- •Введение
- •1. Искусственный интеллект в роботах
- •1.1. Обеспечение взаимодействия системы управления с человеком
- •1.2. Схема интеллектуального управления в робототехнических комплексах
- •1.3. Интеллектуальное программирование и интеллектуальный интерфейс
- •1.4. Организация интеллектуальных систем
- •2. Экспертные системы
- •2.1. Структура экспертных систем
- •2.2. Технология разработки экспертных систем
- •2.3. Механизм вывода в экспертных системах
- •2.4. Методы поиска решений в экспертных системах
- •2.5. Поиск в одном пространстве состояний
- •2.6. Поиск решения методом редукции
- •2.7. Поиск решения во множестве факторизованных пространств
- •2.8. Поиск в фиксированном множестве пространств
- •2.9. Поиск в изменяющемся множестве пространств (метод нисходящего уточнения)
- •2.10. Поиск в альтернативных пространствах
- •2.11. Поиск с использованием нескольких моделей
- •3. Представление знаний в системах
- •3.1. Продукционные системы
- •3.2. Системы поиска на основе классической логики
- •3.3. Использование логики предикатов первого порядка при представлении знаний
- •3.4. Использование фреймов при представлении данных
- •3.5. Семантические сети
- •4. Нейронные сети в системах искусственного интеллекта
- •4.1. Области применения нейронных сетей
- •4.2. Персептронные нейронные сети
- •4.3. Обучение персептронных сетей
- •4.4. Сети встречного распространения
- •4.5. Обучение нейронных сетей методом обратного распространения ошибки
- •4.6. Обучение без учителя
- •4.7. Сети без обучения
- •4.8. Нейронные сети с радиальными базисными функциями (вероятностные сети)
- •4.9. Коллективы нейронных сетей
- •4.10. Аппаратно-программные средства реализации нейронных сетей для задач робототехники
- •2. Использование сетей для распознавания речи
- •3. Использование сетей для формирования законов управления
- •5. Методы нечеткой логики в интеллектуальных системах
- •5.1. Логические операции над нечеткими множествами
- •5.2. Получение выводов в нечеткой логике
- •5.3. Алгоритмы поиска решения в нечеткой логике
- •Заключение
- •Библиографический список
- •394026 Воронеж, Московский просп., 14
2.10. Поиск в альтернативных пространствах
В некоторых случаях предметная область не может быть объективно определена экспертной группой. Это означает, что вместо определенной базы знаний существует группа баз мне-
23
баз мнений. Под мнениями понимается возможный набор правил поиска, определенный разными экспертами. В результате от одних и тех же исходных данных поиск может идти в совершенно различных пространствах, которые и называются альтернативными (Рис.10).
Рис. 10. Поиск решения в альтернативных пространствах
А1, А2, А3 – исходные признаки;
АП1, АП2 – альтернативные пространства.
В представленных альтернативных пространствах общими являются исходные данные А1, А2, А3. Поиск в пространствах АП1 - АП2 выполняется до тех пор, пока не будет определено решение в одном их них. Если поиск в первом пространстве не дал результата, то выполняется возврат на исходные данные и начинается поиск во втором пространстве. Каждый раз при отрицательном результате поиска выполняется переход к исходным данным.
2.11. Поиск с использованием нескольких моделей
Пространство признаков представляется некоторым словесным описанием, которое в большинстве случаев учитывает
24
все свойства предметной области. Однако в некоторых случаях экспертная группа не может объединить в одном описании все свойства области. В этом случае составляется несколько описаний, которые называются моделями. Соответственно для каждой модели составляется свое символьное описание; определяется пространство состояний и методы поиска в нем. Поиск решения выполняется отдельно для каждой модели. После этого решения объединяются и принимаются к исполнению. Например, для робота одна модель может описывать рабочую зону и расположение объектов и использоваться для планирования траектории. Вторая модель учитывает массогабаритные свойства объекта и силомоментные свойства манипулятора. Такая модель используется для определения параметров движения (скорости, ускорения).
При выборе решения могут вводиться дополнительные метапространства, которые определяют алгоритм использования данных и знаний. В метапространствах помимо последовательности выборки данных и применения правил закладываются сведения об ограничениях и признаках недостаточности информации (поддержка принципа наименьших свершений).
3. Представление знаний в системах
Предметная область описывается понятиями обычного языка. Каждый язык имеет свой алфавит и правила составления на базе языка слов (описаний) и высказываний. Высказывания могут быть истинными и ложными. Высказывания, которые всегда истинны, называются истинами языка. Количественные данные называются фактами языка или фактическими истинами. Символьные языки строятся по аналогии с естественными. В качестве базиса используется установленный набор символов, который называется алфавитом. Каждому элементу предметной области ставится в соответствие элементарное символьное описание. Такое представление элемента называется атомарной формулой или литерой. Высказывание языка, соответствующее более сложным описаниям предмет-
25
ной области, составляются из литер с использованием логических связок.
Основные логические связки:
- конъюнкция (и); Эта связка применяется для объединения признаков.
- дизъюнкция (или). Применяется для выбора одного или нескольких признаков из группы.
- отрицание (не).
- импликация. Эта связка устанавливает причинно-следственную связь между признаками и означает (если..., то).
- эквивалентность или равенство. Означает полное совпадение признаков.
На основе алфавита и всех или части связок строится логическое описание сцен, устанавливаются связи между объектами предметной области и формируются правила принятия решений при интеллектуальном управлении с использованием методов экспертных систем.