3.8 Ситуационный подход в представлении знаний и выводе решений. ч.3
.jpg)
Существуют решающие правила, позволяющие в каждом узле дерева сделать вывод о том, условия-ограничения какого из узлов следующего уровня выполняются. Посредством выяснения этого (в результате диалога или автоматического опроса базы данных, измерителей, датчиков и т.п.) организуется последовательное движение от корневой вершины к вершине низшего уровня.
Общая схема вывода решения (см. рисунок 3.7) на дереве ситуаций будет состоять в последовательном построении пути PL от s1 S1 к sL ... Подробнее
3.8 Ситуационный подход в представлении знаний и выводе решений. ч.4
Последний способ предполагает больший объем работы с экспертами. Он представляется весьма эффективным в случаях, когда пользователь не обладает необходимым резервом времени для выбора решения.
Итак, сформулируем данного подхода к формированию ситуационной базы знаний на основе дерева ситуаций:
-вывод решения осуществляется в процессе уточнения того, выполняются ли заданные условия на ограничения тех или иных параметров (атрибутов ситуаций). Это может быть выполнено или путем диалога и... Подробнее
4.2 Приобретение знаний в СОЗ. ч.1
В процессе приобретения знаний решаются две задачи - получение, т.е. извлечение знаний из источников и их систематизация (структуризация).
При извлечении знаний происходит взаимодействие с источником (источниками) знаний с целью получить необходимые для создания БЗ сведения - о ходе решения экспертом профессиональных задач, о приоритетах и учитываемых ограничениях, о фактах, событиях и взаимосвязях между ними и т.п.
В ходе структуризации происходит упорядочение и оформление полученных... Подробнее
4.2 Приобретение знаний в СОЗ. ч.2
Активные методы извлечения знаний предполагают более активную, направляющую роль инженера по знаниям. Среди этих методов отметим следующие:
- анкетирование. Этот метод считается наиболее стандартизированным, т.к. предполагает ответы эксперта (экспертов) на заранее разработанный перечень вопросов. Трудность состоит в подборе этих самых вопросов, особенно, если инженер по знаниям предполагает получить от эксперта достаточно лаконичные, четкие и понятные ответы.
- интервью. Интервью также... Подробнее
4.3 Системы интеллектуального анализа данных. Извлечение знаний из данных. ч.1
При написании этого пункта учебного пособия использован материал статьи, подготовленной автором для подписной электронной рассылки «Интернет для бизнеса» в 2007 году. В свою очередь при написании статьи были использованы сведения о Data Mining , как о перспективном направлении развития ИИС из таких источников , как [2, 4, 10].
Системы ИАД, как было сказано выше, реализуют принципиально иную стратегию получения знаний, нежели СОЗ. Здесь не система получает знания от человека... Подробнее
4.3 Системы интеллектуального анализа данных. Извлечение знаний из данных. ч.2
Сравните с точки зрения наглядности и объяснимости два способа представления знаний, которые выявил компьютер на основе анализа результатов деятельности интернет-магазина (это еще одно пояснение термина «знания в явной форме»):
1) Представление с помощью логических правил «Если.. То»:
«Если А > 250 (средний объем заказов покупателя > 250 руб)
И В > 4 (частота покупок > 4 в месяц),
То С = 2 (класс покупателя = 2) с долей уверенности =... Подробнее
4.4. Машинное обучение на примерах. Нейронные сети. ч.1
Обучение на примерах предполагает предъявление системе некоторых примеров – объектов с известными характеристиками.
Например, предъявление объектов, принадлежащих нескольким классам, позволяет выявить правила классификации, по которым можно вновь исследуемый объект отнести к тому или иному классу. Такая задача, которая состоит в отнесении объектов по данным, которые их характеризуют, к одному из заранее известных классов, называется задачей распознавания образов. Примерами этой... Подробнее
4.4. Машинное обучение на примерах. Нейронные сети. ч.2
Нейрон получает на входе сигналы x1, x2, x3,…, xN. И суммирует их с весовыми коэффициентами w:
s = ∑wixi
Однако на выходе нейрона присутствует сигнал только тогда, когда s больше или меньше какого-то порога. Точнее существует некоторая функция активации y = f(s), которая преобразует s в 1 (есть сигнал) или 0 (нет сигнала). Если на выходе нейрона есть сигнал, то говорят, что данный нейрон возбужден.
Распространены такие функции активации [12]:
ступенчатая пороговая:
y... Подробнее
4.4. Машинное обучение на примерах. Нейронные сети. ч.3
В [12] приводится такая рекомендация об объеме обучающей выборки: при допустимости 10% ошибок число учебных образцов должно быть в 10 раз больше числа имеющихся в сети весовых коэффициентов. Если на рисунке 4.4. посчитать число синаптических входов нейронов скрытого и выходного слоя – 21 , то можно предположить что объем обучающей выборке согласно этой рекомендации должен содержать не менее 210 образцов.
В заключение отметим, что рассмотренный тип НС является не единственным,... Подробнее
Глава 3. ПРЕДСТАВЛЕНИЕ ЗНАНИЙ И ВЫВОД РЕШЕНИЙ В ИИС. 3.1. Модели представления знаний
В [18] все модели представления знаний делятся на два типа – формальные логические и эвристические модели. Соответственно определяется логический и эвристический метод рассуждений в СОЗ.
Логические модели базируются на той или иной формальной системе (теории) . Наиболее известной является модель представления знаний на основе логики предикатов (исчисление предикатов первого порядка).
Одним из известных воплощений логической модели стал язык программирования Пролог (PROLOG),... Подробнее
Аннотации статей | [Все аннотации] |
|
|
|||||
|
|
Рекомендовано:
Робот - мойщик окон
Это, на самом деле, крутая штука ЗДЕСЬ
Популярные статьи |
