36239

Структура моделей знаний: правила продукции. Примеры

Доклад

Информатика, кибернетика и программирование

Структура моделей знаний: правила продукции. Понятие продукционных правил. Для достижения цели используется некоторая совокупность фактов и способов их применения правил. На этих понятиях основан наиболее распространенный метод представления знаний правила продукции или продукционные правила.

Русский

2013-09-21

41 KB

14 чел.

25. Структура моделей знаний: правила продукции. Примеры.

Понятие продукционных правил.

В основе человеческой деятельности лежит мышление. Когда утром звонит будильник, мозг человека дает команду руке выключить его. Следует заметить, что это не автоматическая реакция, а решение конкретной задачи. При этом конечный результат, на который мы рассчитываем, на который направлены наши мыслительные процессы, называется целью. Как только цель (в данном случае выключение будильника) достигнута, перед человеческим мозгом сразу встают новые цели, например, одеться, позавтракать, выйти на остановку и т.д. Осуществление всех этих целей приводит к осуществлению главной цели— не опоздать в институт.

Для достижения цели используется некоторая совокупность фактов и способов их применения— правил. На этих понятиях основан наиболее распространенный метод представления знаний— правила продукции или продукционные правила. Этот метод был предложен Э. Постом (1943 г.). Продукционные правила объясняют логическую связь между понятиями предметной области. Системы с базами знаний, основанных на этой модели, называются продукционными системами. Эти системы бывают двух диаметрально противоположных типов - с прямыми и обратными выводами.

Правило продукции представляет собой подстановку следующего вида:

Р1*А1,А2,.--,Ап->В

где А1,А2,...,Ап— конечная связка факторов, В— действие, которое выполняется, если А1 ,А2,... ,Ап— истинно.

Иначе говоря, примером правил продукции может являться выражение следующего типа:

ЕСЛИ <условие> ТО <действие>.

При этом факты и правила могут быть разной сложности. Они связаны между собой с помощью логических функций И, ИЛИ, НЕ.

Например:

Факт! Тихие, темные улицы опасны

Факт2 Пожилые люди обычно не совершают дерзких преступлений ФактЗ Моя милиция меня бережет

Правило! ЕСЛИ на темной, тихой улице вы встретите пожилого человека ТО можно не очень беспокоится

Это простое правило можно усложнить добавив факты, объединенные в связку с помощью логической функции И: Правило2 ЕСЛИ на тихой темной улице вы видите милиционера И вы не преступали закон

ТО можно чувствовать себя в полной безопасности Правила продукции можно отнести к категорическим знаниям, т.е. они всегда верны. Однако, в некоторых предметных областях (например, медицинская диагностика, системы управления и т.п.) преобладают вероятностные знания. Эти знания являются «мягкими» в том смысле, что говорить об их применимости к любым практическим ситуациям возможно только до некоторой степени. В таких случаях правила продукции дополняют вероятностной оценкой:

ЕСЛИ <условие> ТО <действие> С УВЕРЕННОСТЬЮ <значение> Например:                                                                                 __,

Правило! ЕСЛИ на тихой темной улице вы видите милиционера И вы не преступали закон

ТО можно чувствовать себя в полной безопасности С УВЕРЕННОСТЬЮ 0,3

Факты в правилах могут быть представлены в двух видах: в виде списков или в виде изолированной тройки:

атрибут—» объект—> значение,

при этом с каждым фактом связан коэффициент уверенности, изменяющийся в пределах [0,1].

Представление знаний в виде правил продукции обладает следующими преимуществами:

*   независимостью   правил,   выражающих   самостоятельные   фрагменты знаний;

»   легкостью и естественностью модификации знаний (правила продукции по структуре весьма похожи на рассуждения естественного языка);

*    отделением   управляющих   знаний   (правил)   от   предметных   знаний (фактов). Это позволяет применять различные стратегии управления.

Как уже отмечалось выше, правила продукции относятся к процедурным моделям представления знаний. Даже самое простое правило продукции

есть элемент «процедурное™», т.к. предполагается, что это правило будет использовано для выполнения некоторого действия. Именно это отличает процедурное представление знаний от декларативного, поскольку декларативные знания не несут никакой информации о том, как они будут использованы.

В системе продукций с обратными выводами с помощью правил строится дерево И/ИЛИ, связывающее в единое целое факты и заключения;оценка этого дерева на основании фактов, имеющихся в базе данных, и есть логический вывод. «Логические выводы бывают прямыми, обратными и двунаправленными. При прямом выводе отправной точкой служат предоставленные данные, процесс оценки приостанавливается в узлах с отрицанием, причем в качестве заключения (если не все дерево пройдено) используется гипотеза, соответствующая самому верхнему уровню дерева(корню). Однако для такого вывода характерно большое количество данных, а также оценок дерева, не имеющих прямого отношения к заключению, что излишне. Преимущество обратных выводов в том, что оценивается только те части дерева, которые имеют отношение х заключению, однако если отрицание или утверждение невозможны, то порожденное дерево лишено смысла. В двунаправленных выводах сначала оценивается небольшой объем полученных данных и выбирается гипотеза, а затем запрашиваются данные необходимые для принытия решения о пригодности данной гипотезы. На основе этих выводов можно реализовать более гибкую и мощную систему.

