Наименование места происхождения товара

Наименование места происхождения товара - это обозначение, представляющее собой либо содержащее современное или историческое наименование страны, населенного пункта, местности или другого географического объекта (далее - или производное от такого наименования и ставшее известным в результате его использования в отношении товара, особые свойства которого исключительно или главным образом определяются характерными для данного географического объекта природными условиями и (или) людскими факторами. Не признается наименованием места происхождения товара обозначение, хотя и представляющее собой или содержащее название географического объекта, но вошедшее в РФ во всеобщее употребление как обозначение товара определенного вида, не связанное с местом его изготовления. Наименование места происхождения товара может быть зарегистрировано одним или несколькими юридическими или физическими лицами. Право пользования этим же наименованием места происхождения товара может быть предоставлено любому юридическому или физическому лицу, которое в границах того же географического объекта производит товар, обладающий теми же основными свойствами.

Свидетельство на наименование места происхождения действует до истечения десяти лет, считая с даты подачи заявки в федеральный орган исполнительной власти по интеллектуальной собственности.

В отношении наименования места происхождения товара, являющегося наименованием географического объекта, находящегося за пределами РФ, вместо указанного заключения обладатель свидетельства представляет документ, подтверждающий его право на пользование НМПТ в стране происхождения товара на дату подачи заявления о продлении срока действия свидетельства. ТЗ охраняется мадридским соглашением. Наименование места происхождения товара – Лиссабонским соглашением.

Сист. Ан. И эксперт. Сист.

№65 Понятие о системе. Закономерности поведения систем. Целевая функция. Интегральные показатели качества систем. Переменные параметры системы. Управляющие системы. Технические и технологические системы.

Система-совокупность взаимосвязанных и взаимодействующих элементов.

Модели поведения систем (закономерности поведения систем):

1. Простое размножение

Основная задача теории дифференциальных уравнений состоит в определении или исследовании системы по векторному полю.

х₀=kх

х- численность популяции

Скорость прироста численности популяции пропорциональна самой численности.

Рост численности популяции во времени экспоненциален.

Если скорость прироста пропорциональна не количеству особей, а количеству пар, то х₀=kх², а интегральные кривые становятся гиперболами, численность популяции увеличивается взрывообразно.

Такой упрощённый подход является базовой моделью для описания поведения систем с большим числом однородных элементов, например, реклама, мода и т.д.

2. Логическая кривая

х₀=kх; k=а-вх

Методом масштабирования сводится к х₀= (1-х)х = х – х²

Если численность популяции мала, то в начале численности резко увеличиваются (растёт экспоненциально), затем скорость роста стабилизируется и наконец падает до нуля. По прошествию некоторого времени популяция перестаёт прирастать. Если в начальный момент времени популяция была велика, то с течением времени она уменьшается и стабилизируется у некоторого значения. Определяющими в модели становятся коэффициенты а и в, которые характеризуют:

1) Способность к размножению

2) Жизнеспособность или мощность несущей среды.

3. Квоты отлова

х₀= (1-х)х = х – с

с – характеризует квоту отлова, это касается промышленных популяций, например, норма вылова камчатского краба, донского осетра и т.д.

Если квота мала с меньше ¼ возможны два варианта:

1) популяция подорвана отсутствует воспроизводство, тенденция к катастрофе.

Если квота мала с меньше ¼ и численность её выше нижнего предела, то со временем она стабилизируется у верхнего уровня.

2) численность велика, отлов снижает популяцию до стабильного верхнего уровня.

Если с=1/4 имеем частный случай со стабильным уровнем со стороны большой численности. Со стороны малой численности катастрофа.

Отлов с относительной квотой.

х₀= (1-х)х = х – рх

4. Модель Лотка-Вольтерра

х₀=kх – аху

у₀=-lу + вху,

здесь х-численность популяции хищников, у-численность популяции жертвы.

Целевая функция

Целевая функция – это математическое описание зависимости цели или критерий изделии от величины показателей качества и функциональных параметров.

При оптимизации целевая функция параметров изделия и времени принимает экстремальное значение (max, min), которое надо получить в результате оптимизации. При этом нельзя определить, какой вариант наилучший, а решение задачи сводится к тому, что составляют целевую функцию и определяют, какие параметры наиболее соответствуют поставленной цели при определённых условиях или ограничениях.

