- •Глава 1. Основные определения, история проблемы,
- •Глава 2 Онтологическая инженерия описания предметной области ……50
- •Глава 3. Представление и вывод знаний в системах искусственного интеллекта на основе логических моделей. 65
- •Глава 4 Представление и вывод знаний в системах искусственного интеллекта на основе семантических сетей 98
- •Контрольные вопросы и задание 110
- •Глава 5. Представление и вывод знаний в системах искусственного интеллекта на основе фреймовых моделей. 111
- •Глава 6. Представление и вывод знаний в системах искусственного интеллекта на основе продукционных моделей. 118
- •Глава 7. Представление и вывод неопределённых знаний в системах искусственного интеллекта. 132
- •Лекция 1
- •Глава 1. Основные определения, история проблемы, современные направления развития.
- •Основные определения искусственного интеллекта.
- •1.2. Тест Тьюринга
- •Науки, лежащие в основе искусственного интеллекта
- •Вычислительная техника (период с 1940 года по настоящее время)
- •История искусственного интеллекта.
- •Рождение искусственного интеллекта (1956 год)
- •Ранний энтузиазм, большие ожидания (период с 1952 года по 1969 год)
- •Столкновение с реальностью (период с 1966 года по 1973 год)
- •Лекция 2
- •Основные современные направления развития искусственного интеллекта
- •1.6. Основные понятия о знаниях.
- •1.7. Выводы по 1-ой главе:
- •Контрольные вопросы и задание
- •Лекция 3
- •Глава 2 Онтологическая инженерия описания предметной области.
- •2.1. Понятие онтологии.
- •2.2. Теория множеств - математический аппарат описания онтологии.
- •2.2.1. Основные понятия и определения.
- •Лекция 4
- •2.2.2.Операции над множествами
- •2.2.3. Декартово произведение множеств
- •2.2.4. Отношения и их свойства.
- •2.3. Предметы, свойства и отношения предметной области.
- •Лекция 5
- •2.4. Понятие цели
- •2.5. Методика решения задач.
- •2.6. Понятие модели.
- •2.7. Методика построения онтологии.
- •2.8. Выводы по 2-ой главе.
- •2.9. Контрольные вопросы и задание.
- •Лекция 6
- •Глава3 Представление и вывод знаний в системах искусственного интеллекта на основе логических моделей.
- •3.1. Основы математической логики
- •3.1.1. Классификация и определение логик, алгебр, исчислений, теорий.
- •3.1.2.Традиционная логика.
- •Лекция 7
- •3.1.3.Логика, алгебра и исчисление высказываний.
- •3.1.4. Логика, алгебра и исчисление предикатов
- •Лекция 8
- •3.1.5. Формальные методы вывода решений в аксиоматических теориях.
- •3.1.6. Приведение формул исчисления предикатов к дизъюнктам Хорна.
- •4. Исключение кванторов существования.
- •3.2. Логическая модель представления знаний.
- •3.3. Вывод в системах искусственного интеллекта с логическим представлением знаний.
- •3.3.1. Правило резолюции.
- •Стратегия полного перебора.
- •Стратегия опорного множества.
- •3. Линейная по входу стратегия.
- •3.4. Выводы по 3-ой главе.
- •Контрольные вопросы и задание.
- •Лекция 9
- •Глава 4 Представление и вывод знаний в системах искусственного
- •Элементы теории графов
- •4.1.1. Способы задания графов.
- •1. Графический
- •2. С помощью матрицы инцидентности.
- •3. С помощью списка ребер.
- •4. С помощью матрицы смежности.
- •4.1.2. Задачи, решаемые с помощью графов.
- •Задача поиска наикратчайшего пути на графе.
- •Транспортная задача.
- •Задача о назначении (задача коммивояжера).
- •Задача о назначении работ.
- •Лекция 10
- •4.2. Представления знаний в виде семантических сетей.
- •4.3. Вывод в системах искусственного интеллекта с представлением знаний в виде семантических сетей.
- •Выводы по 4-ой главе.
- •Контрольные вопросы и задание.
- •Лекция 11
- •Глава 5. Представление и вывод знаний в системах искусственного интеллекта на основе фреймовых моделей.
- •5.1. Представления знаний в виде фреймов
- •5.2. Вывод в системах искусственного интеллекта с фреймовым
- •Выводы по 5-ой главе.
- •5.4. Контрольные вопросы и задание.
