3к6с Интеллектуальные системы и технологии / С ИОС / МУ ПР2

1

ПРАКТИЧЕСКАЯ РАБОТА № 2

ПРИНЦИПЫ ПОСТРОЕНИЯ БАЗЫ ЗНАНИЙ ДЛЯ ПРЕДМЕТНОЙ

ОБЛАСТИ

Цель работы: изучение принципов построения базы знаний для продукционных моделей представления знаний, изучение и реализация механизмов приобретения знаний.

В процессе выполнения лабораторной работы студент должен решить следующие задачи:

-представить модель ПО в виде продукционной модели, т.е. построить базу правил (продукционную базу знаний) для предметной области задачи;

-реализовать систему хранения информации для базы знаний;

-реализовать механизм приобретения знаний;

-реализовать механизмы вывода и принятия решений на основе разработанной базы знаний.

ОСНОВНЫЕ ПОНЯТИЯ

1. Понятие знания.

Знания в общеупотребительном смысле - это, с одной стороны, сведения,

осведомленность в какой-либо области, с другой стороны – проверенный практикой результат познания действительности, ее «правильное» отражение в сознании человека. В соответствии с концепцией баз знаний, под термином знания в искусственном интеллекте понимают совокупность специализированных

(ориентированных на решение многих задач из ограниченной предметной области)

фактов, правил их обработки, условий применения правил к конкретным фактам,

методов получения новых фактов и способов организации процесса логического вывода.

Знания отличаются от данных рядом существенных свойств:

2

-единицей обрабатываемой информации является факт, а не запись

данных;

-знания обладают внутренней интерпретируемостью – понимание смысла, семантики информационных единиц обеспечивается внутри модели, а не только в сознании исследователя;

-знания обладают активностью – появление новых фактов в системе приводит к инициации процедур, обрабатывающих уже известные системе факты, т.

е. данные управляют программой;

- знания обладают связностью – между фактами и правилами имеется возможность установления функциональных, каузальных, структурных,

семантических отношений, отношений эквивалентности (подобия, тождества),

противоположности и др.;

2.База данных.

База данных - организованная в соответствии с определѐнными правилами и поддерживаемая в памяти компьютера совокупность данных, характеризующая актуальное состояние некоторой предметной области и используемая для удовлетворения информационных потребностей пользователей.

Отличия баз знаний от баз данных:

Базы данных:

-могут работать с однородными данными

-представляет собой жестко структурированную модель

-данные представлены в виде набора записей

Базы знаний:

-могут содержать разнородные и разнотипные данные

-представляют собой открытую модель

-знания представлены в виде семантической сети

3. Базы знаний

База знаний, БЗ (англ. Knowledge base, KB) - это особого рода база данных,

разработанная для управления знаниями (метаданными), то есть сбором, хранением,

3

поиском и выдачей знаний. Раздел искусственного интеллекта, изучающий базы знаний и методы работы со знаниями, называется инженерией знаний.

Под базами знаний понимает совокупность фактов и правил вывода,

допускающих логический вывод и осмысленную обработку информации. Например,

в языке Пролог, базы знаний описываются в форме конкретных фактов и правил логического вывода над базами данных и процедурами обработки информации,

представляющих сведения и знания о людях, предметах, фактах событиях и процессах в логической форме.

4. Применение баз знаний

Простые базы знаний могут использоваться для создания экспертных систем и хранения данных об организации: документации, руководств, статей технического обеспечения. Главная цель создания таких баз — помочь менее опытным людям найти существующее описание способа решения какой-либо проблемы предметной области.

Онтология может служить для представления в базе знаний иерархии понятий и их отношений. Онтология, содержащая еще и экземпляры объектов не что иное,

как база знаний.

Системы основанные на знаниях реализуются на базе следующих интеллектуальных алгоритмов:

-экспертные системы;

-нейронные сети;

-нечѐткая логика;

-генетические алгоритмы.

ТЕХНОЛОГИЯ РАБОТЫ

В данной лабораторной работе предлагается реализация базы знаний на основе СУБД MS ACCESS. Эта СУБД является нативной для ОС Windows и язык

C# имеет достаточно гибкие возможности для работы с такой СУБД.

4

Пример структуры базы данных, реализованной в СУБД MS ACCESS

представлен на рисунке 1.

Рисунок 1 — структура базы данных

Для работы с СУБД MS ACCESS существует класс OleDb находящийся в пространстве имѐн System.Data.*.

Ниже представлен исходный код программы на языке C# позволяющий установить соединение с БД и произвести выборку данных из таблицы.

using System;

using System.Collections.Generic; using System.ComponentModel; using System.Data;

using System.Drawing; using System.Text;

using System.Windows.Forms; using System.Data.OleDb;

namespace db

{

public partial class Form1 : Form

{

OleDbConnection cn;

OleDbCommand cm;

OleDbDataAdapter da;

DataTable dt;

public Form1()

{

InitializeComponent();

}

private void button1_Click(object sender, EventArgs e)

{

cn = new OleDbConnection("Provider=Microsoft.Jet.OLEDB.4.0;Data Source=my.mdb"); cn.Open();

cm = new OleDbCommand("SELECT * FROM table1", cn); using (var reader = cm.ExecuteReader())

{

5

var lists = new List<object[]>(); int i = 0;

String str = ""; while (reader.Read())

{

i++;

var arr = new object[10]; arr[0] = reader[0]; arr[1] = reader[1]; arr[2] = reader[2]; arr[3] = reader[3]; lists.Add(arr);

}

textBox1.Text = lists.ToArray()[0][1].ToString();

}

}

}

}

Для реализации более сложных запросов можно составить запрос на языке

SQL и воспользоваться функцией OleDbCommand() передав в неѐ непосредственно сам запрос. Выборка данных осуществляется в соответствующий двумерный массив. Первый индекс массива соответствует номеру записи в таблице (строке),

второй индекс соответствует номеру столбца в строке.

