- •1. Задачі і розділи штучного інтелекту
- •2. Типи інтелектуальних систем
- •1. Розрахунково- логічна система
- •2. Рефлекторна інтелектуальна система
- •3. Інтелектуальна інформаційна система
- •4. Гібридна інтелектуальна система
- •3. Алгоритми пошуку рішень на просторі станів
- •4. Алгоритм а*
- •5. Два алгоритми минимакс, альфа-бета відсіч
- •6. Штучні нейронні мережі, склад принцип дії
- •7. Типи нейроних мереж, класифікація
- •8. Персептрон, одно-багатошаровий
- •9. Типи функції активації
- •10. Алгоритм зворотнього розповсюдження помилки
- •11. Побудова нейроконтроллерів для комп ігор, приклад
- •Обучение нейроконтроллера
- •Данные для тестирования
- •12. Радіально-базисні мережі, принцип
- •13. Мережі кохонена, принци Нейронные сети Кохонена
- •14. Генетичний алгоритм, головні операції
- •15. Типи кодування інформації в генетичному алгоритмі
- •16. Типи вибору генетичного алгоритма
- •17. Приклад використання генетичного алгоритму для оптимізації багатозначної функції
- •18. Типи невизначеності в системах штучного інтелекту
- •19. Байєсівський метод подолання невизначеності
- •20. Метод коефіцієнтів впевненості
- •21. Байєсівські мережі
- •22. Методи і моделі представлення знань
- •23. Продукційна модель представлення знань
- •24. Фреймова модель представлення знань.
- •25. Групи інтелектуальних систем.
- •26. Експертні системи. Структура експертних систем.
- •27. Цикл роботи експертної системи.
23. Продукційна модель представлення знань
П
родукционная
модель - модель, основанная на
правилах, позволяющая представить
знания в виде предложений
типа: Если (условие), то (действие).
Идея этого метода принадлежит Э. Посту
(1943).
В
продукційних системах знання
представляються у вигляді сукупності
спеціальних інформаційних одиниць, що
мають наступну структуру:
Ім’я
продукції: Сфера
Передумова
Умова
Якщо
А, то В
Постумова
В загальному випадку продукційна система включає наступні компоненти:
базу даних, що містить множину фактів;
базу правил, що містить набор продукцій;
інтерпретатор (механізм логічного виводу) або правила роботи з продукціями.
База правил та база даних утворюють базу знань. Факти в базі даних представляють собою короткострокову інформацію і в принципі можуть змінюватися в ході роботи продукційної системи по мірі накопичення досвіду. Правила є більш довготривалою інформацією і призначені для визначення гіпотез (нових фактів) з того, що вже відомо. Примером продукции может служить следующее выражение: ЕСЛИ клиент работает на одном месте более двух лет, ТО клиент имеет постоянную работу Как условие, так и действие правила могут учитывать несколько выражений, объединенных логическими связками И, ИЛИ, НЕ: ЕСЛИ клиент имеет постоянную работу И клиенту более 18 лет И клиент НЕ имеет финансовых обязательств, ТО клиент может претендовать на получение кредита. Помимо продукционных правил база знаний должна включать и простые факты, поступающие в систему через интерфейс пользователя или выводимые в процессе поиска решения задачи. Факты являются простыми утверждениями типа «клиент работает на одном месте более двух лет».
Представления знаний в виде продукций наиболее распространено в экспертных системах, так как запись знаний фактически ведется на подмножестве естественного языка. Продукционная модель чаще всего применяется в промышленных экспертных системах, которые называют продукционными. Она привлекает разработчиков своей наглядностью, высокой модульностью, легкостью внесения дополнений и изменений и простотой механизма логического вывода.
24. Фреймова модель представлення знань.
Це парадигма для представлення знань з метою використання цих знань комп'ютером. Вперше була представлена Мінським як спроба побудувати фреймової мережу, або парадигму з метою досягнення більшого ефекту розуміння. З одного боку Мінський намагався сконструювати базу даних, що містить енциклопедичні знання, але з іншого боку, він хотів створити найбільш описує базу, що містить інформацію в структурованій і впорядкованій формі. Ця структура дозволила б комп'ютеру вводити інформацію в більш гнучкою формі, маючи доступ до того розділу, який потрібно в даний момент. Мінський розробив таку схему, у якій інформація міститься в спеціальних осередках, називаних фреймами, об'єднаними в мережу, звану системою фреймів. Новий фрейм активізується з настанням нової ситуації. Відмінною його рисою є те, що він одночасно містить великий обсяг знань і в той же час є достатньо гнучким для того, щоб бути використаним як окремий елемент БД. Термін «фрейм» був найбільш популярний в середині сімдесятих років, коли існувало багато його тлумачень, відмінних від інтерпретації Мінського.
Структуру фрейма можна представити так; Ім'я фрейму: (Ім'я 1-го слота: значення 1-го слота), … (Ім'я N-го слота: значення N-гo слота). Ту ж запис представимо у вигляді таблиці, доповнивши двома стовпцями.
У таблиці додаткові стовпці призначені для опису тина слота і можливого приєднання до того чи іншого слоту спеціальних процедур, що допускається в теорії фреймів. Як значення слота може виступати ім'я іншої фрейма; так утворюють мережі фреймів.
Розрізняють фрейми-зразки, або прототипи, що зберігаються в базі знань, і фрейми-екземпляри, які створюються для відображення реальних ситуацій на основі даних, що надходять.
Модель фрейма є достатньо універсальною, оскільки дозволяє відобразити все різноманіття знань про світ через: фрейми-структури, для позначення об'єктів і понять (позика, застава, вексель); фрейми-ролі (менеджер, касир, клієнт); фрейми-сценарії (банкрутство, збори акціонерів, святкування іменин); фрейми-ситуації (тривога, аварія, робочий режим пристрою) і ін
Найважливішою властивістю теорії фреймів є запозичене з теорії семантичних мереж спадкування властивостей. І у фреймах, і в семантичних мережах спадкування відбувається за АКО-зв'язків (A-Kind-Of = це). Слот АКО вказує на фрейм більш високого рівня ієрархії, звідки неявно успадковуються, тобто переносяться, значення аналогічних слотів.
Основною перевагою
фреймів як моделі подання знань є
здатність відображати концептуальну
основу організації пам'яті людини, а
також гнучкість і наочність.
