
- •1. Знания как основа принятия решений
- •2. Понятие «система»
- •4. Формализованные знания. Сущность и сферы использования. Примеры.
- •5. Неформализованные знания и задачи
- •6. Слабоструктурированные задачи. Источники неопределенности при принятии решений.
- •7. Основные виды неопределенности и способы ее уменьшения
- •8. Понятие «искусственный интеллект». Задачи ии. Основные этапы развития ии
- •9. Особенности человеческого мышления. Принципы построения систем ии
- •10. Особенности и признаки интеллектуальных информационных систем.
- •11. Двойственная природа знаний, используемых в интеллектуальных системах
- •12. Понятие «экспертная система». Основные модели представления знаний в экспертных системах.
- •13. Логические модели представления знаний. Модель, основанная на логике высказываний
- •14. Логические модели представления знаний. Модель, использующая исчисление предикатов (э-существует y-любой!!!!!!)
- •15. Продукционная модель представления знаний. Структура экспертных систем продукционного типа.
- •16) Механизм логического вывода в продукционных системах. Примеры логического вывода
- •17 Управляющий компонент продукционной экспертной системы
- •27. Способы дефазификации результатов нечеткого вывода.
- •18. Общая хар-ка матем-го аппарата теории нечетких множеств.
- •19. Основные идеи теории нечетких множеств. Сравнение обычных и нечетких множеств.
- •21. Алгебраические операции над нечеткими множествами.
- •20. Операции над нечеткими множествами (кроме алгебраических).
- •22. Нечеткая и лингвистическая переменные.
- •23. Нечеткие отношения.
- •24. Операции композиции нечетких отношений и нечеткой импликации, их значение для нечеткого логического вывода.
- •26. Особенности нечеткого логического вывода по Мамдани и Ларсену
- •28. Нечеткие аппроксиматоры.
- •29. Основные проблемы, решаемые при помощи искусственных нейронных сетей.
- •30. Биологический нейрон.
- •Биологический нейрон 2
- •31. Понятие коннекционизма
- •32 Схема формального нейрона
- •33. Функции активации формального нейрона, их смысл и основные виды
- •34. Сравнение ветвей компьютерной эволюции.
- •35 Архитектуры нейронных сетей
- •36. Обучение нейросетей.
- •Цель обучения
- •37. Обучение нейронных сетей как задача оптимизации
- •38. Сравнение ветвей компьютерной эволюции.
- •39. Генетические алгоритмы. Основные понятия, принципы и особенности построения.
- •40. Обучение нейронных сетей методом статистических испытаний.
- •Знания как основа принятия решений
- •Понятие «система»
14. Логические модели представления знаний. Модель, использующая исчисление предикатов (э-существует y-любой!!!!!!)
Логика изучает правила формирования неопровержимых рассуждений. Главной частью формирования является логический вывод рассуждений из посылок. Самая ранняя система формальной логики была разработана Аристотелем в 4 веке до н.э. (построена на понятии силлогизма, кот имеет 2 посылки и одно заключение). Формальная логика изучает только синтаксис, то есть форму логических рассуждений, но не их семантику.
В основе логических моделей лежит понятие формальной системы <T,S,A,B>, где словарь Т-это множество простых высказываний; S- это правила построения предложений языка (формул) из терминов словаря; А-аксиомы, В-правила вывода.
Наиболее распространенной формальной системой, используемой для представления знаний, является исчисление предикатов первого порядка.
Логика предикатов является расширением логики высказываний и все законы логики высказываний являются также законами логики предикатов, но не наоборот.
Предикат- некоторая языковая конструкция или выражение, обозначающее какое-то свойство и отношение. Они м.б. одноместные (быть розовым), двухместные (обожать) и трех (находиться сверху).
В логике предикаты рассматриваются как частный случай функциональной зависимости, т.е. под предикатами понимают функции, значениями которых служат высказывания.
В логике предикатов используются следующие понятия:
1)Предикаты 2)Кванторы(всеобщности и существования)
3)Термы: их определяют на множестве базовых символов: констант, переменных, функций, логических связок. Определение терма:
1)Константа есть терм, 2)переменная есть терм, 3)если(t1,t2,…,tn)- n-мерная функция, аргументы которой термы, то функция-терм.
Предикат p(t1,t2,..,tn) есть функция, определенная на множестве термов t1,t2,tn при фиксированных значениях которых она превращается в высказывание со значением истинно или ложно.
Для построения формул вычисления предикатов используют логические связки: отрицание, дизъюнкция, конъюнкция, импликация, эквивалентция и в квантора.
(YX)p(x)- всякий Х обладает свойством р
(ЭХ)р(х)-некоторые х обладают свойством p
Х есть человек р(х)
Человек смертен Q(х)
Все люди смертны (YХ)(р(х)->Q(x))
Недостатком логики предикатов является то, что представить неформализованные знания экспертов в строгой логике трудно, так как человеку свойственно мыслить нечеткими понятиями.
Достоинства - четкое обоснование и возможность реализации формально точных определений и выводов.
15. Продукционная модель представления знаний. Структура экспертных систем продукционного типа.
Это системы, в которых в качестве основы БЗ являются знания экспертов, представленные в форме правил. В противоположность классической схеме Фон-Неймана, вычислительный процесс в продукц системе совсем иной и эти системы практически полностью управляются данными.
Продукц системы включают => компоненты:
1)База правил 2)Рабочая память(БД) 3)Механизм вывода
Кроме того, в структуру экспертной системы входит подсистема получения знаний, подсистема общения на естественном языке, подсистема объяснения.
Подсистема
объяснений
Подсистема общения
Механизм вывода
База правил
Рабочая память
(БД)
Подсистема
приобретения знаний
База Знаний
Помимо основных элементов :подсистема накопления знаний, подсистема объяснения, подсистема принятия решения с входящей в нее машиной ввода, а также инженера по знаниям, который извлекает информацию из эксперта.
Под продукционными правилами понимают конструкцию если….то набора срабатывающих в определенных ситуациях правил в системе. Притом каждое правило состоит из посылки (элементарные высказывания, соединенные логич связками И, ИЛИ, НЕ) и заключения (предложения, которые образуют либо решение, либо действие для выполнения). Если факты из Базы правил при сопоставлении совпали с образцом, то правило срабатывает и считается отработавшим.
В Базе данных хранится множество фактов и все пары атрибут-значение, установленные к этому моменту. Ее содержимое увеличивается по мере срабатывания правил. Окончательное решение, выведенное после применения всех правил, заносится в БД. БД рассматривается как динамическая часть БЗ.
Новые факты, добавляемые в БД, являются результатом вывода, который состоит в применении правил к имеющимся фактам.
Подсистема приобретения знаний предназначена для добавления в БЗ новых правил и модификации имеющихся, приведение новых правил к виду, доступному для использования механизмом вывода.
Средства общения на естественном языке. Простейшие ЭС ведут с пользователем диалог (юзер обходится словами ДА НЕТ ПОЧЕМУ).