Вопросы для гос. Экзамена 2011 интеллектуальные информационные системы Яйлеткан а.А.
Общая характеристика ИИС как систем, базирующихся на знаниях. Классификация ИИС. Этапы создания ИИС.
Интеллектуальная информационная система(ИИС) - информационная система, основанная на концепции использования базы знаний для генерации алгоритмов решения прикладных задач различных классов.
Искусственный интеллект- представляет собой экспериментальную научную дисциплину, которая имеет тесную связь с науками о познании, ставит своей целью понять функционирование человеческого разума при представлении и уточнении моделей в области трудно формализуемых задач: нетрадиционного решения задач, доказательства теорем, рассуждений и суждений, распознания текстов и образов, планирования, и т.д.
Модели искусственного интеллекта обрабатывают информацию в виде знаний.
Знания– структурированные данные, которые описывают не только отдельные факты, но и взаимосвязи между ними.
Системы ИИ основаны на интеллектуально-логической модели предметной области. Это видно из того условия, что:
в системах ИИ необходимо использовать методы логических рассуждений и накопленные в опыте знания (экспертов);
системы ИИ должны уметь сами собирать информацию, хранитьи использовать ее только при наличии достаточных оснований.
Одними из основных исследований в области искусственного интеллекта являются:
Разработка интеллектуальных информационных систем (ИИС) или систем, основанных на знаниях.
Это одно из главных направлений ИИ. При построении систем, основанных на знаниях, используются знания, накопленные экспертами в виде конкретных правил решения. Осуществляется разработка моделей представления, извлечения и структурирования знаний. Изучаются проблемы создания баз знаний - ядро СОЗ.
Разработка естественно-языковых интерфейсов и машинный перевод.
Генерация и распознание речи( целях повышения скорости ввода информации в ЭВМ).
Обработка визуальной информации
Обучение и самообучение.
Распознавание образов.
Игры и машинное творчество. Сочинение компьютерной музыки, стихов, интеллектуальные системы для изобретения новых объектов.
Программное обеспечение систем ИИ.
Новые архитектуры компьютеров.
Интеллектуальные роботы- конечную цель робототехники (в настоящее время - программируемые манипуляторы с жесткой схемой управления - роботы первого поколения). Основными сдерживающими факторами в разработке автономных роботов являются нерешенные проблемы в области: интерпретации знаний, машинного зрения,адекватного хранения и обработки трехмерной визуальной информации.
Классификация:
ИИС с интеллектуальным интерфейсом (коммуникативные способности):
интеллектуальные базы данных (позволяют обеспечивать выборку необходимой информации, не присутствующей в явном виде, а выводимой из совокупности хранимых данных);
с естественно-языковым интерфейсом применяется для доступа к интеллектуальным БД, контекстного поиска, голосового ввода, машинного перевода;
гипертекстовые системы используются для реализации поиска по ключевым словам в БД с текстовой информацией, требует сложной семантической организации ключевых слов;
системы контекстной помощи относятся к классу систем распространения знаний и являются приложениями к документации (пользователь описывает проблему, которую система уточняет и выполняет поиск необходимых рекомендаций);
системы когнитивной графики ориентированы на общение с пользователем ИИС посредством графических образов, которые генерируются в соответствии с изменениями параметров моделируемых или наблюдаемых процессов.
Экспертные системы ( применяются для решения сложных, плохо нормализируемых задач, заменяет эксперта в той или иной области):
классифицирующие - решают задачи распознавания ситуаций путем дедуктивного логического вывода;
доопределяющие — используются для решения задач с не полностью определенными данными и знаниями (т.е. нечеткими) с использованием байесовского вероятностного подхода, коэффициентов уверенности, нечеткой логики;
трансформирующие — относятся к синтезирующим динамическим системам, в которых предполагается повторяющееся преобразование знаний в процессе решения задач (здесь используются генерация и проверка гипотез, логика предложений и умолчаний, метазнания);
мультиагентные — это динамические ЭС, основанные на интеграции нескольких разнородных источников знаний, между которыми осуществляется обмен получаемыми результатами в ходе решения задач.
