Системы когнитивной графики

Позволяет осуществлять интерфейс пользователя с ИС с помощью графических образов, которые генерируются в соответствии с происходящим событием.

Экспертные системы(ЭС)

Назначение экспертных систем заключается в решении достаточно трудных для экспертов задач на основе накапливаемой базы знаний, отражающей опыт работы экспертов в проблемной области. Достоинство применения экспертных систем заключается в возможности принятия решений в уникальных ситуациях, для которых алгоритм заранее может быть неизвестен и формируется по исходным данным в виде цепочки рассуждений(правил принятий решений) и с базой знаний. При этом решение задачи предполагается осуществлять в условиях неполноты, недостоверности, многозначности исходной информации и качественных оценок процессов.

Экспертные системы являются инструментом, усиливающим интеллектуальные способности эксперта, и может выполнять следующие роли:

1. Консультант для не опытных и не профессиональных пользователей в предметной области.

2. Ассистента в связи с необходимости анализа эксперта для различных вариантов принятий решений.

3. Партнера эксперта по вопросам, относящимся к источникам знаний и смежных областей деятельности.

В основе стратегии интеллектуальных технологий лежит понятие парадигмы – концептуальное представление на суть проблемы или задачи и принципы ее решения. Парадигма ЭС предполагает следующие объекты, а так же этапы разработки и функционирования ИС:

1. Формализация знаний – преобразование экспертом проблемного знания в форму, предписанную выбранной моделью представления знаний.

2. Формирование базы знаний(БЗ) – вложение формализованных знаний в программную систему.

3. Дедукция – решение задачи логического вывода на основе БЗ.

Основные факторы, влияющие на целесообразность и эффективность разработки в экспертной системе

1. Нехватка специалистов, затрачивающих значительное время для оказания помощи другим.

2. Выполнение небольшой задачи требует многочисленного коллектива специалистов, поскольку не один из них не обладает достаточными знаниями.

3. Сниженная производительность, поскольку задача требует полного анализа сложного набора условий, а обычный специалист не в состоянии просмотреть за отведенное время все эти условия.

4. Большое расхождение между решениями самых хороших и самых плохих исполнителей.

5. Наличие эксперта, готового поделиться своим опытом.

Лекция №3

Недостатки экспертных систем по отношению к человеку и эксперту:

1. Экспертная система может быть не пригодна для применения пользователя, если у него нет опыта работы с такими системами.

2. Вопросно-ответный режим, обычно принятый в таких системах, замедляет получение решения.

3. Существует проблема приведения знаний, полученных от эксперта, к виду, обеспечивающему их эффективную машинную реализацию.

4. Человек-эксперт, при решении задачи, обычно обращается к своей интуиции или к здравому смыслу, если отсутствуют формальные методы решения или аналоги задачи.

Достоинства экспертных систем перед человеком-экспертом:

1. Нет предубеждений, они не делают поспешных выводов.

2. Введенные в машину знания сохраняются, а человек имеет ограниченную БЗ. Если знания долго не используются, они забываются.

3. Эксперт пользуется побочными знаниями и может легко подастся влиянию внешних факторов, напрямую не связанных с решением задачи.

Главное отличие экспертных систем от других программных средств – наличие БЗ, в которых знания хранятся в форме понятной специалистам в проблемной области и могут быть изменены и дополнены так же в понятной форме при помощи языка представления знаний.

Архитектура экспертных систем

Архитектура ЭС включает в себя 2 основных компонента:

1. БЗ(хранилище единиц знаний).

2. Программный инструмент доступа и обработки знаний(Оболочка ЭС, включающая в себя механизм вывода решения, механизм приобретения знаний, механизм объяснения получаемых результатов и интеллектуальный интерфейс). Центральным компонентом ЭС, представляющим особую ценность, является БЗ, которая выступает по отношению к другим компонентам, как содержательная подсистема.

База знаний – совокупность единиц знаний, которая представляет собой формализованное, с помощью некоторого метода представления знаний, отражения объектов проблемной области, и их взаимосвязей, действий над объектами, и возможных неопределенностей, с которыми эти действия осуществляются.

