Шпаргалка по "Экспертные системы"

1. Данные и знания. Основные определения.

Данные – это отдельные факты характеризующие объекты, процессы и явления предметной области, а также их свойства.

Информация – это совокупность данных повышающих уровень знаний о реальности окружающего мира.

Знания – это закономерности предметной области (принципы, связи, законы), полученные в результате практической деятельности и профессионального опыта.

База знаний – хранилище единиц знаний, описывающих свойства и действия, связанные с объектами предметной области.

4. Продукционная модель представления знаний.

Продукционная модель, или модель, основанная на правилах, позволяет представить знания в виде предложений типа: Если (условие), то (действие).

Под, условием понимается некоторое предложение-образец, по которому осуществляется поиск в базе знаний, а под действием - действия, выполняемые при успешном поиске. Эти действия могут быть промежуточными, выступающими далее как условия, и терминальными или целевыми, завершающими работу системы).

На ряду с основным видом продукционного представления могут использоваться, следующие, формулы:

Если «предшествующий» То «последующий»

Если «основание» То «гипотеза»

При использовании продукционной модели база знаний состоит из набора правил, Программа, управляющая перебором правил, называется машиной логического вывода. Механизм вывода связывает все знания в базе, а затем на основе их анализа, выдает заключение. Процесс обработки знаний в продукционных моделях может осуществляться 2 способами:

1) прямым (от данных к поиску цели)

2) обратным (от цели для ее подтверждения к данным)

В ощем случае продукционное правило можно представить в виде:

i: S;L;A→B;Q

i – индивидуальный номер правила

S – класс ситуаций, в котором данное правило может быть использовано

L – условие при котором данное правило активизируется

A→B – ядро продукции (обязательно)

Q – действия, выполняемые после B (постусловие)

Продукционная модель чаще всего применяется в промышленных экспертных системах.

К достоинствам продукционной модели отнести простую и ясную нотацию, схожую с условным оператором if.

Недостаток: при большом количестве правил вывод идет достаточно долго.

5. Представление знаний в виде семантических сетей.

Семантическая модель, представляется в виде ориентированного графа, вершины которого являются понятия предметной области, а дуги – отношения между ними.

Наиболее часто в семантических сетях используют, следующие, связи:

а) структурные (состоит из, включает, имеет вхождение )

б) функциональные (делает, работает, функционирует)

в) количественные (<,<=,=>,>,=,≠)

г) пространственные (на, за, под, над, около, вблизи)

д) временные (раньше, позже, в течении)

е) атрибутивные ( имеет свойства, имеет значения, имеет характеристики)

ж) логические (и, или, не)

з) лингвистические (все остальные)

Проблема поиска решения в семантической БЗ сводится к задаче поиска фрагмента сети, отражающего поставленный запрос к базе. В общем случае семантическая модель представляется в виде:

H={I;C1..Cn;S}

I – множество информационных единиц (вершины графа)

C1..Cn – множество типов связи между элементами I

S – связи из набора {Ci} между информационными единицами i

Достоинства: знания хорошо структурированы, структура понятна человеку.

Недостаток: сложность организации процедуры поиска и вывода.

6. Представление знаний в виде фреймов.

Фреймовая модель, представляет собой систематизированную в виде единой системы модель памяти человека и его создание.

Фреймы – минимальные структуры для представления класса объектов явлений или процессов.

В общем случае фрейм представляется:

имя фрейма

имя слота1: значение слота1

имя слота2: значение слота2

имя слотаN: значение слотаN

Значением слота могут быть числа, текст, формулы, программы, правила вывода, ссылки на другие слоты или другие фреймы.

За счет использования ссылок образуется Фреймовая сеть.