- •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
3. Каузальные сценарии
Каузальные (причинно-следственые) сценарии (КСЦ) разработаны для представления проблемно-зависимых каузальных (причинных) знаний о событиях, действиях и процедурах [Кандрашина и др., 1989]. КСЦ задает в обобщенном и структурированном виде типичную последовательность действий (или процедур) в заданной предметной области и описывается в виде фрейма следующего вида:
(КСЦ имя:
имя слота1 (значение слота1); имя слота2 (значение слота2);
имя слотаn (значение слотаn)).
Имена слотов (сценария) отражают следующие понятия: деятель и участники сценария, цели и мотивы деятеля и участников, время, место, средства реализации сценария, ключ, посылки, следствия, побочные действия закономерности, системное имя сценария.
Формально «значение слота» описывается в нотации Бэкуса — Науэра следующим образом:
<значение слота> : :=<спецификация значения слота> : <значение> | Спецификация значения> : <последовательность значений> | NIL
<спецификация значений слота> : : =n|s|p|CЦ|f\o|low|sys <значение>:: ==«имя»
<последовательность значений> : : = (<значение>, <значение>, . . ., <значение>) | (<значение) > R1 <значение> R2 . . .)
Спецификация значения слота указывает класс значений данного слота. Символы п, s, р, СЦ, f, o, low, sys обозначают следующие классы значений: числа, субъекты действий, события, сценарии, процедуры, объекты, закономерности, системные имена. Символы R1, R2, ..., Rk задают временные или каузальные отношения. Значение слота NIL говорит о его неопределенности.
Рассмотрим пример сценария:
(КСЦ "посадка на рейс"
№ рейса (п: 861),
деятель (s: дежурная),
участники (s: пассажиры);
цель деятеля (р: нахождение пассажиров в самолете);
цель участника (р: нахождение пассажиров в конечном пункте полета),
время (f: расчетное время проведения посадки),
посылки (СЦ: (регистрация пассажиров R1 сбор на посадку R1 прохож-дение контроля R1 подача автобуса R1 подача трапа)),
ключ (р: посадка в самолет),
следствия (р: нахождение пассажиров на самолете),
побочные действия (СЦ: (формирование багажа R1 погрузка багажа на рейс)),
закономерности (low : (схема 1, схема 2, схема 3)),
системное имя (sys: СЦ 3))
Здесь R1 — отношение «быть раньше». Слот «ключ» задает основное событие, определяющее тип ситуации. Реализация ключевого события обеспечивает достижение цели деятеля и участников сценария. Слот «посылки» описывает необходимые условия реализации сценария. В посылках содержится последовательность действий, которые надо выполнить, чтобы создать необходимые условия для осуществления ключевого события. Слот «следствия» задает результаты его выполнения. Слот «побочные действия» описывает действия, реализующиеся параллельно с выполнением действии в посылках сценария. Сценарий считается завершенным, если реализовано ключевое событие и достигнута цель деятеля.
Кроме КСЦ встречаются и иные типы сценариев. Наиболее распространенными являются сценарии в виде дерева целей и классифицирующие сценарии. В сценариях первого типа описывается, как некоторая цель может быть декомпозирована в систему подцелей. Такие сценарии применяются при планировании решений. Классифицирующие сценарии используются при обобщении знаний и представляют собой сети, между вершинами которых имеются отношения типа «часть — целое», «элемент — класс» или «род — вид».