Целевую функцию часто записывают в следующем виде:

Ц = Э/З → max , где

З - затраты

Э – эффекты

Для упрощения задачи иногда считают, что Э=const. Тогда целевая функция имеет вид

Ц = З → min

Если фиксировать затраты, т.е. З=const, тогда

Ц = Э → max

Иногда целевой функцией является минимум времени выполнения некоторой работы.

В общем случае оптимизацию можно проводить только по одной целевой функции и при оптимизации можно максимизировать или минимизировать только одну целевую функцию. Для оптимизации с учётом многих целей некоторые из них иногда не включают в целевую функцию и рассматривают как ограничения или производят многократную оптимизацию по разным целевым функциям, каждая из которых не учитывает все цели, и принимают решение после анализа полученных результатов.

Интегральные показатели качества систем.

Показатель качества – это количественная характеристика одного или нескольких свойств продукции.

Показатели качества служат как характеристики физической, экономической или иной природы свойства, так и для измерения этого свойства. Показатель качества имеет наименование, отражающее природу качества, размерность, которая уточняет эту природу и число, указывающее на величину свойства. Показатель качества может быть как объективными, так и субъективными. В менеджменте качества эти показатели называются количественными признаками и альтернативными или качественными.

Единичный показатель качества продукции – это показатель характеризующий одно её свойство.

Комплексный показатель качества – характеризующий несколько свойств.

Любая система целеориентирована – цели у разных систем разные, но главное что включают эти цели общий баланс. Баланс достигается, как правило, на основе компромисса, т.е. каждая из систем должна отказаться от каких-то своих составляющих цели для баланса.

Переменные и параметры системы.

Деление на параметры и переменные условно. Как правило, те характеристические величины системы, которые остаются примерно постоянными относят к параметрам, а изменяющиеся к переменным. Для закона Ома U=rI в диапазоне температур окружающей среды сопротивление относится к параметрам, а ток к переменным.

Управляющие системы.

Управление – это целенаправленное влияние на управляемые параметры системы в которой всегда можно различить ту часть которой управляют (объект управления) и ту часть которая управляет (субъект управления).

Между управляющей и управляемой системами должны существовать каналы связи.

Передача управляющих сигналов от субъектов управления к объекту управления называется прямой связью.

Обратная связь является источником информации о поведении управляемого объекта.

№66 Классификационные признаки и основные характеристики систем.

Система находится в стационарном (статическом) состоянии, если параметры, описывающие её остаются постоянными во времени, такое состояние называется равновесным или уравновешенным. Если какой-либо из параметров системы содержит время и остаётся неизменным во времени, то систему можно рассматривать как стационарную, но тогда для подчёркивания того факта, что она как бы стационарна, её называют квазистационарной. Так как каждая система осуществляет процесс преобразуя входы в выходы с использованием ресурсов, то взаимосвязь входа и выхода называется статической характеристикой системы. Из определения видно, что время отсутствует в статической характеристики.

Фундаментальное свойство – вариации параметров/переменных под действием случайных факторов.

1. Если вариации не значительны и их не учёт не сказывается на результатах анализа системы. Все линейные законы физики, например, закон Ома является моделями систем и описывают статистические характеристики этих систем U=rI.

2. Корреляционная связь

ρ меньше или равно ±1

1) Положительная корреляционная связь, если бы все точки попали на ось, то ρ=1, реально ρ не может быть равно 1.

2) Отрицательная корреляционная связь, здесь скорее всего у-аргумент, а х-функция.

3) Связь отсутствует.

Особенности: Корреляционная связь не объясняет механизма связности системы.

№67 Основные принципы системного анализа

Стандарты вводят восемь обязательных принципов:

а) Ориентация на потребителя

Организации зависят от своих потребителей, и поэтому должны понимать их текущие и будущие потребности, выполнять их требования и стремиться превзойти их ожидания.

б) Лидерство руководителя

Руководители обеспечивают единство цели и направления деятельности организации. Им следует создавать и поддерживать внутреннюю среду, в которой работники могут быть полностью вовлечены в решение задач организации.

в) Вовлечение работников

Работники всех уровней составляют основу организации, и их полное вовлечение дает возможность организации с выгодой использовать их способности.

