- •1).Теоретико-множественные операции над расплывчатыми множествами
- •2)Расплывчатое включение и расплывчатое равенство множеств
- •5). Расплывчатые высказывания и операции над ними.
- •6) . Расплывчатые логические формулы и их свойства
- •7) . Сложные нечеткие высказывания
- •8) . Нечеткая и лингвистическая переменные
- •9) Построение функций принадлежности нечетких множеств.
- •10) Задача о нечетких интервалах.
- •11). Данные и знания.
- •12). Исчисление высказываний. Синтаксис и семантика.
- •13) .Вывод в логике предикатов
- •14) .Методы решения задач исчисления предикатов
- •15). Сетевые модели представления данных
- •16). Продукционные модели представления знаний
- •17). Вывод на знаниях.
- •18). Онтологии. Модель онтологии.
- •19). Задачи, решаемые с помощью онтологии.
- •20). Основные технологии баз знаний. Система операция для работы со знаниями
- •21) Комплексные операции для работы со знаниями. Анализ структурной семантики.
- •Анализ семантических зависимостей.
- •22) Структура экспертной системы. Экспертные системы
- •Структура экспертной системы
- •Диалоговый компонент экспертной системы
- •23) Интерпретатор экспертной системы
- •24) Компонент приобретения знаний экспертной системы. Когнитивные карты.
- •27). Экспертные оценки. Основные типы шкал и методы проведения экспертизы.
- •(3) Методы экспертного оценивания
- •28). Методы обработки экспертной информации.
- •29.) Структура системы нечеткой логики
- •30). Нечеткий вывод на основе правила композиции.
- •31). Модель нейрона Мак-Каллока и Питтса. Модель формального нейрона.
- •32).Модель персептрона Розенблата.
- •33) Линейные многослойные нейронные сети
- •34). Радиальные нейронные сети
- •Решение проблемы линейности
- •Обобщенная структура радиальной сети рбф
- •35.Дискретная (Рекурентная) сеть Хопфилда
- •36). Двунаправленная ассоциативная память
- •37) Сеть Хэмминга.
- •38) .Рекурентная сеть Эльмана
- •39). Персептронная сеть с обратной связью rmlp.
- •40).Гибридные нейронные сети. Нейросетевые элементы нечетких систем.
- •Нейросетевая реализация нечетких отношений
- •41). Нейросетевая модель нечеткого композиционного вывода.
- •42). Нечеткие элементы нейросетевых систем
- •43). Семантическое эквивалентирование.
- •44). Задача о диверсификации портфеля ценных бумаг
- •45). Элементы характеризационного анализа
- •Преобразование графа в двудольный
13) .Вывод в логике предикатов
|-
Если формула общезначима (|= )
Если формула выводима (|-)
Формула выводима из формул если модель формул является так же моделью формул .
Если формулы |- , то левое - условие, а - следствие.
Модус поненс: , → |-
Правило подстановки: →
Из формул выводима формула если вместо каждого введенного p вводиться P.
14) .Методы решения задач исчисления предикатов
-
Исключающая коньюнкта если переменные (формулы) входит в члены, то истино
|-
-
Введение в коньюнкту
из списка истинности формулы => истинности коньюнкций
|-
-
Введение дизьюнктов
|- (хотя бы 1 истины)
-
Двойное отрицание
|-
15). Сетевые модели представления данных
Семантические сети
- множество информационных единиц или множество вершин графа.
- множество типов отношений или связей между информационными единицами.
- отображение, задающее связи между информационными единицами.
Интексионал
– множество отношений;
– множество атрибутов.
j- атрибут
- множество значений атрибутов, которое может иметь отношение .
Объединение всех доменов называется базовым множеством модели или множество объектов, на которое работает отношение .
Экстенсионал
- множество фактов
- множество фактов истинности этого отношения.
– это, что хранится в базе значений.
- это, что хранится в базе данных.
В семантических сетях имеется 4 типа отношений:
- лингвистические(хар-я глаголов падежная);
- логические(описывает операции использующие вычисление высказываний);
- теоретико-множественные(часть целого);
- квантифицированные(отношения, которые используют кванторы общности и существования).
Фреймы
Фрейм – это абстрактный образ для определения некого стереотипа восприятия.
Фрейм задают в множестве упорядоченных слотов.
v – название слота;
g – размер(численное значение);
p – процедура(которая вычисляется или получается в ходе преобразований).
Фрейм – прототип(интенсионал)
<дата>((<месяц> <имя>)(<день> <ц.> {1,…,31})(<год> <функция>)(<день недели> <перечень{пнд.,…,вск.}> <функция>))
Фрейм пример(экстенсионал)
<ISA Дата>(<месяц> <март>)(<день> <30>)
Многообразие знаний можно представить через фрейм структуры, которые используются для обозначения объектов и понятий.
-
Фрейм – структуры (заем, сессия, вексель,…);
-
Фрейм – роль(менеджер, кассир, клиент);
-
Фрейм – сценарий(собрание акционеров, банкротство);
-
Фрейм – ситуации(тревога, ЧП).
Свойство фреймов: позволяют строить сеть!
Фрейм представляет собой декларативно-процедуроидальные структуры, т.е. совокупность описаний и связей с ними процедур. Концептуальная основа организации памяти человека. Фреймов – модель.
16). Продукционные модели представления знаний
Продукционные модели
Продукционные модели или модели основанные на правилах, позволяют представлять знания в виде модели предложения.
«ЕСЛИ (усл), ТО(действ)»
j – имя или № продукции.
(j), S;
S – описание класса ситуации, в которой эта продукция работает.
P – условие, при выполнении которого продукция срабатывает.
- секвенция.
Q – указание, которое нужно ввести в продукцию после ее выполнения.
A – антецедент;
B – кониквент, сукцедент.
- ядро продукции.
Это ядро может быть детерминировано и вероятностно. Вероятностные секвенции должны обладать статистическими свойствами.