В качестве метода представления знаний чаще всего используется правило в виде следующей конструкции: Если< условие> то < заключение> CF(фактор неопределенности)

В качестве факторов определенности CF как правило выступает коэффициент уверенности нечеткой логики.

Примеры правил:

1. Если коэффициент рентабельности больше, чем 0, 2, то рентабельности будет равняться удовлетворительности(CF=100).

2. Если задолженность равно нет и рентабельность равно удовлетворительно, то финансовое состояние равно удовлетворительно(CF=80).

3. Если финансовое состояние равно удовлетворительно и репутация равно удовлетворительно, то надежность предприятия равно удовлетворительно(CF=90). Это все прямая цепочка рассуждений.

Интеллектуальный интерфейс: Обмен данными между конечными пользователями и экспертной системы выполняет программа интеллектуального интерфейса, которая воспринимает сообщения пользователя и преобразует их в форму представления БЗ и наоборот переводит внутреннее представление результата обработки в формат пользователя и выдает сообщение на требуемый носитель.

Лекция №4

Механизм выбора – программный инструмент получает от интеллектуального интерфейса запрос, формирует из БЗ алгоритм решения задачи, выполняет этот алгоритм, а полученный результат представляется интеллектуальному интерфейсу для выдачи ответа на запрос пользователя. В основе использования любого механизма вывода лежит процесс нахождения в соответствии с поставленной целью некоторых единиц знаний, таких как: правила, объекты, прецеденты и связывает их при необходимости в цепочку рассуждений.

Механизм объяснения: в процессе или по результатам решения задачи, пользователь может запросить объяснение или обоснование хода решения. С этой целью система должна выдать цепочку рассуждений до требуемой контрольной точки, сопровождая выдачу объяснения заранее подготовленными комментариями.

Механизм приобретения знаний: БЗ отражает знания экспертов в данной проблемной области о действиях в различных ситуациях или процессах решения характерных задач. Выявлением подобных знаний и последующим их представлением в БЗ занимаются специалисты, называемые инженерами знаний(инженерами по знаниям). Для ввода знаний в базу и их последующего обновления экспертная система должна обладать механизмом приобретения знаний, чаще всего это интеллектуальный редактор, который позволяет вводить единицы знаний в базу и проводить их синтаксический и семантический контроль, например: На противоречивость.

Классификация экспертных систем

По степени сложности решаемых задач экспертные системы можно классифицировать следующим образом:

1. По способу формирования решения. Экспертные системы подразделяются:

1.1. Аналитические. Эти системы предполагают выбор решения из множества известных альтернатив(определение характеристик объектов)

1.2. Синтетические. Эти системы производят генерацию новых неизвестных решений(формирование новых объектов).

2. По способу учета временного признака:

2.1. Статические. Решают задачи при неизменяемых в процессе решения данных и знания.

2.2. Динамические(более сложные). Решают задачи, которые допускают изменения в процессе решения данных и знания.

3. По видам используемых данных и знаний:

3.1. Системы с детерминированными(четко определенными) знаниями.

3.2. Системы с не определенными знаниями. Под неопределенности понимается не полнота или отсутствие, недостоверность или не точность измерения, двусмысленность или многозадачность понятий и не чёткость(качественная оценка вместо количественной.)

4. По числу используемых источников знаний:

4.1. Знания, построенные с использованием одного.

4.2. Знания, построенные с использованием множества источников знания.

Классифицирующие ЭС – экспертные системы, решающие задачи распознавания ситуации, называются классифицирующими, поскольку определяют принадлежность анализируемой ситуации к некоторому классу ситуации. В качестве основного метода формирования решений используется метод логически-дедуктивного вывода от общего к частному. Когда, путем, подстановки исходных данных в некоторую совокупность взаимосвязанных общих утверждений получается частное заключение.

Доопределяющие ЭС – в этом случае, решение задач на основе неопределенных исходных данных, экспертная система должна доопределять недостающие знания, а в пространстве решений может получаться несколько возможных решений с различной вероятностью или уверенностью в необходимости их выполнения. В качестве методов работы с неопределенностями может использоваться вероятностный подход или метод нечетной логики.