Самообучающиеся системы (методы автоматической классификации из реальной практики или обучения на примерах )
индуктивные системы — позволяют обобщать примеры на основе принципа индукции «от частного к общему» (процедура обобщения сводится к классификации примеров по значимым признакам);
нейронные сети - обобщенное название группы математических алгоритмов, обладающих способностью обучаться на примерах, «узнавая» впоследствии черты встреченных образов и ситуаций;
системы, основанные на прецедентах — базы знаний, содержащие описания конкретных ситуаций (прецедентов) - в них допускается нечеткий поиск, они применяются для распространения знаний и в системах контекстной помощи;
информационные хранилища - это предметно-ориентированное, интегрированное, привязанное ко времени, неизменяемое собрание данных, применяемых для поддержки процессов принятия управленческих решений ( СППР ) (технологии извлечения знаний из хранилищ данных основаны на методах статистического анализа и моделирования, ориентированных на поиск моделей и отношений, скрытых в совокупности данных)
Адаптивные системы (поддерживаемые ими проблемные области постоянно развиваются, системы, приспосабливающиеся к изменеию данных, поступающих из внешней среды )
CASE-технологии предполагают разработку информационной системы на основе сформулированных требований;
инструментальные средства компонентного (сборочного) проектирования информационных систем (выполняется конфигурирование программ и только в редких случаях - их переработка).
Этапы создания ИИС:
Этап идентификации.Связан, прежде всего, с осмыслением тех задач, которые предстоит решить будущей ЭС, и формированием требований к ней. Результатом данного этапа является ответ на вопрос, что надо сделать и какие ресурсы необходимо задействовать (идентификация задачи, определение участников процесса проектирования и их роли, выявление ресурсов и целей). Идентификация задачи заключается в составлении неформального (вербального) описания, в котором указываются:
общие характеристики задачи;
подзадачи, выделяемые внутри данной задачи;
ключевые понятия (объекты), их входные (выходные) данные;
предположительный вид решения;
знания, относящиеся к решаемой задаче.
Этап концептуализации. На данном этапе выполняются:
содержательный анализ проблемной области;
выявление используемых понятий и их взаимосвязи;
определение методов решения задач.Этап завершается созданием модели предметной области, включающей основные концепты и отношения. На этапе концептуализации определяются следующие особенности задачи:
типы доступных данных;
исходные и выводимые данные;
подзадачи общей задачи;
используемые стратегии и гипотезы;
виды взаимосвязей между объектами ПО;
типы используемых отношений (иерархия, причина — следствие, часть — целое и т.п.);
процессы, используемые в ходе решения;
состав знаний, используемых при решении задачи;
типы ограничений, накладываемых на процессы, используемые в ходе решения;
состав знаний, используемых для обоснования решений.
Этап формализации. Определяются:
состав средств и способы представления декларативных и процедурных знаний;
осуществляется представление знаний;
формируется описание решения задачи ЭС на предложенном (инженером по знаниям) формальном языке.
Выход - описание того, как рассматриваемая задача может быть представлена в выбранном или разработанном формализме (способ представления, манипулирования и интерпретации знаний).
Этап выполнения. Создание одного или нескольких прототипов ЭС, решающих требуемые задачи. Затем на данном этапе по результатам тестирования и опытной эксплуатации создается конечный продукт, пригодный для промышленного использования.
Этап тестирования. производится оценка выбранного способа представления знаний в ЭС в целом. Для этого инженер по знаниям подбирает примеры, обеспечивающие проверку всех возможностей разработанной ЭС.
Источники неудач в работе системы:
тестовые примеры,
ввод-вывод,
правила вывода,
управляющие стратегии
Этап опытной эксплуатации. Проверяется пригодность ЭС для конечного пользователя. Пригодность ЭС для пользователя определяется в основном удобством работы с ней и ее полезностью. Под полезностью ЭС понимается ее способность в ходе диалога определять потребности пользователя, выявлять и устранять причины неудач в работе, а также удовлетворять указанные потребности пользователя (решать поставленные задачи).
Представление знаний в ИИС.
Данные- информация фактического характера, описывающей объекты, процессы и явления предметной области, а также их свойства.
