Главная » Рефераты    
рефераты Разделы рефераты
рефераты
рефератыГлавная
рефератыЕстествознание
рефератыУголовное право уголовный процесс
рефератыТрудовое право
рефератыЖурналистика
рефератыХимия
рефератыГеография
рефератыИностранные языки
рефератыРазное
рефератыИностранные языки
рефератыКибернетика
рефератыКоммуникации и связь
рефератыОккультизм и уфология
рефератыПолиграфия
рефератыРиторика
рефератыТеплотехника
рефератыТехнология
рефератыТовароведение
рефератыАрхитектура
рефератыАстрология
рефератыАстрономия
рефератыЭргономика
рефератыКультурология
рефератыЛитература языковедение
рефератыМаркетинг товароведение реклама
рефератыКраеведение и этнография
рефератыКулинария и продукты питания
рефераты
рефераты Информация рефераты
рефераты
рефераты

Лекция: Инженерия знаний

Лекция: Инженерия знаний

Система - посредник, заключение договора на поставку. Инженерия знаний - область информатики, в рамках которой проводятся исследования по представлению знаний в ЭВМ, поддержание их в актуальном состоянии и манипулировании ими. Knowledge system - система основанная на знаниях. СОЗ СБЗ СУБД ЭС ИС СИИ - система искусственного интеллекта. Структура системы, основанной на знаниях.
Лекция: Инженерия знаний Лекция: Инженерия знаний
БЗ механизм получения решения
Лекция: Инженерия знаний
ИНТЕРФЕЙС БЗ - это модель, представляющая в ЭВМ знания, накопленные в определенной предметной области. Эти знания должны быть формализованы. Знания формируются с помощью модели, а затем представляются с помощью определенного языка. В БЗ обычно выделяются знания о конкретных объектах и правила. Эти правила исполняются как механизм получения решений, для того, чтобы из исходных фактов вывести новые. Интерфейс обеспечивает ведение диалога на языке, близком пользователю. Методы, основанные на использовании логических выводов, часто используется в инженерии знаний. Понятие предметной области. Объект – то что существует или воспринимается в качестве отдельной сущности. Основные свойства: дискретность; различие. При представлении знаний используется прагматический подход, т.е. выделяются те свойства объекта, которые важны для решения задач, которые будет решать создаваемая система. Поэтому система, основанная на знаниях, имеет дело с предметами, которые являются абстрактными объектами. Предмет выступает в роли носителя некоторых свойств объекта. Состояние предметной области может меняться со временем. В каждый момент времени состояние предметной области характеризуется множеством объектов и связями. Состояние предметной области характеризуется ситуацией.

Лекция: Инженерия знаний

Концептуальные средства описания предметной области. Концептуальная модель отражает наиболее общие свойства. Для того, чтобы детализировать описание нужны языки. Характерными чертами концептуальных средств описания предметной области являются абстрактность и универсальность. Их можно использовать для описания любой предметной области. Понятие класса объекта. Понятие объекта – понятие множеств. Сходные между собой объекты объединяются в классы. В разные моменты времени одному и тому же классу могут соответствовать разные множества объектов. К – класс объекта. Кt – множество объектов класса К в момент времени t. К = È t Кt Пример: Группа (1999) = { ИА-1-99, ИА-1-98, . , ИА-1-94, ИБ-1-99,.} Группа (1998) = { ИА-1-98, ИА-1-97, . , ИА-1-93, ИБ-1-98,.} " t Кt = { . } Преподавательская должность = { профессор, доцент, старший преподаватель, преподаватель, ассистент}
Подпись: син
Лекция: Инженерия знаний
Подпись: желт
Лекция: Инженерия знаний
1 4 Геометрическая фигура, форма квадрат, цвет синий.
Лекция: Инженерия знаний
2 5
3 (К : А1 К1, А2К2, . , АnКn) имя атрибут название классов классов
объектов атрибутная пара Идентификация объектов может быть прямая и косвенная. В случае прямой используются имена объектов, порядковые номера объектов; косвенная основана на использовании свойств объектов. Атрибут может быть компонентом. Под атрибутом понимается свойство, характеристика, название компонентов. Пример: (Геометрическая фигура: форма Геометрическая форма цвет Цвет) Пары имя атрибута и значение атрибута часто совпадают. Пример ситуации: (Лекция: лектор Фамилия_лектора, место №_аудитории, тема Название_темы, слушатель Код_группы, день День_недели, время Время_начала) Ситуация – показана связь между «преподаватель» и «слушатель», остальные характеристики данной ситуации. Роли участников ситуации: - лектор - место - слушатель Характеристики ситуации: - день - время (К: А1К1,А2К2, . , АnКn) – представление знаний в виде некоторой структуры. (К: АiКi) Пример: (дата, число, день_месяца) (дата, месяц, название_месяца) (дата, год, год) (геометрическая_фигура, форма, геометрическая_форма) (геометрическая_фигура, цвет, цвет) Такому представлению знаний соответствует представление знаний в виде отдельных фактов. (К: АiКi)

(К: А1К1,А2К2, . , Аn Кn)

Представления знаний об объектах делятся на:

- классы объекта (структура данных)

- знания о конкретных объектах (о данных)

