- •Тема 1. Информационный процесс представления знаний.
- •1.1 Основные понятия дисциплины.
- •1.2 Классификация знаний.
- •I группа.
- •II группа.
- •III группа.
- •IV группа.
- •Тема 2.
- •2.1 Модели представления знаний в ис
- •2.2 Продукционная модель знаний.
- •Пример 2.1
- •2.3 Фреймы.
- •Пример 2.3.
- •2.4 Семантические сети
- •2.5 Формальные логические модели на основе исчисления предикатов
- •Пример 2.5
- •Пример 2.6
- •Пример 2.7
- •Пример 2.8
- •Тема 3. Язык Пролог.
- •3.1 Пролог с процедурной точки зрения.
- •Пример 3.1
- •Пример 3.2
- •Пример 3.3
- •3.2 Передача параметров и возврат значений в предикат.
- •Пример 3.4
- •Тема 4. Вычислительная модель Пролога.
- •4.1 Факты, запросы, переменные и правила.
- •4.1.1 Факты.
- •4.1.2 Запросы.
- •4.1.3 Переменные.
- •4.1.4 Правила.
- •Пример 4.1
- •Пример 4.2
- •4.2 Сравнение термов на равенство.
- •Тема 5. Дедуктивные системы. Логический вывод и логическое программирование.
- •5.1 Исчисления и дедуктивные системы.
- •5.2 Общая схема построения формальной системы.
- •5.3 Основные понятия логического программирования.
- •5.4 Простой абстрактный интерпретатор логических программ.
- •Пример 5.2
- •Пример 5.3
- •Тема 6. Экспертные системы (эс).
- •6.1 Понятие эс. Основные характеристики.
- •6.2 Области применения эс. Типы эс и подходы к их реализации.
- •6.3 Типы задач, решаемых эс.
- •6.4 Отличие эс от традиционных программ.
- •6.5 Типовая структура эс.
- •6.6 Инструментальные средства эс.
- •Тема 7. Технологии проектирования и разработки экспертных систем (эс).
- •1. Выбор проблемы.
- •2. Разработка прототипа эс.
- •3. Доработка коммерческой версии.
- •4. Оценка эс.
- •5. Стыковка системы.
- •6. Поддержка системы.
- •Тема 8. Вывод на знаниях.
- •8.1 Основные положения.
- •8.2 Стратегии управления выводом.
- •Пример 8.1
- •Тема 9. Представление нечетких знаний в ис.
- •Пример 9.1
- •Тема 10. Инженерия знаний.
- •10.1 Поле знаний.
- •10. 2 Стратегии получения знаний.
- •10.3 Теоретические аспекты извлечения знаний.
- •10.4 Структурирование знаний.
Пример 9.1
Опишем ЛП «Возраст». Определим нечеткое множество:
В = {младенческий, детский, юный, молодой, зрелый, преклонный, старческий).
Для ЛП «возраст» базовая шкала — это числовая шкала от 0 до 120, обозначающая количество прожитых лет, а функция принадлежности определяет, насколько мы уверены в том, что данное количество лет можно отнести к данной категории возраста.
Построим шкалу:
Например, определить значение нечеткого множества «Младенческий возраст» можно так:
«младенческий» =
Р ебенок до полугода здесь с высокой степенью уверенности относится к младенцам (m=1). Дети до четырех лет причисляются к младенцам тоже, но с меньшей степенью уверенности (0.5< m <0.9), а в десять лет ребенка называют так только в очень редких случаях. Таким образом, нечеткие множества позволяют при определении понятия учитывать субъективные мнения отдельных индивидуумов.
Над нечеткими множествами возможны операции нечеткой логики:
max{(x1), (x2)}
Возможно применение операций из теории вероятности:
(x) = (x1)+ (x2)+ (x1)* (x2)
Вводятся специальные операторы, называемые квантификаторами, которые усиливают или ослабляют свойства нечеткого множества:
Например, если задано нечеткое множество «Старческий возраст»:
А = ,
то понятие «Очень старческий возраст» определяется:
,
то есть «Очень старческий возраст» равен:
con(A) = A2 =
Тема 10. Инженерия знаний.
10.1 Поле знаний.
В процессе проектирования БЗ, эксперт взаимодействует с инженером по знаниям с целью извлечения знаний, их структурирования, где важную роль играет стратегия получения знаний.
