ћќƒ≈Ћ» ѕ–≈ƒ—“ј¬Ћ≈Ќ»я «ЌјЌ»…


07.04.2007, 13:21


ѕродукционна€ модель

"ѕродукционна€ модель, или модель, основанна€ на правилах, позвол€ет представить знани€ в виде предложений типа: ≈сли (условие), то (действие)."

ѕод условием понимаетс€ некоторое предложение-образец, по которому осуществл€етс€ поиск в базе знаний, а под действием - действи€, выполн€емые при успешном исходе поиска (они могут быть промежуточными, выступающими далее как услови€, и терминальными или целевыми, завершающими работу системы).
ѕри использовании продукционной модели база знаний состоит из набора правил. ѕрограмма, управл€юща€ перебором правил, называетс€ машиной вывода. „аще всего вывод бывает пр€мой (от данных к поиску цели) или обратный (от цели дл€ ее подтверждени€ - к данным). ƒанные - это исходные факты, на основании которых запускаетс€ машина вывода - программа, перебирающа€ правила из базы.
ѕример. »меетс€ фрагмент базы знаний из двух правил:
ѕ1: ≈сли "отдых - летом" и "человек - активный", то "ехать в горы".
ѕ2: ≈сли "любит солнце", то "отдых летом".
ѕредположим, в систему поступили данные - "человек активный" и "любит солнце".
ѕр€мой вывод - исход€ из данных, получить ответ.
1-й проход.
Ўаг 1, ѕробуем ѕ1, не работает (не хватает данных "отдых - летом").
Ўаг 2. ѕробуем ѕ2, работает, в базу поступает факт "отдых - летом".
2-й проход.
Ўаг 3. ѕробуем ѕ1, работает, активируетс€ цель "ехать в горы", котора€ и выступает как совет, который дает Ё—.
ќбратный вывод - подтвердить выбранную цель при помощи имеющихс€ правил и данных.
1-й проход.
Ўаг 1. ÷ель - "ехать в горы": пробуем ѕ1 - данных "отдых - летом" нет, они станов€тс€ новой целью, и ищетс€ правило, где она в правой части.
Ўаг 2. ÷ель "отдых - летом": правило ѕ2 подтверждает цель и активирует ее.
2-й проход.
Ўаг 3. ѕробуем ѕ1, подтверждаетс€ искома€ цель.
ѕродукционна€ модель чаще всего примен€етс€ в промышленных экспертных системах. ќна привлекает разработчиков своей нагл€дностью, высокой модульностью, легкостью внесени€ дополнений и изменений и простотой механизма логического вывода.
»меетс€ большое число программных средств, реализующих продукционный подход (€зык OPS 5; "оболочки" или "пустые" Ё— - EXSYS, Ё —ѕ≈–“; инструментальные системы ѕ»Ё— и —ѕЁ»— и др.), а также промышленных Ё— на его основе (‘»ј –) и др.

—емантические сети

“ермин семантическа€ означает смыслова€, а сама семантика - это наука, устанавливающа€ отношени€ между символами и объектами, которые они обозначают, т.е. наука, определ€юща€ смысл знаков.

"—емантическа€ сеть - это ориентированный граф, вершины которого - пон€ти€, а дуги - отношени€ между ними."

ѕон€ти€ми обычно выступают абстрактные или конкретные объекты, а отношени€ - это св€зи типа: "это" ("is"), "имеет частью" ("has part"), "принадлежит", "любит". ’арактерной особенностью семантических сетей €вл€етс€ об€зательное наличие трех типов отношений:
  • класс - элемент класса;
  • свойство - значение;
  • пример элемента класса.
    ћожно ввести несколько классификаций семантических сетей. Ќапример, по количеству типов отношений:
  • однородные (с единственным типом отношений);
  • неоднородные (с различными типами отношений).
    ѕо типам отношений:
  • бинарные (в которых отношени€ св€зывают два объекта);
  • n-арные (в которых есть специальные отношени€, св€зывающие более двух пон€тий).
    Ќаиболее часто в семантических сет€х используютс€ следующие отношени€:
  • св€зи типа "часть-целое" ("класс-подкласс", "элемент-множество" и т.п.);
  • функциональные св€зи (определ€емые обычно глаголами "производит", "вли€ет"...);
  • количественные (больше, меньше, равно...);
  • пространственные (далеко от , близко от, за, под, над ...);
  • временные (раньше, позже, в течение...);
  • атрибутивные св€зи ( иметь свойство, иметь значение...);
  • логические св€зи (и, или, не) и др.
    ѕроблема поиска решени€ в базе знаний типа семантической сети сводитс€ к задаче поиска фрагмента сети, соответствующего некоторой подсети, соответствующей поставленному вопросу. ѕример. Ќа рисунке изображена семантическа€ сеть. ¬ качестве вершин - пон€ти€: „еловек, »ванов, ¬олга, јвтомобиль, ¬ид транспорта, ƒвигатель.