Классы объекта. 1. (К: А1К1,А2К2, . , АnКn) Аi – имя атрибута Кi – классы объекта, являются значением атрибута К – имя класса Пример: (преподаватели: ФИО фамилия_с_инициалами, Должность преподпвательская_должность) 2. (К: АiКi) Пример: (преподаватель, ФИО фамилия_с_инициалами, преподаватель, должность преподпвательская_должность) 3. К (К1,К2, . , Кn) 4. К (А1,А2, . , Аn) Пример: (преподаватель (фамилия_с_инициалами, преподпвательская_должность), преподаватель (ФИО, должность)) Представление знаний для первой формы: (К: А1К1,А2К2, . , АnКn) кi Î Кi Атрибутивное представление знаний: Пример: (преподаватель: - представляет собой ФИО Семенов - некоторую структуру Должность доцент) - данных Представление знаний для второй формы: (К: АiКi) к Î К, кi Î Кi Атрибутивное представление знаний в виде отдельных фактов: Пример: (преподаватель1, ФИО, Семенов) - 1, 2 являются связками между (преподаватель1, должность, доцент) - фактами (преподаватель2, ФИО, Петров) (преподаватель2, должность, ассистент) Представление знаний для третьей формы: К (К1,К2, . , Кn) (преподаватель (Семенов, доцент) - позиционное представление знаний Если имена атрибутов отсутствуют, а сами атрибуты записываются на определённых позициях, то – позиционноё представление знаний. Представление знаний в виде «троек» - (объект, атрибут, значение). Для представления неточных значений используются коэффициенты уверенности – (объект, атрибут, значение, коэффициент уверенности). Пример: (пациент1, диагноз, колит, К760) 0 ¸ 100 0 ¸ 1 -1 ¸ 1 0 – соответствует неопределенности. отрицательное значение – степень уверенности в невозможности значения атрибута.
Лекция: Инженерия знаний Подпись: *
(пациент1, диагноз, гастрит, К740) * (пациент, ФИО, Антонов, диагноз колит К760, гастрит К740) Представление знаний о классе объекта называется минимальным, если при удалении одного из атрибутов приводит к тому, что оставшееся множество атрибутов перестает быть представлением данного класса объекта. Пример: Аренда (объект_аренды, арендатор, арендодатель, срок_аренды, плата). Если удалить «срок_аренды», получится купля-продажа, а если удалить «срок_аренды» и «плата», то получиться подарок. Представление знаний в реляционной базе данных. Реляционная база данных – данные хранятся в позиционном формате. Данные хранятся в виде таблицы, где название таблицы – имя класса. Каждому классу соответствует таблица или файл БД. Имя класса - название соответствующей таблицы. Имена атрибутов – соответствующие поля таблицы (столбец). Строки таблицы – записи БД. Записи соответствует запись в позиционном формате.

А1

А2

. . . . .

Аn

К1

К2

. . . . .

Кn

Преподаватели

ФИО

должность

Семенов

Петров

Доцент

ассистент

Понятие атрибута в позиционной БД сохраняется. Запись К (А1,А2, . , Аn) называется отношение между атрибутами. Такая терминология используется в реляционной БД. Идея данных в реляционной БД основана на понятие «ключ». Ключ – набор атрибутов отношения, значение которых однозначно определяет запись в файле.

Квартира

городулицадомкорпусквартираплощадьколичество комнат

Москва

Москва

Тверская

Тверская

2

2

1

1

47

54

60

50

2

1

В данном случае ключ будет состоять из нескольких полей.
Лекция: Инженерия знаний
Кi sup Кj является подклассом класс sup подкласс; подкласс sup класс. Кi является подклассом Кj, если "t Ki t Î Kj t (Если в любой момент времени t класс Кi является подклассом Кj) Npr – классификация сети. Классификация сети представляется в виде иерархической структуры.
Лекция: Инженерия знаний
Подпись: supПодпись: sup
Студент sup учащийся. Ki part of Kj - является частью Ki part Kj Ki является частью Kj, если конкретный объект класса K i является частью однозначно определенного объекта Kj.
Лекция: Инженерия знаний
Лекция: Инженерия знаний
Лекция: Инженерия знаний
Подпись: part

Лекция: Инженерия знаний

Отношение принадлежности.
Подпись: городПодпись: Москва
Подпись: isa
k isa K - является элементом
Лекция: Инженерия знаний
Ki ius K - является составляющей К1 ius K K2 ius K . . . . . . . Kn ius K Означает, что объект класса К состоит из объектов класса К1, К2 , . , Кn, причем объект класса К может включать несколько объектов класса Кi. Лекция №4. Свойства отношений. Отношения частичного порядка обладают свойством транзитивности.

