24739

Системы искусственного интеллекта. Модель логики предикатов первого порядка

Шпаргалка

Информатика, кибернетика и программирование

Задаваемые при описании формальной системы правила вывода называют также правилами вывода заключений т. Различают два типа правил вывода. Правила вывода. Правила вывода устанавливают отношения на множестве формул исчисления высказываний.

Русский

2015-01-29

418.5 KB

13 чел.

      Системы искусственного интеллекта

1. Формальные системы. Способ описания, основная терминология. Логики высказываний как формальная система. Прямая и обратная дедукция. Метод резолюций для логики высказываний. 

Определение. Формальная система представляет собой совокупность чисто абстрактных объектов, не связанных с внешним миром, в которой представлены правила оперирования множеством символов только в синтаксической трактовке без учета смыслового содержания.

Под теоремой в формальной системе понимают высказывание, истинное в  данной системе, - это некоторое обоснованное и строгое утверждение, которое строится на основе определенных логических правил и доказательства. Доказательство – это способ получения одних выражений из других с помощью операций над символами и построение обоснованной аргументации, следствием которой и является теорема.

Неопределяемые термины – это те термины и понятия, смысл и содержание которых считается уже известным, и через них вводятся все новые понятия и термины. Совершенно аналогично вводится некоторая часть постулатов (формул), которые, как считается в данной теории, не требуют доказательства. Обычно это утверждения, правильность которых не вызывает сомнения, и они принимаются как очевидные истины. Такие выражения (формулы) называют аксиомами, а системы, в основе построения которых лежит использование аксиом, называются аксиоматическими системами.

Определение. Формальным доказательством, или просто доказательством называется последовательность формул  такая, что каждая формула  является либо аксиомой, либо выводима из предшествующих ей формул.

Определение. Формула  t  называется теоремой, если существует доказательство, в котором она является последней.

Задаваемые при описании формальной системы правила вывода называют также правилами вывода заключений, т.е. они позволяют определить является ли данная формула теоремой данной формальной системы, или нет.

Различают два типа правил вывода.

1. Правила, применяемые к формулам, рассматриваемым как единое целое, в этом случае их называют продукционными правилами.

Пример. x < y и y < z  x < z - это продукция с двумя посылками.

2. Правила, которые могут применяться к любой отдельной части формулы, причем сами эти части являются формулами, входящими в состав формальной системы. В этом случае их называют правилами переписывания.

Пример. x - x = 0, это выражение имеет смысл при любом значении входящей в него в качестве подвыражения переменной x.

Определение. Правило подстановки заключается в замещении всех вхождений какой-либо переменной на формулу из формальной системы, которая не содержит этой переменной.

Определение. Интерпретация представляет собой распространение исходных положений какой-либо формальной системы на реальный мир. Интерпретация придает смысл каждому символу формальной системы и устанавливает взаимно однозначное соответствие между символами формальной системы и реальными объектами. Теоремы формальной системы, будучи интерпретированы, становятся после этого утверждениями в обычном смысле слова, и в этом случае уже можно делать выводы об их истинности или ложности.

Определение. Исчисление высказываний (логика высказываний) – это формальная система, интерпретацией которой является алгебра высказываний. Под высказыванием понимается повествовательное предложение, о котором можно сказать, что оно истинно или ложно.

1. Алфавит, который состоит из символов трех категорий:

а) бесконечное счетное множество высказываний (или переменных высказываний), которые обычно обозначаются буквами: A, B, C, x, y, z, a, b, c,  , и т.д.;

б) логические операторы (или логические связки), которые обозначают символы логических операций (, &,  и т.д.);

в) открывающиеся и закрывающиеся скобки: ( , ) .

Других символов в ИВ нет.

2. Правила построения формул. Для обозначения формул обычно используют заглавные буквы латинского алфавита. Эти буквы не являются символами исчисления и служат для условного обозначения формул. Формулы в ИВ определяются следующим образом

Формулы в исчислении высказываний однозначно получаются с помощью правил, которые описываются базисом и индуктивным шагом:

базис:  всякое    высказывание есть формула;

индуктивный шаг: если     X и Y - формулы, то ,, ,  и т.д. - также формулы;

3. Аксиомы. Существует несколько вариантов подбора аксиом , как исходных тождественно истинных формул. Эти наборы эквивалентны в том смысле, что они определяют один и тот же класс выводимых формул.

4. Правила вывода. Правила вывода устанавливают отношения на множестве формул исчисления высказываний.

1) правило заключения (modus ponens). Если A и  - это выводимые формулы, то B также является выводимой формулой.

2) правило подстановки. Его формальная запись имеет вид:

,

Правило сложного заключения. Если  - формулы и

- теорема, то формула B - так же теорема.

Правило двойного отрицания. Если  и  - теоремы, то будет теоремой и формула , иначе   и  .

Правило силлогизма (замыкания). Если  и   теоремы, то   так же теорема, иначе .

Правило композиции. Если  теорема, то  так же теорема, иначе .

Определение. Принцип дедукции состоит в следующем. Формула A является логическим следствием конечного множества Е тогда и только тогда, когда  содержит невыполнимые формулы.

. Это правило называется правилом прямой дедукции. Возьмем отрицание от этого выражения, тогда по  правилу де Моргана получим . Это правило называется правилом обратной дедукции.

В методе резолюций применяется также приведенное выше правило прямой дедукции:  для того, чтобы доказать, что формула С является логическим следствием из гипотез  H1,H2,…,Hn, следует доказать, что  H1&H2&…&Hn& =0 . Так как левая часть последнего равенства представляет собой конъюнкцию, для его выполнения достаточно доказать равенство нулю любой входящей в уравнение формулы. Таким образом, для доказательства выводимости исходной формулы С необходимо доказать, что в множестве {H1,H2,,Hn,} имеется хотя бы одна невыполнимая формула. Для этого каждый элемент указанного множества рассматривается как элементарная дизъюнкция (дизъюнкт).

2. Модель логики предикатов первого порядка. Основные понятия логики предикатов. Логика предикатов как формальная система. 

Определение. Одноместным предикатом P(x) называется произвольная функция переменной x, определенная на множестве М и принимающая значение из множества .

Определение. Предикатом Р называется n-местная функция, определенная на производном множестве М и принимающая в качестве значений элементы из двух элементного множества , где 0 и 1 интерпретируются как ложь и истина соответственно. Выражение вида  можно трактовать так, что переменные  связанны отношением Р.

Определение. Для предиката  можно выделить множество наборов , таких что  , которые будут подставленными в предикат P приводят его к значению истина. Объединение всех этих наборов называется множеством истинных наборов предиката Р, обозначим его .

Определение. Предикат  называется тождественно истинным, если его множество  образуют все возможные наборы, которые можно определить на множестве М.

 Определение. Предикат  называется тождественно ложным, если его множество .

  1.  Квантор всеобщности (). Пусть P(x) это предикат определенный на множестве М. Тогда под выражением  - понимается высказывание, которое истинно для любого элемента . Соответствующее этому высказыванию предложение можно сформулировать так: "Для любого х выражение Р(х) истинно".
  2.  Квантор существования (). Пусть Р(х) это предикат определенный на множестве М. Тогда под выражением  понимается высказывание, которое истинно, если существует элемент , для которого Р(х) истинно, и ложно в противном случае. Соответствующее ему предложение: "Существует х, при котором значение Р(х) истинно".

