
- •Часть 1
- •Оглавление
- •Часть 1
- •Лекция 1 введение
- •1. Цели и задачи дисциплины. Ее место в учебном процессе.
- •2. История развития систем ии
- •3. Философские аспекты систем ии
- •Лекция 2 искуственный интеллект как научное направление
- •1. Человеко-машинные системы с искусственным интеллектом
- •2. Проблема искусственного интеллекта
- •3. Основные направления исследований в системах с искусственным интеллектом
- •Лекция 3 знания и данные
- •1. Знания - необходимая компонента ии
- •2. Макрознания и макроидеи
- •3. Данные и знания. Классификация знаний
- •4. Проблемы представления знаний
- •Лекция 4 представление знаний и рассуждений
- •Лекция 5 логические модели представления знаний
- •1. Предварительные замечания
- •2. Логическая модель представления знаний
- •Лекция 6 псевдофизичесие логики
- •1.Нечеткость в представлении знаний
- •2.Нечеткие множества.
- •3. Нечеткие отношения
- •2.Нечеткие выводы
- •3.Построение Функций принадлежности.
- •Лекция 7 псевдофизические логики
- •Нечеткaя логика
- •1. Нечеткая и лингвистическая переменные.
- •2. Нечеткая и лингвистическая логика
- •Лекция 8 псевдофизические логики
- •Нечеткие высказывания. Нечеткие алгоритмы
- •1. Нечеткие высказывания
- •2. Свойства высказываний.
- •3. Правила преобразования высказываний.
- •4. Понятие нечеткого оператора и алгоритма
- •5. Выполнение нечетких алгоритмов.
- •Лекция 9 продукционные модели представления знаний
- •3. Классификация ядер продукции.
- •4. Методы поиска решений
- •5. Методы логического вывода. Дедуктивный вывод
- •3. Повышение эффективности поиска
- •Лекция 10 методы представления и обработки нечетких знаний в продукционных системах
- •1. Представление экспертной информации
- •2. Представление экспертной информации в виде
- •Лекция 11 методы представления и обработки нечетких знаний в продукционных системах
- •1. Нечеткий вывод на основе дедуктивного логического вывода
- •2. Нечеткий вывод на основе индуктивного логического вывода
- •Лекция 12 сетевые семантические модели представления знаний
- •1. Основные понятия семантических сетей
- •Лекция 13 сетевые семантические модели представления знаний
- •4. Модели семантических сетей. Активные семантические сети (м-сети).
- •Лекция 14 фреймы и объекты
- •Лекция 15 сценарии
- •1. Основные определения
- •3. Каузальные сценарии
- •Лекция 16 модели обучения
- •1. Неформальные модели
- •2. Формальные модели
- •3. Обучение по примерам
- •Лекции 17 обучение по примерам
- •1. Итеративные алгоритмы обучения
- •2. Спецификация задач обучения по примерам
- •Библиографический список
Лекция 9 продукционные модели представления знаний
План лекции
1. Модули, управляемые образцами
2. Типы и структура правил-продукций
3.Классификация ядер продукций
4.Методы поиска решений в продукционных системах
5. Методы логического вывода
6. Стратегии выбора правил при логическом выводе
1. МОДУЛИ, УПРАВЛЯЕМЫЕ ОБРАЗЦАМИ
В традиционном программировании команды устанавливаются в жесткой фиксированной последовательности. По умолчанию после выполнения i-й команды выполняется (i+1)-я команда, если i-я команда не является командой ветвления. Все места ветвления в традиционном программировании указываются явно. Подобный способ программирования удобен в тех случаях, когда последовательность обработки мало зависит от обрабатываемых данных, т.е. тогда, когда ветвление является исключением, а не нормой. В противном случае программу лучше рассматривать как совокупность независимых модулей, управляемых образцами. На каждом шаге работы такая программа анализирует текущую ситуацию и определяет по анализу образцов, какой модуль подходит для обработки этой ситуации.
Каждый управляемый образцом модуль (УОМ) состоит из механизмов исследования и модификации одной или нескольких структур данных. Диапазон УОМ может колебаться в широких пределах от простого продукционного правила до процедуры произвольной степени сложности, вызываемой по образцу. Каждый УОМ на очередном шаге работы анализирует данные рабочей памяти, проверяя наличие структур, которые сопоставляются с его образцом. Системы, построенные на основе управляемых образцами модулей, называют системами вывода, управляемыми образцами [Хэйес-Рот и др., 1978]. Функции управления в этих системах осуществляет интерпретатор.
С точки зрения представления знаний подход, использующий управляемые образцами модули, можно охарактеризовать следующими особенностями:
1. Разделение постоянных знаний, хранимых в базе знаний, и временных знаний, хранимых в рабочей памяти.
2. Структурная независимость модулей. Это свойство облегчает модификацию и совершенствование системы, что чрезвычайно важно для экспертных систем, постоянно модифицирующих свои знания. Кроме того, независимость модулей упрощает объединение программ, написанных разными авторами.