Трансформирующие ЭС – в качестве методов решения задач трансформирующих ЭС используются разновидности гипотетического вывода:

1. Генерация и тестирование, когда по исходным данным осуществляется генерация гипотез, а затем проверка сформулированных гипотез на подтверждение вновь поступающими фактами.

2. Предположение и умолчание, когда по не полным данным подбираются знания об аналогичных классах объектов, которые в дальнейшем динамически адаптируются к конкретной ситуации в зависимости от ее развития.

Многоагентная система – для таких динамических систем характерна интеграция в БЗ нескольких разнородных источников знаний, обменивающихся между собой получаемыми результатами на динамической основе.

Лекция №5

Технология создания экспертных систем

Этапы создания экспертной системы

Характерные особенности применения экспертных систем, такие, как: слабая формализуемости процесса принятия решения, его альтернативность и не четкость, качественная и символьная природа использования знаний и динамичность изменения проблемной области обуславливают сложность и большую трудоемкость их разработки по отношению к другим подклассам интеллектуальных систем, по этому вопросы проектирования и реализации ИС рассматриваются для класса экспертных систем.

Извлечение знаний при создании экспертной системы предполагает изучение множества источников знаний, к которым относятся:

1. Специальная литература.

2. Базы фактуальных знаний(БД).

3. Отчеты о решении аналогичных проблем в проблемной области.

4. Опыт работы специалистов в проблемной области(экспертов).

Успех проектирования экспертной системы во многом определяется тем, на сколько компетентны привлекаемые к работе эксперты и на сколько они способны передать свой опыт инженерам по знаниям(составители БЗ).

Этапы создания ЭС:

1. Идентификация проблемной области + Пере формулирование с Пунктом 5. Требование

2. Концептуализация проблемной области + Пере формулирование с Пунктом 5. Модель

3. Формализация БЗ + Перепроектирование с Пунктом 5. Структура

4. Реализация БЗ + Уточнение с Пунктом 5. Кодирование

5. Тестирование БЗ + Опытная эксплуатация + Уточнение с Пунктом 4 + Перепроектирование с Пунктом 3 + Пере формулирование с Пунктом 2 + Пере формулирование с Пунктом 1.

На начальных этапах идентификации данных м определением контуров будущей системой инженер по знаниям выступает в роли ученика, а эксперт в роли учителя. На заключительных этапах реализации и тестирования, инженер по знаниям демонстрирует результаты разработки, адекватность которых: проблемная область, оценивает эксперт. На этапе тестирования созданный экспертные системы оцениваются с позиции 2 основных групп критериев:

1. Точность. С точностью работы связанны такие характеристики, как: Правильность делаемых заключений, адекватность БЗ проблемной области, соответствие применяемых методов решений эксперта, поэтому конечные оценки системе ставят специалисты проблемной области(эксперты).

2. Полезность. Полезность ЭС характеризуется степенью удовлетворения требований пользователя в части получения необходимых рекомендаций, легкости и естественности взаимодействия с системой, надежности, производительности и стоимости эксплуатации, способности обоснования решений и обучение, настройки на изменение потребностей.

Оценивание экспертной системе по данной группе критериев осуществляется по набору тестовых примеров, как из предшествующей практике экспертов, так и специально подобранных ситуаций.

Следующий этап это внедрение и опытная эксплуатация в массовом порядке без непосредственного контроля со стороны разработчиков и переход от тестовых примеров к решению реальных задач. Важнейшими критериями оценки системы становятся: соотношение стоимости системы и ее эффективность. На этом этапе осуществляется сбор критических замечаний и внесение необходимых изменений.

По мере развития самообучающихся свойств ЭС, роль инженера по знаниям уменьшается, а активное поведение заинтересованного в эффективной работе ЭС пользователя-эксперта возрастает.

Этапы извлечения знаний инженерами знаний

1. Наблюдение. Инженер, наблюдает не вмешиваясь, затем, как эксперт решает реальную задачу.

