ГОСы / ФБИ ИИС 2016

28Системы, основанные на прецедентах (Case Based Reasoning)

Всистемах, основанных на прецедентах, баз знаний содержит описание наобобщенных ситуаций, а собственно сами ситуации или прецеденты. Тогда поиск решений проблемы сводится к поиску по аналогии (абдуктивному выводу от частного к частному).

Поиск по аналогии в системах CRB

1)Получение подробной информации о текущей проблеме

2)Сопоставление полученной информации со значениями признаков прецедентов из БЗ

3)Выбор прецедента из БЗ ,наиболее близкого к рассматриваемой проблеме

4)В случае необходимости – адаптации выбранного прецедента к текущей проблеме

5)Проверка корректности каждого полученного решения

6)Занесение детальной информации о полученном решении в БЗ.

29 Прямой логический вывод в ЭС на основе правила Modus

Ponens.

В основе продукционной модели предоставления знаний лежит формальная логика

иприменяется прямая цепочка рассуждений: ЕСЛИ <условие>, ТО <действие>.

Эффективный способ логического вывода – формирование доказательств

основан на применении специальных шаблонов логического вывода, называемых

правилами логического вывода. Наиболее широко известное правило называется

правилом отделения (ModusPonens), которое используется в прямом и обратном алгоритмах логического вывода:

можно из двух высказываний и вывести высказывание .

Алгоритм прямого вывода обычно основан на стратегии поиска в ширину.

начинает свою работу с известных фактов, содержащихся в базе знаний. Эти факты могут рассматриваться в качестве истинных предпосылок правил, содержащихся в базе знаний.

Если для некоторой импликации становятся истинными все предпосылки, то ее заключение добавляется к базе знаний в соответствии с правилом ModusPonens.

Этот процесс продолжается до тех пор, пока к базе знаний не добавляется изначально заданный запрос q, т.е. алгоритм достигает успеха в доказательстве q, или становятся невозможными дальнейшие этапы логического вывода (новые факты не добавляются в базу знаний).

В последнем случае говорят, что алгоритм достиг фиксированной точки. Если при достижении фиксированной точки исходный запрос q не достигнут, то последний не может быть выведен из базы знаний.

Прямая цепочка рассуждений применяется в задачах, где на основании имеющихся фактов необходимо определить тип (класс) объекта или явления, выдать рекомендацию,

определить диагноз и т.п.Все или большинство данных заданы в пространстве задачи.Существует большое количество потенциальных целей, но всего лишь несколько способов представления и применения исходных фактов.Сформировать цель или гипотезы очень трудно в силу избыточности исходных данных или большого числа конкурирующих гипотез.

Алгоритм прямого логического вывода является непротиворечивым, поскольку каждый этап логического вывода по сути представляет собой применение правила отделения (ModusPonens).

Свойства прямой цепочки: 1. можно изначально не задавать цель; 2. недостаток:

просматривается очень много релевантной информации, объемы вычислений очень высоки.

Пример прямого вывода (база знаний)

Пример миниатюрной ЭС для фондовой биржи. БЗ включает, следующие продукционные

правила:

ЕСЛИ Процентные ставки падают,ТО Уровень цен на бирже растет. ЕСЛИ Процентные ставки растут,ТО Уровень цен на бирже падает. ЕСЛИ Валютный курс доллара падает,ТО Процентные ставки растут. ЕСЛИ Валютный курс доллара растет,ТО Процентные ставки падают.

ЕСЛИ Процентные ставки федерального резерва падают И Средства федерального резерва добавлены,ТО Процентные ставки падают.

Пример прямого вывода (начальное состояние)

На основании запроса пользователя инициализируется исходное состояние рабочей памяти путем добавления в нее факта:

Валютный курс доллара падает:

Пример прямого вывода (первый шаг вывода)

После активации правила 3, и в рабочую память добавится новый факт:

Процентные ставки растут:

Пример прямого вывода (второй шаг вывода)

После активации правила 2, и в рабочую память добавится новый факт:

Уровень цен на бирже падает

30 Обратный логический вывод в ЭС на основе правила Modus

Ponens

Алгоритм обратного логического вывода действует в обратном направлении, от цели к известным фактам. Сначала производится попытка унификации цели q с

заголовками правил, имеющихся в базе знаний (KB):

Subst( , p1) Subst( , p2) … Subst( , pn) Subst( , q).