Пример возможного интерфейса пользователя представлен на рисунке 2.

Такой интерфейс позволяет запросить у пользователя неограниченное количество фактов предметной области и после обработки сделать прямой логический вывод.

6

Рисунок 2 — Пример пользовательского интерфейса

Так же необходимо разработать модуль, реализующий систему приобретения знаний.

Приобретение знаний - способ автоматизированного построения базы знаний посредством диалога эксперта и специальной программы, изначально ориентированной на конкретный способ представления знаний.

Например, если в результате одного и того же логического вывода постоянно встречается факт, отсутствующий в текущей базе знаний, то его необходимо добавить как истинный.

При выборе предметной области требуется разработать совокупность правил,

обеспечивающих порождение фактов. При разработке правил должна быть предусмотрена возможность построения цепочки логического вывода. Это значит,

что порождаемые факты должны быть подразделены на два вида: во-первых,

терминальные факты; во-вторых, факты обеспечивающие порождение новых фактов, т.е. порождающие. В том случае, если порождаемый факт является порождающим, обеспечивается объединение двух правил в цепочку.

Таким образом, в результате выполнения лабораторной работы необходимо получить программное средство состоящее из следующих компонентов:

-ER-диаграмма

-база данных

-интерфейс пользователя

-модуль принятия решений

-модуль приобретения знаний.

7

ПРИЛОЖЕНИЕ 1

Примеры задач, предлагаемых для реализации на лабораторной работе.

1. Выбор программного обеспечения для ПК пользователя.

Входные данные:

1)цели использования ПК;

2)доступные ресурсы ПК;

3)пределы стоимости требуемых приложений.

2. Выбор тарифного плана данного оператора сотовой связи (например, МТС).

Входные данные:

1) какие вызовы преобладают:

-входящие;

-исходящие;

-на телефоны ГТС;

2)наличие абонентской платы;

3)размер абонентской платы;

4)другие услуги.

3. Выбор оператора сотовой связи.

Входные данные:

1)зона уверенного приема сигнала;

2)стоимость роуминга;

3)предоставляемые услуги SMS, MMS, WAP

4)тарифные планы.

4. Выбор оборудования для компьютерной сети.

Входные данные:

1)количество компьютеров в сети;

2)топология сети;

3)пределы стоимости требуемого оборудования.

8

5. Выбор программного обеспечения для предприятия.

Входные данные:

1) назначение:

­бухгалтерия;

­склад;

­……………………..

2)масштаб предприятия (количество подразделений, филиалов и т.п.);

3)пределы стоимости ПО.

6. Выбор пакета прикладных программ для решения задачи на ЭВМ.

Входные данные:

1) предметная область:

-экономика;

-статистика;

-физика;

-………………..

2) математическая модель (если есть):

- нелинейные уравнения;

- обыкновенные дифференциальные уравнения;

- дифференциальные уравнения в частных производных;

3) требуемый результат:

-таблицы значений;

-функциональные зависимости;

-графики;

-………………..

7. Выбор программного обеспечения для компьютерной сети.

Входные данные:

1)ресурсы оборудования (размеры памяти, быстродействие и т.п.);

2)требования разграничения доступа в сети;

3)фирма – производитель.

9

8. Выбор специальности для обучения в ВУЗе.

Входные данные:

1) предыдущее образование:

-профильный класс (физико-математический, естественно-научный и

т.п.);

- колледж (полученная специальность);

2) в какой сфере деятельности хотели бы работать после окончания ВУЗа

3) вид специальности, которую хотели бы получить:

4) результаты профориентационных тестов.

9. Анализ текущей успеваемости студентов на факультете.

Входные данные:

1)количество успевающих студентов;

2)количество студентов, имеющих более 50 % неудовлетворительных оценок

инезачетов;

3)данные студентов, имеющих более 50 % неудовлетворительных оценок и незачетов.

Выходные данные:

1) группы и дисциплины, по которым имеются низкие показатели успеваемости например, «в группе 02МОС(у) низкая успеваемость по дисциплине

«Системы искусственного интеллекта»

2) возможные причины низкой успеваемости, например («больше 50 %

студентов не прошли промежуточный контроль выполнения РГЗ»).

10. Анализ итогов сессии на факультете.

Входные данные:

10

-результаты итогов рейтингового контроля и сессии по группам. Выходные данные:

-возможные причины низкой успеваемости студентов, например «90 % студентов, не сдавших экзамен по высшей математике, по итогам рейтингового контроля № 2, имели по данному предмету оценки «3» и ниже»

11. Диагностика состояния здоровья студентов (на факультете, в ВУЗе). Входные данные:

1)количество пропусков по болезни;

2)наличие заболеваний определенного вида:

-дыхательных путей;

-опорно-двигательного аппарата;

-нарушения зрения;

-…………………………………….

3) длительность пропусков по болезни. Выходные данные:

1)возможные причины возникновения наиболее распространенных заболеваний среди студентов;

2)рекомендации по улучшению состояния здоровья студентов.

12. Анализ обеспеченности литературой учебного процесса

Входные данные:

1)наличие литературы в библиотеке;

2)потребности факультетов в учебной литературе;

3)финансовое обеспечение процесса закупки литературы; Выходные данные:

1)процент обеспеченности литературой для каждого факультета;

2) данные о том, литературы каких видов (справочники, учебники,

методические пособия) и по каким предметам недостаточно для обеспечения

учебного процесса.