Знания описывают не только отдельные факты, но и взаимосвязи между ними (структурированными данными). Знания представляют собой результат мыслительной деятельности человека, направленной на обобщение его опыта, полученного в результате практической деятельности.
Существуют два основных способа наделения знаниями программных систем:
поместить знания в программу, написанную на обычном языке программирования (здесь проблема пополнения знаний может стать неразрешимой);
базируется на концепции баз данных и заключается в вынесении знаний в отдельную категорию (БЗ легко пополняется и модифицируется).
Знания в ИИСсуществуютвследующихформах:
исходные знания (правила, выведенные на основе практического опыта, математические и эмпирические зависимости, отражающие взаимные связи между фактами; закономерности и тенденции, описывающие изменение фактов с течением времени; функции, диаграммы, графы и т.д.);
знания, описанные средствами выбранной модели представления знаний (множество логических формул или продукционных правил, семантическая сеть, иерархия фреймов и т.п.);
представление знаний структурами данных, которые предназначены для хранения и обработки;
базы знаний на машинных носителях информации.
По природе знания можно разделить на:
декларативные- описания фактов и явлений, фиксируют наличие или отсутствие таких фактов, а также включают описания основных связей и закономерностей, в которые эти факты и явления входят;
процедурные- это описания действий, которые возможны при манипулировании фактами и явлениями для достижения намеченных целей.
Классификация знаний(по Лаврову):
фактографические или фактуальные- это количественные и качественные характеристики конкретных объектов;
процедурныеилиалгоритмические знания– это уже известные людям методы решения задач, алгоритмы, программы;
конструктивные знания– знания о структуре объектов, о взаимодействии их частей;
понятийныеиликонцептуальные знания – это набор понятий из некоторой области знаний, их свойства и взаимосвязи.
Для построения БЗ традиционные средства, основанные на численном представлении данных - неэффективны. Для этих целей используются специальные языки представления знаний, основанные на их символьном представлении.
Уровни представления знаний:
внешнее представление – знания в том виде, в котором их видит пользователь;
внутреннее представление – знание в том виде, в котором они хранятся в системе;
смысловое (модельное) представление – знания в том виде, в каком пользователь может их себе представить при работе с системой (например, граф);
Продукционные модели представления знаний. Механизмы логического вывода.
Знания представляются в виде совокупности правил типа «ЕСЛИ-ТО».
Экспертная система продукционного типа имеет состав: база правил; база фактических данных (рабочая память); интерпретатор правил, реализующий определенный механизм логического вывода.
Продукционное правилоБЗ состоит из:
Антецедента- посылку правила, его условную часть. Состоит из элементарных предложений, соединенных логическими связками И, ИЛИ;
Консеквента - заключения - включающее одно или несколько предложений, которые выражают либо некоторый факт, либо указание на определенное действие, подлежащее исполнению.
Посылка и заключение формируются из: Атрибутов; Значений; Объект (иногда, когда для описания конкретной предметной области не достаточно только атрибутов и значений, для уточнения контекста, в котором применяются правила).
Записывается в виде: ПОСЫЛКА -> ЗАКЛЮЧЕНИЕ.
Из истинности посылки следует истинность заключения, при ложности посылки – невозможно доказать истинность заключения.
В рабочей памятипродукционной системы хранятся пары атрибут-значение, истинность которых установлена в процессе решения конкретной задачи к некоторому текущему моменту времени. Содержимое рабочей памяти изменяется в процессе решения задачи. Это происходит по мере срабатывания правил. Правило срабатывает, если совпадает посылка анализируемого правила со значением пар, содержащихся в рабочей памяти, при этом заключение сработавшего правила заносится в рабочую память. В процессе логического вывода каждое правило из базы правил может сработать только один раз.
Типы продукционных систем:
С прямым выводом. Реализуют стратегию «от фактов к заключениям».
С обратным выводом. Выдвигаются гипотезы вероятных заключений, которые могут быть подтверждены или опровергнуты на основании фактов, поступающих в рабочую память.
С двунаправленными выводами.
