятие эс. Основные характеристики.
- •Основные характеристики эс:
- •Области применения эс. Типы эс и подходы к их реализации.
- •Назначение
- •Критерий использования эс для решения задач.
- •6. Ограничения в применение экспертных систем. Преимущества экспертных систем перед человеком – экспертом. Ограничения в применение экспертных систем
- •Преимущества экспертных систем перед человеком – экспертом.
- •7. Отличие экспертных систем от традиционных программ. Структура экспертной системы. Назначение подсистем экспертной системы.
- •Назначение подсистем экспертной системы
- •8. Общие сведения о языке Пролог.
- •9. Вычислительная модель Пролога. Факты, запросы, переменные, домены и правила.
- •10. Работа со списками в языке Пролог.
- •1.4.5.2 Предикат может иметь несколько вариантов использования
- •Работа с деревьями в языке Пролог.
- •1.3 Создание дерева
- •11. Особенности ввода-вывода в языке Пролог.
- •12. Особенности написания экспертной системы на языке Пролог.
- •13. Стратегии получения знаний. Теоретические аспекты извлечения знаний. Стратегии получения знаний.
- •10.3 Теоретические аспекты извлечения знаний.
- •14. Представление нечетких знаний информационных системах.
- •Пример 9.1
- •15. Классификация методов практического извлечения знаний. Коммуникативные активные методы.
- •16. Классификация методов практического извлечения знаний. Коммуникативные пассивные и текстологические методы
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.
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.
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.
Модель на основе фреймов.
Термин фрейм (от англ. frame – рамка, каркас) был предложен Маренном Минским в 70-е годы для обозначения структуры знаний для восприятия пространственных сцен.
Фрейм — это абстрактная модель для представления какой-либо сцены. Модель на основе фреймов легко программировать, использую объектную технологию. Основная сложность использования этой модели заключается в разработке алгоритмов поиска на множестве фреймов.
Пример 2.2.
Фрейм «комната» описывает шаблон помещения с четырьмя стенами, полом, потолком, окнами и дверью некоторой площадью. Конкретные значения их не определены.
Каждый составляющий – это слот. Слот представляет собой незаполненное значение некоторого атрибута.
Различают несколько типов фреймов:
фреймы-образы;
фреймы-структуры (заем, залог, вексель);
фреймы-роли (менеджер, кассир, клиент);
фреймы-сценарии (банкротство, собрание акционеров, празднование именин);
фреймы-ситуации (тревога, авария, рабочий режим устройства) и др.
Традиционно структура фрейма может быть представлена как список свойств:
Имя фрейма:
роль 1 (слот 1);
роль 2 (слот 2);
…
роль k (слот k);
Здесь:
Имя слота:
(признак 1, значение 1),
(признак 2, значение 2),
…
(признак N, значение N).
Связь
В данном случае связь определяет отношение между фреймами.
Существует несколько способов получения знаний слотами фреймов:
По умолчанию от фрейма-образа. 2) Через наследование свойств от фрейма, указанного в слоте АКО (АКО = A-Kind-Of). 3) Путем вычисления значения по формуле, указанной напрямую в слоте. 4) Через присоединенную процедуру. 5) Из диалога с пользователем.
Важнейшим свойством теории фреймов является наследование свойств по АКО-связям. Слот АКО при этом указывает на фрейм более высокого уровня иерархии, от которого наследуются значения одноименных слотов.
Пример 2.3.
1) Человек:
АКО = млекопитающее;
Умеет = мыслить.
2) Ребенок:
АКО = человек;
Возраст = 0 – 16 лет;
Рост = 50 – 180 см;
Любит = сладкое.
3) Ученик:
АКО = ребенок;
Учится = в школе, в ПТУ;
Возраст = 7 – 17 лет.
В данной сети фреймов на вопрос: «Любят ли ученики сладкое?» - получает ответ «Да».
Для фреймовой модели разработаны специальные языки программирования, наиболее известные из которых FRL и KRL. На их основе построены такие экспертные системы, как ANALYST, TRISTAN.