Инженерия знаний
связанной (в новых файлах)
з)если [pic] уже построенные формулы, то [pic] , также
является ППФ
Примеры:
1) Представление Знания b=> опер2 выполнены на токарном станке
тип_ст(ст(опер2))=nток
2) Опер2 выполн на ост.1 на ст.1 нач 5 конец 12
[pic])
3)[pic]
Лекция 8 12.11.99.
Метод резолюций
[pic]
Метод резолюций доказывает невыполнимость.
Для использования этого метода необходимо исходную формулу привести к ДНФ.
ДНФ: [pic]
[pic]- дизъюнкция литер
рii – атом или отрицание атома.
Потом ДНФ представляют в виде множества дизъюнктов
[pic]
В методе резолюций – имеется одно правило вывода
[pic]
В результате из 2-х дизъюнктов получаем новую, называется руовентой
[pic]
[pic] - получаем пустой дизъюнкт , который всегда ложный.
Если множество содержит пустой дизъюнкт , то оно является не выполнимым.
[pic]
Получается пустой дизъюнкт, который доказывает что данное множество
является невыполнимым.
Метод резолюций применяется до тех пор пока не получится пустой– дизъюнкт
[pic]
m,n – const
[pic]подстановка вместо переменной константы –унификация.
В данном случае выполняем подстановку {n/y}:
Из (1)и (2) => a(x)[pic]c(x,n) (5)
Из (3) и (5) , выполняя ь подстановку {m/n}=> c(m,n) (6)
Из (4) и (6) без подстановок => 0
Принцип резолюций в Прологе
В Прологе используются хордовские дизъюнкты, т.е. дизъюнкты, содержащие
одну литеру без отрицания.
На пример [pic]
[pic] => [pic]
конъюнкция
без
отрицания
Могут использоваться дизъюнкты , которые вообще не содержат литер. –
это целевое утверждение на прологе: ? – a
a: - b,c,d.
b: - e,f.
c.
e.
f.
?-a
a(1)
a(2)
a(3)
|№ шага |Целевой |Исходный |резольвета|
| |дизъюнкт |дизъюнкт | |
|1 |?- a. |a:-b,c,d. |-b,c,d. |
|2 |?-b,c,d |b:-e,f |-e,f,c,d |
|3 |?-e,f,c,d |e |-f,c,d |
|4 |?-f,c,d |f |-c,d |
|5 |?-c,d |c |-d |
|6 |?-d |d |0 |
Представление программы в виде графа
a: - b;c
b: - d,e
c: - g,f.
e: - i,h
g: - h,j
d.
f.
h.
?-a
«,» - и
«;» - или
Построение графа начинается с целевого дизъюнкта.
На графе видно какие и сколько решений имеет рассматриваемая задача.
- Два решения
задачи
Продукционная модель представления знаний.
Основа для данной модели – это продукционные правила, которые имеют
следующий вид
- продукционное правило >:=
Eсли то < заключение> [КД=]
Примеры:
Правило 5
Если пол=женский
И сложение=мелкое
И вес=65 лет_или_больше
То относительный_вес=изменчивый
Коэффициент доверия определяется числом 0-100
Правило 27
ЕСЛИ перспектива=отличная
И риск=высокий
ТО фактор=0 КД=10
В общем случае посылка может быть логическим выражением.
Если посылка истинна, то истинно и заключение, т.е. в заключение может быть
указано какое-либо действие , которое выполняется, если посылка истинна
::[ИИ…И]
::==
объект, атрибут, значение, коэфициент доверия- представление знаний в виде
четвёрки
::==
:==КД=
Один и тот же объект может иметь разные значения.
Многозначные объекты – объекты, которые могут иметь несколько достоверных
значений.
Если объект не объявлен, как многозначный, то он может иметь несколько
значений, то они не должны быть достоверными, т.е. КД= 100
Для объектов, значение которое запрашивается у пользователя.
Какое сложение?