В случае успешной унификации генерируется конъюнкция подцелей

Subst( , p1) Subst( , p2) … Subst( , pn),

каждая из которых доказывается самостоятельно, т. е. для каждой из подцелей

Subst( , pi) осуществляется поиск правил в программе, заголовки которых унифицируются с Subst( , pi), и т.д. Процесс продолжается до полного подтверждения всех сгенерированных в процессе доказательства подцелей в конечном итоге фактами,

имеющимися в KB. В процессе доказательства производится композиция всех подстановок, получаемых в процессе унификаций исходной и промежуточных целей с заголовками правил, что приводит к получению итоговой подстановки, являющейся решением задачи.

Пример:

Закон гласит, что продажа оружия недружелюбным странам, осуществляемая любым американским гражданином, является преступлением. Ракета является оружием.

Если какая-либо страна является врагом Америки, то эта страна является недружелюбной.

ПолковникWest является американским гражданином. Полковник West продал государству Nono, являющемуся врагом Америки, все ракеты.

Является ли полковник West преступником?

Формируем базу знаний:

... Для американца преступлением является продажа оружия недружелюбным странам:

American(x) Weapon(y) Sells(x,y,z) Hostile(z) Criminal(x)

Страна Nono …имеетракеты, т.e., x Owns(Nono,x) Missile(x):

Owns(Nono,M1) and Missile(M1)

…все ракеты проданы стране Nono полковником по имени West

Missile(x) Owns(Nono,x) Sells(West,x,Nono)

Ракеты являются оружием:

Missile(x) Weapon(x)

Враг Америки считается «недружелюбным»:

Enemy(x,America) Hostile(x)

ПолковникWest является американцем …

American(West)

Страна Nono, враг Америки…

Enemy(Nono,America)

Вопрос при обратном выводе—является ли полковник Уэст

(West)преступником?

Дерево доказательства, сформированное путем обратного логического вывода для доказательства того, что полковник Уэст совершил преступление. Это дерево следует читать в глубину, слева направо. Чтобы доказать факт Criminal(West), необходимо доказать четыре конъюнкта, находящихся под ним. Некоторые из них находятся в базе знаний, а другие требуют дальнейшего обратного логического вывода. Связывания для каждой успешной унификации показаны после соответствующей подцели.

31 Семантические сети. Основные типы отношений в

семантических сетях. Правила построения семантических

сетей

Семанти́ческая сеть - модель представления знаний предметной области,

имеющая вид ориентированного графа, вершины которого соответствуют объектам

(понятиям) предметной области, а направленные дуги (рѐбра) задают отношения между объектами.

Объектами могут быть понятия, события, свойства, процессы.

В названии семантическая сеть соединены термины из двух наук: языкознания и математики. Семантика в языкознании изучает смысл единиц языка, а сеть в математике представляет собой разновидность графа - набора вершин, соединѐнных дугами

(рѐбрами).

Таким образом, семантическая сеть отражает семантику предметной области в виде понятий и отношений.

Семантическая сеть – попытка визуализации логических формул

•Семантические сети возникли как попытка визуализации математических формул.

Основным представлением для семантической сети является граф. Но за графическим изображением непременно стоит строгая математическая запись.

Поэтому обе эти формы являются не конкурирующими, а взаимодополняющими.

•Понятия семантической сети записываются в овалах или прямоугольниках и соединяются стрелками с подписями — дугами, обозначающими отношения между понятиями (предикаты). Эта форма наилучшим образом воспринимается человеком.

•Недостатки формы представления семантической сети проявляются при попытке строить более сложные сети или пытаемся учесть особенности естественного языка.

Классификация семантических сетей

•По количеству типов, сети могут быть однородными и неоднородными.

Однородные сети обладают только одним типом отношений, например,

классификация биологических видов. В неоднородных сетях количество типов отношений больше двух.Неоднородные сети представляют больший интерес для практических целей, но и большую сложность для исследования.

