Способы описания знаний
Курсовой проект - Компьютеры, программирование
Другие курсовые по предмету Компьютеры, программирование
?еляются различные виды семантических сетей:
ситуационные сети (описывают временные, постранственные и причинно-следственные (клаузальные) отношения);
целевые сети, используемые в системах планирования и синтеза (отношения цель-средства и цель-подцель);
классификационные сети (отношения род-вид, класс-подкласс);
функциональные сети (отношения аргумент-функция) и т.д.
Особенность семантической сети как модели представления знаний, которая может одновременно считаться и ее достоинством, и ее недостатком, заключается в невозможности в явном виде разделить БЗ и механизм логического вывода. Поэтому интерпретация семантической сети осуществляется только с помощью использующих ее процедур.
Основным способом интерпретации семантической сети является способ сопоставления частей сетевой структуры. Он основан на построении подсети (подграфа), соответствующей задаваемому вопросу, и сопоставлении ее с общей сетью, имеющейся в БЗ. Запросная подсеть накладывается на имеющийся в базе знаний фрагмент. Для поиска отношений между концептуальными объектами используется другой способ перекрестного поиска. Согласно этому способу ответ на вопрос выводится путем обнаружения в имеющейся сети узла, в котором пересекаются дуги, исходящие из различных узлов запросной подсети.
К настоящему времени разработано достаточно много различных МПЗ, и работа по созданию новых моделей продолжается. Однако наибольшее распространение получили четыре модели: модель семантической сети, фреймовая модель, продукционная модель и логические модель.
Заключение
В рамках направления Представление знаний решаются задачи, связанные с формализацией и представлением знаний в памяти интеллектуальной системы. Для этого разрабатываются специальные модели представления знаний и языки для описания знаний, выделяются различные типы знаний. Изучаются источники, из которых ИС может черпать знания, и создаются процедуры и приемы, с помощью которых возможно приобретение знаний для ИС. Проблема представления знаний для ИС чрезвычайно актуальна, т.к. ИС - это система, функционирование которой опирается на знания о проблемной области, которые хранятся в ее памяти.
Кроме того, в учебниках по ИИ знания традиционно делят на процедурные и декларативные. Исторически первичными были процедурные знания, то есть знания, растворенные в алгоритмах. Они управляли данными. Для их изменения требовалось изменять программы. Однако с развитием искусственного интеллекта приоритет данных постепенно изменялся, и все большая часть знаний сосредоточивалась в структурах данных (таблицы, списки, абстрактные типы данных), то есть увеличивалась роль декларативных знаний.
Сегодня знания приобрели чисто декларативную форму, то есть знаниями считаются предложения, записанные на языках представления знаний, приближенных к естественному и понятных неспециалистам.
Существуют десятки моделей (или языков) представления знаний для различных предметных областей. Большинство из них может быть сведено к следующим классам:
продукционные модели;
семантические сети;
фреймовые модели;
логические модели.
Продукционная модель чаще всего применяется в промышленных экспертных системах. Она привлекает разработчиков своей наглядностью, высокой модульностью, легкостью внесения дополнений и изменений и простотой механизма логического вывода.
Имеется большое число программных средств, реализующих продукционный подход (язык OPS 5; оболочки или пустые ЭС - EXSYS Professional, Kappa, ЭКСПЕРТ; ЭКО, инструментальные системы ПИЭС, СПЭИС и др.), а также промышленных ЭС на его основе (например, ЭС, созданных средствами G2 и другие.
Основным преимуществом семантической сети является то, что она более других соответствует современным представлениям об организации долговременной памяти человека. Недостатком этой модели является сложность организации процедуры поиска вывода на семантической сети.
Для реализации семантических сетей существуют специальные сетевые языки, например NET, язык реализации систем SIMER+MIR и др. Широко известны экспертные системы, использующие семантические сети в качестве языка представления знаний - PROSPECTOR, CASNET, TORUS.
Основным преимуществом фреймовой модели представления знаний является то, что она отражает концептуальную основу организации памяти человека, а также ее гибкость и наглядность. Специальные языки представления знаний в сетях фреймов FRL, KRL, фреймовая оболочка Kappa и другие программные средства позволяют эффективно строить промышленные ЭС. Широко известны такие фреймориентированные экспертные системы, как ANALYST, МОДИС, TRISTAN, ALTERID.
Логические модели, основанные на классическом исчислении предикатов I-го порядка, в промышленных экспертных системах практически не используется. Эта логическая модель применима в основном в исследовательских игрушечных системах, так как предъявляет очень высокие требования и ограничения к предметной области.
Современные экспертные системы работают в основном с поверхностными знаниями. Это связано с тем, что на данный момент нет универсальных методик, позволяющих выявлять глубинные структуры знаний и работать с ними.
Список источников
1Андрейчиков, А. Интеллектуальные информационные системы, учеб. пособие, Москва: Финансы и Статистика, 2006.
Болотова, Л.С. Системы иску