1. Алфавит. В логике предикатов обычно используют следующие категории символов:

  •  предметные переменные - x, y, z и т.п. которые принимают значение из множества М;
  •  индивидные константы - a, b, c и т.п. То есть, нульместные функциональные константы или константы предметной области;
  •  функциональные константы - f, g, h и т.п. Используются для обозначения функций;
  •  высказывания - p, q, r и т.п.;
  •  предикатные константы - P, R, H, Q и т.п.;
  •  символы логических операций - &, ,  и т.д.;
  •  символы кванторных операций - ;
  •  вспомогательные символы - ( , ).

2. Правила построения формул. Для начала введем несколько определений, которыми будем оперировать при определении правил построения формул.

  •  Термом является всякая переменная и всякая функциональная форма;
  •  Функциональная форма - это функциональная константа, соединенная с некоторым числом термов. Если f - функциональная константа (n-местная) и  - термы, то соответствующая форма записывается так . Если n = 0, то f превращается в индивидную константу;
  •  Предикатная форма - это предикатная константа, соединенная с соответствующим числом термов. Если Р - предикатная константа m-местная константа и - термы, то соответствующая форма записывается так . Если m = 0, то пишут Р.
  •  Атом - это предикатная форма или некоторое равенство (выражение вида s=t, где s и t - термы). Для равенства характерно то же, что и для предикатной формы, т.е. о  нем можно сказать, что оно истинно или ложно.

3. Определение аксиом. Выбор системы аксиом  в исчислении предикатов может быть осуществлен по-разному. Один из наиболее простых способов состоит в том, что берутся уже ранее определенные аксиомы из исчисления высказываний и дополняются еще двумя, связанными с использованием кванторов. ; , где  t - не содержит переменной х.

4. Правила вывода. Правила вывода так же полностью заимствуются из логики высказываний, кроме того, к ним добавляются еще два правила следующего вида:

  •  правило введения квантора существования:  ;
  •  правило введения квантора общности: .

При этом в обоих случаях считается, что F не зависит от х.

3. Унификация в логике предикатов первого порядка. Приведение формул логики предикатов к множеству предложений. Метод  резолюций для логики предикатов первого порядка.

 Унификация. Так как анализ выражений в формальных системах осуществляется в чисто синтаксической форме, без учета семантики, то возникает необходимость приведения отдельных выражений к единой форме. Эти приведения базируются на использовании унификации.

Например, для создания  из  и  необходимо найти подстановку «A вместо x», которая сделает идентичными W1(A) и W2(x). Поиск подстановок термов на место переменных называется унификацией. Унификация основывается на другом понятии - подстановка.

Определение. Подстановочным частным случаем называется подстановка в некоторое выражение термов вместо переменных.

Определение. Говорят, что множество E={E1, E2 , …, En } унифицируемо, если существует такая подстановка S, что E1S = E2S = … =EnS. В этом случае подстановка S называется унификатором для множества E, т.к. после ее применении множество склеивается в один элемент.

Приведение формулы логики предикатов к множеству предложений. Как отмечалось ранее, рассматриваемый метод применим к множеству предложений. Поэтому, прежде, рассмотрим последовательность действий, которую необходимо реализовать, для  приведения любой формулы логики предикатов к множеству предложений.

Шаг 1. Используя правила эквивалентных преобразований, в исходном выражении все логические операции записывают через операции дизъюнкции, конъюнкции и отрицания.

Шаг 2. Используя правила де Моргана, выполняются преобразования обеспечивающие применение операции отрицания только к литералам.

Шаг 3. Разделение переменных. Так как в пределах области действия квантора можно заменить любую переменную на другую, и от этого значение истинности формулы не изменится, можно преобразовать формулу так, чтобы каждый квантор имел свою собственную переменную, например, вместо  пишется .

Шаг 4. Исключение кванторов существования. Общее правило исключения квантора существования, состоит в замене каждого вхождения переменной, относящейся к квантору существования, на сколемовскую функцию, аргументы которой представляют собой те переменные, которые связаны с кванторами общности, в область действия которых попал квантор существования.

Шаг 5. Преобразование выражения в предваренную (префиксную) форму. Так как в формуле кванторы существования отсутствуют, то все кванторы общности можно переместить в начало формулы. Формула в таком виде называется формулой в предварительной форме, а цепочку кванторов перед ней префиксом, а следующее за ним бескванторное выражение – матрицей.

Шаг 6. Приведение матрицы выражения к форме КНФ. Известно, что любая логическая функция может быть представлена в виде КНФ. Для этого чаще всего используется метод эквивалентных  преобразований.

Шаг 7. Исключение кванторов общности. Так как в выражении остались кванторы общности, а их порядок несущественен, то можно эти кванторы опустить, то есть удалить у формулы префикс.

Шаг 8. Переход от выражения в виде КНФ к множеству предложений. Для этого требуется убрать все операции конъюнкции, а каждый дизъюнкт представить как отдельное предложение, т.е. перейти от выражения вида  к выражению в котором каждый элемент предложение.

Шаг 9. Переименование переменных. Символы переменных должны быть изменены так, чтобы каждый появлялся не более чем в одном предложении. Этот процесс называется разделением переменных.

4. Продукционные модели. Методы построения вывода в этих моделях. И/ИЛИ графы.

Продукционные модели

В общем случае продукционное правило представляет собой выражение вида: (i); Q;P;A->B;N

Смысл элементов:

  •  i – идентификатор продукции, т.е. это уникальное имя позволяющее выделить продукцию из множества других.
  •  Q – Область применения продукции
  •  P – Предусловие продукции
  •  A->B – ядро продукции
  •  N -  Постусловие продукции

Из всех приведенных компонент необходимым является ядро продукции, все остальные компоненты могут присутствовать или отсутствовать в зависимости от конкретной задачи.

Ядра продукции обычно разделяются на детерминированные и недетерминированные.

В первом случае при выполнении условия A, обязательно выполнится условие B

В недетерминированных, при выполнении А, В выполняется не обязательно, а например с некоторой вероятностью.

Детерминированные ядра продукции разделяются на однозначные и альтернативные.

В однозначных в правой  части всегда единственный результат.

В альтернативных одному и тому же условию может соответствовать несколько результатов. Тогда для них вводятся оценочные значения, позволяющие их упорядочивать на более и менее предпочтительные.

В общем случае структуру любой продукционной системы можно описать следующей схемой:

БД – в системах ИИ этот термин имеет иное значение, нежели в теории БД. Это хранилище информации о текущем состоянии решаемой задачи. В нее заносятся исходные данные и в ней же хранятся промежуточные и окончательные результаты.

БЗ – В ней хранятся  продукционные правила описывающие предметную область решаемой задачи.

Блок управления – осуществляет управление стратегией вывода, для чего обращается к информации из БД и БЗ.

Диалоговый компонент – средство общения с внешней средой.

Процесс вывода в таких системах идет по следующей схеме:

Исходные данные помещаются в БД и они считаются исходными истинными фактами, информация из БД сопоставляется с левыми частями продукционных правил из БЗ. Если обнаруживается совпадение, правило считается выполнившимся, и его результат, т.е. значение правой части, помещается в БД. Таким образом, появляются новая исходная информация для продолжения вывода. Процесс продолжается до тех пор пока искомый результат не окажется в базе данный или пока не сложиться ситуация когда невозможно подобрать новых правил для вывода в БЗ для текущих исходных данных из БД.