г) Процессный подход

Желаемый результат достигается эффективнее, когда деятельностью и соответствующими ресурсами управляют как процессом.

д) Системный подход к менеджменту

Выявление, понимание и менеджмент взаимосвязанных процессов как системы содействуют результативности и эффективности организации при достижении ее целей.

е) Постоянное улучшение

Постоянное улучшение деятельности организации в целом следует рассматривать как ее неизменную цель.

ж) Принятие решений, основанное на фактах

Эффективные решения основываются на анализе данных и информации.

и) Взаимовыгодные отношения с поставщиками

Организация и ее поставщики взаимозависимы, и отношения взаимной выгоды повышают способность обеих сторон создавать ценности.

Все восемь принципов отвечают системному подходу. С точки зрения теории систем центральным является принцип – Системный подход к менеджменту, а остальные являются его производными.

№68 Системы представления знаний и их применение для представления информации стандартов

Центральной научной проблемой является разработка способов, систем, методов формализации (представления) знаний. В настоящее время разработано около 10 так называемых моделей знаний, но универсального метода представления знаний не существует. Объясняется это тем, что предметные области чрезвычайно разнородны, обладают множеством специфических особенностей и плюс к этому до сих пор полностью не разгаданы принципы работы человеческого мозга. На практике наибольшее распространение получили такие модели представления знаний:

• логическая

• модель;

• модель в виде продукционных правил;

• семантические сети;

• фреймовое

• представление.

Логические модели знаний

Логические модели (ЛМ) знаний являются основой человеческих рассуждений и умозаключений. ЛМ описываются подходящими исчислениями: исчисления высказываний и исчисления предикатов. В общем виде эти формальные системы могут быть представлены в виде четверки:

где Т – множество базовых элементов;

Р – множество синтаксических формул, на основе которых из Т строятся так называемые правильно построенные формулы;

А – множество правильно построенных формул, элементы которого называются аксиомами;

F – правила вывода, которые из множества А позволяют получать новые правильно построенные формулы.

Правильно построенная формула есть высказывание, истину или ложность которого можно установить. Из подобного рода высказываний с помощью логических связок могут быть образованы более сложные высказывания, которые в свою очередь могут принимать значение ИСТИНА или ЛОЖЬ.

Логические связки:

«И» - конъюнкция ( );

«ИЛИ» - дизъюнкция (V);

«ЕСЛИ – ТО» - импликация ( );

«НЕ» - отрицание (-).

Предикаты I^го порядка – это высказывания отнесённые к объектам определенного типа. Предикаты бывают одноместные и многоместные. Одноместные отражают свойства определенного объекта или классов объекта и имеют вид ,

где Р – отражает свойства (отношение),

х – символ предметной переменой, отражающий объект; может принимать два значения: 1 – истина, 0 – ложь, если объект х обладает свойством Р, то 1, и наоборот.

Об истинности или ложности формул ничего сказать нельзя, пока не будут заданы конкретные значения переменных. Например, двухместный предикат .

Продукционная модель

Наиболее простой и самой распространенной моделью является модель в виде продукционных знаний. В общем виде под продукцией понимают выражение типа

где (i) – имя продукции;

Q – элемент, характеризующий сферу применения продукции;

В – элемент, характеризующий условия применения ядра продукции;

ядро продукции;

знак следования (импликации);

N –элемент, характеризующий постусловия продукции.

Центральным элементом продукции является ядро. Парами А и В могут быть «посылка – действие», «посылка – вывод», «явление – реакция». В упрощенном виде правило записывается так:

ЕСЛИ А₁, А₂,….А_m; то В (*),

Выражение (*) читается так: если все условия А₁ - А_m – истина, то В – тоже истина. В другой интерпретации: если имеют место ситуации А₁ - А_m, то необходимо выполнить действие В.

Более сложные конструкции ядра допускают в правой части альтернативный выбор: ЕСЛИ А; то В₁, ИНАЧЕ В₂.

Если имеет место недетерминированный вывод, то

ЕСЛИ А; то ВОЗМОЖНО В;

или

ЕСЛИ А; то с ВЕРОЯТНОСТЬЮ Р МОЖНО ОЖИДАТЬ В.

