
- •1.Представление знаний. Исчисление высказываний.
- •Исчисление высказываний
- •3.Логическая модель.
- •11. Продукционная модель знаний.
- •2.Модели представление знаний.
- •4.Выводы в логике высказываний. Принцип резолюций.
- •13.Знания. Data Mining и Knowledge in db.
- •6. Извлечение результата на основе метода резолюции.
- •7.Унификация. Процедура нахождения решения.
- •10. Сценарии. Фреймовая модель.
- •8. Семантическая модель. Типы объектов.
- •9. Семантическая модель. Фундаментальные отношения
- •17. Нечеткие числа. Основные определения и операции.
- •12. Методы поиска решений в продукционной модели.
- •5.Исчисление предикатов. Метод резолюции.
- •14. Классы систем Data Mining.
- •15. Нечеткие множества. Основные определения.
- •16. Нечеткие множества. Основные операции.
- •18. Нечеткие отношения. Основные определения и операции.
- •19. Лингвистическая переменная. Основные определения и операции
- •20. Структурная схема нечеткой системы. Фаззификация. Нечеткий вывод.
- •21. Нейронные сети. Основные понятия.
- •22. Правила обучения. Сети с обратным распространением ошибки.
- •Сети с обратным распространением ошибки
- •27. Генетические алгоритмы.
- •23. Архитектура и назначение многослойных нейронных сетей
- •24.Самоорганизующаяся сеть Кохонена: назначение и алгоритм.
- •25. Методы кластеризации. Алгоритм четкой кластеризации.
- •26. Методы кластеризации. Алгоритм нечеткой кластеризации.
- •34.Рекурсия
- •30. Структура программы Visual Prolog.
- •40. Інструментальні засоби розробки систем штучного інтелекту.
- •31. Правила в Visual Prolog.
- •32. Цель Visual Prolog. Представление целей.
- •33. Структура программы в Visual Prolog.
- •37. Динамическая база данных.
- •38. Представление знаний в Visual Prolog..
- •35 Встроенные предикаты.
- •39. Создание экспертной системы в Visual Prolog.
- •Путеводитель
- •Представление знаний. Исчисление высказываний.
- •36. Способы представления баз данных в Visual Prolog.
- •6.3. Представление в виде списка структур.
- •Динамическая база данных.
1.Представление знаний. Исчисление высказываний.
В широком понимании данные представляют собой факты, текст, графики, картинки, звуки, аналоговые или цифровые видео-сегменты. Данные могут быть получены в результате измерений, экспериментов, арифметических и логических операций. Данные должны быть представлены в форме, пригодной для хранения, передачи и обработки. Иными словами, данные - это необработанный материал, предоставляемый поставщиками данных и используемый потребителями для формирования информации на основе данных.
Знание — в теории искусственного интеллекта, базах знаний и экспертных системах — совокупность данных, фактов и правил вывода (у индивидуума, общества или у системы ИИ) о мире, включающих в себя информацию о свойствах объектов, закономерностях процессов и явлений, а также правилах использования этой информации для принятия решений. Правила использования включают систему причинно-следственных связей. Главное отличие знаний от данных состоит в их активности, то есть появление в базе новых фактов или установление новых связей может стать источником изменений в принятии решений.
Классификация знаний:
– По природе: декларативные, процедурные;
– По степени научности: эмпирические, теоретические;
– По местонахождению: знания людей, знания в документах, знания в базах данных, знания в экспертных системах;
Отличительные характеристики знания:
Для того чтобы нечто считалось знанием, это нечто должно удовлетворять трем критериям:
– быть подтверждаемым;
– быть истинным;
– и заслуживающим доверия;
Исчисление высказываний
Логика - систематический метод рассуждений. Исчесление - совокупность правила оперирования какими - либо символами. Исчесление высказываний - совокупность правил для определения истинности или ложности некоторой комбинации высказываний. Преимущества его в том, что ничего ненадо угадывать, а применяя определенный метод м. получить результат. При этом рассматривается предложение обычной речи и производятся элементарные рассуждения. Этот метод используется для задач, которые плохо формализированы, т.е. отсутсвует строгие аналитические методы их решения и человек обычно использует интуитивные представления имперические правила, эвристические соображения. Под высказыванием или предложением понимается утверждение, кот. м. принимать 2 значения это истина (Т) или ложь (F).
Такое элементарное предложение наз. атомарным. В исчислении высказываний не рассматривается утверждение, принимающие другие кроме двух значений, например, числовый. Другие философы называют такой закон - законом исключенного третьего. Существуют другие логики. Они имеют отличия вычислений высказываний правила. Из атомарных высказываний при помощи специальных связок строятся ф-лы, кот. также м. применять два значения истина или ложь.
1. Первая связка "И" - /\ - коньюнкция (ложь при любом ложном состав. ).
2. Вторая связка "ИЛИ" - \/ - дизьюнкция ( ложь при всех ложных составл.)
P - ИЛИ - разделительная дизьюнкция (либо А либо Б ).
3. Третья связка "НЕ" А/\┐А=F; A\/┐A=T
В разговорной речи двойное отрицание может использоватся для усиления основного – Он никогда не мог этого сделать
4. Импликация "ЕСЛИ..., ТО...." -- >, А -- > В (если истина А, то истина В ). действие происходит в одном направлении. Если А не истино, то ничего нельзя сказать о В. А P \/ B = (A /\ B) \/ ( A /\ B) A--> B = A \/ B
1. A /\ B = B /\ A можно переставлять операнды :
A \/ B = B \/ A мяч круглый и солнце светит, но существуют операнды вроде арифметич. минуса.
2. Ассоциативный. A /\ ( B /\ C ) = (A /\ B) /\ C A \/ (B \/ C) = (A \/ B) \/ C
3. Свойство операций "И-ИЛИ"
A /\ T = A A \/ T = T
A /\ F = F A \/ F = A
4. A /\ A = F A \/ A = T
5. Дистрибутивность.
A /\ (B \/ C) = (A /\ B) \/ (A /\ C)
A \/ (B /\ C) = (A \/ B) /\ (A /\ C)
Законы Буля существуют в двойственной форме. Принцип двойственности утвурждает, что любая теорема булевой алгебры остается истинной. если поменять И на ИЛИ и TRUE на FALSE и обратно по всей теореме.
Пять рассмотренных законов определяют булеву алгебру. Из них получить следствия :
(A)=A
AA=A AA=A
A(AB)=A (AF) (AB)=A(FB)=AF=A
(AB)= (A)(B) (AB)=(A)(B)
(AB)=AB
Закон дистрибутивности дает возможность раскрывать скобки и приводить подобные члены на основе пссоциативности и коммутативностию. Мы всегда можем привести формулу исчисления высказываний к одной из двцх форм: 1) КНФ, 2) ДНФ.
С1С2С3С4..., где Сi дизъюнкт (Р1Р2Р3....)
С1С2С3С4..., где Сi конъюнкт (Р1Р2Р3...)
В таком виде удобно отыскивать выражения, соответствующие наступлению какого-либо события, например:
f комитет из 3-х человек.
При голосовании но некоторому вопросу дла человека проголосовали «за» и один «против».
A A A
B B B
C C C
(ABC)(ABC)( ABC)