Ki sup Kj Kj sup Km

Ki sup Km

Ki part Kj Kj part Km

Ki part Km Если элемент является составляющей блока, а блок составлен. Нет циклов в графе принадлежности. K1 ins K2, K2 ins K3,.,Kn-1 ins Kj Неверно, что Kn ins K1 K isa Ki sup Kj K isa Kj Москва isa город Город sup Населенный пункт Москва isa Населенный пункт Лекция: Инженерия знаний Операции над классами объектов. С помощью операций над классами объектов можно определить новый класс объектов Ki ins K ℧ Ki множество блоков, к примеру, телевизоров Ki sup K ℧ Ki = K Материальные объекты делятся на три класса Условие È Помещение È Оборудование = Материальный объект Человек È Помещение = Человек È Оборудование = Помещение È Оборудование =∅ Размещение классов объекта Человек (Фамилия, Имя, Отчество, Год_Рождения, пол) Пол={мужской, женский} Мужчина, женщина = Человек\пол K (K1, K2, K3, K4, K5) K\K5 – Разбиение класса по классу К5. Объединение всех этих классов есть человек. Мужчина⋃Женщина=Человек Мужчина⋃Женщина=∅ (Знание_иностранного языка Знающий человек, Предмет иностранный_язык) (K A1K1, A2K2) K1/(K, K2) В результате разбиения мы получаем классы людей, знающих иностранный язык. Концептуальной схемой предметной области называется множество классов объектов, заданных на нем отношений и операциями. Шаблонные описания состояния предметной области: Занятия K <Преподаватель> проводит занятия по дисциплине <название дисциплины> в группе <код группы> в <день недели> на <номер пары> в <аудитории>. Иванов И.И. проводит занятия по дисциплине ТОЭ в группе ИТ-1-98 в понедельник на 4 паре в Г-301. (занятия: преподаватель Преподаватель дисциплина Название_дисциплины группа Код_группы день День_недели время Номер_пары место Аудитория) Концептуальные модели предметной области – концептуальная схема вместе с множеством высказываний построенных по конечному набору шаблонов. Диаграмма сущности и связи (ER – диаграмма) Entety Relation Diagramm Лекция: Инженерия знаний Сущность
Лекция: Инженерия знаний
связь Лекция: Инженерия знаний Атрибуты сущности и связи
Лекция: Инженерия знаний
Овал: имя
Блок-схема: решение: работает
кафедра
преподаватель
Лекция: Инженерия знаний Лекция: Инженерия знаний Овал: Фам. N 1 *

Лекция: Инженерия знаний

На 1 кафедре работает N преподавателей. «*» – знак преподавателя – можно найти кафедру. Связь глагол или дополнение

Лекция: Инженерия знаний

Атрибуты – прилагательное, числители, размеры, место действия Лекция: Инженерия знаний
Лекция: Инженерия знаний
Расписание нагрузки

Лекция: Инженерия знаний

Логические системы (модели), на основе единственного примера поставки товара в магазин. Логические модели представления знаний. Описание предметной области на одном из логических языков программирования, основано на исчислении предикат. Язык многократного исчисления предикатов 1-го порядка. Многократная логика 1- го порядка. Для составления этого языка : Понятие сорта соответствует понятию классов объектов. Множество сортов S Лекция: Инженерия знаний - на множестве задаются функциями. f-имя функции; Лекция: Инженерия знаний сорта аргументов; В – сорт значения функции. Z – сигнатура – это верхний уровень представления знаний в логических моделях. Предикат - Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Т={0;1} ложь истина Лекция: Инженерия знаний -константа сорта В Рассмотрим в качестве примеров обработку деталей на производстве 2-токарных; 1-фрезерный; S={Деталь, Станок, Операция, Тип_детали, Тип_станка, Время } 1) дет: Операция Деталь; f A1 B 2) ст: Операция ® Станок; 3) нач: Операция ® Время 4) кон: Операция ® Время 5) тип_дет: Деталь ® Тип_детали 6) тип_ст: Станок ® Тип_станка 7) 0 : ® Время C B 1: ® Время . В . . t: ® Время 8) ст_вал:®Тип_детали вал_мест: ® Тип_детали 9) фрез: ®Тип_станка ток: ®Тип_станка 10) фрез_торц:операция Т ток_обр: операция Т 11) +: Время*Время Время 12)Лекция: Инженерия знаний : Время*Время Т Знания о конкретных объектах (нижн. Уровень представления знаний) на языке многократного исчисления предикатов наз-ся структурой интегрированной сигнатурой 1) сигнатура 2) Структура интегр. Сигнатуры. 3) Для каждого имя сорта создаётся мн-во объектов этого сорта. Деталь = {дет.1, дет.2, дет.3, дет.4} Станок = {ст.1, ст.2, ст3} Операция ={опер1,опер2, опер3, опер4, опер5, опер6, опер7, опер8} Тип_детали = {ст_вал, вал_мест} Тип_станка = {ток, фрез} Время = {1,2,.,t} Объединение всех множеств - универсум. Каждой функции и предикатов из структуры в системе соответствует множество факторов. 1) дет.(опер.1)=дет1 дет.(опер.2)=дет1 дет.(опер.3)=дет2 ......... 2) ст.(опер.1)= ст.3 ст.(опер.2)= ст.1 ст.(опер.3)= ст.3 ....... 3) нач.(опер.1)=0 нач.(опер.2)=5 нач.(опер.3)=5 ......... 4) конц(опер.1)=5 конц(опер.2)=12 конц(опер.3)=0 ....... 5) тип_дет(дет.1)=ст_вал тип_дет(дет.2)=вал_мест тип_дет(дет.3)=ст_вал тип_дет(дет.4)=вал_мест ........ 6) тип_ст. (ст.1)=ток тип_ст. (ст.2)=ток тип_ст. (ст.3)=фрез ........ 10) фрез_торц(опер1) ток_обр (опер2) фрез_торц(опер3)
операциядетальстанок началоконецфрез_торцток_обр
Опер1Дет.1Ст.30510
Опер2Дет.1Ст.151201
Опер3Дет.2Ст.351010
Опер4Дет.2Ст.2101701
Опер5Дет.3Ст.3101610
Опер6Дет.3Ст.1162601
Опер7Дет.4Ст.3162210
Опер8Дет.4Ст.2223201
ДетальТип_дет
Дет.1Ст_вал
Дет.2Ст_вал
Дет.3Вал_мест
Дет.4Вал_мест
СтанокТип_ст
Ст.1Ток.
Ст.2Ток.
Ст.3Фрез.
3) Составляющая : Логические формулы Правила построения формул: а)константа сорта А, есть терм сорта А б)переменная принимающая значение из сорта А, есть терм сорта А в)если сигнатура содержит функциюЛекция: Инженерия знаний - построенные термы сортов Лекция: Инженерия знаний соответственно, то Лекция: Инженерия знаний -есть терм сорта В г)если сигнатура содержит предикат- Лекция: Инженерия знаний ,термы построенных сортов Лекция: Инженерия знаний , то Лекция: Инженерия знаний - есть атом. д)если Лекция: Инженерия знаний - термы одинакового сорта, то выражение Лекция: Инженерия знаний , то есть атом е)Атом есть формула правильно построенная (ППФ)Переменная, входящая в атом, является свободной в этом атоме. ж)если Лекция: Инженерия знаний построенная формула в которую свободно входит переменные х сорта А , то выражения: Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний также является ППФ, переменная “x” является связанной (в новых файлах) з)если Лекция: Инженерия знаний уже построенные формулы, то Лекция: Инженерия знаний , также является ППФ Примеры: 1) Представление Знания b=> опер2 выполнены на токарном станке тип_ст(ст(опер2))=nток 2) Опер2 выполн на ост.1 на ст.1 нач 5 конец 12 Лекция: Инженерия знаний ) 3) Лекция: Инженерия знаний Лекция 8 12.11.99.