Управление стратегией вывода в продукционных системах

Одной из основных проблем применения продукционных систем, является проблема управления логическим выводом. Дело в том, что при большом числе продукционных правил достаточно распространенной являются такие ситуации когда возможными к применению оказываются сразу множество продукционных правил и не всегда ясно какое из правил более предпочтительно для получения результатов.

Традиционно различают два способа управления в продукционных системах: Централизованный и децентрализованный.

При централизованном управлении все решения принимаются некоторой внешней системой управления, при децентрализованном управлении стратегией вывода, управление складывается за счет текущей ситуации в системе.

Различают следующие методы управлением выводом в продукционных системах:

  1.  Метод стопки книг.

Основная идея этого метода состоит в том, что все правила в БЗ изначально упорядочиваются в порядке убывания частоты (популярности) их использования.

Этот метод, возможно, применить только в том случае, если предметная область хорошо структурирована, и можно заранее упорядочить ее правила.

  1.  Принцип наиболее длинного условия.

Идея состоит в том, что из двух правил, которые могут быть выполнены выбирается, то  у которого условная часть более длинная, т.к. считается, что чем длиннее условие, тем более конкретным является значение, а более конкретные значения всегда полезнее, чем общие.

  1.  Принцип мета продукции.

Идея основывается на том, что в продукционную систему вводят дополнительные правила, задача которых, определить правила управления другими правилами.

  1.  Метод классной доски.

Идея в том, что если в пределах одной продукционной системы, решающей сложную задачу, правила можно разбить на непересекающиеся группы, которые соответствуют отдельным решаемым подзадачам, то правила будут применяться только в пределах определенной группы, и плюс к ним добавляются правила которые определяющие  переход из одной группы в другую.

  1.  Метод приоритетного выбора.

Идея в том, что каждому правилу приписывается некий коэффициент предпочтения, который может быть статическим или динамическим, он может задаваться изначально или формироваться в процессе вывода. Трактовка этого коэффициента также может быть различна. Например, коэффициент предпочтения заданный как оценка эксперта,  достоверность правила, или частота обращений к правилу в процессе вывода.

  1.  Управление на основе специального, формального языка.

Идея в том, что вводится специальные правила, описанные на некотором формальном языке, которые говорят какой порядок применения правил является предпочтительнее в той или иной ситуации.

Визуальное представление продукционных правил с помощью И/ИЛИ графов.

Недостатком множества продукционных правил является то, что сложно получить полную картину описания предметной области, наблюдая только правила типа:  Если – то.

Поэтому для более наглядного визуального представления используют древовидные графы, которые позволяют визуально представить описание предметной области.

Полезной особенностью продукционных систем является то, что они допускают разнообразные формы представления продукционных правил:

  1.  a->B  - импликация, из а следует В
  2.  Продукционные правила могут быть представлены в виде графа.

5. Семантические сети. Основные концепции, используемые в семантических сетях. Поиск решения в семантических сетях.

В этих моделях вся предметная область описывается как граф, но для того чтобы граф можно было считать семантической сетью необходимо, чтобы его вершины обозначали сущности предметной области, а дуги связи между этими сущностями.

В зависимости от типов связи семантические сети можно разделить на разные типы, например: по типу отношений их делят на однородные и неоднородные. В однородных сетях используется единственный тип отношений, в неоднородных различные типы отношений.

По типам связей их также классифицируют на классифицирующие сети, функциональные сети и сценарии.

  •  В классифицирующих сетях используется отношение структуризации, т.е. можно ввести отношение иерархии между сущностями.
  •  В функциональных сетях связи между сущностями представляют собой функциональные отношения, их часто называют вычислительными моделями.
  •  В сценариях описываются определенные последовательности действий, которые связанны зачастую одновременно и функциональными и классификационными связями.

Хотя принципы построения каждой семантической сети свои собственные тем не менее существуют некоторые общие принципы которые используются при построении любых сетей. Рассмотрим некоторые из них.

Концепция одновременного рассмотрения как знака так и типа.

Знак – конкретное значение какого либо объекта.

Тип – класс подобных знаков

           Т.е. в одной и той же семантической сети обычно присутствуют как знаки так и типы.

Концепция иерархий типов

Эта концепция позволяет установить иерархию абстракции для различных объектов. Для построения такой иерархии используют операции абстрагирования.

  1.  Идентификация

Т.е. установление конкретного значения некоторого объекта.

  1.  Агрегация

Она позволяет рассматривать связь между объектами как новый объект

  1.  Обобщение

Позволяет объединить множество знаков или типов в один новый тип. Обобщение делится на классификацию (обобщение, знак-тип) и собственно обобщение (на уровне тип – тип)

Операции агрегации и обобщения могут взаимно пересекаться в приделах одной и той же семантической сети. Т.е. мы можем построить обобщение агрегатов, а можем выполнить агрегацию обобщений.

Принято считать, что операции агрегации связаны с таким понятием как «Есть - часть», т.е. операция агрегации задает такое отношение.

Операция обобщения связывается с понятием «Есть  - некоторое»

Другими словами операции агрегации акцентируют внимание на структуре объекта, а операции обобщения выделяют общие свойства объектов, не обращая внимания на их различия.

Особый момент в семантических сетях представляет собой процедура вывода. Дело в том, что семантическая сеть это интегрированное представление. Когда совместно представлены, и структура данных, и процедура вывода.

Существуют разные способы построения выводов в семантических сетях, идея одного из них самого распространенного заключается в следующем: Пусть некоторая семантическая сеть построена по определенным правилам. Необходимо реализовать запрос к этой сети. Процедура реализации запроса будет выглядеть так: По тем же правилам, по которым была построена семантическая сеть, строится сеть, соответствующая запросу, по сути, полученный  граф будет представлять собой подграф исходного графа сети. После чего выполняется наложение графа запроса на основной граф. В результате при сопоставлении вершин и дуг, можно найти неизвестное значение в запросе.

Разобьем все вершины, которые будут соответствовать сущностям предметной области на несколько групп.

  1.  Концепты – представляют собой некоторые конкретные объекты, для которых строится описание.
  2.  События – процессы, которые происходят в данной предметной области
  3.  Характеристики -  описывают свойства концептов
  4.  Значения  - они соответствуют тем величинам, которые могут принимать характеристики в качестве значений.

6. Фреймы и сценарии. Примеры фреймов и сценариев

Для описания  стереотипных знаний используют различные модели, среди них наиболее распространенными являются сценарии.

Сценарием называется формализованное описание стандартной последовательности взаимосвязанных фактов, определяющих типичную ситуацию предметной области. Это может быть последовательность действий или процедур, описывающих  способы достижения целей действующих лиц сценария.

Пример.  Рассмотрим сценарий, описывающий процесс получения книги из библиотеки. Сценарий опишем как фреймовую структуру. Сценарий будет состоять из набора слотов и их значений, описывающих роли, причины и последовательности сцен, которые в свою очередь являются последовательностью определенных действий.

Слот «роль» задает исполнителей сценария, слот «цель»-мотивацию предпринимаемых действий.

