64. Классификация эс.

По степени сложности решаемых задач классифицируются ЭС:

1. по способу формирования решения: - анализирующие предполагают выбор решений из множества известных альтернатив, - синтезирующие – генерацию неизвестных решений

2. По способу учета временного признака

- статистические – решают задачи при неизменяемых в процессе решения данных и знаниях и осуществляют монотонное непрерывное решение задачи от ввода исходных данных до конечного результата

- динамические – допускают изменение в процессе решения данных и знаний и предусматривают возможность пересмотра в процессе решения полученных ранее результатов и данных.

3. по видам используемых данных и знаний

- системы с детерминированными/четко определенными знаниями

- с неопределененными. Под неопределенностью данных или знаний определяется их неполнота, недостоверенность, двусмысленность, нечеткость.

4. по числу использованных источников знаний

- с использованием одного источника

- с использованием множества источников

	Анализ	Синтез
Детерминированные знания	Классифицирующие системы	Трансформирующие	1 источник
Недетерминированные знания	Доопределяющие	Многоагентные	Множество источников
	Статистический	Динамический

64. Инструментальные средства разработки эс.

Виды инструментальных средств: программные оболочки, генераторы (интегрированные среды) и языки представления знаний. Оболочки (пустые ЭС) имеют реализованные механизмы вывода, накопления, объяснения знаний, диалоговый компонент, что, ч одной стороны, упрощает разработку программной части ЭС поскольку не требуется программирование, а, с другой стороны, усложняет разработку базы знаний вследствие возможного не соответствия формализма системы требованиям структуры. Использование языков программирования повышает гибкость разрабатываемой системы, но одновременно увеличивает трудоемкость разработки. Наиболее приемлемыми инструментальными средствами для создания ЭС являются генераторы или интегрирующие средства разработки, которые позволяют настраивать программные средства на особенности проблемных областей, а при необходимости предоставлять возможность программировать на встроенных языках и осуществлять эффективный экспорт/импор данных с другими инструментальными средствами.

68 Системы, основанные на продукционных моделях представления знаний.

Продукционная модель знания — знания представляются совокупностью правил вида «Если (условие), то (действие)»- это правило называется продукцией.

В общем случае под продукцией понимается выражение след. вида I, Q,P,A->B N.

i-имя продукции; Q- характеризует сферу применения продукции, Ядро продукции A->B,

P- условие применимости ядра продукции. Обычно представляет собой логическое выражение как правило предикап. Когда Р истинно, ядро продукции активизируется;

N- описывает постусловие продукции- активируется в том случае, если ядро продукции реализовалось и описывает действия или процедуры, которые необходимо выполнить после реализации ядра.

В зависимости от того, как реализуется импликация ядра продукции делятся на :

1. Детерминированные- импликация реализуется с необходимостью, т.е. при актуализации ядра и при выполнении А правая часть выполнится обязательно.

2. Недетерминированные- И может выполняться или не выполняться.

Семантическая есть — информационная модель предметной области, имеющая вид ориентированного графа, вершины которого соответствуют объектам предметной области, а дуги (рёбра) задают отношения между ними. Объектами могут быть понятия, события, Свойства, процессы. Таким образом, семантическая сеть является одним из способов представления знаний.

Фрейм— способ представления знаний в Искусственном интеллекте, представляющий собой схему действий в реальной ситуации.

Фрейм – минимально возможное описание сущности какого либо явления , события, ситуации, процесса или объекта.

Первоначально термин «фрейм» ввёл Марвин Минский в 70-е годы XX века для обозначения структуры знаний для восприятия пространственных сцен. Фреймы используются в системах Искусственного интеллекта (например, в экспертных системах) как одна из распространенных Форм представления знаний.

Логическая модель представления знаний — модель в представлении знаний.

Основная идея подхода при построении логических моделей представления знаний — вся Информация, необходимая для решения прикладных задач, рассматривается как совокупность фактов и утверждений, которые представляются как формулы в некоторой логике. Знания отображаются совокупностью таких формул, а получение новых знаний сводится к реализации процедур логического вывода. В основе логических моделей представления знаний лежит понятие формальной теории, задаваемое кортежем: S = < B,F,A,R >, где:

В — счетное множество базовых символов (алфавит);

F — множество, называемое формулами;

А — выделенное подмножество априори истинных формул (аксиом);

R — конечное множество отношений между формулами, называемое правилами вывода.