•По арности, типичными являются сети с бинарнымиотношениями (связывающими ровно два понятия). Бинарные отношения очень просты и удобно выглядят на графе в виде стрелки между двумя понятиями (концептами). На практике могут понадобиться отношения, связывающие более двух объектов - N-арные. При этом возникает сложность изображения подобной связи на графе. Концептуальные графы представляют каждое отношение в виде отдельного узла.

Семантические отношения (разнообразие)

•Иерархические:

-Отношение между объектом и множеством MemberOf(другое название ISA- «IS A»); . Связь ISA предполагает, что свойства объекта НАСЛЕДУЮТСЯот множества.

-Отношение гипонимии между надмножеством (гипероним) и подмножеством

(гипоним) называется AKO — «A KindOf» («разновидность»). Свойства элементов

подмножества НАСЛЕДУЮТСЯ от множества.

-Отношение меронимии между объектом и его частями (например, части

компьютера) - HasPart.

•Вспомогательные:

-функциональные связи (определяемые глаголами «производит», «влияет»…);

•количественные (больше меньше, равно…);

•пространственные (далеко от, близко от, за, под, над…);

•временные (раньше, позже, в течение…);

•атрибутивные (иметь свойство, иметь значение);

•логические (И, ИЛИ, НЕ);

•лингвистические.

Пример (4 объекта, 4 категории, 5 типов отношений)

Наследование свойств: определение значений по умолчанию

Важная особенность семантических сетей – способность представлять ЗАДАННЫЕ ПО УМОЛЧАНИЮ значения для категорий. В семантической сети утверждение, что все люди имеют 2 ноги, обладает лишь статусом, значения, применяемого по умолчанию.

Т.е. применительно к каждому человеку применяется это значение, если оно не противоречит более конкретной информации. В случае Джона наследуемое свойство категории перекрывается более конкретным значением, что он имеет 1 ногу.

Множественное наследование

•Если Объект принадлежит более чем к одной категории, то такая ситуация

называется множественным наследованием.

При множественном наследовании алгоритм вывода может находить два или несколько конфликтующих значения, представляющих собой ответ на запрос. По этой причине множественное наследование запрещено во многих языках ООП, например в

Java.

32 Теория фреймов. Структура фрейма. Слоты и

присоединенные процедуры. Механизм вывода на фреймах

1) Фрейм Фреймы— это минимальные структуры информации, необходимые для представления класса объектов, явлений или процессов. Фрейм отражает основные свойства объекта или явления.

Фрейм– это сеть узлов и отношений, организованных иерархически, где верхние узлы представляют общие понятия, а нижние – более частные случаи этих понятий.

Структура фрейма записывается в виде списка свойств, называемых во фрейме слотами.

Слоты— это некоторые незаполненные подструктуры фрейма, заполнение которых приводит к тому, что данный фрейм ставится в соответствие некоторой ситуации,

явлению или объекту.

Термин фрейм (от англ. frame– «каркас», «рамка») был предложен в 70-е годы прошлого столетия одним из пионеров ИИ Марвином Минским для обозначения структуры знаний для восприятия пространственных сцен. Как и семантическая сеть,

фреймовая модель имеет глубокое психологическое обоснование.

Под фреймом понимается абстрактный образ или ситуация для представления некоторого стереотипа восприятий.

В философии и психологии широко употребимо понятие абстрактного образа.

Например, произнесение слова «комната» порождает некий образ комнаты, т.е. «жилого помещения с четырьмя стенами, полом, потолком, окнами и дверью». Из описания ничего нельзя исключить – например, убрав окна, мы получим уже чулан, а не комнату. Однако в этом описании существуют некоторые незаполненные атрибуты – «слоты», например,

количество окон, высота потолка и т.д. Слоты – описания частностей.

В теории фреймов такой образ комнаты называется фреймом комнаты. Кроме того,

фреймом называется и формализованная модель для отображения образа.

Различают фреймы-образцы, или прототипы, хранящиеся в базе знаний, и фреймы-

экземпляры, которые создаются для отображения реальных фактических ситуаций на основе поступающих данных.