Метод резолюций

Лекция: Инженерия знаний Метод резолюций доказывает невыполнимость. Для использования этого метода необходимо исходную формулу привести к ДНФ. ДНФ: Лекция: Инженерия знаний Лекция: Инженерия знаний - дизъюнкция литер рii – атом или отрицание атома. Потом ДНФ представляют в виде множества дизъюнктов Лекция: Инженерия знаний В методе резолюций – имеется одно правило вывода Лекция: Инженерия знаний В результате из 2-х дизъюнктов получаем новую, называется руовентой Лекция: Инженерия знаний Лекция: Инженерия знаний - получаем пустой дизъюнкт , который всегда ложный. Если множество содержит пустой дизъюнкт , то оно является не выполнимым. Лекция: Инженерия знаний Получается пустой дизъюнкт, который доказывает что данное множество является невыполнимым. Метод резолюций применяется до тех пор пока не получится пустой– дизъюнкт Лекция: Инженерия знаний m,n – const Лекция: Инженерия знаний подстановка вместо переменной константы –унификация. В данном случае выполняем подстановку {n/y}: Из (1)и (2) => a(x)Лекция: Инженерия знаний c(x,n) (5) Из (3) и (5) , выполняя ь подстановку {m/n}=> c(m,n) (6) Из (4) и (6) без подстановок => 0 Принцип резолюций в Прологе В Прологе используются хордовские дизъюнкты, т.е. дизъюнкты, содержащие одну литеру без отрицания. На пример Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний => Лекция: Инженерия знаний конъюнкция без отрицания Могут использоваться дизъюнкты , которые вообще не содержат литер. – это целевое утверждение на прологе: ? – a a: - b,c,d. b: - e,f. c. e. f. ?-a a(1) a(2) a(3)
№ шага

Целевой

дизъюнкт

Исходный

дизъюнкт

резольвета

1

2

3

4

5

6

?- a.

?-b,c,d

?-e,f,c,d

?-f,c,d

?-c,d

?-d

a:-b,c,d.

b:-e,f

e

f

c

d

-b,c,d.

-e,f,c,d

-f,c,d

-c,d

-d

0

Представление программы в виде графа Овал: aa: - b;c b: - d,e Лекция: Инженерия знаний Лекция: Инженерия знаний c: - g,f. Овал: bОвал: ce: - i,h Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний g: - h,j Овал: dОвал: eОвал: fОвал: gd. f. Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Овал: hОвал: jОвал: ih. ?-a «,» - и «;» - или Построение графа начинается с целевого дизъюнкта. На графе видно какие и сколько решений имеет рассматриваемая задача. Овал: aОвал: a - Два решения задачи Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Овал: hОвал: fОвал: gОвал: cОвал: hОвал: eОвал: dОвал: b Продукционная модель представления знаний. Основа для данной модели – это продукционные правила, которые имеют следующий вид - продукционное правило >:=<имя правила> Eсли <посылка> то < заключение> [КД=<коэффициент доверия>] Примеры: Правило 5 Если пол=женский И сложение=мелкое И вес=65 лет_или_больше То относительный_вес=изменчивый Коэффициент доверия определяется числом 0-100 Правило 27 ЕСЛИ перспектива=отличная И риск=высокий ТО фактор=0 КД=10 В общем случае посылка может быть логическим выражением. Если посылка истинна, то истинно и заключение, т.е. в заключение может быть указано какое-либо действие , которое выполняется, если посылка истинна <посылка>::<условие>[И<условие>И.И<условие>] <условие>::=<объект>=<значение> объект, атрибут, значение, коэфициент доверия- представление знаний в виде четвёрки <заключение>::=<объект>=<заключение> <факт>:=<объект>=<значение>КД=<коэффициент доверия> Один и тот же объект может иметь разные значения. Многозначные объекты – объекты, которые могут иметь несколько достоверных значений. Если объект не объявлен, как многозначный, то он может иметь несколько значений, то они не должны быть достоверными, т.е. КД= 100
Лекция: Инженерия знаний
Лекция: Инженерия знаний
объект
вопрос
Для объектов, значение которое запрашивается у пользователя. Какое сложение? 1. Лекция: Инженерия знаний Мелкое 2. Среднее разрешённые значения 3. Крупное Каков возраст 1. меньше 25 2. от 25 до 55 3. больше 55 Коэффициент доверия посылки=min(Кдусл) Лекция: Инженерия знаний - факта, полученного в результате выполнения правила перспектива=отличная КД=50 риск=высокий КД=70 фактор=0 Базовая структура продукционной модели представления знаний
Рабочая память(база данных)
Лекция: Инженерия знаний Исходные данные Лекция: Инженерия знаний