2. Обсуждение задач. Инженер, на представительном множестве задач, обсуждает с экспертом данные, знания и процедуры решения.

3. Описание задач. Эксперт описывает решение задач для типичных запросов.

4. Анализ решения. Эксперт комментирует получаемый результат решения задачи, детализируя ход рассуждения.

5. Проверка системы. Эксперт предлагает инженеру перечень задач для решения, от простых до сложных, которые решаются в разработанной системе.

6. Исследование системы. Эксперт исследует и при необходимости критикует структуру БЗ и работу механизма вывода.

7. Оценка системы. Инженер предлагает новым экспертам оценить решения разработанной системы.

Идентификация проблемной области

Этап идентификации проблемной области включает определение назначения и сфер применения экспертной системы:

1. Подбор экспертов и групп инженеров по знаниям.

2. Выделение ресурсов.

3. Постановку и параметризацию решаемых задач.

Обычно необходимость разработки ЭС, в той или иной сфере деятельности, связанно с затруднением лиц, принимающих решение, что сказывается на эффективности функционирования проблемной области. Как правило, назначение экспертной системы связанно с одной из следующих областей:

1. Обучение и консультация не опытных пользователей.

2. Распространение и использование уникального опыта экспертов.

3. Автоматизация работы экспертов по принятию решений.

4. Оптимизация решения проблем, выдвижение и проверка гипотез.

Лекция №6

Обычно различают 3 стратегии разработки ЭС:

1. Широкий набор задач, каждая из которых ориентирована на узкую проблемную область.

2. Концентрированный набор задач, определяющий основные направления повышения эффективности функционирования экономического объекта.

3. Комплексный набор задач, определяющий организацию всей деятельности экономического объекта.

После предварительного определения контуров разрабатываемой экспертной системы, инженеры по знаниям совместно с экспертами осуществляют более детальную постановку проблем и параметризацию системы, к основным параметрам проблемной области, относятся следующие:

1. Класс решаемых задач (диагностика, коррекция, прогнозирование, планирование, проектирование, мониторинг и управление).

2. Критерии эффективности результатов решения задач (минимизация использования ресурсов, повышение качества продукции и обслуживания, ускорение оборачиваемости капитала и т.д.).

3. Критерии эффективности процесса решения задач (повышение точности принимаемых решений, учет большего числа факторов, расчет большего числа альтернативных вариантов, адаптивность к изменениям проблемной области и информационных потребностей пользователей, сокращение сроков принятия решений).

4. Цели решаемой задачи (выбор из альтернатив, например выбор поставщика или распределение бюджета по статьям).

5. Подцели (разбиение задачи на подзадачи, для каждой из которых определяется своя цель).

6. Особенности использования знаний (детерминированность или не определенность, статичность или динамичность, одноцелевая или многоцелевая направленность, единственность или множественность источников знаний).

Стратегия разработки экспертных систем

Таблица см. тетрадь

Несистематический риск – специфический для конкретной компании риск, который может быть в значительной степени уменьшен при помощи диверсификации.

Диверсификация – распределение инвестиционных фондов между разными ценными бумагами с различным риском и доходностью, с целью минимизировать несистематический риск.

Концентрированный риск – краткосрочный риск.

Этап: Построение концептуальной модели

На этапе построения концептуальной модели создается целостные и системные описания используемых знаний, отражающие сущность функционирования проблемной области. От качества построения концептуальной модели проблемной области во многом зависит, насколько часто в дальнейшем, по мере развития проекта, будет выполняться перепроектирование БЗ. Результат концептуализации проблемной области обычно фиксируется на следующих трех уровнях моделирования:

1. Объектная модель. Описывает структуру проблемной области, как совокупность взаимосвязанных объектов.

2. Функциональная модель. Отражает действия и преобразования над объектами.

3. Поведенческая модель. Рассматривает взаимодействие объектов во временном аспекте.

Первые две модели описывают статические аспекты функционирования проблемной области, а третья модель динамику изменений ее состояний.

Объектная модель

Отражает фактуальные знания о составе объектов, их свойств и связей. Элементарной единицей структурного знания является Факт, описывающий одно свойство или одну связь объекта, которая представляется в виде Триплета.

