Модели представления знаний (мпз) мпз

Вид материала

Лекция

Содержание Положительные черты логических моделей знаний Положительные стороны продукционной модели знаний Организация вывода во фреймовой системе Типизация семантических сетей Объектно-ориентированная модель знаний

Подобный материал:

• Лекция 13. Учет материально-производственных запасов, 131.34kb.
• Мпз кампоМос основан в 1990 году. По объему выпускаемой продукции завод входит в число, 18.61kb.
• Курсовая работа по дисциплине «Бухгалтерский финансовый учет» на тему: «Организация, 460.99kb.
• Лекция 13. Учет материально-производственных запасов, 553.61kb.
• 26-2008 Учет материально-производственных материалов, их поступление и использование, 63.69kb.
• Информационное сообщение, 17.26kb.
• 2. Лекция: Системы представления знаний, 171.88kb.
• Знаний. Модели представления знаний: логическая, сетевая, фреймовая, продукционная, 215.44kb.
• Методика финансового анализа оборотного капитала. Планирование и управление оборотным, 865.38kb.
• Планирование и учет готовой продукции ведут в натуральных, условно-натуральных и стоимостных, 91.62kb.

Лекция №8 Модели представления знаний (МПЗ)


МПЗ


Эмпирические модели:

• Продукционные (основанные на знаниях)
  
• Фреймовые
  
• Сетевые
  

Теоретические модели:

• Логические:
  
  • Исчисление высказываний
    
  • Исчисление предикатов
    
• Формальные грамматики
  
• Комбинаторные
  
• Алгебраические
  

• Нейронные сети, генетические алгоритмы
  
• Объектно-ориентированные
  
• Специальные
  
• Комплексные
  

1. В логических моделях знания представляются в виде совокупности правильно построенных формул какой-либо формальной системы (ФС).
   

Простейшей логической моделью является исчисление высказываний. Развитие логики высказываний нашло отражение в исчислении преди­катов первого порядка.

Положительные черты логических моделей знаний:

• высокий уровень формализации, обеспечивающий возможность реализации системы формально точных определений и выводов;
  
• согласованность знаний как единого целого, облегчающая решение проблем верификации БЗ, оценки независимости и полноты системы аксиом и т.д.;
  
• единые средства описания как знаний о ПрО, так и способов решения задач в этой ПрО, что позволяет любую задачу свести к поиску логического вывода некоторой формулы в той или иной ФС.
  

Недостатки логических моделей:

• представление знаний в таких моделях ненаглядно (логические формулы трудно читаются и воспринимаются);
  
• ограничения исчисления предикатов первого порядка не допускают квантификации предикатов и ис­пользовании их в качестве переменных;
  
• обоснованность обозна­чения свойств и отношений однотипными пропозиционными функциями вызывает сомнения;
  
• описание знаний в виде логических формул не позволяет про­явиться преимуществам, которые имеются при автоматизированной обра­ботке структур данных.
  

2. Центральным звеном продукционной модели является множество продукций или правил вывода. Каждая такая продукция в общем виде может быть представлена выражением:

(W_i, U_i, P_i, A_i  B_i, C_i),

где W_i — сфера применения i-й продукции, определяющая класс ситуаций в некоторой ПрО (или фрагменте рабочей ПрО), в которых применение дан­ной продукции правомерно; U_i — предусловие i-й продукции, содержащее информацию об истинности данной продукции, ее значимости относительно прочих продукций и т.п.; P_i — условие i-й продукции, определяемое факто­рами, непосредственно не входящими в A_i истинностное значение которого разрешает применять данную продукцию; A_i  B_i — ядро i-й продукции, соответствующее правилу «если..., то...»; C_i — постусловие i-й продукции, определяющее изменения, которые необходимо внести в систему продукций после выполнения продукции.


Системы, основанные на продукционной модели, состоят из трех типовых компонентов:

• базы правил (продукций);
  
• базы фактов, содержащей декларативные знания о ПрО;
  
• интерпретатора продукций.
  

Существуют два типа механизмов вывода в продукционных системах: прямой и обратный вывод.

Реализация логических и продукционных моделей знаний базируется на языках типа ПРОЛОГа.