Достоинства: Простотой представления знаний и организации логического вывода
Недостатки:
отличие от структур знаний, свойственных человеку;
неясность взаимных отношений правил;
сложность оценки целостного образа знаний;
низкая эффективность обработки знаний.
Ввод
БД
В
вод/
вывод – подсистема общения
В
интерпретатор
ывод
База правил
Продукционная модель представления знаний состоит из:
Базы правил;
Базы фактических данных – рабочая память(РП);
Механизма вывода.
Механизм выводавыполняет следующиеосновные функции:
просмотр существующих в рабочей памяти фактов и правил из БП, а также добавление в РП новых фактов;
определение порядка просмотра и применения правил.
Выводможет быть:
прямой – от фактов к заключениям. В экспертных системах с прямыми выводами по известным фактам отыскивается заключение, которое из этих фактов следует. Если такое заключение удается найти, оно заносится в рабочую память. Прямые выводы часто применяются в системах диагностики, их называют выводами, управляемыми данными.
Обратный – от заключений к фактам. Вначале выдвигается некоторая гипотеза о конечном суждении, а затем механизм вывода пытается найти в РП факты, которые могли бы подтвердить или опровергнуть выдвинутую гипотезу. Процесс отыскания необходимых фактов может включать достаточно большое число шагов, при этом возможно выдвижение новых гипотез (целей). Обратные выводы управляются целями.
Механизм вывода включает:
Компоненту вывода. Действие основано на применении правила логического вывода. Если в РП присутствует истинный факт А и в БП существует правило вида «ЕСЛИ А, ТО В», то факт В признается истинным и заносится в РП. Но факт может иметь свою внутреннюю структуру, что существенно затрудняет процесс вывода и может сделать его невозможным. Кроме того ЭС способны вывести небольшое количество заключений, используя только заданное множество правил и фактов. Компонента вывода в ЭС должна быть организована так, чтобы быть способной функционировать в условиях недостатка информации.
Управляющую компоненту. Определяет порядок применения правил, а также устанавливает, имеются ли еще факты, которые могут быть изменены в случае продолжения работы. Механизм вывода работает циклически, при этом в одном цикле может сработать только одно правило.
В цикле выполняются следующие основные операции:
сопоставление – образец (антецедент) правила сравнивается с имеющимися в РП фактами;
разрешение конфликтного набора – выбор одного из нескольких правил в том случае, если их можно применить одновременно;
срабатывание правила – в случае совпадения образца некоторого правила из базы правил с фактами, имеющимися в рабочей памяти, происходит срабатывание правила, при этом оно отмечается в БП.
действие – изменение содержимого РП путем добавления туда заключения сработавшего правила. Если в заключении содержится директива на выполнение некоторой процедуры, последняя выполняется.
Способ остановкицикла - либо исчерпание всех правил из БП, либо выполнение некоторого условия, которому удовлетворяет содержание рабочей, либо комбинация этих способов.
Особенностью механизма вывода- не располагают процедурами, которые могли бы построить весь путь решения задачи. Траектория поиска решения полностью определяется данными, получаемыми от пользователя в процессе логического вывода.
Представление знаний в виде фреймов.
Фреймовая модель представления знаний основана на теории фреймов М. Минского, которая представляет собой систематизированную психологическую модель памяти человека и его сознания (теория весьма абстрактна - только на ее основе невозможно создание конкретных языков представления знаний).
Фреймом называется структура данных для представления некоторого концептуального объекта.
Совокупность данных предметной области может быть представлена множеством взаимосвязанных фреймов, образующих единую фреймовую систему, в которой объединяются декларативные и процедурные знания. Фреймовая система как правило имеет иерархическую структуру, фреймы соединены друг с другом с помощью родо-видовых связей. На верхнем уровне иерархии - фрейм, содержащий наиболее общую информацию, истинную для всех остальных фреймов. Фреймы обладают способностью наследовать значения характеристик своих родителей.
В общем случае, фрейм имеет следующую структуру:
Имя фрейма– для однозначной идентификации фрейма в системе – должно быть уникальным.
Слоты– описания, с помощью которых определяются основные структурные элементы этого понятия-фрейма. Слот имеет имя и значения слота. Слот может содержать несколько значений.
