• 39. Фреймы. Структура. Технология разработки. Пример формирования модели на основе фреймов и получения от неё знаний.

Под фреймом понимается структурированные единицы знаний, состоящие из слотов, каждый из которых содержит информацию об объекте или понятии. Удобны для описания объектов с множеством атрибутов и при наличии некоторой иерархии.

Структура фрейма: 1. имя (уникальное по отношению к другим фреймам)

2. свойства (которые делятся на слоты)

Каждый слот имеет имя,значение (могут повторяться)

3. родитель (фрейм обеспечивающий передачу свойств по наследству, не обязателен)

Ход построения: 1. Описание ситуации - текст.

2. Формирование поля знаний - выделяем объекты, свойства.

3. Формируем фреймы.

4. Создаем иерархию - анализ общих свойств, формирование родительского фрейма

Виды фреймов:

Прототипы (образцы: какие рестораны есть, кто посетители).

Роль (наследники содержащие все слоты своих родителей, они явно прописываются только в случае изменения какого-либо параметра).

Ситуации (заказ, оплата).

Сценарии (посещение магазина).

Фреймовая модель:

• наглядность, гибкость

• трудоемкость разработки, отсутствие универсальной процедуры управления выводом, кроме наследования

Фреймы эффективны в БЗ, если присутствует иерархия (родители). При этом, иерархические связи могут быть без циклов (дерево) и с циклами (сеть). Во втором случае целесообразно провести кодировку фреймов, чтобы фиксировать маршрут от корня («первородителя») до листа (т.е фрейма – решения).

Модель фреймов неэффективна в БЗ, если отсутствует иерархия. В этом случае поиск решения предполагает перебор всех фреймов.

Наследование заимствуется из семантических сетей (АКО-связи: связях типа «является разновидностью»). Свойства родительского фрейма наследуются, но могут быть частично переопределены. Можно разделить свойства фрейма на наследуемые и ненаследуемые.

Пример: в сети фреймов на рис. понятие "ученик" наследует свойства фреймов "ребенок" и "человек. Так, на вопрос: "Любят ли ученики сладкое?" Следует ответ: "Да", т.к этим свойством обладают все дети, что указано во фрейме "ребенок". Наследование свойств может быть частичным, так, возраст для учеников не наследуется из фрейма "ребенок", поскольку указан явно в своем собственном фрейме.

• 40. Продукционные модели знаний. Технология разработки. Варианты вывода. Когда продукционная модель начинает искажать исходные данные? Пример формирования продукционной модели и получения от нее знаний.

• Продукционная модель устанавливает причинно-следственные связи и записывается в виде правил, состоящих из условий и действий, позволяет представить знания в виде предложений типа: Если (условие), то (действие).

• легкость внесения изменений, простоты вывода, универсальная и соответствует выбору в БЗ ЭС или АА (т.е, когда нужно осуществить выбор)

• при большом объеме появление противоречий

При использовании продукционной модели, БЗ состоит из набора правил. Программа, управляющая перебором правил, называется машиной вывода. Чаще всего вывод бывает прямой (от данных к поиску цели) или обратный (от цели для ее подтверждения — к данным).

Данные — исходные факты, на основании которых запускается машина вывода.

Пример: Имеется фрагмент БЗ из двух правил:

П1: Если "отдых летом" и "человек активный", то "ехать в горы".

П2: Если "любит солнце", то "отдых летом".

Предположим, в систему поступили данные — "человек активный" и "любит солнце".

Прямой вывод — исходя из данных, получить ответ.

1-й проход: Шаг 1. Пробуем П1, не работает (не хватает данных "отдых летом").

Шаг 2, Пробуем П2, работает, в базу поступает факт "отдых летом".

2-й проход: Шаг 3. Пробуем ГЦ, работает, активируется цель "ехать в горы", которая и выступает как

совет ЭС.

Обратный вывод — подтвердить выбранную цель при помощи имеющихся правил и

данных.

1-й проход: Шаг 1. Цель — "ехать в горы": пробуем П1— данных "отдых летом" нет, они

становятся новой целью, и ищется правило, где она в правой части.

Шаг 2. Цель "отдых — летом": П2 подтверждает цель и активирует ее.

2-й проход: Шаг 3. Пробуем П1, подтверждается искомая цель.

