- •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
17). Вывод на знаниях.
Рисунок под названием «цикл работы интерпретатора».
Действия основано на применении правила модус-понус α→β, α+β
Схема функционирования интерпретатора представлена на рисунке:
При разработке стратегии вывода знаний управления необходимо:
-
определённые точки в пространстве состояний, которую надо выбрать за исходные
-
Определить метод поиска решения (перебор в глубину, ширину)
18). Онтологии. Модель онтологии.
Онтология - есть точная, выраженная формальными срудствами, спецификация концептуализации.
Мы должны найти способ понимания.
Концептуализация – процесс перехода от представления предметной области на естественном языке к точной спецификации этого описания на некотором формальном языке, ориентированном на компьютерное предстваление.
Онтология – это база знаний специального типа, которая может читать и пониматься и отчуждаться от разработчика и физически разделяться их пользователями.
Модель онтологии.
О=(X,R,Ф)
Х – конечное множество понятий (концептов, который принимаются в предметной области)
R – конечное множество отношений между концептами
Ф – конечное множество функций интерпретатора, заданных на концептах и отношениях.
1. R=0 , Ф=0; О=(x,0,0)=V (словарь)
2. R=0 , Ф=0; Х = ; тогда , так, что где ( функция интепретации)
При каждом обращении к базе знаний, новые понятии каждый раз вичисляются.
Вторая модель предстваляет собой активный словарь предметной области.
Если то обычный пассивный словарь.
-
R=0 , Ф=0; R = {is-a} – вид-род
О = (X,{is-a},0)=T T- таксонолия (taxis+nomos) расположение по порядку – закон.
Орасш= (
Иерархическая система понятия Т.
Если имеется пространство знаний, которое охватывает несколько взаимосвязанных предметных областей, то строиться расширенная онтология, где
Оm – метаонтология(верхний уровень)
Op – предметная онтология (вкл в паре)
Oz - онтология задач
MB - модель машины вывода
Оm оперирует общими, независящими предметными областями, концептами отношений
Оm – интенсион-ое описание знаний (общее описание)
Op, Oz – экстенсионная часть описания предметной области
MB – описывается критерий релевантности или семантического соответствия получаемой информации.
Машина вывода начинает работу при активации понятий или отношей, описывающих исходную ситуацию.
Пример
-
Какие существуют фазовые состояния вещества
R1 – «род-вид»
R1:= { “твердое вещество”, “жидкость”, “газ”, “плазма” }
-
Онтология “электрическая ёмкость”
Rs:=”электрическая ёмкость”
-
Онтология “электромагнитной индукции”
Организация поиска в базе знаний представлено на рисунке:
: Онтология – важная разновидность сетевой модели предстваления знаний.
IDEF – 5
Этапы:
- изучение и систематизация начальных условий
- сбор и накопление данных для построения онтологии
- анализ и группировка собранных данных, для того, чтобы согласовать терминологию
- начальное развитие онтологии
- уточнение и утверждение онтологии