1. Мелкое
2. Среднее разрешённые значения
3. Крупное
Каков возраст
1. меньше 25
2. от 25 до 55
3. больше 55
Коэффициент доверия посылки=min(Кдусл)
[pic] - факта, полученного в результате выполнения правила
перспектива=отличная КД=50
риск=высокий КД=70
фактор=0
Базовая структура продукционной модели представления знаний
Исходные данные
Результат
Лекция 9 (Конец)
|№ |Конфликтное |Выполнение|Выведенный|
|шага|Множество | | |
| |правил |правила |факт |
|1 |[pic] | [pic] | |
| |[pic] |[pic] |[pic] |
|2 |[pic] |[pic] |[pic] |
| |[pic] |[pic] |[pic] |
|3 |[pic] |[pic] |[pic] |
|4 | | |[pic] |
| | | | |
|5 | | | |
Выводы заканчиваются , когда достигается целевая вершина, либо не осталось
применимых правил, а цель не достигнута.
Обратные выводы – выполняются сверху вниз (выводами ориентирующих на цель)
П6 П7
С2 С3
П 1 П2 П3 П4
П5
С 4 С5 С6 С7 С8
F1 F2 F3
F4 F5
|№ |Цель|Конфликтное |Выполнение|Подцели|Факт|
|шага| |множество | | | |
| | |правил |правил | | |
|1 |С1 |П6,П7 |П6 |С2,С3 | |
|2 |С2 |П1,П2 |П1 |С1,С5,С| |
|3 |С3 | | |3 |F1 |
|4 |С4 | | | |F2 |
|5 |С5 |П3 |П3 | | |
|6 |С6 | | |С6,С7,С|F3 |
|7 |С7 | | |8 |F4 |
|8 |С8 | | | |F5 |
| | | | | | |
| | | | | | |
Цель – «продолжительность» –цель задаётся именем объекта.
Она сопоставляется с заключением правил и выбирается правило с заключением
,
в которых есть имя объекта. Выбираем правило, которое содержит целевой
объект,
мы формируем гипотезу
П7
В процессе гипотеза либо подтверждается либо опровергается. Выводы
продолжаются до тех пор, пока какая либо не будет подтверждена, либо не
будут исчерпаны все возможные гипотезы.
Используется меньшее количество проверок, т.к. в правиле бывает несколько
условий и одно заключение.
Двунаправленные выводы.
Сначала выполняются прямые выводы, на основе небольшого количества данных,
в результате формируется гипотеза для подтверждения или опровержения
выполняются другие выводы.
Для проверки условий правил используется аппарат активации правил, который
выделяет на каждом шаге те правила, в которых проходит проверка условий.
Должны быть использованы также условия. В условиях правил выделяются
индивидуальные, а затем общие.
Общие правила – правила условий применимости. Сфера применимости.
Обобщённая структура продукционного правила.
(i); Q; P; A; =B; N
(i)– имя правила:
Q –сфера применения правила;
P – условие применимости првила (логическое условие)
A=>B – ядро правило, где А- посылка, а В- заключение;
N – поставленное условие, определяетдействия, которые выполняются в случае
выполнения ядра.
Р – при истинности активизируется ядро правила.
…
Фрейм – структура данных для представления стереотипной ситуации
(к: А1К1, A2K2, ….,AnKn)
(к: A1k1, A2k2,….,An kn)
(имя файла:
имя слота1 (значение слота1)
имя слота2 (значение слота2)
………………………………..
имя слота n (значение слота n))
Протофрейм – знания о классе объектов.
Фрейм- экземпляр- получается из протофрейма при заполнении слотов
конкретными значчениями.
В структуру фреймов обычно включают системные слоты. К системе слота
относятся:
Слоты определим фреймродитель, слот, указываемый на прямые дочерние фрейма.
В качестве системы слотов: слоты, содержащие сведения о создателе
программы, о её модификации.
В структуру входят:
- указатель наследования;
- указатель типа данных;
- демоны и т.п.
ЯЗЫК ФМС (FMS).
Указатели наследования могут быть:
U – unique – уникальный
S – same- какой-то
R – range – указатель границ;
0 –override – игнорировать
U – во фреймах разных уровней с одинаковыми именами будут различными.