База правил

Лекция: Инженерия знаний
Интерпритатор правил
Лекция: Инженерия знаний Результат Лекция 9 (Конец)

шага

Конфликтное

Множество правил

Выполнение

правила

Выведенный

факт

1

2

3

4

5

Лекция: Инженерия знаний

Лекция: Инженерия знаний

Лекция: Инженерия знаний

Лекция: Инженерия знаний

Лекция: Инженерия знаний

Лекция: Инженерия знаний

Лекция: Инженерия знаний

Лекция: Инженерия знаний

Лекция: Инженерия знаний

Лекция: Инженерия знаний

Лекция: Инженерия знаний

Лекция: Инженерия знаний

Лекция: Инженерия знаний

Лекция: Инженерия знаний

Лекция: Инженерия знаний

Выводы заканчиваются , когда достигается целевая вершина, либо не осталось применимых правил, а цель не достигнута. Обратные выводы – выполняются сверху вниз (выводами ориентирующих на цель) Лекция: Инженерия знаний Лекция: Инженерия знаний
Лекция: Инженерия знаний Лекция: Инженерия знаний
Лекция: Инженерия знаний Лекция: Инженерия знаний П6 П7 Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний С2 С3
Лекция: Инженерия знаний
Лекция: Инженерия знаний Лекция: Инженерия знаний
Лекция: Инженерия знаний
Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний П 1 П2 П3 П4 П5
Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний
Лекция: Инженерия знаний
С 4 С5 С6 С7 С8
Лекция: Инженерия знаний
Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний
Лекция: Инженерия знаний
F1 F2 F3 F4 F5

шага

Цель Конфликтное множество правил

Выполнение

правил

ПодцелиФакт

1

2

3

4

5

6

7

8

С1

С2

С3

С4

С5

С6

С7

С8

П6,П7

П1,П2

П3

П6

П1

П3

С2,С3

С1,С5,С3

С6,С7,С8

F1

F2

F3

F4

F5

Цель – «продолжительность» –цель задаётся именем объекта. Она сопоставляется с заключением правил и выбирается правило с заключением , в которых есть имя объекта. Выбираем правило, которое содержит целевой объект, мы формируем гипотезу Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний П7 В процессе гипотеза либо подтверждается либо опровергается. Выводы продолжаются до тех пор, пока какая либо не будет подтверждена, либо не будут исчерпаны все возможные гипотезы. Используется меньшее количество проверок, т.к. в правиле бывает несколько условий и одно заключение.

Двунаправленные выводы.

