- •Введение
- •1. Искусственный интеллект в роботах
- •1.1. Обеспечение взаимодействия системы управления с человеком
- •1.2. Схема интеллектуального управления в робототехнических комплексах
- •1.3. Интеллектуальное программирование и интеллектуальный интерфейс
- •1.4. Организация интеллектуальных систем
- •2. Экспертные системы
- •2.1. Структура экспертных систем
- •2.2. Технология разработки экспертных систем
- •2.3. Механизм вывода в экспертных системах
- •2.4. Методы поиска решений в экспертных системах
- •2.5. Поиск в одном пространстве состояний
- •2.6. Поиск решения методом редукции
- •2.7. Поиск решения во множестве факторизованных пространств
- •2.8. Поиск в фиксированном множестве пространств
- •2.9. Поиск в изменяющемся множестве пространств (метод нисходящего уточнения)
- •2.10. Поиск в альтернативных пространствах
- •2.11. Поиск с использованием нескольких моделей
- •3. Представление знаний в системах
- •3.1. Продукционные системы
- •3.2. Системы поиска на основе классической логики
- •3.3. Использование логики предикатов первого порядка при представлении знаний
- •3.4. Использование фреймов при представлении данных
- •3.5. Семантические сети
- •4. Нейронные сети в системах искусственного интеллекта
- •4.1. Области применения нейронных сетей
- •4.2. Персептронные нейронные сети
- •4.3. Обучение персептронных сетей
- •4.4. Сети встречного распространения
- •4.5. Обучение нейронных сетей методом обратного распространения ошибки
- •4.6. Обучение без учителя
- •4.7. Сети без обучения
- •4.8. Нейронные сети с радиальными базисными функциями (вероятностные сети)
- •4.9. Коллективы нейронных сетей
- •4.10. Аппаратно-программные средства реализации нейронных сетей для задач робототехники
- •2. Использование сетей для распознавания речи
- •3. Использование сетей для формирования законов управления
- •5. Методы нечеткой логики в интеллектуальных системах
- •5.1. Логические операции над нечеткими множествами
- •5.2. Получение выводов в нечеткой логике
- •5.3. Алгоритмы поиска решения в нечеткой логике
- •Заключение
- •Библиографический список
- •394026 Воронеж, Московский просп., 14
3.3. Использование логики предикатов первого порядка при представлении знаний
При представлении знаний в логике предикатов используются следующие понятия:
Индивидные символы или константы a, b, c,... Константы соответствуют отдельным признакам объектов предметной области.
Переменные x, y, z,... означают признаки, которые могут принимать разные значения.
Функциональные символы f, φ,... используются для объединения признаков, которыми могут быть константы или переменные.
Предикатные символы P, Q, T,... используются для обозначения логических функций и объединяют константы, переменные и функциональные символы логическими связками.
Логические функции, обозначаемые предикатными символами, принимают значение 0, 1 (И, Л). Таким образом, расширение классической логики до логики предикатов заключается в том, что символы, которые в классической логике рассматриваются как единое неделимое понятие, в логике предикатов заменяются логическими функциями многих аргументов. Если в классической логике интерпретация формулы состоит в получении фиксированных значений И, Л, то в логике предикатов интерпретация формулы есть некоторые множества, состоящие из предикатных символов, которые объединяют признаки предметной области в виде констант и переменных могут иметь множественные значения.
Для представления формул в логике предикатов помимо основных логических связок используются дополнительные символы объединения переменных и предикатных символов.
31
Эти связки называются кванторами. В основном используются два вида кванторов:
1. xP(x) – квантор всеобщности, означает, что для всех X функция P истинна.
2. xP(x) – квантор существования, означает, что существуют такие X, для которых P истинна.
Для получения логического вывода в логике предикатов используются преобразования формул, которые выполняются в следующей последовательности с использованием вышеприведенных законов преобразования формул в классической логике:
Исключение связок эквивалентности и импликации;
Подстановка переменных для того, чтобы область действия кванторов распространялась только на одну переменную;
Исключение кванторов существования;
Применение преобразования логических связок до получения КНФ;
Исключение из КНФ кванторов всеобщности.
3.4. Использование фреймов при представлении данных
Для описания предметной области можно выделить некоторые характерные ситуации, содержащие фиксированный набор признаков.
Фрейм – информационный модуль, содержащий набор данных, адекватных ситуациям.
Таким образом, предметная область содержит группу фреймов по числу конкретных ситуаций. Фреймы имеют установленную структуру, которая включает в себя имена слотов, значения слотов и присоединенные процедуры.
Слот – единица информации фрейма, которая содержит данные, относящиеся к отдельному признаку.
Имя слота – указатель на эту группу данных.
Присоединенные процедуры указывают на то, как использовать данные фрейма и на связи этого фрейма с другими.
32
Последовательность работы фреймовых структур следующая:
Создаются фреймы – шаблоны, которые содержат описание ситуации;
При работе в реальной области берутся заготовки (шаблоны) и заполняются информацией, полученной из предметной области;
Проводится сопоставление полученного фрейма шаблону. При совпадении полученного описания с шаблоном признается факт распознавания. При несовпадении выполняется переход на другой фрейм в соответствии с присоединенными процедурами. Таким образом, выполняется перебор всех выбранных шаблонов до получения положительного заключения о распознавании ситуации, т.е. до совпадения фрейма-шаблона с формируемыми на основании данных из предметной области.