
- •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.
10. Сценарии. Фреймовая модель.
Фрейм – это некоторая структура для представления знаний которая при ее заполнении соответствующими значениями превращается в описание конкретного факта, события или ситуации. Каждый фрейм можно рассматривать как семантическую сеть, состоящую из выделенных вершин и связей.
Фреймовая модель основана на принципе фрагментации знаний.
Основа фреймовой модели – слот, который состоит из имени некоторого признака, значений этого признака и связи с другими слотами.
Например, описание ситуации «Студент Иванов получил книгу А. Я. Архангельского «100 компонентов Delphi» в библиотеке ТГПУ им. Л. Н. Толстого в г. Туле» может быть представлено следующим образом:
ПОЛУЧЕНИЕ:
ОБЕКТ (КНИГА: (Автор, А. Я. Архангельский), (Название, 100 компонентов Delphi));
АГЕНТ (СТУДЕНТ: (Фамилия, Иванов));
МЕСТО: (БИБЛИОТЕКА: (Название, ТГПУ), (Расположение, Тула)).
Здесь ОБЪЕКТ, АГЕНТ и МЕСТО – это роли, которые играют слоты КНИГА, СТУДЕНТ и БИБЛИОТЕКА в рамках фрейма ПОЛУЧЕНИЕ.
Фреймовую модель можно представить в виде таблицы, у которой в отличие от реляционной модели данных есть ряд особенностей:
возможность смешанного заполнения слотов константами и переменными;
возможность наличия пустых слотов;
размещение в слотах указателей на другие фреймы для создания сети;
размещение в слотах имен выполняемых процедур.
8. Семантическая модель. Типы объектов.
9. Семантическая модель. Фундаментальные отношения
В соответствии с классификацией, существует разделение предметных знаний на декларативные и процедурные. Первые представляют собой утверждения (факты) о свойствах объектов предметной области и отношениях между ними. Декларативные знания определяют содержательную, или семантическую, часть предметных знаний и порождают семантическую предметную модель обучаемого.
Семантическая предметная модель обучаемого представляет собой последовательность семантических фактов - простейших по составу фактов, имеющих предметный смысл. Семантический факт - это всегда законченная и единственная мысль, которая передается одним предложением, или высказыванием.
По сути дела, описанные семантические факты играют роль единиц знаний предметной области, ибо более мелкие порции этих знаний предметного смысла не имеют. Особенности:
Проблемная область представлена в виде сети: набор вершин и связей.
В качестве вершин могут выступать классы объектов, объекты и свойства из проблемной области.
Стандартные типы связей:
Иерархические – описывают подчиненность вершин и последовательность перехода. Используются для классификационных моделей.
Семантические – описывают взаимосвязь между целями вершин и их взаимные дополнения для общей цели системы. Используются для совокупности понятий или образов.
Функциональные – описывают действия или функции, затрагивающие данные вершины. Используются для алгоритмизированных моделей с возможностью сравнения нескольких алгоритмов.
Каузальные – описывают причинно-следственные связи между событиями и вершинами. Используются для описания процессов через состояния системы.
Модель описывает образы, совокупность связанных объектов Следовательно, позволяет рассматривать цельную часть проблемной области.
Процесс принятия решения состоит из:
Пользователь формулирует вопрос,
Согласно запросу строится маска с отверстиями в месте вопроса,
Маска накладывается на базу знаний,
Ответом является проявившиеся вершина или связь. Если маска может быть наложена на несколько мест, ответов пользователю будет несколько.