Предикат (объект, значение). Если предикат определяет название свойства объекта, то в качестве значения выступает конкретное значение этого свойства(например: профессия(“Петров”; ”Инженер”)). Если предикат определяет название связи объекта с другим объектом, то значению соответствует объект, который связан с первым объектом(например: работает (“Петров”; “Механический цех”)).

В качестве важнейших, типизированных видов отношений рассматриваются следующие отношения:

1. Причина – Следствие (Пример: Задолженность – Банкротство).

2. Аргумент – Функция (Пример: Спрос – Цена).

3. Средство – Цель (Пример: Покупка акций – Прибыль).

4. Ассоциации (Пример: Производство – Обслуживание).

5. Хронология (Пример: Отгрузка – Поставка).

6. Пространственное положение (Пример: Сборка – Технический контроль).

Лекция №7

Функциональная модель

Описывает преобразование фактов с предыдущего уровня, зависимости между ними, показывающие как одни факты образуются из других. В качестве единицы функционального знания определяют функциональную зависимость фактов.

A1 и A2 и A3…An-> B – означающий, что факт B имеет место только в том случае, если имеет место конъюнкция(дизъюнкция) фактов или их отрицаний A1, A2, A3, An.

Пример:

сбыт(“Товар”, “Слабый”) и прибыль(“Товар”, ”Маленькая”) и потребители(“Товар”, “Любители новинок” и число конкурентов(“Товар”, “Небольшое”) -> Жизненный_Цикл (“Товар”, “Выведение на рынок”)

Функциональную зависимость фактов можно трактовать, как отражение следующих отношений фактов:

1. Причина – Следствие.

2. Средство – Цель.

3. Аргумент – Функция.

4. Ситуация – Действие.

В качестве операций конъюнкции фактов могут так же выступать более сложные логические условия. Функциональная модель строится путем последовательной декомпозицией целей, для цели определяются подцели, для которых в свою очередь устанавливаются подцели и т.д., пока в качестве подцелей не окажутся исходные факты. Такой процесс называется декомпозиция сверху-вниз. Обычно функциональные зависимости фактов представляются в виде деревьев целей(графов: “и”-“или”), в которых каждый зависимый факт представляет собой целевую переменную(корневую вершину), а определяющие его факты-аргументы, связанные с корнем подчиненной вершины. Условия конъюнкции(совместности анализа факторов) обозначаются пересекающей дугой, а условия дизъюнкции(не зависимости влияния на цель факторов) никак не обозначаются, причем если какой-либо факт-аргумент в свою очередь определяется другими фактами-аргументами, то он становится подцелью.

Пример: Дерево целей(граф: “и”-“или”).

Цель: Стратегия производства:

1. Подцель ЖЦ:

1.1. Подцель Сбыт.

1.2. Подцель Прибыль.

1.3. Подцель Потребители.

1.4. Подцель Число конкурентов.

2. Подцель конкурентоспособность.

2.1. Подцель Технико-эксплуатационные характеристики.

2.2. Подцель Качество.

2.3. Подцель Цена.

3. Финансовое состояние предприятия.

3.1. Подцель Платежеспособность.

3.2. Подцель Устойчивость.

Поведенческая модель

Отражает изменение состояния объектов в результате возникновения некоторых событий, влекущих за собой выполнения определенных действий или процедур. Состояние объекта – изменяющееся во времени значение некоторого свойства. Набор действий, связанный с некоторым событием, составляет поведение объекта, которое выражается в виде правил или процедур.

Задача определения поведенческой модели заключается в определении связей событий с поведением объектов и изменением их состояний. Как правило, событие отражается в форме сообщения, посылаемого объекту.

Рассмотрим пример поведенческой модели в виде диаграммы потока событий:

Таблица: Заказ. См. тетрадь.

Лекция №8

Формализация базы знаний

На этапе формализации БЗ осуществляется выбор метода представления знаний в базе.

Классификация методов представления знаний:

1. По степени структурированности знаний:

1.1. Правила. Операционные знания.