    ќсновное преимущество этой модели - в соответствии современным представлени€м об организации долговременной пам€ти человека. Ќедостаток модели - сложность поиска вывода на семантической сети.
    ƒл€ реализации семантических сетей существуют специальные сетевые €зыки, например NET и др.
    Ўироко известны экспертные системы, использующие семантические сети в качестве €зыка представлени€ знаний - PROSPECTOR, CASNET, TORUS.

    ‘реймы

    ‘рейм (англ. frame - каркас или рамка) предложен ћ.ћинским в 70-е гг. как структура знаний дл€ воспри€ти€ пространственных сцен. Ёта модель, как и семантическа€ сеть, имеет глубокое психологическое обоснование.
    ѕод фреймом понимаетс€ абстрактный образ или ситуаци€. ¬ психологии и философии известно пон€тие абстрактного образа. Ќапример, слово "комната" вызывает у слушающих образ комнаты: "жилое помещение с четырьм€ стенами, полом, потолком, окнами и дверью, площадью 6 - 20 м2". »з этого описани€ ничего нельз€ убрать (например, убрав окна, мы получим уже чулан, а не комнату), но в нем есть "дырки", или "слоты", - это незаполненные значени€ некоторых атрибутов - количество окон, цвет стен, высота потолка, покрытие пола и др.
    ¬ теории фреймов такой образ называетс€ фреймом. ‘реймом называетс€ также и формализованна€ модель дл€ отображени€ образа.
    —труктуру фрейма можно представить так:

    »ћя ‘–≈…ћј :
    (им€ 1-го слота: значение 1-го слота),
    (им€ 2-го слота: значение 2-го слота),
    (им€ N-ro слота: значение N-ro слота).

    “у же запись представим в виде таблицы, дополнив двум€ столбцами.



    ¬ таблице дополнительные столбцы предназначены дл€ описани€ типа слота и возможного присоединени€ к тому или иному слоту специальных процедур, что допускаетс€ в теории фреймов. ¬ качестве значени€ слота может выступать им€ другого фрейма; так образуют сети фреймов.
    –азличают фреймы-образцы, или прототипы, хран€щиес€ в базе знаний, и фреймы-экземпл€ры, которые создаютс€ дл€ отображени€ реальных ситуаций на основе поступающих данных.
    ћодель фрейма €вл€етс€ достаточно универсальной, поскольку позвол€ет отобразить все многообразие знаний о мире через:
  • фреймы-с тру к туры, дл€ обозначени€ объектов и пон€тий (заем, залог, вексель);
  • фреймы-роли (менеджер, кассир, клиент);
  • фр еймы-сце н ар и и (банкротство, собрание акционеров, празднование именин);
  • фреймы-ситуации (тревога, авари€, рабочий режим устройства) и др.
    ¬ажнейшим свойством теории фреймов €вл€етс€ заимствованное из теории семантических сетей наследование свойств. » во фреймах, и в семантических сет€х наследование происходит по ј ќ-св€з€м (A-Kind-Of = это). —лот ј ќ указывает на фрейм более высокого уровн€ иерархии, откуда не€вно наследуютс€, т.е. перенос€тс€, значени€ аналогичных слотов.
    Ќапример, в сети фреймов на рисунке пон€тие "ученик" наследует свойства фреймов "ребенок" и "человек", которые наход€тс€ на более высоком уровне иерархии. “ак, на вопрос: "Ћюб€т ли ученики сладкое?" —ледует ответ: "ƒа", так как этим свойством обладают все дети, что указано во фрейме "ребенок". Ќаследование свойств может быть частичным, так, возраст дл€ учеников не наследуетс€ из фрейма "ребенок", поскольку указан €вно в своем собственном фрейме.

    ќсновным преимуществом фреймов как модели представлени€ знаний €вл€етс€ способность отражать концептуальную основу организации пам€ти человека, а также ее гибкость и нагл€дность.
    —пециальные €зыки представлени€ знаний в сет€х фреймов FRL (Frame Representation Language) и другие позвол€ют эффективно строить промышленные Ё—. Ўироко известны такие фреймо-ориентированные экспертные системы, как ANALYST, ћќƒ»—.

    ‘ормальные логические модели

    “радиционно в представлении знаний вьщел€ют формальные логические модели, основанные на классическом исчислении предикатов I пор€дка, когда предметна€ область или задача описываетс€ в виде набора аксиом. ћы же опустим описание этих моделей по следующим причинам. »счисление предикатов I пор€дка в промышленных экспертных системах практически не используетс€. Ёта логическа€ модель применима в основном в исследовательских "игрушечных" системах, так как предъ€вл€ет очень высокие требовани€ и ограничени€ к предметной области.
    ¬ промышленных же экспертных системах используютс€ различные ее модификации и расширени€, изложение которых выходит за рамки данного материала.





  • ≈сли вы хотите видеть на нашем сайте больше статей то кликните ѕоделитьс€ в социальных сет€х! —пасибо!
    —мотрите также:

    ќбратите внимание полезна€ информаци€.