S – слоты наследования значений из слотов высшего уровня с такими же
именами
U
Человек
Ребёнок
Миша
Значение нижнего уравнения должно лежать внутри границ определённого в
верхнем уравнении.
R
Человек
Ребёнок
Миша
Если значение не задано то оно наследуется из слота верхнего
уравнения, а если оно задано , то наследование игнорируется.
О
Человек
Ребёнок
Миша
Лекция 11 3.12.99
Сочетание сетевой и фреймовой модели в системе представления знаний OPS-5
В этом языке есть продукционные правила и базы данных
::=( +)
{}+ - Может повторятся несколько раз
::=({ значение})
::=< аз-элемент> | < элемент-вектор>
( Вещество [pic] класс кислота
[pic] имя [pic]
[pic] цвет бесцветная )
(Порядок – задач: Источник, утечки Ограждения)
Что собой представляют правила :
::=(Р [pic] )
::={}+
::= | -
::= | |
::=({значение>}+) |
# ( Порядок задач )
( [{[pic] }+] )
# (Вещество )
В образце не обязательно указываются все атрибуты данного класса , т.е. мы
можем записать
(Вешество [pic] класс кислота
[pic] имя )
т.е. переменная кислота –вещ получит значение [pic]
::= ( {[pic] }+>>}+)
Значение с соответствующего атрибута элемента работой памяти должно
совпадать с одним из элементов указанных в данном листе, хотя бы с одним.
Эти значения задаются конкретными словами.
# (Вещество [pic] класс кислота
[pic] имя
[pic] цвет > )
::= (< объект> {[pic]< атрибут>{{< значение>}+}}+)
Список значений может задаваться и в виде ограничений
# (Двигатель [pic] мощность { 100 200} )
(Двигатель [pic] мощность 160)
:={}+
::=(make < ЭРП> | remove | (modif
{[pic]< значение>} +)
# (Р координировать _а
(цель [pic] состояние активный
[pic] имя координировать )
Если цель находится в состоянии координировать и порядок задач не
определён,
то создать
(Порядок задач ) –>
(make цель [pic] состояние активный
[pic] имя упорядочить задачи)
(modif1 [pic] состояние ожидания))
ссылка указывает , что модифицироваться будет элемент рабочей памяти
Стратегия решения задач основана на явном задании цели
Выполнение
1. сопоставление с элементами памяти в результате формируется конфликтное
множество правил
2. Выбор правил из конфликтного множества
3. Выполнение действий, указанных в заключении правил
Выполняется до тех пор, пока не будет достигнута цель.
Приобретение знаний
- извлечение знаний из источника , преобразование их в нужную форму , а
также
перенос в базу знаний интеллектуальной системы.
Знания делятся на :
- объективизированные ;
- субъективные
Объективизированные – знания , представленные во внешних источниках –
книгах, журналах, НИР.
- форматизированные, т.е. представлены в виде законов, формул, моделей,
алгоритмов.
Субъективные – знания, которые являются экспертными и эмперическими не
представлены
во внешней форме.
Знания экспертом является неформализованными, представляют собой множество
эвристических приёмов и правил, позволяют находить подходы к решению задач
и выдвигать гипотезы , которые могут быть подтверждены или опровержены.
Знания могут быть получены в процессе наблюдения за каким-либо объектогм.
Режимы работы инженера по знаниям, консультолога в процессе приобретения
знаний.
1. протокольный анализ
- записываются рассуждения вслух в процессе решения задач.
О.с. составляются протоколы, которые анализируются
2. Интервью - ведется диалог с экспериментом, направленный на приобретение
знаний.
3. Игровая имитация профессиональной деятельности.
Методы интервьюирования.
1. Рубление на ступени выделяются связи, позволяющие строить иерархические
структуры
2. Репертуальная рещётка предлагаются 3 понятия и требуется назвать
отличие 2-х понятие 3-его. Эксперту предлагается пара понятий и
требуется назвать общие свойства =>
сформировать классы.