Системы продукций с прямыми выводами среди систем, основанных на использовании знаний, имеют наиболее древнюю историю, поэтому они являются в некотором смысле основополагающими. Эти системы включают три компонента: базу правил, состоящую из наборов правил(правила вывода), базу данных, содержащую множество фактов, и интерпретатор для получения логического вывода на основании этих знаний. База правил и база данных образуют базу знаний, а интерпретатор соответствует механизму логического вывода. Вывод выполняется в идее цикла «понимание -выполнение», причем в каждом цикле выполняемая часть выбранного правила обновляет базу данных. В результате содержимое базы данных преобразуется от первоначального к целевому, т.е. целевая система синтезируется в базе данных. Иначе говоря, для системы продукций характерен простой цикл выбора и выполнения(или оценки) правил, однако из-за необходимости периодического сопоставления с образом в базе правил (отождествлением) с увеличением числа последних(правил) существенно замедляется скорость вывода. Следовательно, такие системы не годятся для решения крупномасштабных задач. Итак, упорядочим сильные, и слабые стороны хорошо известных систем продукций.

Сильные стороны:

1.  Простота создания и понимания отдельных правил;

2.  Простота пополнения и модификации

3.  Простота механизма логического вывода.

Слабые стороны:

1.  Неясность взаимных отношений правил

2.  сложность оценки целостного образа знаний

3.  крайне низкая эффективность обработки

4.  отличие от человеческой структуры знаний

5.  отсутствие гибкости в логической выводе.

Таким образом если объектом является небольшая задача, выявляются только сильные стороны системы продукций.


 

А также другие работы, которые могут Вас заинтересовать

23031. Побудова матричної функції Гріна та інтегральної моделі динаміки систем з розподіленими параметрами в необмеженій просторово-часовій області 249.5 KB
  Функція Гріна динаміки систем з розподіленими параметрами в необмежених просторовочасових областях.10 а також з того що шукана матрична функція Gss' є розв’язком рівняння 1.1 де визначені вище матричні диференціальні оператори та матрична функція одиничного джерела. А це означає що матрична функція відповідає фізичному змісту задачі а розв’язок її дійсно представляється співвідношенням 1.
23032. Дискретний варіант побудови та дослідження загального розв’язку задачі моделювання динаміки систем з розподіленими параметрами 586 KB
  Псевдообернені матриці та проблеми побудови загального розв’язку системи лінійних алгебраїчних рівнянь. З цією метою виділимо в матриці C r лінійно незалежних стовпців. Враховуючи що всякий стовпець матриці C може бути розкладений за системою векторів як за базисом матрицю C подамо у вигляді де вектор коефіцієнтів розкладу стовпця матриці С за базисом .10 ранг основної матриці дорівнює рангу розширеної.
23033. Моделювання дискретизованих початково-крайових 244 KB
  Постановка задачі та проблеми її розв’язання.4 в розв’язку 1.23 вектора векторфункції та матричної функції проблему розв’язання задачі 4.6 в залежності від співвідношень між та може мати точний розв’язок або визначене згідно 4.
23034. Моделювання неперервної початково-крайової задачі динаміки систем з розподіленими параметрами 355.5 KB
  Моделювання неперервної початковокрайової задачі динаміки систем з розподіленими параметрами 5. Постановка задачі та проблеми її розв’язання. Розглянутий вище варіант постановки та розв’язання проблеми моделювання початковокрайової задачі динаміки системи 1.5 Для того щоб методику розв’язання дискретизованої задачі моделювання динаміки розглядуваної системи розвинуту в рамках лекції 3 успішно узагальнену далі лекція 4 на задачі моделювання дискретизованих початковокрайових умов неперервними функціями та поширити на задачу 5.
23035. Моделювання динамічних систем з розподіленими параметрами при наявності спостережень за ними 563 KB
  Відомі функції невідомі 6. Відомі функції невідомі 6. Відомі функції невідомі 6. Відомі функції невідомі 6.
23036. Задачі оптимізації структури лінійних динамічних систем з розподіленими параметрами 289.5 KB
  Задачі оптимізації структури лінійних динамічних систем з розподіленими параметрами 7. Розглянуті вище задачі моделювання початковокрайових умов див. Розглянемо варіант розв’язання задачі моделювання коли розв’язок її знаходиться шляхом обернення системи інтегральних рівнянь 7.14 помилки розв’язання задачі моделювання 7.
23037. Дослідження та оптимізація структури дискретизованих динамічних систем 335.5 KB
  вказувалося що структура матриці С та векторів визначається вибором точок розміщення спостерігачів та керувачів системи проблеми оптимального розміщення яких будуть розв’язані якщо будуть знайдені явні залежності матриці від елементів множин координат спостерігачів та координат керувачів. Будуть побудовані аналітичні залежності елементів матриці від довільного елемента множини та елемента множини а також формули диференціювання матриці по цих елементах. В процесі розв’язання цієї проблеми будуть побудовані формули...
23038. Оптимізаційні методи в задачах моделювання дискретних початково-крайових умов 325 KB
  Постановка задачі та проблеми її розв’язання. Поставлені вище задачі а також запропоновані там алгоритми їх розв’язання досить широкі і можуть бути використані для оптимізації розміщення входіввиходів довільної лінійної системи в тому числі і для розв’язання задачі оптимізації розміщення спостерігачівкерувачів при моделюванні дискретизованих початковокрайових умов дискретно розміщеними фіктивними зовнішньодинамічними збуреннями. Більш точною і більш природною постановкою задачі моделювання дискретизованих початковокрайових умов є...
23039. ОПЕРАЦІЙНІ ПІДСИЛЮВАЧІ (позитивний зворотній зв’язок) 436.5 KB
  Форма генерованої напруги може бути різноманітною: гармонічною прямокутною пилкоподібною або будьякою іншою. У підсилювачі із негативним зворотним зв’язком у відсутності вхідного сигналу будьяка флуктуація напруги на вході підсилена операційним підсилювачем на виході придушується ланкою негативного зворотного зв’язку тобто сама себе послаблює. В кінці кінців на виході встановиться напруга близька до напруги живлення додатної чи від’ємної в залежності від полярності початкової флуктуації. Припустимо що в момент включення на виході...