Сценарий: БИБЛИОТЕКА

Роли: студент,    библиотекарь,   работник отдела каталогов

Цель: взять необходимую книгу в    библиотеке

Сцена 1: Вход в отдел каталогов

  Войти в отдел каталогов

  Найти нужный стеллаж

Сцена 2: Выписывание требовательного  листа

  Открыть ящик

  Найти нужную карточку

  Заполнить требовательный  лист

Сцена 3: Уход из отдела каталогов

  Поставить ящик на место

  Подписать требовательный лист у работника отдела каталогов

  Выйти из отдела каталогов

Сцена 4: Вход в библиотеку

  Войти в библиотеку

  Подойти к библиотекарю

Сцена 5: Получение книги

  Отдать требовательный лист  библиотекарю

  Подождать, пока найдут книгу

  Расписаться в карточке

  Взять книгу

  Выйти из библиотеки

Будучи уже сторонником символьного направления в ИИ в 1974 году Марвин Минский высказал предположение, что человеческий разум интерпретирует каждый новый объект, в частности языковой, посредством особых структур памяти, которые он назвал фреймами.

  Фрейм — это комплексный пакет знаний, хранимый в мозгу либо в памяти компьютера, который описывает объект или понятие. Каждый фрейм содержит отделения — слоты, в которых собраны атрибуты (характеристики) и соответствующие им значения.

Например, фрейм определенной конкретной собаки может иметь слоты, где указаны порода, пол, хозяин, а также пустые слоты, которые можно заполнять новыми элементами знаний. Когда некто встречается с новой ситуацией, он выбирает из памяти структуру, называемую «фреймом».

Этот сохраненный каркас при необходимости должен быть адаптирован и приведен в соответствие с реальным изменением деталей. Фрейм (frame - рамка) это схема представления, ориентированная на включение в строго организованные структуры данных неявных (подразумеваемых) информационных связей, существующих в предметной области.

 Это представление поддерживает организацию знаний в более сложные единицы, которые отображают структуру объектов этой области.

Эта модель является наиболее гибкой  моделью представления знаний, т.к. по своей сути является попыткой структурировать способ представления информации в памяти человека, т.е. эта модель рассматривает любой объект как некоторую абстрактную структуру, которой присущи: имя, описывающее эту структуру, а также набор параметров соответствующих этой структуре.

Фреймовая модель представления знаний задает остов описания класса объектов и удобна для описания структуры и характеристик однотипных объектов (процессов, событий) описываемых фреймами - специальными ячейками (шаблонами понятий) фреймовой сети (знания).

 Фрейм - концентратор знаний и может быть активизирован как отдельный автономный элемент и как элемент сети. Фрейм - это модель кванта знаний (абстрактного образа, ситуации), активизация фрейма аналогична активизации этого кванта знаний - для объяснения, предсказания и т.п. Отдельные характеристики (элементы описания) объекта называются слотами фрейма. Фреймы сети могут наследовать слоты других фреймов сети.

Различают фреймы-образцы (прототипы), хранящиеся в базе знаний, и фреймы-экземпляры, создаваемые для отображения реальных ситуаций для конкретных данных.

 Фреймовое представление данных достаточно универсальное. Оно позволяет отображать знания с помощью:

  •  фрейм-структур - для обозначения объектов и понятий;
  •  фрейм-ролей - для обозначения ролевых обязанностей;
  •  фрейм-сценариев - для обозначения поведения;
  •  фрейм-ситуаций - для обозначения режимов деятельности, состояний
  •  Пример.
  •    Фрейм-структурами являются понятия "заем", "вексель", "кредит".
  •    Фрейм-роли - "кассир", "клиент", "сервер".
  •    Фрейм-сценарии - "страхование", “экзамен", "банкротство".
  •    Фрейм-ситуации - "эволюция", "функционирование", "безработица".

Параметры фрейма называются слотами, и в качестве значения слотов может выступать некоторое конкретное значение, некоторая вычислительная процедура, какой либо объект (в том числе и другой фрейм).

В общем виде любой фрейм описывается так:

(имя фрейма

 (имя слота 1 значение слота 1)

 (имя слота 2 значение слота 2)

         - - - - -

 (имя слота N значение слота N))

Фреймы могут быть связанны между собой и образовывать сложные иерархические структуры.

 В этом случае фреймовую структуру можно рассматривать как семантическую сеть, в которой в качестве вершин используются не простые объекты, а фреймы.

7. Нечеткие знания, виды нечеткостей. Нечеткость, связанная с недетерминированным выводом.(примеры можно из 8 вопроса)

Представление и использование не четких и ненадежных знаний

Некорректно поставленные задачи существует во всех предметных областях. Более того, можно сказать, что большинство реальных задач являются нечеткими. Корректно поставленные задачи решаются с использованием традиционных методов, которые, как правило, хорошо формализованы, для них существует описанные, математические методы и алгоритмы решений. Для решения некорректных задач используется специфические методы, позволяющие учитывать и оценивать некорректность в процессе логического вывода.

Надо отметить что сам термин «Нечеткие знания» является не совсем корректным, т.к. неясно каким образом структурированы знания в мозгу человека, и как они там представлены, поэтому не существует какой-то единой и общей теории нечеткости, но существует определенные классификации ненадежных знаний. И в зависимости от вида нечеткости применяются те или иные методы.

В инженерии знаний обычно выделяют следующие виды нечеткостей:

  1.  Недетерминированность выводов
  2.  Многозначность. Проблема состоит в том, что на определенных шагах поиска решения возникает множество вариантов дальнейшего хода действий, но при этом отсутствует критерий выбора наиболее предпочтительного пути.
  3.  Ненадежность фактов и правил, которые используются при построении вывода.
  4.  Неполнота. Ситуация возникает в том случае, когда для решения задачи просто недостает исходных данных.
  5.  Работа с нечеткими множествами, т.е. с множествами, для которых нельзя определить четких границ.

Основы теории нечетких множеств

Под нечетким множеством понимается множество для которого невозможно задать строгих границ.

Описание нечетких множеств и функция принадлежности.

Пусть V – полное множество, охватывающее всю предметную область. Нечеткое множество F  (оно фактически является подмножеством V, но принято говорить о нем как о множестве) определяется через функцию принадлежности (u – элемент множества V). Эта функция отображает элементы и множества V на множество чисел в интервале , которые указывают степень принадлежности каждого элемента нечеткому множеству F.

Если такое множество V состоит из конечного числа элементов,, то нечеткое множество F можно представить в следующем виде:

Примечание: Суммирование в данном случае не является обычной арифметической операцией, а показывает совокупность (объединение) элементов.

В случае непрерывного множества V можно использовать следующую интегральную форму записи:

 

где интеграл имеет смысл так же отличный от традиционного.

Пример: Например, пусть полное множество – это множество людей в возрасте 0-100 лет, функции принадлежности нечетких множеств, обозначающих возраст: «молодой», «средний», «старый» можно представить следующим образом (см рис. 1)

У – значение пренадлежности Х – ось времени по 10 лет

Eсли просмотреть функции с интервалом в 10 лет, то получим следующие соотношения:

Примечание: Принято не записывать члены с принадлежностью, равной 0.

Т.к. множества хоть и нечеткие, но все же являются множествами, поэтому для них должны быть определены основные операции над множествами, т.е. пересечение, объединение и дополнение. 

  1.  Дополнение множества

или  

  1.  Объединение множеств

или   где V – знак, обозначающий операцию   взятия максимума.

  1.  Пересечение множеств

или    где  - знак операции взятия минимума.