Сначала выполняются прямые выводы, на основе небольшого количества данных, в результате формируется гипотеза для подтверждения или опровержения выполняются другие выводы. Для проверки условий правил используется аппарат активации правил, который выделяет на каждом шаге те правила, в которых проходит проверка условий. Должны быть использованы также условия. В условиях правил выделяются индивидуальные, а затем общие. Общие правила – правила условий применимости. Сфера применимости. Обобщённая структура продукционного правила. (i); Q; P; A; =B; N (i)– имя правила: Q –сфера применения правила; P – условие применимости првила (логическое условие) A=>B – ядро правило, где А- посылка, а В- заключение; N – поставленное условие, определяетдействия, которые выполняются в случае выполнения ядра. Р – при истинности активизируется ядро правила.
A111
Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний
P11
Q1
A112
....
....
Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний
P21
P22
P23
P12
Q2
. Фрейм – структура данных для представления стереотипной ситуации (к: А1К1, A2K2, ..,AnKn) (к: A1k1, A2k2,..,An kn) (имя файла: имя слота1 (значение слота1) имя слота2 (значение слота2) .............. имя слота n (значение слота n)) Протофрейм – знания о классе объектов. Фрейм- экземпляр- получается из протофрейма при заполнении слотов конкретными значчениями. В структуру фреймов обычно включают системные слоты. К системе слота относятся: Слоты определим фреймродитель, слот, указываемый на прямые дочерние фрейма. Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний В качестве системы слотов: слоты, содержащие сведения о создателе программы, о её модификации. В структуру входят: - указатель наследования; - указатель типа данных; - демоны и т.п. ЯЗЫК ФМС (FMS). Указатели наследования могут быть: U – unique – уникальный S – same- какой-то R – range – указатель границ; 0 –override – игнорировать U – во фреймах разных уровней с одинаковыми именами будут различными. S – слоты наследования значений из слотов высшего уровня с такими же именами U Человек
Вес=60
Ребёнок
Лекция: Инженерия знаний
Миша
Вес=32
Значение нижнего уравнения должно лежать внутри границ определённого в верхнем уравнении. R Человек
Вес=2-200
Ребёнок
Лекция: Инженерия знаний
Миша
Вес=32
Если значение не задано то оно наследуется из слота верхнего уравнения, а если оно задано , то наследование игнорируется. О Человек
Вес=60
Ребёнок
Лекция: Инженерия знаний
Миша
Вес=32
Лекция 11 3.12.99 Сочетание сетевой и фреймовой модели в системе представления знаний OPS-5 В этом языке есть продукционные правила и базы данных <Аз-элемент>::=(<объект> +) {}+ - Может повторятся несколько раз <Элемент –вектор>::=({ значение}) <ЭРП>::=< аз-элемент> | < элемент-вектор> ( Вещество Лекция: Инженерия знаний класс кислота Лекция: Инженерия знаний имя Лекция: Инженерия знаний Лекция: Инженерия знаний цвет бесцветная ) (Порядок – задач: Источник, утечки Ограждения) Что собой представляют правила : <Правило>::=(Р<имя правила> <посылка> Лекция: Инженерия знаний <заключение>) <Посылка>::={<условие>}+ <Условие>::=<образец> | - <образец> <Образец>::= <простой образец> | <образец с дезъюнкцией> | <образец с конъюнкцией> <Простой образец>::=({значение>}+) | # ( Порядок задач <первый> ) (<Объект> [{Лекция: Инженерия знаний <атрибут> <значение>}+] ) # (Вещество ) В образце не обязательно указываются все атрибуты данного класса , т.е. мы можем записать (Вешество Лекция: Инженерия знаний класс кислота Лекция: Инженерия знаний имя <вещ> ) т.е. переменная кислота –вещ получит значение Лекция: Инженерия знаний <образец с дизъюнкцией>::= (<объект> {Лекция: Инженерия знаний <атрибут> <<{< значение>}+>>}+) Значение с соответствующего атрибута элемента работой памяти должно совпадать с одним из элементов указанных в данном листе, хотя бы с одним. Эти значения задаются конкретными словами. # (Вещество Лекция: Инженерия знаний класс кислота Лекция: Инженерия знаний имя <вещ> Лекция: Инженерия знаний цвет <<бесцветный желтый>> ) <образец с конъюнкцией>::= (< объект> {Лекция: Инженерия знаний < атрибут>{{< значение>}+}}+) Список значений может задаваться и в виде ограничений # (Двигатель Лекция: Инженерия знаний мощность {<х> 100 <х> 200} ) (Двигатель Лекция: Инженерия знаний мощность 160) <заключение>:={<действие>}+ <действие>::=(make < ЭРП> | remove <ссылка> | (modif <ссылка> {Лекция: Инженерия знаний <атрибут>< значение>} +) # (Р координировать _а (цель Лекция: Инженерия знаний состояние активный Лекция: Инженерия знаний имя координировать ) Если цель находится в состоянии координировать и порядок задач не определён, то создать (Порядок задач ) –> (make цель Лекция: Инженерия знаний состояние активный Лекция: Инженерия знаний имя упорядочить задачи) Лекция: Инженерия знаний (modif1 Лекция: Инженерия знаний состояние ожидания)) ссылка указывает , что модифицироваться будет элемент рабочей памяти Стратегия решения задач основана на явном задании цели Выполнение 1. сопоставление с элементами памяти в результате формируется конфликтное множество правил 2. Выбор правил из конфликтного множества 3. Выполнение действий, указанных в заключении правил Выполняется до тех пор, пока не будет достигнута цель.

Приобретение знаний

- извлечение знаний из источника , преобразование их в нужную форму , а также перенос в базу знаний интеллектуальной системы. Знания делятся на : - объективизированные ; - субъективные Объективизированные – знания , представленные во внешних источниках – книгах, журналах, НИР. - форматизированные, т.е. представлены в виде законов, формул, моделей, алгоритмов. Субъективные – знания, которые являются экспертными и эмперическими не представлены во внешней форме. Знания экспертом является неформализованными, представляют собой множество эвристических приёмов и правил, позволяют находить подходы к решению задач и выдвигать гипотезы , которые могут быть подтверждены или опровержены. Знания могут быть получены в процессе наблюдения за каким-либо объектогм. Режимы работы инженера по знаниям, консультолога в процессе приобретения знаний. 1. протокольный анализ - записываются рассуждения вслух в процессе решения задач. О.с. составляются протоколы, которые анализируются 2. Интервью - ведется диалог с экспериментом, направленный на приобретение знаний. 3. Игровая имитация профессиональной деятельности. Методы интервьюирования. 1. Рубление на ступени выделяются связи, позволяющие строить иерархические структуры 2. Репертуальная рещётка предлагаются 3 понятия и требуется назвать отличие 2-х понятие 3-его. Эксперту предлагается пара понятий и требуется назвать общие свойства => сформировать классы. Методика работы конитолога по формированию поля знания Включает 2 этапа 1. подготовительный 1.1. Чёткая подготовка задачи , которая должна решать система 1.2. Знакомство конит с литовой 1.3. Выбор экспертов 1.4. Знакомство экспертов с копией 1.5. Знакомство эксперта с популярной методикой по искусственному интеллекту 1.6. Формирование с копии поля знания 2. Основной этап 2.1. накачка поля знания в режиме 2.2. командная работа косметолога – анализ протокола, определение связей между понятиями , готовит вопросы к эксперту 3. Подкачка поля знания – задача вопросов эксперту 4. Формализация концептуальной задачи. 5. Проверка полноты модели Если модель неполная , то используется 2-ое приближение. Лекция 12 10.12. 99. Нечёткие множества [10,40] – толщина изделий малая [10;20] средняя [20;30] большая [30;40] Лекция: Инженерия знаний степень Лекция: Инженерия знаний принадл 1 0.7 0.1 Лекция: Инженерия знаний х 10 15 40 толщина изделий Лекция: Инженерия знаний - нечёткое множество х - универсальное множество Лекция: Инженерия знаний х - образуют совокупность пар А Лекция: Инженерия знаний Лекция: Инженерия знаний - называется функцией принадлежности нечёткого множества . Значения функции принадлежности для конкретного элемента Х называется

