- •История возникновения и развития искусственного интеллекта
- •2. Развитие искусственного интеллекта в России
- •3. Основные направления современных исследований в области искусственного интеллекта
- •Понятие знаний и данных
- •Классификация моделей представления знаний. Преимущества и недостатки каждой модели
- •Продукционные модели представления знаний
- •Преимущества и недостатки продукционных моделей. Классификация ядер продукции
- •Управление системой продукций. Вывод на продукционной базе знаний
- •Фреймовые модели представления знаний. Классификация фреймов
- •Фреймовые модели представления знаний. Конкретизация фрейма, связи между фреймами
- •Сетевые модели представления знаний
- •Представление знаний в виде семантических сетей
- •Механизмы вывода на семантической сети
- •-15. Логические модели представления знаний
- •Исчисление высказываний. Интерпретация и свойства высказываний
- •Исчисление высказываний как формальная система
- •Нормальные формы в логике высказываний. Алгоритм преобразования формулы в дизъюнктивную нормальную форму (днф)
- •19. Нормальные формы в логике высказываний. Алгоритм преобразования формулы в конъюнктивную нормальную форму (кнф)
- •20. Нормальные формы в логике высказываний. Алгоритм преобразования в сднф
- •21. Метод резолюций в логике высказываний
- •Предикаты и операции над ними
- •Исчисление предикатов 1-го порядка как формальная система
- •Логические эквивалентные преобразования в исчислении предикатов 1-го порядка. Алгоритм приведения к снф
- •Логические эквивалентные преобразования в исчислении предикатов 1-го порядка. Алгоритм приведения к пнф
- •Подстановка и унификация в логике предикатов 1-го порядка. Алгоритм нахождения наиболее общего унификатора
- •Алгоритм метода резолюций для проверки невыполнимости множества дизъюнктов в логике высказываний
- •Алгоритм применения метода резолюций в логике предикатов 1-го порядка
- •Стратегии метода резолюций
- •Назначение, определение и структура экспертных систем
- •Расширенная структура эс
- •Классификация экспертных систем (эс)
- •Основные этапы разработки экспертных систем
- •Выбор проблемы
- •Разработка прототипа эс
- •Доработка до промышленной эс
- •Оценка эс
- •Стратегии получения знаний при разработке экспертных систем. Подсистемы накопления знаний.
- •С применением эвм
- •Подсистемы объяснений в экспертных системах
- •Интеллектуальные подсистемы в современных сапр
- •Особенности и причины появления «мягких» вычислений. Основные направления «мягких» вычислений.
- •37. Эволюционное моделирование. Назначение и принципы построения генетических алгоритмов.
- •38. Назначение, определение и основные преимущества нечетких моделей представления знаний
- •Назначение и принципы работы искусственных нейронных сетей (инс)
Представление знаний в виде семантических сетей
В основе моделей этого типа лежит семантическая сеть. Сетевые модели формально задаются в виде: H=<I, C1, C2, ..., Cn, G>.
I – множество информационных единиц;
C1, C2, ..., Cn – множество типов связей между информационными единицами;
G – отображение, задает между информационными единицами, входящими в I, связи из заданного набора типов связей.
Если в сетевой модели допускаются связи различного типа, то ее обычно называют семантической сетью. Термин «семантическая» означает «смысловая».
Семантика – наука, устанавливающая отношения между символами и объектами, которые они обозначают, то есть наука, определяющая смысл знаков. Семантическая сеть – это ориентированный граф, вершины которого – понятия, а дуги – отношения между ними.
Семантическая сеть – модель, в которой структура знаний предметной области формализуется в виде орграфа с помеченными вершинами и дугами. Вершины графа обозначают понятия различных категорий: объекты, события, свойства, операции, а дуги – отношения между ними.
Самые первые семантические сети были разработаны в качестве языка-посредника для систем машинного перевода, а многие современные версии до сих пор сходны по своим характеристикам с естественным языком. Однако последние версии семантических сетей стали более мощными и гибкими и составляют конкуренцию другим языкам представления знаний.
В качестве понятий выступают абстрактные или конкретные объекты, а отношения – это связи типа: «это» («AKO - A-Kind-Of», «is»), «имеет частью» («has part»), «принадлежит», «любит».
Особенность семантических сетей – обязательное наличие трех типов отношений:
класс – элемент класса (цветок – роза, инструмент - сверло);
свойство – значение (цвет - желтый, материал режущей части – Т15К6);
пример элемента класса (роза – чайная, сверло – по металлу).
Существует несколько классификаций семантических сетей, связанных с типами отношений между понятиями:
по количеству типов отношений:
однородные (с единственным типом отношений);
неоднородные (с различными типами отношений);
по типам отношений:
бинарные (отношения связывают два объекта);
N-арные (есть специальные отношения связывающие более двух понятий).
Проблема поиска решений в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, отражающей поставленный запрос к базе.
Пример семантической сети «ФРУКТЫ»:
Языки представления и ЭС на семантических сетях: NET; SIMER+MIR и др.
Экспертные системы, использующие семантические сети в качестве языка представления знаний: PROSPECTOR, CASNET, TORUS.
Механизмы вывода на семантической сети
Семантическая сеть – это модель, в которой структура знаний предметной области формализуется в виде ориентированного графа с помеченными вершинами и дугами.
Проблема поиска решений в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, отражающей поставленный запрос к базе.
Данная модель представления знаний была предложена американским психологом Куиллианом. Основное ее преимущество – она более других соответствует современным представлениям об организации долговременной памяти человека. Недостаток – сложность организации процедур поиска вывода на семантической сети.
Фрагмент семантической сети «представление глагола «давать»
Пример семантической сети «Автомобиль»
Для реализации семантических сетей существуют специальные сетевые языки:
NET,
SIMER+MIR и др.
Известны экспертные системы, использующие семантические сети в качестве языка представления знаний: PROSPECTOR, CASNET, TORUS.