Пример: Проделаем все эти операции для множеств «молодой» и «средний»:

  1.  
  2.  
  3.  

Нечеткие отношения

Для выполнения нечетких выводов необходимо ввести понятие нечеткого отношения.

Определение: Нечетким отношением R  между некоторой проблемной областью (полным множеством U) и другой областью (полным множеством V) называется нечеткое подмножество прямого произведения U*V, определяемое следующим образом:

 где    

Допустим, что существует знание правит типа «если F, то G», использующее нечеткие множества и , тогда один из способов построения нечеткого отношения из соответствующей области множества U в области множества V состоит в следующем:

или

Пример:  Например, пусть U и V – это области натуральных чисел от 1 до 4, тогда определим следующим образом нечеткие множества: F – маленькие числа, G – большие числа.

Пусть имеется знание-правило: «Если u – маленькое, то v - большое»(или ), то можно следующим образом построить нечеткое отношение:

Фиксируем одно из значений  и перебираются все , тогда построение идет по столбцам.

В качестве элементов матрицы () записаны значения принадлежности (), указанные в числителе формулы (1).

Свертка отношений

Свертка отношений – это определение правила перехода от одного отношения к другому, т.е. пусть R – нечеткое отношение из области  U в область V, а S – нечеткое отношение из V в область W, тогда нечеткое отношение из U в область W определяется как свертка.

  (3)

- обозначает min – max свертку, определяемую для выводов с помощью цепочки правил. V – взятие max для всех , - взятие  min для каждой пары.

Пример:  Пусть  и для него определены следующим образом нечеткие множества:

= не маленькие, = очень большие

F = не маленькие =                 Н = очень большие =

Пусть есть правило «Если v – не маленькое, то w – очень большое»      (или ), то в соответствии с формулой (1) нечеткое отношение S из V в W определяется как:

Если по формуле (3) вычислить свертку max-min с нечетким отношением R (2), то из двух знаний

«Если u – маленькое, то v - большое»

«Если v – не маленькое, то w  - очень большое»

Построим следующее нечеткое отношение из V в W:

из первого выбираются строки, которые последовательно умножаются на столбцы. Сочетание строк 1-го и столбцов 2-го дает 1-й элемент в результате.

Построение нечеткого вывода.

Классический дедуктивный вывод обычно описывается следующей схемой.

P->Q

P

_________

Q

При использовании нечетких множеств в эту схему вносятся следующие изменения. Пусть само правило определенно в пределах полного множества U->V, но факт определен как нечеткое множество F`. Результатом также будет нечеткое множество G`.

P->Q

F

_________

G

Для F` и G` справедливы следующие зависимости: F` принадлежит V, G` принадлежит V.

Особенность нечеткого вывода состоит в том, что полное множество, для которого определено правило, и его нечеткое подмножество не полностью совпадают. А это означает, что  правило будет  справедливо только в области их совпадения. Учитывая, что для описания множества используются коэффициенты доверия то можно сказать, что само нечеткое множество может быть описано, как вектор, элементами которого будут степени принадлежности соответствующих элементов, а правило может быть описано как некоторое отношение. И тогда процедура вывода представляет собой свертку между вектором и матрицей отношения, в результате которой получается новый вектор соответствующий нечеткому множеству результатов.

Правило по которому стоится свертка соответствующая выводу может быть описано следующей формулой :

Возьмем уже реализованное отношение между множествами U и V, которым соответствуют правилу: Если u(маленькая)  то V(большая). В качестве нечеткого множества выберем множество чисел близких к двум.

F’ = 0.3/1 + 1/2 + 0.3/3 + 0/4

                                     | 0 |0.3 |0.2 |1    |

F’*R = [0.3,1,0.3,0] *   | 0 |0.3 |0.6 |0.6 |  = [0,0.3,0.6,0.6]

            | 0 |0.2 |0.2 |0.2 |

            | 0 | 0   |0    |0    |

Замечание. Приведенный подход к рассмотрению нечетких множеств является не единственным, однако отражает наиболее популярную форму представления нечетких множеств.

8. Нечеткие знания, виды нечеткостей. Нечеткости, связанные с недостоверностью знаний. Метод Байеса. Метод MYCIN.(начало можно из 7 вопроса)

Ненадежные знания и выводы

Во многих практических задачах приходится работать с данными, достоверность которых нельзя считать полной, т.е. 100%. Такие знания могут быть достоверными с некоторой степенью доверия. Степень доверия обычно выражают коэффициентом доверия, который представляет собой число с плавающей запятой в диапазоне 0..1 В основе большинства методов работы с ненадежными знаниями лежат так называемые Байесовские методы, т.е. это методы работы с вероятностными величинами.

Пример:

Пусть имеется черный ящик в котором лежат шары. Эти шары помечены следующим образом. Одни имеют метку А, другие Б, третьи имеют метку АБ и часть шаров вообще без меток.

Проведем следующий эксперимент: Будем доставать из ящика по одному шару и будем подсчитывать общее число извлеченных шаров и число извлеченных шаров которые имели метку А не зависимо от Б. После подсчета шары возвращаем в ящик. После проведения некоторого числа экспериментов, мы можем вычислить вероятность извлечения шара с меткой А, для этого достаточно поделить число извлеченных шаров с меткой А на общее число шаров:

P(A) = (число шаров с меткой “A”)/(Общ. Число шаров)

Вероятность, определяемая таким образом называется априорной вероятностью некоторого события. Очевидно, что аналогично можно определить и вероятность извлечения шара с меткой Б.

Рассмотрим более сложную ситуацию. Попытаемся определить вероятность происхождения некоторого события при условии выполнения другого события. Для этого проведем следующий эксперимент:  Также как и в предыдущем случае будем извлекать шары и вести подсчет. Но при этом будем учитывать общее число извлеченных шаров, число шаров которые имеют метку А, независимо от Б, число шаров имеющих метку Б, независимо от А, а также число шаров имеющих метку АБ. После проведения этих экспериментов можно вычислить вероятность извлечения шара имеющего метку АБ одновременно. Это может быть описано следующим образом:

P(A и Б)=(число шаров с меткой АБ)/(Общее число шаров)    (*)

Чтобы вычислить вероятность извлечения шара имеющего метку А при условии что был извлечен шар имеющий метку Б необходимо произвести следующие вычисления:

P(A|Б)=(Число шаров с меткой АБ)/(число шаров с меткой Б)  (**)

Эта вероятность называется опостореорной, т.е. вероятность выполнения одного события от другого.

В формуле (*) выразим числитель

(число шаров с меткой АБ) = P(А и Б) * (Общее число шаров)

и подставим в (**) получим

P(А|Б)=(Р(А и Б)* (Общее число шаров))/ (число шаров с меткой Б)= (Р(А и Б))/(Р(Б))

Аналогично предыдущему случаю можно вычислить вероятность появления шара с меткой Б при условии извлечения шара с меткой А.

P(Б|А)= (Р(А и Б))/(Р(А))

Если в обоих формулах выразить числитель и приравнять, то получится следующая зависимость:

Р(А|Б)*Р(Б)=Р(Б|А)*Р(А) – закон Байеса

Из четырех экспериментов, которые можно произвести над двумя объектами необходимыми являются только три, значение четвертого эксперимента всегда может быть выражено через три других. Замечание: Особенностью метода Байеса является то, что сам он в чистом виде не применяется, однако существует множество других методов построенных на принципах Байесовской вероятности, которые применяются для решения практических задач.