3. Отделение схемы управления от модулей, несущих знания о проблемной области. Данное свойство позволяет применять различные схемы управления.
Системы вывода, управляемые образцами, имеют весьма различное исполнение. Примерами УОМ являются и конкурирующие акторы [Хьюитт, 1973], и источники знаний [Эрман и др. 1980, 1981], и фреймы [Минский, 1975], и даже вершины в сетях Петри [Петри, 1962; Котов, 1984; Зисман 1978].
Системы, управляемые образцами, классифицируются в соответствии с ограничениями, накладываемыми на модули. На рис. 1 приведена классификация систем, управляемых образцами, которая может рассматриваться и как классификация модулей, управляемых образцами.
Если системы, управляемые образцами, состоят из модулей, локализованных на вершинах сети, которые активизируются сигналами, приходящими по дугам, то такие системы называют системами, основанными на сетях .
Большинство систем, управляемых образцами, удовлетворяет следующему ограничению: все исследования данных рабочей памяти в каждом модуле объединены и предшествуют всем действиям по модификации данных. Таким образом, модуль разделяется на две части: предусловие, исследующее данные, и действие, модифицирующее данные. Модули,
Рис.1. Классификация систем, управляемых образцами
имеющие такое деление, называют правилами [Хэйес-Рот и др., 1978], а системы, использующие такие правила, называют системами, основанными на правилах (см. рис. 1). Попутно отметим, что разделение операции исследования и модификации данных облегчает отладку системы.
Системы, основанные на правилах, разделяются по видам правил на продукционные системы и трансформационные системы. Продукционные системы образованы из правил, в которых сопоставление и планирование (управление) являются явными функциями системы, зафиксированными в интерпретаторе. Трансформационные системы, в отличие от продукционных, могут не иметь явных функций по сопоставлению правил и управлению правилами. Примерами трансформационных систем являются формальные системы и системы формальных грамматик.
2. ТИПЫ И СТРУКТУРА ПРАВИЛ-ПРОДУКЦИЙ
Продукции наряду с фреймами являются наиболее популярными средствами представления знаний в ЭС. Продукции, с одной стороны, близки к логическим моделям, что позволяет организовывать на них эффективные процедуры вывода, а с другой стороны, более наглядно отражают знания, чем классические логические модели. В них отсутствуют жесткие ограничения, характерные для логических исчислений, что дает возможность изменять интерпретацию элементов продукции. В общем виде под продукцией понимаегся выражение следующего вида:
(i); Q; Р; А=>В, N.
Здесь i—имя продукции, с помощью которого данная продукция выделяется из всего множества продукций. В качестве имени может выступать некоторая лексема, отражающая суть данной продукции (например, «покупка книги» или «набор кода замка»), или порядковый номер продукции в их множестве, хранящемся в .памяти системы.
Элемент Q характеризует сферу применения продукции. Такие сферы легко выделяются в когнитивных структурах человека. Наши знания как бы «разложены по полочкам». На одной «полочке» хранятся знания о том, как надо готовить пищу, на другой—как добраться до работы и т. п. Разделение знаний на отдельные сферы позволяет экономить время на поиск лужных знаний. Такое же разделение на сферы в базе знаний ИС целесообразно и при использовании для представления знаний продукционных моделей.
Основным элементом продукции является ее ядро: А=>В. Интерпретация ядра продукции может быть различной и зависит oi того, что стоит слева и справа от знака секвенции =>. Обычное прочтение ядра продукции выглядит так: ЕСЛИ А, ТО В, более сложные конструкции ядра допускают в правой части альтернативный выбор, например, ЕСЛИ А, ТО B1, ИНАЧЕ B2, Секвенция может истолковываться в обычном логическом смысле как знак логического следования В из истинного А (если А не является истинным выражением, то о В ничего сказать нельзя). Возможны и другие интерпретации ядра продукции, например А описывает некоторое условие, необходимое для того, чтобы можно было совершить действие В.
Элемент Р есть условие применимости ядра продукции. Обычно Р представляет собой логическое выражение (как правило, предикат). Когда Р принимает значение «истина», ядро продукции активизируется. Если Р ложно, то ядро продукции не может быть использовано. Например, если в продукции «НАЛИЧИЕ ДЕНЕГ; ЕСЛИ ХОЧЕШЬ КУПИТЬ ВЕЩЬ X, ТО ЗАПЛАТИ В КАССУ ЕЕ СТОИМОСТЬ И ОТДАЙ ЧЕК ПРОДАВЦУ» условие применимости ядра продукции ложно, т. е. денег нет, то применить ядро продукции невозможно.
Элемент N описывает постусловия продукции Они актуализируются только в том случае, если ядро продукции реализовалось. Постусловия продукции описывают действия и процедуры, которые необходимо выполнить после реализации В. Например, после покупки некоторой вещи в магазине необходимо в описи товаров, имеющихся в этом магазине, уменьшить количество вещей такого типа на единицу. Выполнение N может происходить »ие сразу после реализации ядра продукции.