- •Теоретичні відомості
- •Визначення складу знань та їх розподіл
- •Побудова моделі предметної області
- •Методи побудови системи понять предметної області
- •Методи встановлення взаємозв'язків між поняттями предметної області:
- •Методи встановлення семантичних відношень між поняттями предметної області
- •Контрольні питання
- •Варіанти завдань
- •Побудувати модель визначеної предметної області, використовуючи методи побудови системи понять та встановлення семантичних відношень між поняттями:
- •несправності комп’ютера;
- •Тема: Експертні системи. Побудова баз знань ЕС.
- •Структура експертних систем
- •атрибутивні зв’язки (має властивість, має значення).
- •Семантичні мережі можуть мати складну та громіздку структуру.
- •Рівні представлення і рівні детальності
- •Організація знань у базі знань
- •Контрольні питання
- •Варіанти завдань
- •Теоретичні відомості
- •Контрольні питання
- •Варіанти завдань
- •Теоретичні відомості
- •Рис. 2. Методика розробки ЕС
- •Прототипи і життєвий цикл експертної системи
- •Прикладами областей застосування, що потребують гнучкості з боку створення та поповнення бази знань, є: планування виробництва, проектування і діагностика в області електроніки, обчислювальної техніки та машинобудування.
- •Контрольні питання
- •Варіанти завдань
- •Створити та протестувати прототип ЕС відповідно варіанту. Вказати сильні та слабкі сторони створеного прототипу, шляхи його вдосконалення.
- •Вимоги до експертної системи і звіту
- •Тема: Нейронні мережі. Персептрон. Побудова та дослідження персептрона.
- •Теоретичні відомості
- •Рис. 3. Штучний нейрон
- •Навчання персептрона
- •Розглянемо алгоритм навчання з учителем.
- •Контрольні питання
- •Варіанти завдань
- •Оцінка алгоритму зворотнього поширення
- •Контрольні питання
- •Варіанти завдань
- •Тема: Нейронні мережі. Побудова та навчання нейромережі для вирішення задачі прогнозування.
- •Постановка задачі прогнозування курсу UKB/USD
- •Контрольні питання
- •Методичні рекомендації по вирішенню задачі та вимоги до звіту
- •Тема: Нейронні мережі. Побудова та навчання нейромережі для розпізнавання образів.
- •Рис.7. Структурна схема мережі Хопфілда
- •2. Розраховується новий стан нейронів
- •Рис. 9. Структурна схема мережі Хемінга
- •Алгоритм функціонування мережі Хемінга наступний:
- •Завдання: побудувати ЕС в області медичної діагностики.
- •Частина 1
- •Частина 2
- •Частина 3
- •Частина 4
- •Частина 5
−організація знань у базі знань.
Рівні представлення і рівні детальності
Для того щоб експертна система могла керувати процесом пошуку розв’язку, була здатна здобувати нові знання і пояснювати свої дії, вона повинна вміти не тільки використовувати свої знання, але і мати здатність розуміти і досліджувати їх, тобто експертна система повинна мати знання про те, як представлені її знання про проблемне середовище. Якщо знання про проблемне середовище назвати знаннями нульового рівня представлення, то перший рівень представлення містить метазнання, тобто знання про те, як представлені у внутрішньому світі системи знання нульового рівня. Перший рівень містить знання про те, які засоби використовуються для представлення знань нульового рівня. Знання першого рівня відіграють істотну роль при керуванні процесом розв’язку, при надбанні і поясненні дій системи. У зв'язку з тим, що знання першого рівня не містять посилань на знання нульового рівня, знання першого рівня незалежні від проблемного середовища.
Число рівнів представлення може бути більше двох. Другий рівень представлення містить відомості про знання першого рівня, тобто знання про представлення базових понять першого рівня. Поділ знань по рівнях представлення забезпечує розширення області застосування системи. Виділення рівнів детальності дозволяє розглядати знання з різним ступенем детальності. Кількість рівнів детальності багато в чому визначається специфікою розв'язуваних задач, обсягом знань і способом їх представлення.
Як правило, виділяється не менш трьох рівнів детальності, що відбивають відповідно загальну, логічну і фізичну організацію знань.
Введення декількох рівнів детальності забезпечує додатковий ступінь гнучкості системи, тому що дозволяє робити зміни на одному рівні, не торкаючись інших. Однак наявність різних рівнів перешкоджає поширенню змін з одного рівня на інші.
Організація знань у базі знань
Показником інтелектуальності системи з погляду представлення знань вважається здатність системи використовувати в потрібний момент необхідні (релевантні) знання. Системи, що не мають засобів для визначення релевантних знань, неминуче зіштовхуються з проблемою «комбінаторного вибуху». Можна стверджувати, що ця проблема є однією з основних причин, що обмежує сферу застосування експертних систем.
18
У проблемі доступу до знань можна виділити три аспекти: зв’язність знань і даних, механізм доступу до знань і спосіб зіставлення.
Зв’язність (агрегація) знань є основним способом, що забезпечує прискорення пошуку релевантних знань. Більшість фахівців прийшли до переконання, що знання варто організовувати навколо найбільш важливих об'єктів (сутностей) предметної області. Усі знання, що характеризують деяку сутність, зв'язуються і представляються у вигляді окремого об'єкта. При подібній організації знань, якщо системі потрібна була інформація про деяку сутність, то вона шукає об'єкт, що описує цю сутність, а потім вже всередині об'єкта відшукує інформацію про дану сутність.
В об'єктах доцільно виділяти два типи зв'язків між елементами: зовнішні і внутрішні. Внутрішні зв'язки поєднують елементи в єдиний об'єкт і призначені для вираження структури об'єкта. Зовнішні зв'язки відображають взаємозалежності, що існують між об'єктами в області експертизи. Багато дослідників класифікують зовнішні зв'язки на логічні й асоціативні. Логічні зв'язки виражають семантичні відносини між елементами знань. Асоціативні зв'язки призначені для забезпечення взаємозв'язків, що сприяють прискоренню процесу пошуку релевантних знань.
Основною проблемою при роботі з великою базою знань є проблема пошуку знань, релевантних розв'язуваній задачі. У зв'язку з тим, що в опрацьовуваних даних може не міститися явних вказівок на значення для їхньої обробки, необхідний більш загальний механізм доступу, ніж метод прямого доступу (метод явних посилань).
Задача цього механізму полягає в тому, щоб за деяким описом сутності, що є в робочій пам’яті, знайти в базі знань об’єкти, що задовольняють цьому опису. Очевидно, що упорядкування і структурування знань можуть значно прискорити процес пошуку. Пошук бажаних об'єктів у загальному випадку доречно розглядати як двоетапний процес. На першому етапі, що відповідає процесу вибору за асоціативними зв'язками, відбувається попередній вибір у базі знань потенційних кандидатів на роль бажаних об'єктів. На другому етапі шляхом виконання операції зіставлення потенційних кандидатів з описами кандидатів здійснюється остаточний вибір шуканих об'єктів.
Для ідентифікації невідомого об'єкта він може бути зіставлений з деякими відомими зразками. Це дозволить класифікувати невідомий об'єкт як такий відомий зразок, при зіставленні з яким були отримані найкращі результати. Якщо здійснювати зіставлення деякого відомого об'єкта з невідомим описом, то у випадку успішного зіставлення буде здійснена часткова декомпозиція опису.
19