Положительные стороны продукционной модели знаний:

• ясность и наглядность интерпретации отдельных правил;
  
• простота механизмов вывода и модификации БЗ.
  

Недостат­ками продукционной модели являются:

• сложность управления выводом, неоднозначность выбора конкурирующих правил;
  
• низкая эффективность вывода в целом, негибкость механизмов вывода;
  
• неоднозначность учета взаимосвязи отдельных продукций;
  
• несоответствие психологическим аспектам представления и обработки знаний человеком;
  
• сложность оценки целостного представления ПрО.
  

3. Фундаментом фреймовой модели знаний служит понятие фрейма (теория фреймов М. Минского) — структуры данных, представляющей некоторый концептуальный объект или типовую ситуацию.

Фрейм — это форма описания знаний, очерчивающая рамки рассматриваемого фрагмента ПрО.

Организация вывода во фреймовой системе базируется на обмене сообщениями между фреймами, активации и выполнении присоединенных процедур.

Реализация фреймовой модели знаний базируется на языках типа LISP, FRL, KRL.


Положительными чертами фреймовой модели в целом являются:

• на­глядность;
  
• гибкость;
  
• однородность;
  
• высокая степень структуризации знаний;
  
• соответствие принципам представления знаний человеком в долговременной памяти;
  
• интеграция декларативных и процедурных знаний.
  

Недостатки фреймовой модели:

• сложность управления вы­водом;
  
• низкая эффективность его процедур.
  

4. Наиболее общий способ представления знаний, при котором ПрО рассматривается как совокупность объектов и связывающих их отношений, реализован в сетевой модели знаний. В качестве носителя знаний в этой модели выступает семантическая сеть, вершины которой соответствуют объектам (понятиям), а дуги — отношениям между понятиями.

Типизация семантических сетей обусловливается смысловым содержа­нием образующих их отношений. Например, если дуги сети выражают родо­видовые отношения, то такая сеть определяет классификацию объектов ПрО. Аналогично, наличие в сети причинно-следственных (каузальных) отношений позволяет интерпретировать ее как сценарий.

Поскольку фактически сетевая модель объединяет множество методов представления ПрО с помощью сетей, сопоставление данной модели с про­чими способами представления знаний затруднительно.


Очевидные достоинства сетевой модели:

• высокая общность;
  
• наглядность отображения системы знаний о ПрО;
  
• легкость понимания подобно­го представления.
  

Недостатки сетевой модели:

• в семантической сети имеет место смеше­ние групп знаний, относящихся к совершенно различным ситуациям при назначении дуг между вершинами, что усложняет интерпретацию знаний;
  
• трудность унифика­ции процедур вывода и механизмов управления выводами на сети.
  

5. Объектно-ориентированная модель знаний получила широкое применение в современных технологиях проектирования разнообразных программных и информационных систем.

В настоящее время существуют два основных подхода к моделированию знаний, базирующихся на объектной парадигме:

• модель MDA (Model Driven Architecture) консорциума Object Management Group (OMG);
  
• модель ODP (Model of Open Distributed Processing), зафиксированная в стандарте ISO/ITU.
  

6. Класс специальных моделей знаний объединяет модели, отражающие особенности представления знаний и решения задач в отдельных, относительно узких ПрО.

Применение на практике того или иного способа формализации обусловливается спецификой задачи, для решения которой планируется использовать БЗ.


7. По мнению специалистов наиболее перспективны смешанные или комплексные модели, интегрирующие преимущества рассмотренных выше базовых моделей представления ПрО.


Подводя итоги анализа проблемы представления знаний, выделим де­вять ключевых требований к МПЗ:

1. общность (универсальность);
   
2. «психологичность», наглядность представления знаний;
   
3. однородность;
   
4. реализация в модели свойства активности знаний;
   
5. открытость БЗ;
   
6. возможность отражения в БЗ структурных отношений объектов ПрО;
   
7. наличие механизма «проецирования» знаний на систему семантиче­ских шкал;
   
8. возможность оперирования нечеткими знаниями;
   
9. использование многоуровневых представлений (данные, модели, метамодели, метаметамодели и т. д.).
   

Ни одна из МПЗ не удовлетворяет всем де­вяти требованиям.