- •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 10 методы представления и обработки нечетких знаний в продукционных системах
План лекции
1. Представление экспертной информации системами четких высказываний
2. Представление экспертной информации системами нечетких высказываний
1. Представление экспертной информации
системами четких высказываний
Построение моделей и алгоритмов ПР на основе экспертной информации связано с решением задачи представления ее в виде, пригодном для использования.
При принятии решений в четких условиях экспертная информация может быть представлена в виде системы условных высказываний, устанавливающих взаимосвязь между четкими значениями входных и выходных параметров процесса ПР.
Систему высказываний называют системой L(1)-типа, если в зависимости от возможных четких значений входных параметров делается вывод о значениях выходного параметра. Запишем ее в виде :
,
m - число экспертных высказываний; Аj- высказывание, отражающее четкую входную ситуацию или значение параметра Вj- высказывание о четком выходном параметре, ситуации. Например: X={ x1, x2, x3} - входы; V={v1, v2} - выходные параметры;
.
Систему экспертных высказываний называют системой L(2)- типа, когда в зависимости от возможных значений Вj выходной ситуации экспертом делается предположение о возможной входной ситуации Аj, т.е.
Например,
Системы высказываний будут однозначными, если выполняются условия
Пусть W - множество всех входных ситуаций процесса принятия решений (ПР) (множество значений входных параметров ). Система высказываний будет ПОЛНОЙ, если выполняются условия:
для системы L(1) типа.
для системы L(2) типа.
Иначе
говоря, для любой входной ситуации wW
существует экспертное высказывание,
устанавливающее взаимосвязь между
данной входной и некоторой выходной
ситуациями.
Рассмотрим механизм выбора решений в четких условиях. Т.е.когда экспертная информация задается четкими системами высказываний.
При задании ЭИ системой L(1) - типа выбор решения основывается на ПРАВИЛЕ ОТДЕЛЕНИЯ (modus=ponens):
<Если
() истинно и истинно, то истинно > (10.3)
Для систем L(2)- типа добавляется ИНДУКТИВНАЯ СХЕМА ВЫВОДА.
Пусть А и В - произвольные четкие высказывания. Согласно правилу (10.3) из высказываний <Если А, то В> и А выводимо высказывание В. Это запишется:
.
Согласно индуктивной схеме вывода из высказываний <Если В то А> следует правдоподобность высказывания В:
ПРИМЕР.
Тогда при Рх= 6 согласно правилу (10.3) в качестве Pv надо брать 25.
Пусть взаимосвязь между параметрами Рх и РV задается системой:
Тогда согласно (10.4) при значении Рx =6 в качестве выхода Рv выбор значения 25 является более предпочтительным по отношению к другим возможным значениям 20 и 28, т.е.
Пусть L(1): <ЕСЛИ Аi, ТО Bi> - i-е высказывание системы (10.1). Обозначим Т(А/Аi)- истинность высказывания А относительно Аi; Т(В/Вi)- истинность высказывания В относительно Вi:
Тогда ИСТИННОСТЬЮ ПРАВИЛА ОТДЕЛЕНИЯ (10.3) для схемы вывода (10.4):
называется
величина , определяемая импликацией:
и принимающая
значение
ИСТИННОСТЬЮ правила отделения для схемы вывода
(10.6)
называется
величина
Следствие: пусть L(1) - полная непротиворечивая система высказываний, тогда справедливы выражения:
Аналогично вводятся понятия для индуктивной схемы вывода для системы (10.2).
ИСТИННОСТЬЮ ИНДУКТИВНОЙ СХЕМЫ вывода для схемы вывода
называется величина, определяемая импликацией
,
причем
ИСТИННОСТЬЮ ИНДУКТИВНОЙ СХЕМЫ для схемы вывода L(2)
(10.8)
называется
величина
CЛЕДСТВИЕ. Пусть L(2) - полная, непротиворечивая система высказываний второго типа. Тогда имеют место выражения :
Т.о. при выборе решений, когда ЭИ задается системой первого типа правило отделения соответствует выбору такого выходного высказывания В, при котором истинность схемы (9.6) достигает своего наибольшего значения, т.е. 1. Аналогично при задании ЭИ схемы типа L(2) индуктивная схема вывода соответствует такому выбору выходного высказывания В, при котором истинность схемы (9.8) также достигает своего максимума, т.е.1.