Системные слоты - часть слотов, определяемых самой системой для выполнения специфических функций, служащие для редактирования базы знаний и управления выводом во фреймовой системе (слот-указатель родителя данного фрейма, слот-указатель дочерних фреймов).
Структура слота:
Имя слота-уникально в пределах фрейма. шпации, в которые помещают данные, представляющие текущие значения слотов (должны соответствовать заданным типу и условиям наследования); связанные или присоединенные процедуры - процедуры, позволяющие вычислить значение слота по заданному алгоритму ( в слоте указывается имя процедуры, вызывается обращением к слоту ); правила продукций, используемые для определения конкретного значения. Указатели наследования.Показывают, какую информацию об атрибутах слотов из фрейма верхнего уровня наследуют слоты с аналогичными именами в данном фрейме:
Значение слота уникально – не наследуется;
Значение слота наследуется;
Значения слота должны находиться в пределах интервала значений, указанных в одноименном слоте родительского фрейма;
При отсутствии значения в текущем слоте оно наследуется из фрейма верхнего уровня, однако, в случае определения значения текущего слота оно может быть уникальным.
Указатель типа данных. Он показывает тип значения слота. Наиболееупотребляемые типы:
frame — указатель на фрейм;
real — вещественное число;
integer - целое число;
boolean - логический тип;
text - фрагмент текста;
list -список;
table - таблица;
expression - выражение;
lisp - связанная процедура; и т.д
Демоны. Процедура, автоматически запускаемая при выполнении некоторого условия (обновление, удаление значений и т.д.). Демоны автоматически запускаются при обращении к соответствующему слоту. Типы демонов связаны с условием запуска процедуры. Демон является разновидностью связанной процедуры.
Над фреймами можно совершать некоторые теоретико-множественные операции, например, объединение и пересечение.
Системы фреймов могут быть статическими или динамическими (изменение фреймов в процессе решения задачи допустимо).
Шаблон фрейма можно рассматривать как класс, экземпляр фрейма — как объект. Языки объектно-ориентированного программирования (ООП) предоставляют средства создания классов и объектов, а также средства для описания процедур обработки объектов (методы).
Примеры специализированных языков представления знаний на основе фреймовой модели являются: FRL (Frame Representation Language), KRL (Knowledge Representation Language), фреймовая «оболочка» Кара и др. Известны также экспертные системы фреймового типа: ANALYST, TRISTAN.
Представление знаний на основе формальных систем.
Формальная система представляет собой совокупность чисто абстрактных объектов (не связанных с внешним миром), в которой представлены правила оперирования множеством символов в чисто синтаксической трактовке без учета смыслового содержания (или семантики).
Формальную систему иногда называют также аксиоматикой, или формальной теорией, или просто множеством формул.
Формальная система определена, если:
Задан конечный алфавит (конечное множество символов). В нем определены: Константы, Переменные, операторы, процедура построения формул (или слов) формальной системы. Определяет конкретную синтаксическую конструкцию формул или грамматику форму, которые представляют собой правильно построенные последовательности символов. Выделено некоторое множество формул, называемых аксиомами; Задано конечное множество правил вывода, которые позволяют получать из некоторого конечного множества формул другое множество формул.
Формула называется теоремой, если существует доказательство, в котором она является последней ( частности, всякая аксиома является теоремой).
Формальное доказательство - конечная последовательность формул, такая, что любая из этих формул является либо аксиомой, либо при помощи одного из правил вывода выводима из предшествующих ей формул.
Множества формул определения формальной системы не обязательно должны быть конечными: достаточно, чтобы они были рекурсивно перечислимы.
Формальная система разрешима, если, рассматривая некоторую формулу формальной системы, можно определить, является ли она теоремой или не-теоремой. Трудность заключается в том, что процедура решения позволяет перечислить все теоремы, но не существует способа, чтобы перечислить все не-теоремы.
Формальные системыпредставляют собоймодели какой-то реальности.
Интерпретация:
придает смысл каждому символу формальной системы
устанавливает взаимно однозначное соответствие между символами формальной системы и реальными объектами.
Утверждения реальной системы – теоремы формальной системы, однажды интерпретированы, и в этом случае уже можно делать выводы об ихистинности или ложности.