Степенью принадлежности

Лекция: Инженерия знаний - носитель нечёткого множества Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Нормальным нечётким множеством называется множество для которого Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний
Лекция: Инженерия знаний Лекция: Инженерия знаний 0.6 Лекция: Инженерия знаний - нечёткое множество Х - универсальное множество Лекция: Инженерия знаний Х - образуют совокупность пар А Лекция: Инженерия знаний Лекция: Инженерия знаний : Лекция: Инженерия знаний - называется функцией принадлежности нечёткого множества . Значение функции принадлежности для конкретного элемента Х называется степенью принадлежности Лекция: Инженерия знаний - носитель нечёткого множества Лекция: Инженерия знаний &Лекция: Инженерия знаний Нормальным нечётким множеством называется множество для каждого Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний 0,6 x Если приводить к нормальной форме => нужно поделить все её значения на Лекция: Инженерия знаний . Пример: Пусть функция принадлежности задаётся целым числом от 10 до 40 Определить понятие малая толщина изделия. Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний 1 . . . Лекция: Инженерия знаний . . . . Лекция: Инженерия знаний Лекция: Инженерия знаний | | | | | | | | x x 10 11 12 13 14 15 16 17 18 18

Операции над нечёткими множествами

1. Объединение нечётких множеств Лекция: Инженерия знаний Лекция: Инженерия знаний 2. Пересечение нечётких множеств Лекция: Инженерия знаний Лекция: Инженерия знаний 3. Дополнение нечёткого множества Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний Лекция: Инженерия знаний x x
Лекция: Инженерия знаний
Лекция: Инженерия знаний
Лекция: Инженерия знаний
Начало 12 и 13 лекции. Лекция: Инженерия знаний 4. Декартовое произведение нечетких множеств. `A1,`A2,..,`An x1,x2,.,xn x1Î X1 x2Î X2 . xnÎXn `A1 x`A2 x . x`An = {<mx (x1,x2,.,xn )/( x1,x2,.,xn )>} mx (x1,x2,.,xn ) = min{mA1 (x1), mA2 (x2).mAn (xn) } `A = {<1/10>, <0.8/15>, <0.2/20>} `B = {<0.7/2>, <0.5/4>} `A x`B = {<0.7/(10,2)>, <0.7/(15,2)>, <0.2/(20,2)>, <0.5/(10,4)>, <0.5/(15,4)>, <0.2/(20,4)>} 5. Возведение нечеткого множества в степень. `An = {<mAn(x)/x>} `A2 = con(`A) - концентрация
Лекция: Инженерия знаний Лекция: Инженерия знаний
`A0.5 = dil(`A) – растяжение
Лекция: Инженерия знаний Лекция: Инженерия знаний
Методы определения функции принадлежности. Немного больше 2. От 0 до 5.
x012345

n1

---1084

n2

101010-26
mA = n1 / (n1 + n2) mA (0) = 0 mA (1) = 0 mA (2) = 0 mA (3) = 1 mA (4) = 0.8 mA (5) = 0.4 Метод рангирования.