Классическая продукционная система состоит из трех частей:

• глобальная база данных, содержащая факты или утверждения из области решаемой задачи (рабочее поле);

• база правил, содержащая знания о предметной области;

• интерпретатор правил, осуществляющий процесс решения задачи (машина вывода).

Продукционная система работает циклически. На каждом цикле (в соответствии с выбранной стратегией) левая или правая части ядра сравниваются на соответствие с текущим состоянием рабочей памяти. В случае совпадения правила применяются. Интерпретатор правил использует стратегию управления для нахождения нужных правил, пока не окажется ни одного правила, которое удовлетворяло бы заданным условиям, либо пока не будет найдена команда останова.

Семантические сети

Используется как средство построения универсальных баз знаний, содержащих информацию общего характера о внешнем мире. В общем случае семантическая сеть представляет собой набор множеств:

где R₁,…R_д – система отношений, определенных на элементах множеств х₁,..х_n.

Фундаментальным свойством семантической сети является способность отображать разнородную информацию о предметной области. В упрощенной постановке семантическая сеть может быть представлена в виде ориентированного графа, где вершины (узлы) – понятия, а дуги – отношения между ними (теоретико – множественные, логические, лингвистические).

Типы отношений:

• класс – элемент класса (например, стол);

• пример элемента класса (например, ученический стол);

• связь типа «часть – целое»;

• функциональные свойства (объект свойства, свойства значения);

• атрибутивные связи (количественные, временные, пространственные);

• логические связи (и, или, не).

Вывод решения в базе знаний типа семантической сети сводится к поиску фрагмента сети (подсети), представляющей вопрос. В семантической сети удобно представлять декларативные знания, а узким местом является представление процедурных знаний.

Преимуществом данной модели представления знаний является то, что оно в большей степени соответствует современным представлениям об организации долговременной памяти человека.

Недостатком является трудность организации (построения) механизмов вывода на семантические сети, т.к. произвольная структура, различные типы вершин и связей между ними требуют большого разнообразия процедур обработки информации, что значительно усложняет разработку программного обеспечения.

Фреймовое представление

Имеет глубокое психологическое обоснование и удовлетворяет всем свойствам (признакам) знаний: структурированности, связности, активности. Фрейм (каркас, рамка) можно определить как структуру данных для описания стереотипной ситуации. Фрейм в общем виде можно представить как структуру данных вида:

где f – имя фрейма; - слот, где v_i - имя слота; g_i – значение слота.

Для фрейма характерна некоторая внутренняя структура, причем высокие уровни этой структуры содержат некоторую постоянную информацию, отличающую данный фрейм от множества других фреймов.

В качестве значения слота может выступать имя другого слота. Таким образом, во фреймах легко осуществить декомпозицию знаний. В качестве имя слота может быть ссылка на слот более высокого уровня, таким образом, можно организовать родо – видовую классификацию. В качестве слота могут быть ссылки вызова тех или иных процедур для использования, таким образом, можно представить процедурную информацию.

Достоинства фреймового представления знаний:

• отражает концептуальную основу организации человеческой памяти;

• модель гибкая и наглядная;

• позволяет в сжатом виде представить структуры отношений.

Недостатком фреймового представления знаний является отсутствие прямых методов для декларативного описания того как данные, хранимые во фреймах могут быть использованы.

Для представления информации стандартов применяется фреймовое представление знаний. Например,

Номер группы пр-ции	Наименование группы продукции	Номер подгруппы продукции	Наименование подгруппы продукции	Код ОКП
1	Меры длины	1.1	Меры концевые	393200
1	Меры длины	1.2	Меры угловые	393200
2	Инструменты для контроля	2.1	Плиты	393500
2	Инструменты для контроля	2.2	Линейки поверочные	393500
2	Инструменты для контроля	2.3	Угольники 90о	393500
2	Инструменты для контроля	2.4	Призмы	393500

№69 Технология разработки и жизненный цикл экспертных систем

Экспертные системы являются ярким примером успешного построения программных систем, базирующихся на знаниях.

Специалисты в области искусственного интеллекта всегда стремились разрабаты­вать программы, которые сами могли бы решать задачи, при­чем тем способом, который свойственен человеку.

