- •1.Представление знаний. Исчисление высказываний.
- •Исчисление высказываний
- •3.Логическая модель.
- •11. Продукционная модель знаний.
- •2.Модели представление знаний.
- •4.Выводы в логике высказываний. Принцип резолюций.
- •13.Знания. Data Mining и Knowledge in db.
- •6. Извлечение результата на основе метода резолюции.
- •7.Унификация. Процедура нахождения решения.
- •10. Сценарии. Фреймовая модель.
- •8. Семантическая модель. Типы объектов.
- •9. Семантическая модель. Фундаментальные отношения
- •17. Нечеткие числа. Основные определения и операции.
- •12. Методы поиска решений в продукционной модели.
- •5.Исчисление предикатов. Метод резолюции.
- •14. Классы систем Data Mining.
- •15. Нечеткие множества. Основные определения.
- •16. Нечеткие множества. Основные операции.
- •18. Нечеткие отношения. Основные определения и операции.
- •19. Лингвистическая переменная. Основные определения и операции
- •20. Структурная схема нечеткой системы. Фаззификация. Нечеткий вывод.
- •21. Нейронные сети. Основные понятия.
- •22. Правила обучения. Сети с обратным распространением ошибки.
- •Сети с обратным распространением ошибки
- •27. Генетические алгоритмы.
- •23. Архитектура и назначение многослойных нейронных сетей
- •24.Самоорганизующаяся сеть Кохонена: назначение и алгоритм.
- •25. Методы кластеризации. Алгоритм четкой кластеризации.
- •26. Методы кластеризации. Алгоритм нечеткой кластеризации.
- •34.Рекурсия
- •30. Структура программы Visual Prolog.
- •40. Інструментальні засоби розробки систем штучного інтелекту.
- •31. Правила в Visual Prolog.
- •32. Цель Visual Prolog. Представление целей.
- •33. Структура программы в Visual Prolog.
- •37. Динамическая база данных.
- •38. Представление знаний в Visual Prolog..
- •35 Встроенные предикаты.
- •39. Создание экспертной системы в Visual Prolog.
- •Путеводитель
- •Представление знаний. Исчисление высказываний.
- •36. Способы представления баз данных в Visual Prolog.
- •6.3. Представление в виде списка структур.
- •Динамическая база данных.
3.Логическая модель.
Логика – системный метод рассуждения. В основе человеческий способ рассуждения и обсуждения.
Аристотель разработал математический аппарат: «Исключение высказываний» - совокупность правил для определения истинности или ложности некоторой комбинации высказываний (некоторое утверждение – ложь или истина).
Если информацию представим в виде высказываний, то дальше без вмешательства человека можем принимать простые решения.
Если существует критерий, который позволяет выбрать единственный путь на графе, то есть определить некоторую стратегию, ---------пользотаельский управляющий модуль, то логично говорить о единственном решении.
Задача Коши Волшора
Не всегда можно выбрать стратегию, обеспечивая единственный путь осуществляя поиск решения в терминах пространства состояния. Все возможные состояния глобальной БД просматриваются как пространства состояний.
А – стартовая вершина
Определенно терминальное состояние, или целевое условие и производится поиск, причем различают 2 типа стратегий управления – безвозвратный и пробный.
Пробный – с возвратом, имеется некоторая точка отката, в случае если за несколько шагов не достигается
- управление с поиском на графе. Запоминается результат нескольких шагов. Альтернативные варианты или можно использовать прямой и обратный поиск.
Прямой поиск правила применяется к состояниям хранимых в БД.
Обратный поиск – правило применяется к цели, от противного.
Для эффективного решения задачи важно найти хорошее представление для состояний ходов и целевых вершин. Существует много головоломок, для которых удачные представления позволяют получить тривиальное малое пространство состояний.
9!=362880
Поиск:
- в ширину
- в глубину
11. Продукционная модель знаний.
Продукция – это выражение, содержащее ядро, интерпретируемое фразой «Если А, то В», имя, сферу применения, условие применимости ядра и постусловие, представляющее собой процедуру, которую следует выполнить после успешной реализации ядра. Все части, кроме ядра, являются необязательными.
2.Модели представление знаний.
Декларативные:
LISP функциональный язык должен быть результат. (AutoCad исп. LISP)
PROLOG – логический язык.
Модели данных ,различаются по представлению информации и поиску решения:
Логическая
Семантическая (фрэймы)
Продукционная
В Искусственном интеллекте (ИИ) основная цель — научиться хранить знания таким образом, чтобы программы могли обрабатывать их и достигнуть подобия человеческого интеллекта. Исследователи ИИ используют теории представления знаний из когнитологии. Такие методы как фреймы, правила и семантические сети пришли в ИИ из теорий обработки информации человеком. Некоторые вопросы, которые возникают в представлении знаний с точки зрения ИИ:
– Как люди представляют знания?
– Какова природа знаний и как мы их представляем?
– Должна ли схема представления связываться с частной областью знаний, или она должна быть общецелевой?
– Насколько выразительна данная схема представления?
– Должна ли быть схема декларативной или процедурной?
Модели представления знаний:
– Логическая модель представления знаний — основная идея подхода при построении логических моделей представления знаний — вся информация, необходимая для решения прикладных задач, рассматривается как совокупность фактов и утверждений, которые представляются как формулы в некоторой логике. Знания отображаются совокупностью таких формул, а получение новых знаний сводится к реализации процедур логического вывода. В основе логических моделей представления знаний лежит понятие формальной теории, задаваемое кортежем: S = < B,F,A,R >, где:
– B — счетное множество базовых символов (алфавит);
– F — множество, называемое формулами;
– A — выделенное подмножество априори истинных формул (аксиом);
– R — конечное множество отношений между формулами, называемое правилами вывода.
– Продукционная модель знания — модель основанная на правилах, позволяет представить знание в виде предложений типа «Если (условие), то (действие)».
Продукционная модель — фрагменты Семантической сети, основанные на временных отношениях между состояниями объектов.
Продукционная модель обладает тем недостатком, что при накоплении достаточно большого числа (порядка нескольких сотен) продукций они начинают противоречить друг другу.
В общем случае продукционную модель можно представить в следующем виде:
,
где:
– S — описание класса ситуаций;
– L — условие, при котором продукция активизируется;
– A -> B — ядро продукции;
– Q — постусловие продукционного правила.
– Сетевая модель – совокупность взаимосвязанных понятий образует семантическую сеть понятий. Эта сеть состоит из понятий различных категорий: объектов, свойств, операций, событий и т.д.
Если предметную область (ПО) рассматривать как совокупность понятий и связей (отношений) между ними, то семантические сети дают возможность представлять знания о ПО в наглядной и структурированной форме. Семантические сети обеспечивают представление ПО в виде ориентированного графа, вершинами которого выступают понятия, а ребрами – связи между ними. Связь между понятиями сетевой модели выражает минимальный объем знаний, простейший факт, относящийся к двум понятиям.
ПО в любой момент времени может быть представлена в виде совокупностей сущностей, понятий и ситуаций, называемой ее состоянием. Каждой ситуации можно поставить в соответствие некоторое утверждение или суждение об ее истинности или ложности.
