- •Интеллектуальные информационные системы
- •230201 - Информационные системы и технологии
- •080801 - Прикладная информатика в экономике
- •Оглавление
- •1. Введение в интеллектуальные информационные системы
- •1.1. Предмет исследования искусственного интеллекта
- •1.2. Определение иис
- •1.3. Искусственный интеллект и интеллектуальное поведение
- •1.4. Определения, используемые в дисциплине иис
- •1.5. Исторический обзор работ в области ии
- •Доказательство теорем.
- •Распознавание изображений.
- •Экспертные системы.
- •Машинный перевод и понимание текстов на естественном языке.
- •Игровые программы.
- •Машинное творчество.
- •1.6. Кратко о развитии робототехники
- •1.7. Области коммерческого использования искусственного интеллекта
- •1.8. Иис других типов
- •1.9. Интеллектуальные агенты
- •1.10. Примеры иис
- •2. Системы представления знаний
- •2.1. Фреймы
- •2.2. Исчисления предикатов
- •2.3. Системы продукций
- •2.4. Семантические сети
- •2.5. Нечеткая логика
- •3. Методы поиска решений
- •3.1. Методы поиска решений в пространстве
- •3.2. Алгоритмы эвристического поиска
- •Алгоритм наискорейшего спуска по дереву решений
- •Алгоритм оценочных (штрафных) функций
- •Алгоритм минимакса
- •Альфа-бета-процедура
- •3.3. Методы поиска решений на основе исчисления предикатов
- •3.4. Задачи планирования последовательности действий
- •3.5. Поиск решений в системах продукций
- •4. Распознавание изображений
- •4.1. Общая характеристика задач распознавания образов и их типы.
- •4.2. Основы теории анализа и распознавания изображений.
- •4.2. Распознавание по методу аналогий.
- •4.3. Актуальные задачи распознавания
- •5. Общение с эвм на естественном языке. Системы речевого общения
- •5.1. Проблемы понимания естественного языка
- •5.2. Анализ текстов на естественном языке
- •Морфологический анализ
- •Синтаксический анализ
- •Семантическая интерпретация
- •Проблемный анализ
- •5.3. Системы речевого общения
- •6. Методология построения экспертных систем
- •6.1. Экспертные системы: Определения
- •6.2. Основные компоненты эс
- •6.3. Типы решаемых задач эс:
- •6.4. Ограничения и недостатки эс:
- •6.5. Обобщенная схема эс
- •6.6. Экспертные системы: классификация
- •6.7. Трудности при разработке экспертных систем
- •6.8. Методология построения экспертных систем
- •6.9. Примеры экспертных систем
- •7. Практическая разработка экспертных систем в среде clips
- •7.1 Постановка задачи
- •7.2. Основы программирования в системе clips
- •7.3. Программирование в clips экспертной системы управления технологическим процессом
4.2. Распознавание по методу аналогий.
Этот метод очень хорошо знаком студентам (знание решения аналогичной задачи помогает в решении текущей задачи).
Рассмотрим
этот метод
на примере задачи П. Уинстона [5]
по поиску геометрических аналогий,
представленном на рис.
4.4. Среди
фигур второго ряда требуется выбрать
X
{1,
2, 3, 4, 5}
такое, что A
так соотносится с B,
как C
соотносится с X,
и такое, которое лучше всего при этом
подходит. Для решения задачи необходимо
понять, в чем разница между фигурами A
и B
(наличие/отсутствие жирной точки), и
после этого ясно, что лучше всего для C
подходит X=3
.
Решение таких задач предполагает описание изображения и преобразования (отношения между фигурами на изображениях), а также описание изменения отдельных фигур, составление правил и оценка изменений.
Рис.
4.4. Задача
поиска геометрических аналогий
В качестве примера запишем три правила, показывающие, каким образом одно изображение (исходное) становится результирующим (рис. 4.5).
Правило 1 (исходное изображение):k выше m,k выше n,n внутри m
Правило 2 (результир. изображение):n слева m
Правило 3 (масшабирование, повороты):
kисчезло
mизменение масштаба 1:1, вращение 00
nизменение масштаба 1:2, вращение 00
Рис.
4.5. Правила
преобразования
Отметим важные моменты при таких преобразованиях. В исходном и результирующем изображениях допускаются отношения ВЫШЕ, ВНУТРИ, СЛЕВА, В результате преобразования изображение может стать МЕНЬШЕ, БОЛЬШЕ, испытать ПОВОРОТ или ВРАЩЕНИЕ, ОТРАЖЕНИЕ, УДАЛЕНИЕ, ДОБАВЛЕНИЕ. Написание правил лучше всего начинать с проведения диагональных линий через центры фигур. Лишние отношения (СПРАВА ОТ и СЛЕВА ОТ, ВЫШЕ и НИЖЕ, ИЗНУТРИ и СНАРУЖИ,) использовать не рекомендуется.
Теперь
задачи распознавания мы можем решать
достаточно просто, записав для отношений
правила 1, 2, 3 и проведя сопоставление,
например так, как это сделано для
следующей задачи: найти X
такое, что A
B
, как C
X
(рис.
4.6).
Рис.
4.6. Пример
распознавания по аналогии
Правило 1 Правило 2 Правило 3 Результат
A
B
kвыше
m kслева
m k,
m
масштаб 1:1 поворот 00
C
1
xвыше
y yвыше
x x,
y
масштаб 1:1 поворот 00
C
2
xвыше
y yслева
x x,
y
масштаб 1:1 поворот 00
C
3
xвыше
y xслева
y x,
y
масштаб 1:1 поворот 00
Сопоставление успешно
Дополнительно следует отметить, что разные виды преобразований могут иметь различные веса, например, исчезновению фигуры целесообразно назначить больший вес, чем преобразованию масштаба; а вращение фигуры может иметь меньший вес, чем отражение. С этими особенностями можно будет познакомиться в упражнениях к данной лекции.
Методы распознавания по аналогии могут быть эффективнее, если используется обучение. Различают обучение с учителем, обучение по образцу (эталону) и др. виды обучения [2], [5]. Суть идеи такова. Программе распознавания предъявляется объект, например, арка. Программа создает внутреннюю модель:
(арка
(компонент1 (назначение (опора))
(тип (брусок)))
(компонент2 (назначение (опора))
(тип (брусок)))
(компонент3 (назначение (перекладина))
(тип (брусок))
(поддерживается (компонент1), (компонент2)))
После этого предъявляется другой объект и говорится, что это тоже арка. Программа вынуждена дополнить свою внутреннюю модель:
(арка
(компонент1 (назначение (опора))
(тип (брусок)))
(компонент2 (назначение (опора))
(тип (брусок)))
(компонент3 (назначение (перекладина))
(тип (брусок) или (клин) )
(поддерживается (компонент1), (компонент2)))
После такого обучения система распознавания будет узнавать в качестве арки как первый, так и второй объект.