Экспертные системы (ЭС) появились в результате двадцати­летних поисков в виде сложных программ, которые манипули­руя знаниями, дают возможность получать с достаточной достоверностью и эффективностью решения задач, относящихся к узкой предметной области. Поэтому ЭС относят к классу систем, основанных на знаниях, а технологию их построения называют инженерией знаний.

Процесс создания экспертных систем требует специфичес­кой формы взаимодействия инженера по знаниям (разработ­чика ЭС) и одного или нескольких экспертов в предметной области. Инженер по знаниям "извлекает" из экспертов процедуры, приемы и эмпирические правила, которыми они пользуются при решении задач и встраивает эти знания в программу.

Установлено, что в процессе решения задачи специалисту приходится выполнять ряд действий, которые в принципе должны быть реализованы в интеллектуальных системах.

1. Специалист должен применять свои знания и опыт для оптимального решения задач и делать достоверные выводы и заключения, исходя из неполных и ненадежных данных.

2. Он должен уметь объяснять и обосновывать свои действия.

3. Он должен общаться с другими экспертами и приобретать новые знания.

4. Ему приходится время от времени заново систематизировать свои знания.

5. Специалисту приходится нарушать правила и в его распоряжении обычно практически столько же исключений из правил, сколько и самих правил; эксперт разбирается в правилах не только по форме, но и по содержанию.

6. Эксперту необходимо определять степень своей компетентности в каждом конкретном случае. Он должен представлять себе, какие задачи выходят из сферы его компетенции и в каких случаях следует обращаться за консультацией к дру­гим источникам.

7. Для специалиста характерно плавное снижение уровня компетентности, если процесс решения какой-либо задачи не вкладывается в рамки его профессионального опыта. А именно, недостаточная компетентность проявляется не во внезапном отказе от принятия решения, а в постепенном ухудшении его качества.

Этапы разработки экспертных систем (ЭС)

Наименование этапа	Содержание этапа
1.Идентификация	Анализ возможности, оправданности разработки ЭС, определение характеристик в задаче, целей, ресурсов, участников разработки.
2.Концептуализация	Ключевые слова, понятия, факты, отношения, типы данных, методы решения, относящиеся к конкретной предметной области.
3.Формализация	Построение формальной модели предметной области, выбор модели представления знаний, разработка модели работы системы.
4.Реализация	Формулировка правил, воплощающих знания предметной области, наполнение базы знаний, создание прототипа ЭС.
5.Тестирование	Оценка компетентности ЭС, проверка базы знаний на полноту и не противоречивость.
6.Опытная эксплуатация	Работа с пользователем, оценка пригодности ЭС для пользователя.

В случае успешной реализации всех этапов последний этап – это коммерческая реализация ЭС.

При разработке ЭС рекомендуется последовательность этапов разработки:

1. Демонстрационный прототип (апробация выбранной модели знаний и механизма вывода; база знаний содержит порядка 10 правил).

2. Исследовательский прототип (база знаний содержит несколько десятков правил, отлажен механизм вывода решений, разработан пользовательский интерфейс, система работает не вполне надежно).

3. Промышленный прототип (база знаний соответствует необходимым условиям предметной области, протестирована, отлажен пользовательский интерфейс)

4. Коммерческий прототип.

№70 Участники разработки ЭС

Эксперт определяет знания (данные и правила), характеризующие проблемную область, обеспечивает полноту и правильность введенных в ЭС знаний.

Инженер по знаниям помогает эксперту выявить и структурировать знания, необходимые для работы ЭС; осуществляет выбор того ИС, которое наиболее подходит для данной проблемной области, и определяет способ представления знаний в этом ИС; выделяет и программирует (традиционными средствами) стандартные функции (типичные для данной проблемной области), которые будут использоваться в правилах, вводимых экспертом.

Программист разрабатывает ИС (если ИС разрабатывается заново), содержащее в пределе все основные компоненты ЭС, и осуществляет его сопряжение с той средой, в которой оно будет использовано.

Пользователь – это человек, использующий ЭС для решения повседневных задач. Он не владеет языками программирования, не знаком с информатикой и компьютером, но с помощью ЭС решает конкретные важные задачи.

Средства разработки ЭС – язык программирования, с помощью которого создана ЭС.

