Резюме к 3 главе

1. Модели представления знаний делятся на два типа – фор-мальные 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 пред-ставления знаний на основе логики предикатов (исчисление пре-дикатов первого порядка).
К их числу эвристических моделей относятся:
- продукционная модель (правила продукций);
- сетевые модели и, в частности, семантические сети;
- фреймы и объектно-ориентированные модели знаний;
- ситуационная модель
и др.
2. Продукционная модель представления знаний является, пожалуй, наиболее распространенной в ИИС. В общем виде пра-вило продукций записывается так:
Если <Условие> То <Заключение>,
где <Условие> может представлять из себя сложное высказыва-ние, состоящее из более простых, связанных связками “И” , “ИЛИ”, “Не”.
Сама ЭС, основанная на правилах продукций, называется еще продукционной экспертной системой.
3. В работе машины вывода продукционной ЭС могут исполь-зоваться две стратегии вывода:
- прямая стратегия вывода. В этом случае вывод осуществля-ется то данных к конечной гипотезе;
- обратная стратегия вывода. В этом случае вывод делается путем проверки истинности гипотезы, то правых к левым частям правил.
4. Для работ с неопределенностью в продукционных ЭС при-меняется аппарат коэффициентов уверенности (коэффициентов определенности). При вводе продукционного правила эксперту предлагается оценить коэффициент силы правила k [0;1]. В ходе вывода пользователь также может оценивать факты с помощью коэффициентов уверенности в истинности факта. Тогда в правиле A→B применяется следующая общая формула для расчета ко-эффициента уверенности в истинности факта B: к(В) = к(А)*к(А,В).
В случае сложных логических высказываний в левой части правил используются формулы комбинирования коэффициентов.
Формула Байеса дает еще один способ для представления и обработки неопределенности в продукционных системах.
5. Достаточно широким классом моделей представления зна-ний являются сетевые модели и, в частности, семантические се-ти. Вершины в семантической сети (СС) могут означать разные по природе объекты, а дуги между ними – различные по смыслу от-ношения. Это позволяет строить сложные и полные модели предметной области, с достаточной степенью подробности вос-производящие объекты и их взаимосвязи.
Семантические сети хорошо подходят для представления эн-циклопедических знаний. Вследствие сложности самой модели, многообразия отношений между объектами вывод на семантиче-ских сетях затруднителен. Потому эта модель часто считается моделью декларативного представления знаний. Одно из воз-можных применений СОЗ с семантическими сетями – создание систем для представления корпоративных знаний и алгоритмов поиска в них, т.е. построение вопросно-ответных систем.
6. Фрейм - структура данных для представления стереотип-ных ситуаций или типовых объектов. Особенностью фреймового подхода стало объединение в одной структуре как декларативных знаний об объектах, их свойствах и состояниях, так и процедур-ные знания о поведении объектов, о методах извлечения инфор-мации и достижения целей.
Результатом практического внедрения концепции фреймов в инженерию программирования стала технология объектно-ориентированного подхода.
7. В большинстве эвристических моделей знаний реализуется вывод на основании дедуктивных рассуждений, когда от общих закономерностей, зафиксированных в базе знаний, система пере-ходит к выводу решения в конкретной, частной обстановке.
Еще один способ вывода – по аналогии – реализуется в си-туационной модели представления знаний и вывода решений.
Алгоритм ситуационного вывода включает следующие этапы:
- идентификация текущей ситуации ;
- поиск в базе знаний аналога - ситуации, наиболее сходной по некоторому критерию с текущей;
- выбор из БЗ решения, соответствующего найденной ситуа-ции.
На каждом из этих этапов при построении автоматизирован-ной ситуационной системы возникают свои трудности. Так, при идентификации необходимо выбрать способ структурированного описания ситуаций, который позволит далее выполнить этап рас-познавания. Кроме того, сам процесс формирования описания Sitтек предполагает опрос пользователя и/или некоторых иных информационных источников, баз данных, датчиков и др. Опре-делить, какие вопросы и в какой последовательности должны быть заданы - это еще одна трудность, которая возникает на эта-пе идентификации. На этапе распознавания трудность составля-ет выбор или построение способов и критериев для оценки сход-ства ситуаций. На этапе вывода решений – способы представле-ния решений пользователю; кроме того, отдельной задачей явля-ется сама конструкция решения.
Один из подходов, позволяющий преодолеть названные труд-ности и реализовать вывод решения с помощью механизма дере-ва ситуаций.

Вернуться:

3.8 Ситуационный подход в представлении знаний и выводе решений. ч.4

Читать дальше:

Глава 4. ПРИОБРЕТЕНИЕ ЗНАНИЙ В ИИС. ТЕХНОЛОГИИ МАШИННОГО ОБУЧЕНИЯ. 4.1 Стратегии получения знаний в ИИС