Когда продукционная модель начинает искажать исходные данные

Когда она начинает полностью базироваться на правилах и чтоб довести ее до ума мы додумываем что-то.

Ход построения:

1. Описание ситуации - текст

2. Формирование поля знаний - выделяем условия и действия

3. Формируем предложения - первоначальный вариант

4. Преобразование полученного порядка действий, установление взаимосвязей - продукционная модель в виде полных предложений.

5. Представление знаний в виде фактов, действий и продукций

6. Формирование схемы

Графически может быть эквивалентна дереву (графу) либо семантике (с циклами) либо из набора отдельных частей, не связанных – «кустов».

7. Для проверки правильности построения продукций записать цепочки продукций, явно проследив связи между ними.

Н овые знания из такой модели можно получить за счет объединения правил.

• вывод одного правила может становиться условием для другого;

• таким образом формируется последовательный логический вывод;

• система получает знания, которых не было явно задано.

41. Обобщенная структура экспертной системы. Назначение и требование для каждого элемента структуры. Кто и с какой целью взаимодействует с элементами структуры ЭС?

Экспертные системы (ЭС) — программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и тиражирующие эти знания пользователям.

П ользователь — специалист предметной области, для которого предназначена система. Обычно его квалификация недостаточно высока, поэтому он нуждается в помощи и поддержке своей деятельности со стороны ЭС.

ИП (интерфейс пользователя) - комплекс программ, обеспечивающий диалог с пользователем, задаёт вопросы и принимает ответы.

Взаимодействие: Передаёт данные от пользователя в систему и обратно.

БЗ (База знаний) - база, содержащая знания эксперта, представленные в форме, выбранной для этого моделью знаний. Знания в БЗ упорядочены (заходим в одну точку и двигается).

Это ядро ЭС, совокупность знаний предметной области, записанная на машинный носитель в форме, понятной эксперту и пользователю. Параллельно такому «человеческому» представлению существует БЗ во внутреннем «машинном» представлении.

Взаимодействие: Заполняется аналитиком через ИРБЗ; используется решателем для вывода решений.

Решатель обеспечивает движение по модели знаний в результате диалога пользователя с ЭС, выполняет логический вывод на основе БЗ, генерируя результаты.

Его задача зависит от МЗ:

- Для дерева движение от корня (входа в систему) к листьям по узлам, соответствующим возрастанию уровня (решатель должен запоминать в каком узле находимся).

- Для семантики решатель должен фиксировать маршрут движения, а именно ветви (т.к в семантике несколько решений и возможны циклы, а в дереве – одно в листе), запоминая ответы на вопросы и узел, в котором находимся, что позволяет дать более широкое решение т.к. будет больше узлов учитываться.

- Для модели в виде фреймов, имеющих древовидную иерархию, фиксируется лишь фрейм, в котором находимся (1 путь).

- Для продукционной модели – если структура в виде древа – запоминаем текущий узел, если семантика – весь путь.

Взаимодействие: Получает данные от БЗ и ИП, передаёт информацию подсистеме объяснений.

Подсистема объяснений (ПО) нужна пользователю для формирования психологического комфорта при работе с ЭС. Объясняет ход рассуждений и выводов системы пользователю. Ответ на вопрос «как» — это трассировка всего процесса получения решения с указанием использованных фрагментов БЗ, т.е всех шагов цепи умозаключений. Ответ на вопрос «почему» — ссылка на умозаключение. Непосредственно предшествовавшее полученному решению, т.е отход на 1 шаг назад.

Взаимодействие: Передаёт результаты пользователю через ИП.

ИРБЗ (интеллектуальный редактор баз знаний) формирует МЗ для пользователя.

Взаимодействие: Аналитик уточняет информацию у эксперта и вносит её в БЗ.

Инженер по знаниям (аналитик) — специалист в области ИИ, выступающий в роли промежуточного буфера между экспертом и БЗ.

Итоги взаимодействия:

1. Пользователь взаимодействует с ЭС через ИП, вводит данные и получает ответы.

2. Аналитик использует ИРБЗ для обновления БЗ.

3. Эксперт предоставляет данные для формирования БЗ.

4. Решатель на основе БЗ и введенных данных обеспечивает логику вывода.

5. Подсистема объяснений разъясняет ход работы системы.

Пуста экспертная оболочка – есть вопросы-ответы, диалог, нет конкретики в знаниях (эксперт еще их не представил), но есть оболочка.