- •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)
Стратегии метода резолюций
В множестве дизъюнктов существует, как правило, не одна пара дизъюнктов, к которым можно применить правило резолюций.
Цель – как можно быстрее достигнуть дизъюнкта.
стратегия унитарности;
стратегия исходных данных;
стратегия поддержки;
линейная стратегия;
стратегия насыщения уровней;
стратегия вычёркивания;
стратегия предпочтения.
стратегия обобщения и т.д.
Стратегия унитарности.
Согласно этой стратегии, предпочтение отдается тем бинарным резолюциям, где одно из предложений содержит единственный литерал. Такая стратегия гарантирует уменьшение длины результирующих предложений. Стратегия унитарности упорядочивает выбор пар предложений, упрощая последующие этапы доказательства невыполнимости исходного множества дизъюнктов.
Стратегия поддержки
Применение метода предпочтений, в котором в первую очередь осуществляется попытка выполнить определенные операции резолюции, вполне оправдано, но, вообще говоря, более эффективный метод может быть основан на том, что следует попытаться полностью устранить некоторые потенциальные этапы резолюции. В стратегии с использованием множества поддержки выполняется именно это. Применение данной стратегии начинается с выявления подмножества высказываний, называемого множеством поддержки (set of support). На каждом этапе резолюции высказывание из множества поддержки комбинируется с другим высказыванием, а резольвента добавляется к множеству поддержки. Если множество поддержки является небольшим по сравнению со всей базой знаний, это позволяет резко сократить пространство поиска.
При использовании этого подхода необходимо соблюдать осторожность, поскольку при неправильном выборе множества поддержки алгоритм может стать неполным. Однако, если множество поддержки S будет выбрано так, чтобы оставшиеся высказывания, вместе взятые, оставались выполнимыми, то резолюция с помощью множества поддержки становится полной. Общепринятый подход, основанный на предположении, что первоначальная база знаний является непротиворечивой, состоит в том, чтобы в качестве множества поддержки применялся отрицаемый запрос. (В конце концов, если база знаний не является непротиворечивой, то сам факт, что запрос является следствием из нее, становится избыточным, поскольку из противоречия можно доказать все, что угодно.) Стратегия с использованием множества поддержки имеет дополнительное преимущество в том, что в ней часто вырабатываются деревья доказательства, легкодоступные для понимания людей, поскольку само формирование доказательства осуществляется целенаправленно.
Стратегия обобщения
В методе обобщения (subsumption) устраняются все высказывания, которые обобщаются некоторым существующим высказыванием из базы знаний (т.е. являются более конкретными по сравнению с ним). Например, если в базе знаний есть высказывание Р(х), то нет смысла вводить в нее высказывание Р(А) и еще меньше смысла вводить Р(А) v Q(B). Обобщение позволяет поддерживать небольшие размеры базы знаний и тем самым ограничивать размеры пространства поиска.