Методика работы конитолога по формированию поля знания
Включает 2 этапа
1. подготовительный
1.1. Чёткая подготовка задачи , которая должна решать система
2. Знакомство конит с литовой
3. Выбор экспертов
4. Знакомство экспертов с копией
5. Знакомство эксперта с популярной методикой по искусственному интеллекту
6. Формирование с копии поля знания
2. Основной этап
1. накачка поля знания в режиме
2. командная работа косметолога – анализ протокола, определение связей
между понятиями , готовит вопросы к эксперту
3. Подкачка поля знания – задача вопросов эксперту
4. Формализация концептуальной задачи.
5. Проверка полноты модели
Если модель неполная , то используется 2-ое приближение.
Лекция 12 10.12. 99.
Нечёткие множества
[10,40] – толщина изделий
малая [10;20]
средняя [20;30]
большая [30;40]
степень [pic]
принадл
1
0.7
0.1
х
10 15 40 толщина
изделий
[pic] - нечёткое множество
х - универсальное множество
[pic] х - образуют совокупность пар А
[pic]
[pic] - называется функцией принадлежности нечёткого множества .
Значения функции принадлежности для конкретного элемента Х называется
Степенью принадлежности
[pic] - носитель нечёткого множества
[pic] [pic]
Нормальным нечётким множеством называется множество для которого
[pic]
[pic]
0.6
[pic] - нечёткое множество
Х - универсальное множество
[pic]Х - образуют совокупность пар А
[pic]
[pic] : [pic] - называется функцией принадлежности нечёткого множества .
Значение функции принадлежности для конкретного элемента Х называется
степенью
принадлежности
[pic]- носитель нечёткого множества
[pic]&[pic]
Нормальным нечётким множеством называется множество для каждого
[pic]
[pic]
0,6
x
Если приводить к нормальной форме => нужно поделить все её значения на
[pic].
Пример:
Пусть функция принадлежности задаётся целым числом от 10 до 40
Определить понятие малая толщина изделия.
[pic] [pic]
1 . .
. [pic]
.
.
.
.
| | | | | | | | x
x
10 11 12 13 14 15 16 17 18
18
Операции над нечёткими множествами
1. Объединение нечётких множеств
[pic]
[pic]
2. Пересечение нечётких множеств
[pic]
[pic]
3. Дополнение нечёткого множества
[pic]
[pic]
[pic] [pic]
[pic] [pic]
x x
Начало 12 и 13 лекции.
4. Декартовое произведение нечетких множеств.
(A1,(A2,….,(An
x1,x2,…,xn
x1( X1 x2( X2 … xn(Xn
(A1 x(A2 x … x(An = {}
(x (x1,x2,…,xn ) = min{(A1 (x1), (A2 (x2)…(An (xn) }
(A = {, , }
(B = {, }
(A x(B = {, , , ,
, }
5. Возведение нечеткого множества в степень.
(An = {}
(A2 = con((A) - концентрация
(A0.5 = dil((A) – растяжение
Методы определения функции принадлежности.
Немного больше 2. От 0 до 5.
|x |0 |1 |2 |3 |4 |5 |
|n1 |- |- |- |10|8 |4 |
|n2 |10|10|10|- |2 |6 |
(A = n1 / (n1 + n2)
(A (0) = 0
(A (1) = 0
(A (2) = 0
(A (3) = 1
(A (4) = 0.8
(A (5) = 0.4
Метод рангирования.
Нечеткая переменная.
( - имя нечеткой переменной
х – область ее определения
(А – смысл, нечеткое множество определяет семантику нечеткой
переменной
Лингвистическая переменная.
( - имя лингвистической переменной
Т – базовая терм множество – образует имена нечетких переменных
{редко, иногда, часто}, являющихся лингвистическими переменными
Х – носитель лингвистических значений [0; 1] – область определения
G – синтаксическая процедура
М – семантическая процедура
Синтаксическая процедура в виде грамматических терминов, символы
которых составляют термы из терм множеств {и, или, не}, модификаторы типов
{очень, слегка, не и т.д.}
( - частота
Т = {редко, иногда, часто}
X = [0;1]
Не редко
Очень часто
Такие термины вместе с исходными образуют производную терм множества.