№72 Приобретение знаний, уровни оснащения экспертными знаниями. Приемы извлечения знаний

Экспертная система - это компьютерная программа, которая моделирует рассуждения человека-эксперта в некоторой определенной области и использует для этого базу знаний, содержащую факты и правила об этой области, и некоторую процедуру логического вывода.

Для того чтобы пользователь мог эффективно взаимодействовать с экспертной системой, ее интерфейс должен выполнять две основные функции: давать советы и объяснения пользователю и управлять приобретением знаний. Взаимодействие эксперта, пользователя и структурных частей системы можно представить в виде базовой структуры экспертной системы.

У экспертной системы должно быть два режима работы: режим приобретения знаний и режим решения задач. В режиме приобретения знаний эксперт общается с экспертной системой при посредничестве инженера знаний, в режиме решения задач в общении с экспертной системой участвует пользователь, которого интересует результат и способ его получения. Экспертная система в отличие от решения задач по алгоритму не исключает пользователя из решения, а, наоборот, сохраняет за ним инициативу. В то же время ЭС не является просто пассивным источником полезной информации подобно книжному справочнику или базе данных. В нужные моменты ЭС подсказывает необходимое направление решения задачи, развивает цепочки умозаключений, объясняет свои действия.

С точки зрения решения основной задачи экспертных систем: кодирования знаний о предметной области и их использования для решения проблем в этой области наиболее существен опыт исследователей искусственного интеллекта в решении задач представления знаний и распознавания образов.

Объем знаний, необходимых для любого значительного приложения экспертных систем, обычно очень велик и поэтому для выборки, обновления и поддержания таких больших объемов знаний экспертным системам необходимы хорошие модели представления знаний. Кроме того, удачная модель представления может значительно облегчить построение логического вывода. в экспертных системах наиболее часто используется представление знаний в виде продукционных правил, фреймов. Используются также семантические сети, предложения Пролога и комбинированные представления. Каждая из этих моделей имеет свои преимущества и недостатки, например, семантическая сеть хранит связанную информацию вместе, но в ней затруднено построение выводов из этой информации. С другой стороны. Пролог имеет готовый механизм для построения логических выводов, но не хранит связанную информацию вместе. Большие базы знаний хранятся обычно на дисках и только необходимая в данный момент часть - в оперативной памяти. Создание эффективных баз знаний для хранения правил, фреймов и т.д. является актуальной задачей.

В целом представление знаний является наиболее важной проблемой при построении экспертных систем и более подробно она будет рассмотрена ниже.

Традиционно процесс распознавания разделяется на два этапа: обучение и собственно распознавание. Первый этап индуктивный, второй - дедуктивный.

На первом этапе обрабатываются данные многочисленных наблюдений над отдельными представителями исследуемого класса объектов и на основе полученных результатов строится некоторое решающее правило.

Второй этап предполагает применение описанного привила для распознавания интересующих нас, но непосредственно не измеряемых свойств других объектов данного класса.

На этапе обучения выявляются некоторые закономерности, присущие исследуемому классу, и совокупность этих закономерностей служит далее моделью предметной области, которая в формализованном виде составляет основу базы знаний, на основе модели решаются задачи распознавания свойств конкретных объектов, очевидна связь обучения и решения задач с описанными ранее режимами работы ЭС. Описанная схема распознавания в той или иной мере характерна для многих задач, решаемых экспертными системами.

Экспертные системы ориентированы на решение широкого круга задач в неформализованных областях, решение задачи распознавания образов в таких областях предполагает составление описаний объектов и правил, определяющих по этим описаниям принадлежность объектов к тем или иным классам. Процедуры применения таких правил к каким-либо объектам в экспертных системах подчиняются различным стратегиям. Наиболее часто применяются стратегии прямого или обратного вывода. Используются также комбинированные стратегии, стратегии на основе так называемой доски объявлений. Прямой вывод - это вывод, направляемый целями (правилами) к данным. Обратный вывод - это вывод, направляемый данными к целям. В сложных экспертных системах (например, понимания речи) ни один из источников знаний системы не может гарантировать единственности и правильности получаемых им результатов, для того чтобы ошибка одного источника знания не влияла роковым образом на работу других, источники знания должны рассматриваться как независимые. Однако, так как все источники знания решают общую задачу, от них требуется взаимодействие. Чтобы удовлетворить эти требования, был предложен механизм доски объявлений.