Метод MYCIN

Этот метод позволяет организовать вычисление достоверности тех или иных событий при подъеме по дереву вывода с использованием не надежных знаний. Впервые это метод был предложен и использован в экспертной системе, которая занималась анализом наличия микроорганизмов в крови.

Система называется MYCIN, отсюда получил название и метод. Основная идея его состоит в следующем: Вершинам дерева, графа описывающего структуру вывода, присваиваются коэффициенты  доверия (cf) которые могут принимать значения в интервале от -1 до 1 при этом -1 абсолютная лож а 1 абсолютная истинна. Наличие коэффициентов позволяет оценить достоверность любого события участвующего в цепочке вывода и при этом будет учтен весь предшествующий вывод до этой вершины. Коэффициенты доверия, приписанные листьям, по сути, отражают вероятность происхождения того или иного события. Вершины более высокого уровня, т.е. те, которые имеют предшественников, при подъеме от листьев к корню имеют коэффициент доверия самого этого события, который получен на основе коэффициентов доверия предшествующих вершин, и коэффициент доверия правила, на основе которого получен этот вывод, т.е. метод позволяет учитывать, что ненадежными могут быть не только факты, но и правила вывода.

Для листьев коэффициенты обычно задаются на основе знаний эксперта. Коэффициенты доверия для правил (cfправ) могут быть рассчитаны на основе Байесовской вероятности по правилу:

cf(A,Х) - коэффициент доверия А при условии что произошло Х

В том случае если вершине предшествует несколько вершин, связанных одним из известных типов связи, то в зависимости от типа связи определяется правило вычисления доверия события, делается это следующим образом:

  

 cfпр                      

           S

 cfx            cfy

При таком виде коэффициент доверия события рассчитывается как произведение коэффициента доверия правила и коэффициента доверия предшествующего вывода, который определяется на основе коэффициентов доверия событий, входящих в вывод и на основе существующего типа связи S.

cfA = cfпр * cfпредш_вывода

Коэффициент доверия предшествующего вывода в зависимости от типа связи определяется так:

Пусть S=И тогда коэффициент доверия предшествующего вывода определяется как минимум из коэффициентов доверия событий Х и У

cf   пред = min(cfx , cfy)

cf   пред(A, X&Y) = min(cfx , cfy)

Пусть S=ИЛИ тогда коэффициент доверия предшествующего вывода определяется как максимум из коэффициентов доверия событий Х и У

cf   пред = max(cfx , cfy)

cf   пред (А, XvY)= max(cfx , cfy)

Замечание: Существует довольно много методов, которые используют пересчет коэффициентов доверия (или их эквиваленты) при подъеме по дереву вывода. Во всех этих методах коэффициенты доверия для связи И/ИЛИ определяются также, как и в методе MYCIN. Различия существуют при определении коэффициентов доверия связи типа КОМБ.

Рассмотрим, каким образом это реализуется в MYCIN.

Пусть S=КОМБ

Коэффициенты доверия предшествующего вывода принимают значение абсолютная истина или абсолютная лож в том случае, если одна из веток имеет такие значения.

Если ни одна из веток не имеет абсолютного значения, то расчет коэффициентов выполняется на основе одной из трех формул. Однако область определения этих формул является взаимно пересекающейся, поэтому чтобы избежать ошибок формулы применяются в том порядке, в котором они пронумерованы.

Чтобы избежать противоречивой ситуации формула (3) может быть заменена на следующую формулу:

сf пред = (cf(А,Х)+ cf(А,У))/(1-min(cf(А,Х), cf(А,У)))

Область определения сохраняется. В этом случае порядок проверки формул в системе является не существенным.

9. Задача планирования. Планирование в пространстве состояний и планирование в пространстве задач. Алгоритмы и методы построения планов.

Функционирование многих ИС носит целенаправленный характер . Типичным актом такого функционирования является решение задачи планирования пути достижения нужной цели из некоторой фиксированной начальной ситуации.  Результатом решения задачи должен быть план действий - частично-упорядоченная совокупность действий.

Такой план напоминает сценарий, в котором в качестве отношения между вершинами выступают отношения типа: "цель-подцель" "цель-действие", "действие-результат" и т. п. Любой путь в этом сценарии, ведущий от вершины, соответствующей текущей ситуации, в любую из целевых вершин, определяет план действий.

Все задачи построения плана действий можно разбить на два типа, которым соответствуют различные модели:

  •   планирование в пространстве состояний (SS-проблема);
    •  планирование в пространства задач (PR-проблема).

При планировании в пространстве состояний считается заданным некоторое пространство ситуаций. Описание ситуаций включает состояние внешнего мира и состояние ИС, характеризуемые рядом параметров. Ситуации образуют некоторые обобщенные состояния, а действия ИС или изменения во внешней среде приводят к изменению актуализированных в данный момент состояний.

  •   Среди обобщенных состояний выделены начальные состояния (обычно одно) и конечные (целевые) состояния.
  •   SS-проблема состоит в поиске пути, ведущего из начального состояния в одно из конечных.

Например, ИС предназначена для игры в шахматы, то обобщенными состояниями будут позиции, складывающиеся на шахматной доске. В качестве начального состояния может рассматриваться позиция, которая зафиксирована в данный момент игры, а в качестве целевых позиций - множество ничейных позиций.  

Планирование по состояниям

Представление задач в пространстве состояний предполагает задание ряда описаний: состояний, множества операторов и их воздействий на переходы между состояниями, целевых состояний.

Описания состояний могут представлять собой строки символов, векторы, двухмерные массивы, деревья, списки и т. п. Операторы переводят одно состояние в другое.

Иногда они представляются в виде продукций A=>B, означающих, что состояние А преобразуется в состояние В. Пространство состояний можно представить как граф, вершины которого помечены состояниям, а дуги - операторами.

Таким образом, проблема поиска решения задачи <А,В> при планировании по состояниям представляется как проблема поиска на графе пути из А в В. Обычно графы не задаются, а генерируются по мере надобности.

Различаются слепые и направленные методы поиска пути.

Слепой метод имеет два вида: поиск в глубину и поиск в ширину.

При поиске в глубину каждая альтернатива исследуется до конца, без учета остальных альтернатив. Метод плох для "высоких" деревьев, так как легко можно проскользнуть мимо нужной ветви и затратить много усилий на исследование "пустых" альтернатив.

При поиске в ширину на фиксированном уровне исследуются все альтернативы и только после этого осуществляется переход на следующий уровень. Метод может оказаться хуже метода поиска вглубь, если в графе все пути, ведущие к целевой вершине, расположены примерно на одной и той же глубине. Оба слепых метода требуют большой затраты времени и поэтому необходимы направленные методы поиска.

Метод ветвей и границ. Из формирующихся в процессе поиска неоконченных путей выбирается самый короткий и продлевается на один шаг. Полученные новые неоконченные пути (их столько, сколько ветвей в данной вершине) рассматриваются наряду со старыми, и вновь продлевается на один шаг кратчайший из них. Процесс повторяется до первого достижения целевой вершины, решение запоминается. Затем из оставшихся неоконченных путей исключаются более длинные, чем законченный путь, или равные ему, а оставшиеся продлеваются по такому же алгоритму до тех пор, пока их длина меньше законченного пути. В итоге либо все неоконченные пути исключаются, либо среди них формируется законченный путь, более короткий, чем ранее полученный. Последний путь начинает играть роль эталона и т. д.