Т* = Т ( G (T)
Семантические процедуры позволяют переписать термо-нечеткую
семантику.
М((1 или (2) = (А1 ((А2
((1 , х1 , (А1)
((2 , х2 , (А2)
М((1 и (2) = (А1 ((А2
М(^() = ^(А1
М(очень () = con ((A )
М(слегка () = dil ((A )
Сценарий.
Является классом фреймовых моделей представления знаний, где в
обобщенной и структурной форме представлены знания о последовательности
действий, событий типичных для предметной области. Рассмотрим стереотип
каузальный сценарий – определяет последовательность действий необходимых
для достижения целей, это фреймовая модель.
(kcus имя:
имя слота 1(значение слота 1);
имя слота 2(значение слота 2);
…
имя слота n(значение слота n))
(kcus
деятель
цель деятеля
посылка
ключ
следствие
системное имя)
Посылка определяет действия, которые должны быть выполнены раньше
ключевого действия, необходимые для его действия. Последствие –
заключительное действие. Системное имя – сценарий.
(kcus «тушение пожара»:
деятель (S: )
цель деятеля (С: «прекращение пожара»)
П11, П12 посылки (cus: «поиск средств тушения»R1, «транспортные
средства тушения»)
К1 ключ (f: «использование средств тушения для полного
прекращения огня»)
следствие (Р: «прекращение огня»)
системное имя (sys: cus*1))
R1 – быть раньше
(kcus «поиск средств тушения »:
деятель (S: )
цель деятеля (С: «нахождение средств тушения»)
П121, П22 посылки (cus: «определение координат местонахождения
средств тушения»R1, «перемещение к месту нахождения средств тушения»)
К2 ключ (f: «схватывание средств тушения»)
следствие (Р: «нахождение у места расположения средств тушения»)
системное имя (sys: cus*2))
(kcus «транспортировка средств тушения к месту пожара»:
деятель (S: )
цель деятеля (С: «доставка средств тушения к месту пожара»)
П31, П32 посылки (cus: «наличие средств тушения»R1, «определение
координат места пожара»)
К3 ключ (f: «движение к месту пожара»)
следствие (Р: «нахождение на месте пожара средств тушения»)
системное имя (sys: cus*3))
Пополнение знаний на основе сценария.
R:
Последовательность действий:
Д = cus: П11 R1 cus: П12 R1 K1 =
П21R1П22R1K2 П31R1П32R1K3
= П21R1П22R1K2 R1 П31R1П32R1K3 R1 K1
Посылки определяют действия, которые должны быть выполнены раньше
ключевого действия, необходимы для его действия. Следствие заключительное
действие. Системное имя сценарий.
Пополнение знаний на основе псевдофизических логик.
Р1 – посадка самолета
Р2 – подача трапа
Р3 – выход пассажиров из самолета
Р4 – подача автобуса
Р5 – прибытие на аэровокзал
Структура текста на лингвистическом уровне представляется следующей
формулой:
TS = PR4dt&P1R3 10,(P2&P2R1P3&P4R3 2,(P5
t = 15 часов 20 минут
PR4dt , P1R3 10,(P2 ( P2R4 dt + 10
P1R3 10,(P2 ( P1R1P2
P4R3 2,(P5 ( P4R1P5
TS* = P1R1P2& P1R1P3& P2R1P3& P4R1P5
Модели и методы обобщений знаний.
Под обобщением понимается процесс получения знаний, объясняющих
имеющиеся факты, а так же способных классифицировать, объяснять и
предсказывать новые факты. Исходные данные представляются обучающей
выборкой. Объекты могут быть разбиты на классы. В зависимости от того,
заданы или нет априорные разбиения объектов на классы, модели обобщения
делятся на модели обобщения по выборкам и по классам.
К(i
(+ = {01+, 02+…0nj+} – положительная выборка.
Может задаваться отрицательная выборка (- = {01-, 02-…0ьj-}
Требуется найти такое правило, которое позволяет установит, относится
или нет объект к классу Kj.
