- •Имя операция операнды ; комментарии
- •Статистическое определение
- •1.4. Законы распределения наработки технического объекта
- •6.4. Основные характеристики методов контроля
- •Лекция № 7. Системы тд.
- •Результат диагностирования
- •Результат диагностирования
- •Результат диагностирования
- •Лекция № 8. Методы тд осс.
- •Лекция № 9. Модель объекта и алгоритм функционального диагностирования.
- •Лекция № 12. Базы знаний.
- •5.3 Объяснение в экспертных системах
- •5.4 Приобретение знаний
- •Лекция № 13. Способы формализованного представления знаний в эс.
- •2.4 Соотношение методов представления знаний в базах данных
- •Лекция № 14. Методы логического вывода в эс.
- •Распространение вероятностей в эс
- •Последовательное распространение вероятностей
- •Экспертные системы, использующие субъективные вероятности
- •5.6 Экспертные системы нового поколения
- •3. 5 Интегральный подход к решению задачи
- •Лекция № 17 Организация проведения экспертизы и диагностики осс Работа с компонентом «Сведения о системе»
- •Использование программы «Доктор Ватсон»
- •Использование диспетчера устройств
- •Использование окна просмотра событий
- •Использование диспетчера задач Windows
- •Использование средства «Производительность»
- •Использование мастера установки оборудования
- •Платформенный подход
Лекция № 12. Базы знаний.
Рассмотрим вопросы представления знаний, структуру базы знаний и вопросы вывода в заданной модели некоторой типичной экспертной системы. Чаще всего для представления знаний в экспертных системах используются логические, продукционные и семантические модели. Логические и семантические модели достаточно подробно рассмотрены в гл. 3 и 2 соответственно, поэтому здесь рассмотрим только продукционные модели.
Продукционные модели основываются на продукционной системе Поста, предложенной для формальной замены последовательностей символов. Под продукционными системами понимаются программные системы, управляемые с помощью правил продукций и состоящие из трех основных частей: множества правил продукций, базы данных (множество фактов) и интерпретации (означивания).
На множестве правил обычно задано отношение порядка. В функции интерпретатора входит просмотр левой части правила (антецедентов) и сравнение их с фактами из базы данных. В случае их совпадения над фактами применяется некоторая процедура, определенная в правой части правила. После этого процесс просмотра продолжается со следующего по порядку правила.
Работа продукционной системы состоит из последовательности итераций «идентификация — действие» [23]. Каждая итерация включает в себя процедуры принятия решения о вызове очередного правила и выполнения действий, определяемых им. Действия вызывают изменения во множестве фактов, которые могут влиять на выбор подходящего правила. Идентификация основана на сопоставлении условий из левой части правила продукции с содержанием базы данных. Из множества правил, у которых совпали левые части, формируется так называемый конфликтный набор. После этого применяется та или иная процедура разрешения конфликта, в результате чего выбирается некоторое правило из конфликтного набора, исполняется его правая часть и цикл повторяется. Существует ряд способов повышения эффективности выбора требуемой продукции из множества (процедур разрешения конфликта). К ним относятся:
— упорядочение продукций (линейное или частичное), т.е. указывается порядок применения правил;
— задание правил недавности (свежести) данных, т. е. используется возраст данных;
— введение правил различий, т. е. используется память состояний, например если данная интерпретация выполнялась, то она уже не выполняется;
— задание класса специальных случаев, т.е. используется отношение между означиваниями: некоторое правило используется, если искомая продукция является специальным случаем другой продукции;
— применение в первую очередь продукций с наиболее жесткими требованиями (продукций с наиболее длинным списком условий).
Процедур разрешения конфликтов и информация о последовательности примененных к базе данных продукций составляет ядро стратегии управления продукционной системы.
Кроме прямых и обратных стратегий, последовательных и параллельных стратегий (см. гл. 3) существует классификация стратегий и по возможности возвращения в некоторое предыдущее состояние, стратегии с возможностью возвращения и безвозвратные.
При стратегии с возможностью возвращения существует возможность возвращения к предыдущему состоянию базы данных, чтобы применить альтернативную продукцию. Одна из наиболее распространенных стратегий этого класса — стратегия бэктрекинг (ее описание см. в гл. 3). Более сложными стратегиями с возможностью возвращения являются стратегия управления поиском на графе, которая обеспечивает возможность хранения следов от нескольких последовательностей продукций одновременно, и двунаправленная стратегия.
При безвозвратной стратегии в каждый момент поиска выбирается одна из подходящих продукций, она применяется и в дальнейшем, если поиск завершается неудачей, нет возможности вернуться к этой точке и применить другую продукцию. Безвозвратную стратегию можно успешно применять при параллельном порождении всех возможных вариантов вывода.
Одной из основных характеристик экспертных систем является необходимость работы с большим объемом знаний, подобно тому, как это делает квалифицированный эксперт данной проблемной области. В этих условиях актуален вопрос об организации этих знаний в некоторую структуру.
Обычно в развитых экспертных системах выделяют четыре типа знаний: фактуальные (декларативные); процедурные; управляющие; метазнания.
Фактуальные знания (база фактов) представляют собой информацию о конкретных фактах, собираемую посредством диалога с пользователем, который указывает, какие факты следует считать истинными.
Процедурные знания обычно собираются заранее путем опроса эксперта и составляют ядро базы знаний. В продукционных моделях — это, по существу, множество правил продукции.
Управляющие знания представляют собой некоторый набор стратегий.
Метазнания — это знания о знаниях, т. е. это знания экспертной системы о себе, своей работе, своей структуре, своей базе знаний и схеме рассуждения. Метазнания играют важную роль в рассуждениях эксперта-человека, они же в конце концов определяют уровень компетентности экспертной системы.
В большинстве современных экспертных систем метазнания либо вообще отсутствуют, либо присутствуют в неявном виде. Однако исследования в этом направлении ведутся очень интенсивно ввиду их большой значимости для повышения эффективности функционирования ЭС и, в частности, для корректного объяснения пользователю хода рассуждения при принятии того или иного решения и достаточных оснований для выбранного решения.
Метазнания могут выступать в разнообразных формах. В [22] приводятся примеры применения метазнаний:
— для адекватного выбора правила продукции при текущем состоянии базы фактов;
— для обеспечения информации архивного типа о правилах и знаниях, такой, как, например, насколько быстро работает то или иное правило, кто ввел некоторую совокупность данных и т. д.;
— для помощи в обнаружении ошибок;
— для усиления возможностей ЭС давать объяснения;
— для облегчения ввода в систему новых знаний
(фактов, правил) с использованием демонстрации основных конструкций знании аналогичного типа.