Алгоритм Дейкстры определения путей с минимальной стоимостью осуществляется путем присвоения пометок вершинам, которые рассчитываются на основе весов дуг, которые связывают вершины друг с другом. На каждой итерации алгоритма одна из вершин становится постоянной. Алгоритм заканчивает работу тогда, когда целевая вершина получает постоянную пометку.

 Алгоритм Харта, Нильсона и Рафаэля. В алгоритме объединены оба критерия: стоимость пути до вершины g(x) и стоимость пути от вершины h(x) - в аддитивной оценочной функции f(x) =g(x)+h(x).

При условии h(x)<hp(x), где hp(x)-действительное расстояние до цели, алгоритм гарантирует нахождение оптимального пути.

Алгоритмы поиска пути на графе различаются также направлением поиска. Существуют прямые, обратные и двунаправленные методы поиска.

Прямой поиск идет от исходного состояния и, как правило, используется тогда, когда целевое состояние задано неявно.

Обратный поиск идет от целевого состояния и используется тогда, когда исходное состояние задано неявно, а целевое явно.

Двунаправленный поиск требует удовлетворительного решения двух проблем: смены направления поиска и оптимизации "точки встречи". Одним из критериев для решения первой проблемы является сравнение "ширины" поиска в обоих направлениях - выбирается то направление, которое сужает поиск. Вторая проблема вызвана тем, что прямой и обратный пути могут разойтись и чем уже поиск, тем это более вероятно.

Планирования в пространстве задач

Поиск планирования в пространстве задач заключается в последовательном сведении исходной задачи к все более простым до тех пор, пока не будут получены только элементарные задачи. Частично упорядоченная совокупность таких задач составит решение исходной задачи.

Разбиение задачи на альтернативные множества подзадач удобно представлять в виде И/ИЛИ-графа. В таком графе всякая вершина, кроме концевой, имеет либо конъюнктивно связанные дочерние вершины (И-вершина), либо дизъюнктивно связанные (ИЛИ-вершина). В частном случае, при отсутствии И-вершин, имеет место граф пространства состояний. Концевые вершины являются либо заключительными (им соответствуют элементарные задачи), либо тупиковыми. Начальная вершина (корень И/ИЛИ-графа) представляет исходную задачу.

Цель поиска на И/ИЛИ-графе - показать, что начальна вершина разрешима.

Разрешимыми являются заключительные вершины (И-вершины), у которых разрешимы все дочерние вершины, и ИЛИ-вершины, у которых разрешима хотя бы одна дочерняя вершина.

Разрешающий граф состоит из разрешимых вершин и указывает способ разрешимости начальной вершины.

 Наличие тупиковых вершин приводит к неразрешимым вершинам.

Неразрешимыми являются тупиковые вершины, И-вершины, у которых неразрешима хот бы одна дочерняя вершина, и ИЛИ-вершины, у которых неразрешима каждая дочерняя вершина.

Алгоритм Ченга и Слейгла. Основан на преобразовании произвольного И/ИЛИ-графа в специальный ИЛИ-граф, каждая ИЛИ-ветвь которого имеет И-вершины только в конце.

Преобразование использует представление произвольного И/ИЛИ-графа как произвольной формулы логики высказываний с дальнейшим преобразованием этой произвольной формулы в дизъюнктивную нормальную форму. Подобное преобразование позволяет далее использовать алгоритм Харта, Нильсона и Рафаэля.

Планирование с помощью логического вывода. Такое планирование предполагает: описание состояний в виде правильно построенных формул (ППФ) некоторого логического исчисления, описание операторов в виде либо ППФ, либо правил перевода одних ППФ в другие.

Представление операторов в виде ППФ позволяет создавать дедуктивные методы планирования, представление операторов в виде правил перевода - методы планирования с элементами дедуктивного вывода.

10. Экспертные системы (ЭС). Основные составляющие ЭС и их назначение. Статические и динамические ЭС. Этапы разработки ЭС и их сущность.

ЭС – совокупность программных и аппаратных средств, предназначенных для решения на ЭВМ неформализованных задач, таким образом, как бы решал их человек эксперт в данной предметной области.

Традиционно ЭС включают в себя следующие компоненты:

  1.  Интерпретатор
  2.  Рабочую память или БД
  3.  БЗ
  4.  Компонент приобретения знаний
  5.  Объясняющий компонент
  6.  Диалоговый компонент

Взаимосвязь между отдельными частями могла бы быть представлена следующим образом:

Любая ЭС работает в двух режимах. Это режим приобретения знаний и режим консультаций.

В первом случае осуществляется процесс приобретения знаний, т.е. эксперт заполняет базу информацией. Существует в принципе и самообучающиеся системы, которые допускают пополнение уже существующей БЗ дополнительной информацией,  которую она получает в результате построения тех или иных выводов.

В режиме консультаций происходит использование ЭС, причем ее пользователь может быть как чайник, так и эксперт, но тогда система просто повышает эффективность его работы.

При создании ЭС необходимо привлечение специалистов трех категорий:

  1.  Эксперт в той предметной области, для которой создается ЭС
  2.  Программист :)
  3.  Инженер по знаниям

В его задачи входит:

  •  Общаясь с экспертом выбрать ту модель представления знаний, которая наиболее подходит для рассматриваемой предметной области.
    •  Сформулировать для программиста постановку задачи с точки зрения выбора инструментального средства, ОС, предъявляемых требований и тд. и тп.
    •  Он также обязан программно описать основные элементы системы связанные с представлением и использованием знаний.

Рассмотренная нами ранее структура ЭС применима только к статическим ЭС, т.е. к тем, область анализа которых не изменяется в процессе экспертизы, однако существуют ЭС область экспертизы которых меняется в процессе анализа. Такие системы называются динамические.

Их структура имеет следующий вид:

Технология проектирования ЭС

Для того чтобы начать этап проектирования ЭС, необходимо чтобы выполнялся следующий набор условий:

  1.  Наличие эксперта в данной предметной области, который способен решать задачу лучше среднего специалиста
  2.  Эксперты, проектирующие систему, сходятся в оценках адекватности используемой информации.
  3.  Эксперт способен изложить свои знания в формальном виде.
  4.  Для решения задач в ЭС требуется только рассуждения, и  не требуется выполнять ни каких действий.
  5.  Задача не должна быть слишком трудной
  6.  Задача должна относиться к той области, которая хотя  не обязательно является формализуемой, но тем  не менее на ней можно ввести некоторую формализацию.
  7.  Система не должна использовать такое понятие как «Здравый смысл», т.к. чаще всего под такими знаниями понимаются не формализуемые знания.

В процессе проектирования ЭС на сегодняшний день сложилась определенная цепочка технологических действий которая имеет вид:

   начало

                                                                         завершение

требования                          

                           переформулирование

                                                                      усовершенствование

         понятия                               переконструирование          структуры знаний

Идентификация – на этом этапе определяется назначение ЭС, цель ее создания, определяется категория экспертов и пользователей и т.п.

После идентификации становиться понятен набор требований к системе и выполняется этап концептуализации. На нем проводится детальный анализ предметной области. Выявляются основные ее сущности, связи существующие между ними, отношения действующие в предметной области и т.п.