В моделях обобщения по данным выборка представляется множеством
объектов класса. Методы обобщения делятся на методы обобщения по признакам
и структурно-логические методы обобщения.
Z = {z1, z2, …, zr}
Zi = {zi1, zi2, …, zini}
Объект характеризуется множеством значений признаков Qi = {z1j1,
z2j2, …, zrjr}.
Структурно-логические методы обобщения используются для представления
знаний об объектах, имеющих внутреннюю структуру среди структурно-
логических методов. Можно выдвинуть два направления: индуктивные методы
нормального исчисления и методы обобщения на семантических сетях.
Алгоритм обобщения понятий по признакам.
Правила определения принадлежности объектов к некоторому классу
представляются в ряде логических формул элементами которых являются hij и
функции ((((((((
Пример:
Z = {z1, z2} {пол, возраст}
Z1 = {z11, z12} {м, ж}
Z2 = {z21, z22, z23} {молодой, средний, старый}
(j+ = {01+, 02+} (j- = {01-, 02-, 03-}
01+ = (z11, z21) 02+ = (z11, z22)
01- = (z11, z23) 02- = (z12, z21) 03- = (z12, z22)
&i hij - обобщенное конъюнктивное понятие
0 = max(xij – 1/(i), где 0 – критерий, xij – частота появления
некоторого значения признака, (i – количество признаков.
Пример:
0 = 3/5 – 1/2 = 0.1
(j+ = {01+, 02+} (j- = {01-}
(-1+ = 0 (-1- = {02-, 03-}
-----------------------
Ситуация
Статическая
Динамическая
Постоянные свойства и соотношения
Состояния
Устойчивые
Временные
Процессы
События
зел
син
зел
син
желт
(пациент1, диагноз, колит, К760)
(пациент1, диагноз, гастрит, К740)
*
учащийся
студент
sup
объект
Неопределенный объект
Определенный объект
Материальный объект
Нематериальный объект
имя
понятие
ситуация
время
пространство
sup
sup
sup
sup
sup
sup
sup
sup
человек
помещение
оборудование
учащиеся
административный персонал
преподаватели
обслуживающий персонал
студент
аспирант
декан
заведующий кафедрой
методист
профессор
ассистент
доцент
техник
лаборант
sup
sup
sup
sup
sup
sup
sup
sup
sup
sup
время
год
неделя
месяц
сутки
час
минута
секунда
sup[pic]
sup
part
part
part
part
part
part
пространство
страна
область
губерния
штат
населенный пункт
город
деревня
part
part
part
sup
sup
sup
sup
город
Москва
isa
i
j
h
g
f
e
d
c
b
a
K1
K3
K2
R6
R7
K5
K4
R5
R4
R3
R2
R1
имя
долги
отчет
работает
кафедра
преподаватель
Фам.
Назв.каф.
замещение
Группа
дисциплина
Код группы
Наз. Дисц.
№ пары
аудитория
День недели
факультет
обучение
Код специальности
Назв. Фак.
Назв. Спец.
специальность
преподаватель
решает
Зав. кафедрой
занятие
группа
дисциплина
a
a
h
f
g
c
h
e
d
b
Список значений
Список разрешённых
значений
объект
вопрос
Рабочая память(база данных)
База правил
Интерпритатор правил
(A(B
x
((A
x
(A
1
†††††?†??†††?†††††††††††††††††††??†††††††††††††††††††††††???†††††?††††††††††
†††††††††???††††??'?†?††††????†??††††††††††††††††††† x
(A
1 (A2
(A0.5
0 x
ч
u
p
ч
u
p
u ч
р
0
Xчастота
редко иногда часто
Продолжительность=60
L
x
(
x
р u ч 1
hij =
1, если i-ый признак имеет j-ое значение
0, в противном случае
(+
(-
(j+
(j-
(-1+
(-1-
A111
P11
A112
Q1
……..
……..
P21
P22
P23
P12
Q2
Вес=60
Вес=30
Вес=32
Вес=2-200
Вес=2-50
Вес=32
Вес=60
Вес=30
Вес=32
Страницы: 1, 2
|