Лекция: Инженерия знаний

Лекция: Инженерия знаний
Лекция: Инженерия знаний Подпись: xПодпись: x
Нечеткая переменная. <a, x, `A> a - имя нечеткой переменной х – область ее определения `А – смысл, нечеткое множество определяет семантику нечеткой переменной Лингвистическая переменная. <b, T, Х, G, M> b - имя лингвистической переменной Т – базовая терм множество – образует имена нечетких переменных {редко, иногда, часто}, являющихся лингвистическими переменными Х – носитель лингвистических значений [0; 1] – область определения G – синтаксическая процедура М – семантическая процедура Синтаксическая процедура в виде грамматических терминов, символы которых составляют термы из терм множеств {и, или, не}, модификаторы типов {очень, слегка, не и т.д.} b - частота Т = {редко, иногда, часто} X = [0;1] Не редко Очень часто Такие термины вместе с исходными образуют производную терм множества. Т* = Т È G (T) Семантические процедуры позволяют переписать термо-нечеткую семантику. М(a1 или a2) = `А1 È`А2 (a1 , х1 , `А1) (a2 , х2 , `А2) М(a1 и a2) = `А1 Ç`А2 М(^a) = ^`А1 М(очень a) = con (`A ) М(слегка a) = dil (`A ) Сценарий. Является классом фреймовых моделей представления знаний, где в обобщенной и структурной форме представлены знания о последовательности действий, событий типичных для предметной области. Рассмотрим стереотип каузальный сценарий – определяет последовательность действий необходимых для достижения целей, это фреймовая модель. (kcus имя: имя слота 1(значение слота 1); имя слота 2(значение слота 2); . имя слота n(значение слота n)) (kcus деятель цель деятеля посылка ключ следствие системное имя) Посылка определяет действия, которые должны быть выполнены раньше ключевого действия, необходимые для его действия. Последствие – заключительное действие. Системное имя – сценарий. (kcus «тушение пожара»: деятель (S: ) цель деятеля (С: «прекращение пожара») П11, П12 посылки (cus: «поиск средств тушения»R1 , «транспортные средства тушения») К1 ключ (f: «использование средств тушения для полного прекращения огня») следствие (Р: «прекращение огня») системное имя (sys: cus*1)) R1 – быть раньше (kcus «поиск средств тушения »: деятель (S: ) цель деятеля (С: «нахождение средств тушения») П121, П22 посылки (cus: «определение координат местонахождения средств тушения»R1, «перемещение к месту нахождения средств тушения») К2 ключ (f: «схватывание средств тушения») следствие (Р: «нахождение у места расположения средств тушения») системное имя (sys: cus*2)) (kcus «транспортировка средств тушения к месту пожара»: деятель (S: ) цель деятеля (С: «доставка средств тушения к месту пожара») П31, П32 посылки (cus: «наличие средств тушения»R1 , «определение координат места пожара») К3 ключ (f: «движение к месту пожара») следствие (Р: «нахождение на месте пожара средств тушения») системное имя (sys: cus*3)) Пополнение знаний на основе сценария. <посылки>R:<ключ> Последовательность действий: Д = cus: П11 R1 cus: П12 R1 K1 = П21R1П22R1K2 П31R1П32R1K3 = П21R1П22R1K2 R1 П31R1П32R1K3 R1 K1 Посылки определяют действия, которые должны быть выполнены раньше ключевого действия, необходимы для его действия. Следствие заключительное действие. Системное имя сценарий. Пополнение знаний на основе псевдофизических логик. Р1 – посадка самолета Р2 – подача трапа Р3 – выход пассажиров из самолета Р4 – подача автобуса Р5 – прибытие на аэровокзал Структура текста на лингвистическом уровне представляется следующей формулой: TS = PR4dt&P1R3 10,aP2&P2R1P3&P4R3 2,aP5 t = 15 часов 20 минут PR4dt , P1R3 10,aP2 ® P2R4 dt + 10 P1R3 10,aP2 ® P1R1P2 P4R3 2,aP5 ® P4R1P5 TS* = P1R1P2& P1R1P3& P2R1P3& P4R1P5 Модели и методы обобщений знаний. Под обобщением понимается процесс получения знаний, объясняющих имеющиеся факты, а так же способных классифицировать, объяснять и предсказывать новые факты. Исходные данные представляются обучающей выборкой. Объекты могут быть разбиты на классы. В зависимости от того, заданы или нет априорные разбиения объектов на классы, модели обобщения делятся на модели обобщения по выборкам и по классам. Кni n+ = {01+, 02+.0nj+} – положительная выборка. Может задаваться отрицательная выборка n- = {01-, 02-.0ьj-} Требуется найти такое правило, которое позволяет установит, относится или нет объект к классу Kj. В моделях обобщения по данным выборка представляется множеством объектов класса. Методы обобщения делятся на методы обобщения по признакам и структурно-логические методы обобщения. Z = {z1, z2, ., zr} Zi = {zi1, zi2, ., zini} Объект характеризуется множеством значений признаков Qi = {z1j1, z2j2, ., zrjr}. Структурно-логические методы обобщения используются для представления знаний об объектах, имеющих внутреннюю структуру среди структурно-логических методов. Можно выдвинуть два направления: индуктивные методы нормального исчисления и методы обобщения на семантических сетях. Алгоритм обобщения понятий по признакам. Подпись: hij =
Лекция: Инженерия знаний
Правила определения принадлежности объектов к некоторому классу представляются в ряде логических формул элементами которых являются hij и функции Ç, È, `. Пример: Z = {z1, z2} {пол, возраст} Z1 = {z11, z12} {м, ж} Z2 = {z21, z22, z23} {молодой, средний, старый} nj+ = {01+, 02+} nj- = {01-, 02-, 03-} 01+ = (z11, z21) 02+ = (z11, z22) 01- = (z11, z23) 02- = (z12, z21) 03- = (z12, z22) &i hij - обобщенное конъюнктивное понятие 0 = max(xij – 1/ai), где 0 – критерий, xij – частота появления некоторого значения признака, ai – количество признаков. Пример: 0 = 3/5 – 1/2 = 0.1 nj+ = {01+, 02+} nj- = {01-}
Лекция: Инженерия знаний
n-1+ = 0 n-1- = {02-, 03-}
Лекция: Инженерия знаний
рефераты Рекомендуем рефератырефераты

     
Рефераты @2011