
- •Понятие, история развития теории нейронных сетей.
- •Основные свойства мозга, которые моделируются.
- •Составляющие модели нейронной сети.
- •Понятие нейрона
- •Виды искусственных нейронов
- •8 Виды архитектуры нейронной сети.
- •По способу организации узлов
- •Виды и назначение функции активации
- •9 Основные модели динамических нейронных сетей.
- •10 Парадигмы обучения нейронных сетей.
- •11 Параметры оптимизации системы, обучаемой по примерам.
- •12 Правила обучения.
- •Алгоритм обучения перцептрона Розенблата.
- •Оценки качества нейронной сети.
- •Алгоритм обратного распространения ошибки
- •Способы обеспечения и ускорения сходимости
- •Сеть встречного распространения
- •Модель зрительного восприятия.
- •Виды преобразований изображения между классами
- •Виды сегментации изображения.
- •Особенности зрительного восприятия человека.
- •Методы пороговой обработки изображений.
- •Методы выделения контуров на изображении.
- •Метод уточнения контура
- •Методы распознавания изображений.
- •Основные проблемы теории искусственного интеллекта
- •Направления исследований в области систем ии
- •Создание роботов.
- •Данные и знания. Способ определения понятий.
- •Особенности знаний
- •Семантические сети.
- •Типы объектов и виды отношений в семантической сети.
- •Фреймовая модель.
- •Сравнительная характеристика систем представления знаний на основе сетевых моделей.
- •Продукционная система.
- •Логическая модель представления знаний.
- •Сравнительная характеристика систем представления знаний на основе продукций и логической модели.
- •Метод резолюций.
- •Виды неопределенности в задачах принятия решений
- •Понятие лингвистической переменной и основные операции теории нечетких множеств.
- •Распознавание речевых сигналов.
Фреймовая модель.
Недостатком семантической сети является слишком произвольная структура, разнообразные типы вершин и связей, что требует различных процедур обработки информации, что усложняет программное обеспечение. Фреймовая модель имеет психологическое обоснование. Связана с понятием абстрактного образа. Понятие фрейма предложено в 1979 году ученым Минским, который используется для представления объекта или явления, обладающего следующим свойством: удаление из описания объекта любой его части приводит к потере свойств, характеризующих этот объект.
Фрейм – это абстрактный образ для представления некоторого стереотипа восприятия. Если понятия – это неформализованные знания о стереотипной ситуации, то фрейм – это формализованное понятие. Формирование понятий в формализованную ситуацию выполняются экспертом на основе опыта и знаний. Фрейм формально представляется как декларативно-процедурная структура, состоящая из следующих элементов.
F = {n(S1, d1, p1), (S2, d2, p2), ….}
n – имя фрейма.
S – имя слота.
d – значение слота.
p – процедура, связанная со способом получения данных слота.
Имена фреймов используются для создания сети фреймов. В модели представления знаний на основе фреймов используются следующие понятия:
Фреймы – образцы (фреймы - прототипы). Элементы базы знаний, хранящие интенсиональное представления.
Фреймы – экземпляры (примеры). Это элементы базы знаний, хранящие экстенсиональное представление знаний, то есть хранят реальные ситуации.
Значение слота может быть имя другого фрейма, что позволяет осуществить наследование фреймов и сетевое связывание.
Существует несколько способов получения значений во фрейме-экземпляре:
По умолчанию от фрейма – прототипа.
Через наследование свойств.
По формуле.
Через присоединённую процедуру.
Процедуры – демоны, которые активизируются каждый раз, когда данные попадают в слот либо удаляются из него.
Процедуры – слуги. Эти процедуры активизируются только по запросу.
Различают модели фреймов, которые адаптированы под определённые задачи:
Фреймы – структуры.
Фреймы – роли.
Фреймы – сценарии.
Фреймы – ситуации.
Сравнительная характеристика систем представления знаний на основе сетевых моделей.
Система представления знаний на основе семантической сети имеет следующую структуру: БД содержит декларативные знания и носит синтаксический характер. Представление декларативных знаний основано на базовых отношениях, экстенсионал.
Процедуры знаний хранятся в интенсионале семантической сети и носят семантический характер.
Сетевые модели могут быть заданы следующим набором элементом:
M = < I, C, R>
I – множество информационных единиц;
С – множество типов связи между информационными единицами;
R – Отображение множества единиц на множество связей.
В зависимости от типа связи, используемого в сетевой, модели различают следующие виды:
Классифицирующие сети – эти сети используют отношения структуризации. Вводятся иерархические отношения между понятиями предметной области.
Вычислительные сети. Здесь используются функциональные отношения, описывающие вычисление одних информационных единиц через другие.
Казуальные сети – это сети, использующие причинно-следственные отношения.
Если в сетевой модели возможно использование различных видов отношений, то такая сеть называется семантической.
Модель семантической сети работает в режиме ответа на запросы. В качестве запроса используется подграф, в котором в качестве переменных могут быть имя факта, вид отношения и понятия предметной области. Подграф запроса вкладывается в семантическую сеть путём перебора возможных вариантов. При изоморфном вложении, то есть при совпадении определенных элементов выполняется конкретизация переменных запросов. На основании этих значений переменных может строиться ответ на естественном языке.
Модель представления знаний на основе семантической сети:
Фреймовая модель имеет психологическое обоснование. Связана с понятием абстрактного образа. Понятие фрейма предложено в 1979 году ученым Минским, который используется для представления объекта или явления, обладающего следующим свойством: удаление из описания объекта любой его части приводит к потере свойств, характеризующих этот объект.