1.1. Метод отката после неудачи.

Вид правила, выполняющего повторение:

правило_повторения : - <предикаты и правила>, fail.

Встроенный предикат fail (неудача) вызывает откат, что и приводит к повторению выполнения предикатов и правил.

Данный метод удобен для программирования прикладных задач по обработке служебных данных: создание платежных ведомостей, вычисление выплаты, генерация отчета о выплатах и т.д.

1.2. Метод отсечения и отката

правило_повторения : - <предикаты и правила> , !, fail.

Здесь «!» - встроенный предикат cut (отсечение), вычисление которого всегда завершается успешно. Этот предикат «устанавливает барьер», запрещающий выполнить откат ко всем альтернативным решениям текущей подцели.

Данный метод можно использовать для фильтрации утверждений базы данных.

1.3. Метод повтора, определяемый пользователем

Вид правила, определяемого пользователем:

repeat.

repeat :- repeat.

Данное рекурсивное правило всегда успешно. Оно широко используется в качестве компоненты других правил:

правило_повторения : - repeat,

<предикаты и правила>,

<условие выхода>, !.

Repeat вызывает повторное выполнение всех следующих за ним компонент.

Данный метод наиболее эффективен при реализации доступа к данным в базе данных и файлах на диске, для организации выдачи данных на экран и формирования меню.

2. Рекурсия

Пролог – система очень легко обрабатывает рекурсивные правила. Для предотвращения зацикливания любая рекурсивная процедура должна включать: 1) нерекурсивное условие выхода; 2) рекурсивное правило.

Вид правила, выполняющего рекурсию:

Условие выхода.

Правило_рекурсии:- <предикаты и правила>,

правило_рекурсии,

<предикаты и правила>.

Правила рекурсии эффективны при формировании запросов к базе данных, при обработке списков, деревьев и др. доменных структур.

32. Модели представления знаний: логическая, сценарии, сетевая, фреймовая, продукционная.

Модели представления знаний– это одно из важнейших направлений исследований в области искусственного интеллекта. Так как без знаний искусственный интеллект существовать не может.

Информация, с которой имеют дело компьютеры, разделяется на процедурную и на декларативную. Процедурная информация реализуется в форме программ, которые выполняются в процессе решения задач, а декларативная информация – в форме данных, с которыми эти программы работают.

Данные– это отдельные факты, характеризующие объекты, процессы и явления в предметной области, а также их свойства.

Знания– выявленные закономерности предметной области (принципы, связи, законы), позволяющие решать задачи в этой области.

Большинство моделей представления знаний можно свести к 4 классам:

• Семантические сети или сетевые модели

• Фреймы

• Формальные логические модели

• Продукционные

Семантические сети или сетевые модели.

Семантическая сеть – это ориентированный граф, вершины которого представляют собой понятия, а дуги – отношения между ними. Поиск решения в базе знаний типа семантической сети сводится к поиску путей на графе.

Фреймовые модели.

Фрейм– это единица представления знаний, заполненная в прошлом, детали, которой по необходимости изменяются и уточняются применительно к ситуации.

Каждому фрейму присваивается имя, которое должно быть уникальным во всей фреймовой системе. Описание фрейма состоит из ряда описаний, именуемых слотами, которым также присвоены имена (они тоже уникально, но в пределах данного фрейма). Информация, относящаяся к фрейму, содержится в составляющих его слотах. Значением слота может быть все, что угодно (числа, математические отношения, тексты на естественном языке, программы, правила вывода, ссылки на другие слоты данного фрейма или др. фреймов).

Основным преимуществом фреймов как модели представления знаний является способность отражать концептуальную основу организации памяти человека, а также ее гибкость и наглядность.

Формальные логические модели.

В основе моделей такого типа лежит формальная система, задаваемая четверкой множеств вида: M=<T, P, A, B>.

T-это множество базовых элементов различной природы (например, слов из некоторого ограниченного словаря, деталей детского конструктора, входящих в состав некоторого набора, и т. д.).

Для проверки принадлежности или непринадлежности произвольного элемента к этому множеству, есть процедура, которая за конечное количество шагов дает положительный или отрицательный ответ на вопрос: является ли x элементом множества T? П(T).

P-это множество синтаксических правил. С их помощью из элементов T образуют синтаксически правильные совокупности. Например, из слов ограниченного словаря строятся синтаксически правильные фразы, из деталей детского конструктора с помощью гаек и болтов собираются новые конструкции. П(P) – дает ответ на вопрос: является ли совокупность X синтаксически правильной?

Далее в множестве синтаксически правильных совокупностей выделяется некоторое подмножество А, элементы которого называются аксиомами. П(A) – дает ответ на вопрос о принадлежности синтаксически правильной совокупности к множеству A.

B-это множество правил вывода. П(B) – с помощью нее можно определить для любой синтаксически правильной совокупности, является ли она выводимой.

Продукционные модели.

Продукционная модель или модель, основанная на правилах, позволяет представить знания в виде предложений типа: «если (условие), то (действие)»

Продукционные модели обладает тем недостатком, что при накоплении достаточно большого числа правил, они начинают противоречить друг другу;

Под условием понимается некоторое предложение – образец, по которому осуществляется поиск в базе знаний, а под действием – действия, выполняемые при успешном исходе поиска. При использовании продукционной модели база знаний состоит из набора правил. Программа, управляющая перебором этих правил, называется машиной вывода. Чаще всего вывод бывает прямым (от данных к поиску цели) или обратным (от цели, для ее подтверждения к данным).