Семантические сети. Этапы формализации семантической сети.
Семантическая сеть– система знаний некоторой предметной области, имеющая определенный смысл в виде целостного образа сети, узлы которой соответствуют понятиям и объектам, а дуги – отношениям между объектами.
В семантических сетях, так же как при фреймовом представлении знаний, декларативные и процедурные знания не разделены, следовательно, база знаний не отделена от механизма вывода. Процедура логического вывода обычно представляет совокупность процедур обработки сети.
Для того чтобы формализация оказалась возможной, семантическую сеть необходимо систематизировать.
Этапы формализации семантической сети:
Определение узлов и названия действий (связей) – задание алфавита;
Определение концептов – моделей связей – возможных действий и операций над понятиями, определенных алфавитом;
Определение информационно-логических связей – возможных цепей построения рассуждений, выводов с использованием понятий из алфавита и действий, применимых к ним («Пути выводов»);
Задание контекста семантической сети (позиционирование в предметной области), для определения законов, используемых при рассуждениях (контекст – границы схемы, пространство схемы).
Нечеткие знания. Виды нечеткости знаний. Модели представления нечетких знаний.
Корректные задачи часто можно решить существующими методами систематизации и программирования. В области некорректных задач точные знания нельзя получить
Знания, извлеченные из экспертов, как правило, содержат различные виды так называемых НЕ-факторов – нечетких знаний.
Они могут проявляться в умолчаниях, неточных сравнениях, подсознательных знаниях и др., но для представления таких знаний в БЗ требуется конкретная формализация.
Все нечеткости можно классифицировать следующим образом:
недетерминированность выводов,
многозначность,
ненадежность,
неполнота,
нечеткость или неточность.
Недетерминированное управление выводом наиболее характерно для систем искусственного интеллекта. Такое управление необходимо потому, что знания накапливаются фрагментарно, и нельзя априори определить цепочку логических выводов, в которых они используются. Другими словами, необходимо методом проб и ошибок выбрать некую цепочку выводов, и в случае неуспеха организовать перебор с возвратами для поиска другой цепочки и т. д. Другими словами, возникает необходимость определения пути, по которому следует начать поиск в первую очередь.
Алгоритм А. Поисковая задача сформулирована как задача поиска в пространстве состояний пути от исходного состояния заданной задачи до целевого состояния путем повторения возможных преобразований. При этом для организации поиска в пространстве состояний удобно использовать дерево поиска (граф). Использованы априорные оценки стоимости (веса) пути до целевого состояния, что обеспечивает высокую эффективность поиска.
Задача Нильсона: .); на поле 3x3размещены восемь пронумерованных шашек, цель игры — от заданного начального состояния перейти к целевому состоянию так, как показано ниже:
|
|
|
|
|
|
|
|
На поле один пустой квадрат: состояние можно изменить, передвигая шашку сверху, снизу, справа или слева на пустой квадрат. Следовательно, в этой игре есть четыре оператора преобразования состояния и до четырех степеней свободы квадрата или шашек, соответствующие одному из передвижений шашки на пустой квадрат, будем перемещать пустой квадрат:
перемещение пустого квадрата влево (при этом слева есть квадрат);
перемещение пустого квадрата вверх (при этом вверху есть квадрат);
перемещение пустого квадрата вправо (при этом справа есть квадрат);
перемещение пустого квадрата вниз (при этом внизу есть квадрат)
Зададим оценочную функцию f(n) - стоимость оптимального пути к цели от первой вершины (начального состояния) черезnвершин дерева поиска:
f(n) = g(n) + h(n),
где g(n) - стоимость оптимального пути от первой вершины до n-й вершины,
h(n) - стоимость оптимального пути от n-й вершины до цели.
Будем считать, что перемещение одной шашки имеет стоимость 1, а до цели ведет оптимальный путь с минимальной стоимостью.
Пусть априорное значение оценочной функции (т.к.точное значение f(n) в процессе игры знать не возможно) :
f’(n)=g(n)+h’(n),
где h’(n) — априорное значение h(n) – количесво фишек, стоящих не на своих местах. g(n) — это глубина от первой вершины до n-й вершины.
