- •Б.С. Падун
- •«Искусственные подсистемы сапр»
- •Содержание
- •Глава 1. Развитие и понятия систем искусственного интеллекта, экспертных 7
- •Глава 2. Основные понятия инженерного проектирования 29
- •Глава 3. Построение машин логического вывода 33
- •Глава 4. Представление знаний в системе автоматизации проектирования 51
- •Введение в1. Необходимость создания экспертных систем в технологии
- •В2. Цель и задачи курса
- •В3. Связь курса с другими дисциплинами
- •Глава 1. Развитие и понятия систем искусственного интеллекта, экспертных систем и сапр тпп
- •1.1. Искусственный разум
- •1.2. Система искусственного интеллекта
- •1.3. Определение и основные свойства экспертной системы
- •Системы ии
- •Системы, основанные на знаниях;
- •Экспертные системы
- •1.4. Основные характеристики экспертной системы
- •1.5. Структура экспертной системы
- •Пользователь
- •Экспертная система
- •Механизм вывода (общие знания о решении задачи)
- •1.6. Развитие сапр тпп
- •Средства организации диалога с технологом
- •1.7. Классификация экспертных систем
- •1.7.1. Классификация по решаемым задачам
- •Программные средства проектирования алгоритмов и программ решения задач тпп (преподавание и усвоение знаний)
- •Экспертные системы
- •По задачам
- •По типу вм
- •1.7.2. Классификация по связи с реальным временем
- •1.7.3. Классификация по типу эвм
- •1.7.4. Классификация по степени интеграции с другими программами
- •Глава 2. Основные понятия инженерного проектирования
- •2.1. Базовые понятия проектирования
- •2.2. Особенности инженерного проектирования
- •Решить, что делать на I-ой операции Выполнить o (I)
- •2.3. Замечания к процессу инженерного проектирования
- •Глава 3. Построение машин логического вывода
- •3.1. Типология систем проектирования
- •3.1.1. Простые системы проектирования
- •3.1.2. Системы с адаптацией
- •3.1.3. Модельные системы проектирования
- •3.1.4. Семиотические системы
- •3.2 Примеры построения структур систем, решающих технологические задачи
- •Сфера функционирования Производственная среда Изделие Технологическая система
- •Система проектирования оснащения
- •Производственная среда
- •Технологическая система
- •Система проектирования производственных подразделений
- •Производственная среда
- •Технологическая система
- •3.3. Классификация теорий решения задач
- •Теория решений
- •3.4. Формальные и семиотические системы
- •Множество ппс
- •Множество вс
- •Множество а
- •3.5 Теория проектирования технологических процессов (школа н.Г. Бруевича)
- •Глава 4. Представление знаний в системе автоматизации проектирования
- •4.1. Реляционные языки
- •4.1.2. Функциональные классы в естественных языках
- •4.1.3. Шкалирование квантификаторов
- •4.1.4. Семантические сети
- •4.1.3. Фреймовые представления
- •4.2. Предикатные языки
- •4.2.1. Продукционные модели
- •4.2.2. Формальные логические модели
- •4.1. Логико-лингвистические модели
- •Организация процесса принятия решений в экспертных системах
- •Экспертная система
- •Пользователь
- •Данные и знания
- •Модели представления знаний
- •Продукционные модели
- •Семантические сети
- •Формальные логические модели
Данные и знания
Определение: Данные – это отдельные факты, характеризующие объекты, процессы и явления предметной области, а также их свойства.
Знания основаны на данных, полученных эмпирическим путем.
Определение: Знания – это закономерности предметной области ( принципы, связи, законы ), полученные в результате практической деятельности и профессионального опыта, позволяющие специалистам ставить и решать задачи в этой области.
Данные и знания при обработке их на ВМ трансформируются по следующей схеме:
Д1 – данные, как результат измерений и наблюдений;
Д2 – данные на материальных носителях информации ( таблицы, протоколы, справочники);
Д3 – модели (структуры) данных в виде диаграмм, графиков, функций;
Д4 – данные в компьютере на языке описания данных;
Д5 – базы данных на машинных носителях информации.
З1 – знания в памяти человека, как результат мышления;
З2 – материальные носители знаний
(учебники, методические пособия);
З3 – поле знаний – условное описание основных объектов предметной области, их атрибутов и закономерностей, их связывающих;
З4 – знания, описанные на языках представления знаний;
З5 – база знаний на машинных носителях информации.
Знания иногда классифицируют по категориям:
поверхностные – знания о видимых взаимосвязях между отдельными событиями и фактами предметной области,
глубинные – абстракции, аналогии, схемы, отображающие структуру и природу процессов, протекающих в предметной области. Эти знания объясняют явления и могут использоваться для прогнозирования поведения объектов.
Знания можно также разделить по способу их представления и хранения:
процедурные, то есть знания, «растворенные» в алгоритмах. Они управляют данными. Для исправления знаний необходимо изменять программы, так эти знания хранятся в виде загрузочных модулей;
декларативные. Такие данные хранятся в структурах данных. В этом случае знаниями считаются предложения, записанные на языках представления знаний, приближенных к естественному и понятных для людей, не знакомых с ВТ.
Модели представления знаний
Различают следующие классы моделей представления знаний:
продукционные модели;
семантические сети;
фреймы;
формальные логические модели.
Продукционные модели
Определение: продукционная модель или модель, основанная на правилах, позволяет представить знания в виде предложений типа «Если <условия >, то <действие>».
Под <условием> (антецедентом) понимается некоторое предложение – образец, по которому осуществляется поиск в базе знаний, а под <действием> (консеквентом) – действия, выполняемые при успешном исходе поиска.
Продукционные модели наглядны, модульны, просты для механизма логического вывода, а также в такие модели легко вводить изменения.
Вывод на продукционных моделях может быть прямой (от данных к поиску цели) или обратный (от цели для ее подтверждения – к данным);
Продукционный подход реализуется программными средствами: языком OPSS, оболочками ЭС – EXSYS Professional,Kappa, ЭКСПЕРТ; ЭКО, инструментальные системы ПИЭС и СПЭИС, система программирования ТАТРА.