Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Теория 1-2 вопрос 2011 от Ани.docx
Скачиваний:
2
Добавлен:
30.04.2019
Размер:
394.91 Кб
Скачать
  1. Кодирование технологической информации в сапр тп. Классификаторы ескд.

Классификация и кодирование изделий машиностроения и ТП их производства обеспечивает единство информационного сопровождения изделий на всех стадиях их жизненного цикла от маркетинга или научного обоснования до вывода их из эксплуатации и утилизации. Вместе с тем классификация и кодирование информации обеспечивает автоматизацию процессов ее обработки.

Для присвоения изделию и конструкторскому докумен­ту кода классификационной характеристики используется классификатор ЕСКД:

Классификация, на основе которой формулируется такая характеристика, представляет собой десятичную иерархическую обезличенную систему с пятью уровнями деления, основанную на логическом делении множества на подмножества.

Каждый класс последовательно делится на десять подклассов, каждый подкласс, кроме нулевого — на девять групп, каждая группа — на девять подгрупп, каждая подгруппа — на девять видов. Для кодирования классификационных группировок (подклассов, групп, подгрупп и  видов)  используются цифровые знаки от 1 до 9.

В нулевых подклассах каждого класса классифицируются документы (нормы, правила, требования, методы). В группе 0 классифицируются документы, общие для деталей класса, а в группах 1-9 — документы, общие для деталей соответствующих.

С каждой последующей ступенью деления классифицируемого множества возрастает степень конкретности  классификационных  признаков.

Например, в классах 71-75 множество деталей разделено по геометрической форме на три подмножества:

  1. «Детали – тела вращения» (классы 71, 72);

  2. «Детали – не тела вращения» (классы 73, 74);

  3. «Детали – тела вращения и/или не тела вращения» (класс 75).

15 Билет.

  1. Модели знаний, экспертные системы: основные положения.

Модели представления знаний – это одно из важнейших направлений исследований в области искусственного интеллекта.

модели представления знаний относятся к прагматическому направлению исследований в области искусственного интеллекта. Это направление основано на предположении о том, что мыслительная деятельность человека – «черный ящик». При таком подходе не ставится вопрос об адекватности используемых в компьютере моделей представления знаний тем моделям, которыми пользуется в аналогичных ситуациях человек, а рассматривается лишь конечный результат решения конкретных задач.

Рассмотрим три наиболее часто используемые и популярные на сегодняшний день модели представления знаний: 1. продукционные модели – модели основанные на правилах, позволяют представить знание в виде предложений типа: «ЕСЛИ условие, ТО действие». Продукционные модели обладает тем недостатком, что при накоплении достаточно большого числа правил, они начинают противоречить друг другу; 2. сетевые модели или семантические сети – как правило, это граф, отображающий смысл целостного образа. Узлы графа соответствуют понятиям и объектам, а дуги – отношениям между объектами; 3. фреймовые модели – основывается на таком понятии как фрейм (англ. frame – рамка, каркас). Фрейм – структура данных для представления некоторого концептуального объекта. Информация, относящаяся к фрейму, содержится в составляющих его слотах. Слоты могут быть терминальными либо являться сами фреймами, т.о. образуя целую иерархическую сеть.

Экспе́ртная систе́ма (ЭС) — компьютерная программа, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. ЭС начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х получили коммерческое подкрепление.

В информатике экспертные системы рассматриваются совместно с базами знаний как модели поведения экспертов в определенной области знаний с использованием процедур логического вывода и принятия решений, а базы знаний — как совокупность фактов и правил логического вывода в выбранной предметной области деятельности.

Похожие действия выполняет программа-мастер (wizard). Мастера применяются как в системных программах так и в прикладных для интерактивного общения с пользователем (например, при установке ПО). Главное отличие мастеров от ЭС — отсутствие базы знаний; все действия жестко запрограммированы. Это просто набор форм для заполнения пользователем.

Другие подобные программы — поисковые или справочные (энциклопедические) системы. По запросу пользователя они предоставляют наиболее подходящие (релевантные) разделы базы статей (представления об объектах областей знаний, их виртуальную модель).

Структура ЭСис:1. Интерфейс пользователя 2. Пользователь 3. Интеллектуальный редактор базы знаний 4. Эксперт 5.Инженер по знаниям 6. Рабочая (оперативная) память 7. База знаний 8. Решатель (механизм вывода) 9. Подсистема объяснений

База знаний состоит из правил анализа информации от пользователя по конкретной проблеме. ЭС анализирует ситуацию и, в зависимости от направленности ЭС, дает рекомендации по разрешению проблемы.

Как правило, база знаний ЭС содержит факты (статические сведения о предметной области) и правила - набор инструкций, применяя которые к известным фактам можно получать новые факты.

В рамках логической модели баз данных и базы знаний записываются на языке Пролог с помощью языка предикатов для описания фактов и правил логического вывода, выражающих правила определения понятий, для описания обобщенных и конкретных сведений, а также конкретных и обобщенных запросов к базам данных и базам знаний.

База знаний ЭС создается при помощи трех групп людей: 1.эксперты той проблемной области, к которой относятся задачи, решаемые ЭС; 2.инженеры по знаниям, являющиеся специалистами по разработке ИИС; 3.программисты, осуществляющие реализацию ЭС.

Тут вы можете оставить комментарий к выбранному абзацу или сообщить об ошибке.

Оставленные комментарии видны всем.