Выбираем вершину с наименьшим из значений оценочной функции, применяем оператор и раскрываем вершину, затем создаем дочерние вершины (при этом не возвращаемся к уже появившимся вершинам). Повторяем эту процедуру, до целевого состояния.
Если на каком-либо шаге встречаем hi’(n) >h’i-1(n), то возвращаемся на шаг назад и раскрываем вершину со следующим по порядку значением оценочной функции.
Многозначность. Многозначность интерпретации — обычное явление при понимании естественных языков и распознавании изображений и речи (многозначность смысла слов, многозначность их подчиненности, многозначность местоимений в к
онтексте,
элементов изображения и т.д.).
Устранить многозначность в зависимости от типа информации можно:
более широким контекстом и семантическими ограничениями - речь.
Модель доски объявлений. Фреймовая модель со слотами с понижением рангов. Интерпретируем от низшего к высшему (от акустических параметров звуковых волн до понимания смысла вопроса).
более широкими пространственными отношениями:
Метод релаксации.
Одним из этапов распознавания предмета является интерпретация физического смысла линий. Для каждой грани при этом можно указать, что она выпукла (помечена знаком «+»), вогнута (помечена знаком «–») или является граничной (помечена знаком , справа от стрелки — видимая поверхность):
Маркируем одну из граней у вершины;
фильтруем – расставляем метки для остальных граней, интерпретируя известные метки.
Принципы организации баз знаний. Основные этапы разработки базы знаний.
База Знаний(БЗ) содержит в себе БД в качестве составляющей.
Главное отличие БЗ от БДс точки зрения пользователя – ее активность. База данных – пассивна. Из базы данных можно извлечь лишь ту фактическую информацию, которая в нее заложена.
БЗ – активна: БЗ знаний имеет процедурную компоненту, которая может сама выводить новые факты, которые непосредственно в нее заложены не были, может по своей инициативе вступать во взаимодействие с другими установленными на компьютере системами и с человеком.
БЗдолжна характеризоваться следующимиособенностями:
Внутренняя интерпретируемость. Каждая информационная единица должна иметь уникальное имя, по которому ИС находит ее, а также отвечает на запросы, в которых это имя упомянуто (СУБД обеспечивают реализацию внутренней интерпретируемости всех информационных единиц, хранящихся в базе данных).
Структурированность. Информационные единицы должны обладать гибкой структурой. Должна иметь место рекурсивная вложимость одних информационных единиц в другие. Каждая информационная единица может быть включена в состав любой другой, и из каждой информационной единицы можно выделить некоторые составляющие ее информационные единицы (возможность произвольно устанавливать отношения типа: целое – часть, элемент – класс и т.п.).
Связность. Между информационными единицами должна быть предусмотрена возможность установления связей различного типа. Семантика отношений может носить декларативный ("одновременно", "причина - следствие", "быть рядом") или процедурный характер ("аргумент - функция").
Отношения:
отношения структуризации - задают иерархии информационных единиц;
функциональные отношения - несут процедурную информацию, позволяющую находить (вычислять) одни информационные единицы через другие;
каузальные отношения - задают причинно - следственные связи;
семантические отношения;
Отношения, необходимые для обработки знаний(последовательность выбора из памяти, совместимость в выводе) .
Семантическая метрика. На множестве информационных единиц в некоторых случаях полезно задавать отношение, характеризующее ситуационную близость информационных единиц, т.е. силу ассоциативной связи между информационными единицами. Его можно было бы назвать отношением релевантности для информационных единиц. Отношение релевантности при работе с информационными единицами позволяет находить знания, близкие к уже найденным.
Активность. Как и у человека, в ИС актуализации тех или иных действий способствуют знания, имеющиеся в системе. Таким образом, выполнение программ в ИС должно инициироваться текущим состоянием информационной базы. Появление в базе фактов или описаний событий, установление связей может стать источником активности системы.
Принципы работы генетических алгоритмов. Решение задач оптимизации с помощью генетических алгоритмов.
Принципы работы нейронных сетей. Решение задачи распознавания образов с помощью нейронной сети.