№73 Продукционные правила. Общее представление. Принципы работы продукционной системы

Наиболее простой и самой распространенной моделью является модель в виде продукционных знаний. В общем виде под продукцией понимают выражение типа

где (i) – имя продукции;

Q – элемент, характеризующий сферу применения продукции;

В – элемент, характеризующий условия применения ядра продукции;

ядро продукции;

знак следования (импликации);

N –элемент, характеризующий постусловия продукции.

Центральным элементом продукции является ядро. Парами А и В могут быть «посылка – действие», «посылка – вывод», «явление – реакция». В упрощенном виде правило записывается так:

ЕСЛИ А₁, А₂,….А_m; то В (*),

Выражение (*) читается так: если все условия А₁ - А_m – истина, то В – тоже истина. В другой интерпретации: если имеют место ситуации А₁ - А_m, то необходимо выполнить действие В.

Более сложные конструкции ядра допускают в правой части альтернативный выбор:

ЕСЛИ А; то В₁, ИНАЧЕ В₂.

Если имеет место недетерминированный вывод, то

ЕСЛИ А; то ВОЗМОЖНО В;

или

ЕСЛИ А; то с ВЕРОЯТНОСТЬЮ Р МОЖНО ОЖИДАТЬ В.

В качестве имени продукции обычно выступает номер продукции из какой – то группы.

Элемент Q позволяет ускорить нахождение искомого правила в базе знаний.

При реализации ядра продукции (при выполнении В) часто бывает необходимым актуализировать необходимую процедуру, т.е. выполнить постусловия. При этом постусловие может быть реализовано с некоторым запаздыванием. Классическая продукционная система состоит из трех частей:

• глобальная база данных, содержащая факты или утверждения из области решаемой задачи (рабочее поле);

• база правил, содержащая знания о предметной области;

• интерпретатор правил, осуществляющий процесс решения задачи (машина вывода).

Продукционная система работает циклически. На каждом цикле (в соответствии с выбранной стратегией) левая или правая части ядра сравниваются на соответствие с текущим состоянием рабочей памяти. В случае совпадения правила применяются. Интерпретатор правил использует стратегию управления для нахождения нужных правил, пока не окажется ни одного правила, которое удовлетворяло бы заданным условиям, либо пока не будет найдена команда останова.

В настоящее время используются различные механизмы (стратегии) управления выполнением продукции:

1. Принцип «стопки книг». основывается на предположении, что наиболее часто используемая продукция является наиболее полезной, т.е. на самом верху «стопки» оказывается продукция используемая чаще всего.

2. Принцип наиболее длинного условия – заключается в выборе из набора продукции той, у которой стало истинным наиболее «длинное» условие выполнимости ядра. При этом подразумевается, что при рассмотрении узкого класса ситуации наиболее важны частные условия (правила), чем более общие.

3. Принцип метапродукции, т.е. в данном случае используется так называемые знания о знаниях, что позволяет эффективно использовать декомпозицию знаний для более быстрого решения задачи.

4. Принцип школьной доски. В этом случае в рабочем поле памяти выделяется область, в которой параллельно выполняющиеся процессы находят информацию и туда же выносят информацию о своей работе, которая необходима другим процессам.

Преимущества продукционной системы:

• легко понятна экспертам и расцениваются как наиболее эффективное средство кодирования информации для компонентов;

• обладает выразительностью и модульностью, что обеспечивает простоту пополнения и модификации базы знаний;

• обеспечивает эффективное объяснение хода рассуждений эксперта.

Вместе с тем данная модель знаний имеет недостатки:

• нельзя быть уверенным в полноте и непротиворечивости баз знаний, основанных на данной модели, а также в данном случае нельзя обеспечить гибкий логический вывод;

• наблюдается потеря целостности образа знаний в предметной области.

Для построения модели предметной области в соответствии с внешним признаком неисправности необходимо:

• назначить параметры и установить их значения (предлагается формулировать параметры, принимающие значения только "истина" и "ложь");

• назначить возможные причины появления данного внешнего признака неисправности (в соответствии с причиной указать метод устранения неисправности);

• на основе параметров и причин составить дерево решений;

• записать в стандартном виде набор правил