1.1.1. По степени определенности(формальности):

1.1.1.1 Логическая модель(предикат).

1.1.1.2 Продукционная модель.

1.1.1.2.1. Модели с нечеткой логикой.

1.1.1.2.2. Условные вероятности.

1.1.2. По степени динамичности:

1.1.2.1. Статика.

1.1.2.2. Динамика

1.2. Объекты. Фактуальные знания.

1.2.1. Семантические сети.

1.2.2. Фреймы.

1.2.3. Объектно-ориентированная модель.

Объектные методы представления знаний в большей степени ориентированы на представление структуры фактуального знания, а правила: операционного знания.

Логическая модель реализует и объекты и правила с помощью предикатов, является строго формализованной моделью с универсальным дедуктивным(от общего к частному) методом логического вывода “от цели к данным”.

Продукционная модель позволяет осуществлять методы вывода на правилах и может обрабатывать неопределенности в виде условных вероятностей или коэффициентов уверенности.

Семантическая сеть отображает разнообразные отношения объектов. Фреймовая модель, как частный случай семантической сети использует для реализации операционного знания дополнительные процедуры.

Объектно-ориентированная модель, как развитие фреймовой модели реализует обмен сообщений между объектами и в большей степени ориентирована на решение динамических задач и отражение поведенческой модели.

Логическая модель

Логическая модель предполагает унифицированное описание объектов и действий в виде предикатов. Под предикатом понимается логическая функция на n аргументах или признаках, которые принимают истинное или ложное значение в зависимости от значения аргументов, отличие заключается в том, что для объектов соответствующие реляционные отношения задаются явно в виде фактов, а действия описываются, как правило, определяющие логическую формулу одних фактов из других фактов.

Пример: Фрагмент БЗ подбора претендентов на вакансии в языке программирования Prolog.

“: ” - если.

“, “- и.

“.” – Конец утверждения.

Vibor(FIO, Doljnost): - Pretendent (FIO, Obrazovanie, Staj),

Vakancy(Doljnost, Obrazovanie, opyt).

Pretendent (“Иванов”, ”среднее”, 10)

Pretendent(“Петров”, ”высшее”, 12)

Vakancy(“Менеджер”, ”высшее”, 10)

Vakancy(“Директор”, ”высшее”, 15)

Механизм вывода осуществляет дедуктивный перебор фактов, относящихся к правилу: по принципу сверху вниз, слева на право, или обратный вывод методом поиска. В данном примере на запрос Vibor(x, y): X – “Петров”, Y – “Менеджер”. Правила могут связываться в цепочки в результате использования одинакового предиката в посылке одного и заключении другого правила.

Для логической модели характерна строгость формального аппарата получения решения, однако полный, последовательный перебор всех возможных решений может приводить к комбинаторным(много вариантов) взрывам, в результате чего, поставленные задачи могут решаться недопустимо большое время, кроме того, работа с неопределенностями знаний должна быть запрограммирована в виде самостоятельных правил, что на практике затрудняет разработку БЗ с помощью логического формализма.

Лекция №9

Продукционные модели

Используются для решения более сложных задач, которые основаны на применении эвристических(творческих) методов представления знаний, позволяющих настраивать механизм вывода на особенность проблемной области и учитывать неопределенность знаний.

В продукционной модели основной единицей знаний служит правило в виде: Если < Посылка>, то < Заключение>. С помощью такого правила могут быть выражены пространственно-временные, причинно-следственные и функционально-поведенческие(ситуация-действие) отношения между объектами. Правилами могут быть описаны и сами объекты: “Объект”-“Свойства” или в обратную сторону: “Набор свойств”-”Объект”. Хотя, чаще описание объектов, фигурирует только в качестве переменных внутри правил(Атрибут-Значение).

В основном продукционная модель предназначены для описания последовательности различных ситуаций или действий и в меньшей степени для структурированного описания объектов. Продукционная модель предполагает более гибкую организацию работы механизма вывода по сравнению с логической моделью.