Поле знаний – это условное неформальное описание основных понятий и взаимосвязей предметной области, выявленных из системы знаний эксперта в виде графа, диаграммы, таблицы или текста.
Поле знаний (ПЗ) является концептуальной моделью предметной области и формируется на стадии структурирования при разработке ЭС.
Описание ПЗ дается на некотором языке, который является связующим звеном между естественным языком и формальным языком математики.
Требования, предъявляемые к языку описания ПЗ:
1) Однозначность понятий и высказываний.
2) Заимствованные термины из предметной области должны сохранять свой смысл.
3) Язык должен быть символьным или графическим.
На стадии структурирования описание ПЗ переносится на какой-либо язык представления знаний, выбор которого зависит от структуры ПЗ.
Существует 3 основных подхода к выбору языков описания знаний:
1 – использование уникальных языков, разработанных для конкретной предметной области (SSL, язык К-схем);
2 – использование языков классификации знаний (языки Вилкинса и Далгарно);
3 – использование логико-конструктивных языков, разработанных в семиотике (науке об универсальном методе познания).
Методы третьего подхода не нашли применения в естественных науках в силу жесткой структуры знаний. В искусственном интеллекте знания нечеткие, поэтому эти методы и языки могут применяться.
Язык семиотического моделирования является наиболее лучшим приближением к универсальному языку инженерии знаний.
Необходимо учитывать, что при формировании ПЗ главной является правильная передача структуры предметной области. Тогда ПЗ является некоторой семиотической моделью, в которой рассматриваются 3 аспекта:
1 - синтаксис;
2 - семантика;
3 - прагматика.
Синтаксис задает набор правил построения языковых конструкций.
Семантика показывает связи между элементами языка.
Прагматика задает отношения между объектами предметной области и их пользователями.
1) Синтаксис ПЗ представляется моделью, описываемой с помощью множеств:
Pz = {In, Out, M},
где In – структура входных данных;
Out – структура выходных данных;
М – модель предметной области.
M = {Sk, Sf},
где Sk – концептуальная структура (показывает взаимосвязь элементов);
Sf – функциональная структура (моделирует рассуждения эксперта в процессе принятия решения).
2) Семантика ПЗ зависит от особенностей предметной области и обладает полиморфизмом, т.е. одни и те же операторы языка могут иметь различные значения для разных задач.
Семантика рассматривается на двух уровнях:
1 – ПЗ есть модель знаний эксперта некоторой предметной области;
2 – ПЗ есть модель самих знаний, не зависимых от эксперта. В данном случае ПЗ формируется в результате 4-х этапов извлечения знаний:
1. Визуальное восприятие и интерпретация экспертом некоторой ситуации в предметной области, происходящей в памяти эксперта Vi;
2. Вербальное объяснение рассуждений эксперта в виде текста или речи Ti/Ci.
3. Восприятие и интерпретация сообщений инженером по знаниям Mi.
4. Кодирование и вербальное описание модели представления знаний на языке описания ПЗ – Pz.
Цепочка ViTi/CiMiPz называется «испорченный телефон».
Семантическая составляющая ПЗ является чисто субъективной. Это – БЗ эксперта в понимании инженера по знаниям.
3) Прагматика ПЗ рассматривается на уровне анализа технологии предметной области, используя которые инженер по знаниям может описать ПЗ. Т.о., это – программные средства формирования ПЗ.
Для моделирования ПЗ можно использовать:
1. Традиционные CASE-средства (Rational Rose, ERWin).
2. Специальные программы (VICONT, Axon, Idea Processor).
Т.о., учитывая знания психологии, можно рассматривать ПЗ в виде пирамиды. В пирамиде знаний каждый уровень служит для восхождения на новую ступень обобщения знаний о предметной области.
Пирамида знаний отражает глубину опыта эксперта. Восхождение по ступеням к вершине пирамиды соответствует уменьшению размерности семантического пространства памяти и увеличению опыта эксперта.
Есть другая модель описания ПЗ – сфера знаний. Здесь поверхность сферы определяет знания и опыт в соответствие с текущим опытом эксперта (радиусом сферы).
Увеличение радиуса сферы влечет увеличение объема семантической памяти. Т.о., эксперт выходит на новый уровень познания предметной области, т.е. способен усвоить и получить знания, которые ранее были недоступны.