Следующий этап формализация. На нем выбирается определенная модель представления знаний, которая наиболее удачно подходит  к той предметной области сущность и структура, которой была установлена на предыдущем этапе. Далее идет реализация системы или ее выполнение. Затем идет Опытная эксплуатация – проверка функционирования системы. Далее Тестирование – проверка на сколько правильно мы все написали. На этом же этапе тестируется качество ПО.

После тестирования могут быть выявлены недостатки, допущенные практически на любом из этапов создания системы, поэтому возможны возвраты к любому из этапов. Причины возвратов могут быть следующие.


Диалоговый компонент

Блок управления

БД

БЗ

Внешняя среда

cf(A,x) =

(Р(А|Х)-Р(Х))/(1-Р(А)) если Р(А|Х)>= Р(Х)

(Р(А|Х)-Р(Х))/(Р(А))    если Р(А|Х)< Р(Х)

А

ХЪ

1, если cf(А,Х)=1 или cf(А,У)=1

(1)     cf(А,Х)+ cf(А,У)- cf(А,Х)* cf(А,У), если cf(А,X)>0, cf(А,У)>0

(3)     cf(А,Х)+ cf(А,У), если cf(А,У)<>+-1, cf(А,Х)<>+-1 и  cf(А,Х)* cf(А,У)=<0

-1, если cf(А,Х)= -1 или cf(А,У)= -1

(2)     cf(А,Х)+ cf(А,У)+ cf(А,Х)* cf(А,У), если cf(А,Х)<0, cf(А,У)<0

cf пред (A, (X,Y)) =

Диалог

Обьяснение

Приоб. знаний

Интерпретатор

БД

БЗ

Диалоговый ком

Обьясняющий к

Интерпретатор

БД

БЗ

Компонент приобретения знаний

Моделирование внешней среды

Сопряжение с внешней средой

Технические уст

Датчики

Идентификация

Тестирование

Опытная эксплуа.

Концептуализация

Выполнение

Формализация

(2)

(1)

старый

средний

молодой

0

10

100

90

80

70

60

50

40

30

20

1


 

А также другие работы, которые могут Вас заинтересовать

78304. НОРМИРОВАНИЕ ТОЧНОСТИ ЦИЛИНДРИЧЕСКИХ ЗУБЧАТЫХ КОЛЕС И ПЕРЕДАЧ 811 KB
  Зубчатое колесо представляет собой деталь сложной геометрической формы в виде диска с зубьями на внутренней или наружной цилиндрической или конической поверхности входящими в зацепление с зубьями другого зубчатого колеса. Принцип нормирования точности зубчатых колес и передач Трудность в отношении нормирования точностных требований к зубчатым передачам заключается в том что эти детали сложны по своей геометрической форме а кроме того они являются элементами кинематической...
78305. Сертификация, ее сущность и характеристики 967 KB
  Сущность сертификации Общие положения. Сертификация базируется на стандартах и в ее основе лежат испытания по нормам сертификации. Самосертификация выполняет все необходимые действия и заявляет об этом специальным документом или простановкой знака сертификации на продукции или сопроводительным документом. Любая система сертификации базируется на стандартах государственных предприятий технических условиях.
78306. ОСНОВЫ МЕТРОЛОГИИ И ТЕХНИЧЕСКИХ ИЗМЕРЕНИЙ 341 KB
  В настоящее время к техническим измерениям рассматриваемым во взаимной связи с точностью и взаимозаменяемостью в машиностроении относят измерения линейных угловых и радиусных величин. Основные задачи метрологии ГОСТ 16263 установление единиц физических величин государственных эталонов и образцовых средств измерений контроля и...
78307. Метрология, стандартизация и сертификация, предмет курса и основные определения 126.5 KB
  Изделиями объектами в машиностроении являются детали сборочные единицы ранее назывались узлами а также механизмы и машины. На данном этапе конструктор консультируется с технологом по вопросам как проще и на каком виде станочного оборудования надо обрабатывать некоторые сложные детали и сборочные единицы. В данном предмете рассматриваются вопросы нормирования точности геометрических параметров элементов детали. Требования к точности нормируются по причине того что нельзя изготовить абсолютно точно элементы детали поскольку...
78308. СИСТЕМА ДОПУСКОВ И ПОСАДОК ДЛЯ ЭЛЕМЕНТОВ ДЕТАЛЕЙ С ГЛАДКОЙ ПОВЕРХНОСТЬЮ 953 KB
  Верхнее предельное отклонение отверстия и вала обозначим ES и es. Нижнее предельное отклонение отверстия и вала обозначим EI и ei. Номинальные размеры отверстия и вала будем принимать равными и обозначать соответственно Dн и dн. Допуск размера обозначается ТD для отверстия и Td для вала.
78309. НОРМИРОВАНИЕ ТОЧНОСТИ ФОРМЫ И РАСПОЛОЖЕНИЯ ПОВЕРХНОСТЕЙ ДЕТАЛЕЙ 964 KB
  Отклонение формы поверхностей Отклонением формы называется отклонение реальной поверхности или реального профиля от формы идеальной поверхности или идеального профиля. Допуск формы это величина в пределах которой может изменяться отклонение формы. Будем использовать следующие обозначения: Δ отклонение формы; Т допуск формы; L длина участка на котором определяется отклонение...
78310. НОРМИРОВАНИЕ ТРЕБОВАНИЙ К НЕРОВНОСТЯМ НА ПОВЕРХНОСТИ ЭЛЕМЕНТОВ ДЕТАЛЕЙ (ШЕРОХОВАТОСТЬ ПОВЕРХНОСТИ) 808.5 KB
  Базовая линия это линия заданной геометрической формы определенным образом проведенная относительно профиля и служащая для оценки геометрических параметров поверхностных неровностей. Короче говоря базовая линия при получении профиля поверхности элемента детали проводится в виде линии эквидистантной геометрической форме поверхности. Средняя линия профиля m это базовая линия имеющая форму номинального профиля и проведенная так что в пределах базовой длины среднее квадратичное отклонение профиля от этой линии минимально...
78311. НОРМИРОВАНИЕ ТОЧНОСТИ ДЕТАЛЕЙ, СОПРЯГАЕМЫХ С ПОДШИПНИКАМИ КАЧЕНИЯ 406 KB
  В подшипниках качения между поверхностью вращающейся детали и поверхностью опор располагаются шарики или ролики. Внутренний диаметр внутреннего кольца В ширина высота колец подшипника при одинаковой ширине наружного и внутреннего колец. Общий вид подшипника качения роликовый Класс точности подшипника характеризуется целым комплексом точностных требований относящихся к отклонениям размеров формы и расположения...
78312. ОБЕСПЕЧЕНИЕ ТОЧНОСТИ РАЗМЕРНЫХ ЦЕПЕЙ 312 KB
  Размерные цепи при образовании посадок: а для посадки с зазором; для посадки с натягом Если рассмотреть связи между размерами звеньев составляющих размерную цепь и замыкающим звеном можно увидеть особенность этих звеньев по которой все составляющие звенья цепи разделяются на увеличивающие и уменьшающие рис. необходимо решать вопрос о нормировании точности составляющих звеньев и точности замыкающего звена чтобы устройство образующее размерную цепь в виде отдельной детали или сборочной единицы выполняло свое служебное...