
- •И.В. Романова Интеллектуальные подсистемы сапр
- •Оглавление
- •6. Представление знаний и процедуры выводов с помощью
- •Введение
- •Глава 1. Искусственный интеллект как научное направление
- •1.1. Что такое Искусственный интеллект
- •И как должна себя вести интеллектуальная система?
- •1.2. История развития ии
- •1.3. Направления исследований в области ии
- •Глава 2. Общие сведения о системах искусственного интеллекта
- •2.1. Обобщенная схема системы искусственного интеллекта
- •2.2. Этапы разработки систем искусственного интеллекта
- •Глава 3. Представление знаний
- •3.1. Данные и знания
- •3.2. Модели представления знаний
- •3.3. Продукционная модель
- •3.4. Логические модели
- •3.5. Семантические сети
- •3.6. Фреймовые модели
- •Глава 4. Вывод на знаниях
- •4.1. Машина вывода
- •4.2. Стратегии управления выводом
- •4.3. Прямой и обратный вывод
- •4.4. Методы поиска в глубину и ширину
- •4.5. Графы и/или
- •Глава 5. Нечеткие знания
- •5.1. Основы теории нечетких множеств
- •5.2. Операции с нечеткими знаниями
- •Глава 6. Представление знаний и процедуры выводов с помощью логики предикатов
- •6.1. Понятие формальной системы
- •6.2. Исчисление высказываний
- •6.3. Исчисление предикатов первого порядка
- •6.4. Доказательство методом резолюции
- •Глава 7. Прикладные интеллектуальные системы
- •7.1. Введение в экспертные системы. Определение и структура
- •7.2. Классификация систем, основанных на знаниях
- •7.3. Трудности разработки экспертных систем
- •Формирование базы знаний экспертной системы и механизма логического вывода
- •Глава 8. Способы интеллектуализации сапр
- •8.1. Архитектура интеллектуальных сапр
- •8.2. Основные концепции интеллектуальных caпp
- •Вопросы для контроля
- •Библиографический список
3.4. Логические модели
В основе моделей такого типа лежит понятие формальной системы. Постановка и решение любой задачи всегда связаны с ее «погружением» в подходящую предметную область. Так, решая задачу составления расписания обработки деталей на металлорежущих станках, мы вовлекаем в предметную область такие объекты, как конкретные станки, детали, интервалы времени, и общие понятия «станок», «деталь», «тип станка» и т. п. Все предметы и события, которые составляют основу общего понимания необходимой для решения задачи информации, называются предметной областью. Мысленно предметная область представляется состоящей из реальных или абстрактных объектов, называемых сущностями.
Сущности предметной области находятся в определенных отношениях друг к другу (ассоциациях), которые также можно рассматривать как сущности и включать в предметную область. Между сущностями наблюдаются различные отношения подобия. Совокупность подобных сущностей составляет класс сущностей, являющийся новой сущностью предметной области.
Отношения между сущностями выражаются с помощью суждений. Суждение это мысленно возможная ситуация, которая может иметь место для предъявляемых сущностей или не иметь места. В языке (формальном или естественном) суждениям отвечают предложения. Суждения и предложения также можно рассматривать как сущности и включать в предметную область.
3.5. Семантические сети
Термин семантическая означает смысловая, а сама семантика это наука, устанавливающая отношения между символами и объектами, которые они обозначают, т.е. наука, определяющая смысл знаков [5].
Семантическая сеть это ориентированный граф, вершины которого понятия, а дуги отношения между ними.
Понятиями обычно выступают абстрактные или конкретные объекты, а отношения это связи типа: «это» («is»), «имеет частью» («has part»), «принадлежит», «любит». Характерной особенностью семантических сетей является обязательное наличие трех типов отношений:
класс элемент класса (цветок роза);
свойство значение (цвет желтый);
пример элемента класса (роза чайная).
Можно ввести несколько классификаций семантических сетей. Например, по количеству типов отношений:
• однородные (с единственным типом отношений);
• неоднородные (с различными типами отношений). По типам отношений:
• бинарные (в которых отношения связывают два объекта);
• N-арные (в которых есть специальные отношения, связывающие более двух понятий).
Наиболее часто в семантических сетях используются следующие отношения:
• связи типа «часть-целое» («класс-подкласс», «элемент-множество» и т.п.);
• функциональные связи (определяемые обычно глаголами «производит», «влияет»,...);
• количественные (больше, меньше, равно...);
• пространственные (далеко от, близко от, за, под, над ...);
• временные (раньше, позже, в течение...);
• атрибутивные связи (иметь свойство, иметь значение...);
• логические связи (и, или, не) и др.
Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, соответствующей поставленному вопросу.
Пример. На рисунке изображена семантическая сеть. В качестве вершин понятия: Человек, Иванов, Волга, Автомобиль, Вид транспорта. Двигатель (рис. 2).
Рис. 2. Семантическая сеть
Основное преимущество этой модели в соответствии современным представлениям об организации долговременной памяти человека. Недостаток модели сложность поиска вывода на семантической сети.
Для реализации семантических сетей существуют специальные сетевые языки, например NET и др. Широко известны экспертные системы, использующие семантические сети в качестве языка представления знаний PROSPECTOR, CASNET, TORUS.