- •Лекция 12
- •Глава 6. Представление и вывод знаний в системах искусственного интеллекта на основе продукционных моделей.
- •Представление знаний в виде в виде системы продукций.
- •6.2. Продукционные системы
- •6.3. Прямой и обратный вывод в продукционных системах.
- •Лекция 13
- •6.4. Пример работы продукционной системы.
- •6.5. Выводы по 6-ой главе
- •6.6. Контрольные вопросы и задание
- •Лекция 14
- •Глава 7. Представление и вывод неопределённых знаний в системах искусственного интеллекта
- •Представление и вывод при нечётких знаниях.
- •7.1.1. Определение нечёткого множества.
- •7.1.2. Операции над нечёткими множествами.
- •Лекция 15
- •7.1.3. Нечёткие отношения.
- •Формальные методы вывода решений в нечёткой логике.
- •Лекция 16
- •7.2.Представление и вывод при неполных знаниях.
- •Вероятностный подход к представлению неопределённых знаний.
- •Определения и виды вероятности
- •Аксиомы вероятностей
- •Лекция 17
- •7.2.4. Формальные методы вывода решений при вероятностном подходе.
- •7.2.5. Правило Байеса и его использование.
- •Байесовская сеть представления и вывода вероятностных знаний.
- •Другие способы представления и вывода неопределённых знаний.
- •Выводы по 7-ой главе
- •7.5. Контрольные вопросы и задание.
- •Литература
2.8. Выводы по 2-ой главе.
1. Онтология представляет собой точную (выраженную формальными средствами) спецификацию концептуализации ПрО. На метауровне онтология является разновидностью сетевой модели знаний о ПрО.
2. Онтологии как способ представления знаний обеспечивают их согласование и интеграцию. Они позволяют зафиксировать согласованные интерпретации применяемых терминов. В этом плане важную роль играют механизмы интеграции онтологий.
З. К основным задачам, решаемым с помощью онтологий, относятся создание и использование БЗ, организация семантического поиска в БД, БЗ и Internet, реализация механизмов рассуждений для различных классов ИАС, представление смысла в метаданных об ИР и др.
4. Выделяют три уровня онтологий: общие (верхнего уровня), предметные и задачные.
5. Процесс разработки онтологий регламентирован стандартом IDEF5.
6. В настоящее время известно несколько методологий создания онтологий, поддерживаемых соответствующими языковыми и инструментальными средствами (например, Ontology Design Environment, Smarter Knowledge Suite и др.). Однако ни одна из них не достигла уровня стандарта де-факто.
7. К числу наиболее значимых международных проектов создания онтологий верхнего уровня относятся проекты Сус и GUM.
8. Проведенный анализ показывает, что онтологические технологии активно развиваются и находят все новые области применения. Их главное назначение — повышение уровня интеллектуальности различных классов ИС за счет отражения семантики представляемых в их БД понятий, атрибутов и отношений. Это способствует превращению БД в Б3, в которых можно вести поиск по смыслу, а также выводить на их основе новые знания, изначально не представленные в них в явном виде.
2.9. Контрольные вопросы и задание.
2.9.1. Что понимается под концептуализацией?
2.9.2. Охарактеризуйте различные интерпретации понятия «онтология».
2.9.3. Какие основные классы задач решаются с использованием онтологий?
2.9.4. Какова роль онтологий в методах поиска информации по смыслу (в том числе при поиске в Internet)?
2.9.5. Как используются онтологии в БЗ?
2.9.6. Как используются онтологии для представления смысла в метаданных об ИР?
2.9.7. Что может обеспечить онтология в ИАС, поддерживающей взаимодействие множества специалистов?
2.9.8. Какова роль онтологий в CALS-технологиях?
2.9.9. Как представляется модель онтологии?
2.9.10. Каким видам ИС соответствуют граничные варианты модели онтологии?
2.9.11. Что такое модель расширенной онтологии? Охарактеризуйте ее компоненты.
2.9.12. Какие этапы построения онтологии предусмотрены стандартом IDEF5?
2.9.13. Для чего предназначены языки SL и EL?
2.9.14. Какие типы диаграмм предусмотрены в IDEF5?
2.9.15. Каково назначение онтологий верхнего уровня? Приведете примеры таких онтологий.
2.9.16. Каково назначений онтологий предметного уровня? Приведете примеры таких онтологий.