В зависимости от направления вывода, возможна как прямая аргументация, управляемая данными(от данных к цели), так и обратная, управляемая целями (от целей к данным).

Прямой вывод используется, например, при решении задач интерпретации, когда по исходным данным нужно определить сущность некоторой ситуации или в задачах прогнозирования, когда из описания некоторых ситуаций требуется вывести все следствия.

Обратный вывод применяется, когда нужно проверить определенную гипотезу или некоторое множество гипотез на соответствие поступающих фактов(например: в задачах диагностики).

Отличительной особенностью продукционной модели, является так же, способность выбор правил из множества возможных на данный момент времени(из “конфликтного набора”(правила, противоречат другим правилам и не могут сосуществовать)) в зависимости от определенных критериев, например: Важности, трудоемкости, достоверности получаемого результата и других характеристик проблемной области, такая стратегия поиска решений, называется поиском в ширину. Для ее реализации, в описании модели вводятся предусловия и пост условия следующего вида:

< A, B, C -> D, E>, где C-> D представляет собой правило. A - предусловия выбора класса правил. B – предусловия выбора в классе. E – пост условие правила, определяющие переход на следующее правило.

В предусловиях и пост условиях могут быть заданы дополнительные процедуры, например по вводу и контролю входных данных, математической обработке и т.д. Введение предусловий и пост условий позволяет выбирать наиболее рациональную стратегию работы механизма вывода, существенно сохраняя перебор относящихся к решению правил. Сами правила могут иметь, как простой, так и обобщенный характер.

Простые правила описывают действия над единичными объектами, а обобщенные правила определяются над классами объектов. Для обработки неопределенности знаний продукционная модель использует, как правило, либо методы условной вероятности Баяса, либо методы нечеткой логики.

Лекция №10

Динамические сети

Моделирование рассуждений человека, как правило, сводятся только к прямой или обратной аргументации. Сложные проблемы решаются путем выдвижения во времени нескольких гипотез с анализом подтверждающих факторов и не противоречивости следствий, при этом для многоцелевых проблемных областей происходит увязка гипотез по общим ограничениям, при этом возможны задержки принятия решений, связанные со сбором подтверждающих фактов и доказательством подцелей, входящих в ограничение, следовательно для подобных динамических проблем важна рациональная организация памяти системы для запоминания и обновления получаемых промежуточных результатов (много-агентные системы), обмен данными между различными источниками знаний для достижения нескольких целей и изменение стратегии вывода с выдвижением гипотез(прямая аргументация) и их проверке(обратная аргументация). Целями построения таких гибких механизмов вывода служит применение технологий “доска объявлений”, через которую в результате осуществления событий источники знания обмениваются сообщениями.

В целях динамического реагирования на событие некоторые продукционные модели используют специальные правила, которые формулируются следующим образом:

Всякий раз, как происходит некоторое событие, выполнить некоторое действие.

Пример: всякий раз, как становится известным значение переменной “поставщик”, выполнить набор правил: финансовый анализ предприятия.

Для динамических экспертных систем характерна так же обработка времени, как самостоятельного атрибута аргументации логического вывода.

Пример: Если, в течении дня, уровень некоторого ресурса понизился больше, чем на 50%, то выполнить набор правил: выбор поставщика для поставки этого ресурса.

Семантические сети

Объектно-ориентированные методы представления знаний берут начало от семантических сетей, в которых типизируются отношения между объектами. Элементарной единицы знаний семантической сети служит триплет (отношения-объекты), в котором имя предиката(некоторая функция перед объектами), представляет собой помеченную дугу между двумя узлами графа, соответствующую двум связанным объектам. Важнейшими типизированными отношениями объектов являются следующие:

1. Род – Вид.

2. Целое – Часть.

3. Причина – Следствие.

4. Средство – Цель.

5. Аргумент – Функция.

6. Ситуация – Действие.

Типизация отношений позволяет однозначно интерпретировать смысл отображаемых в базе знаний ситуаций и настраивать механизм вывода на особенности этих отношений.

Пример: Отображение отношений Род – Вид дает возможность осуществлять наследование атрибутов классов объектов.

Лекция №11