50. Формализмы, их применение для компьютерного представления знаний

Под формализмом понимается теоретический базис, лежащий в основе способа представления онтологических знаний. Примерами формализмов могут служить логика предикатов (First Order Logic — FOL), дескриптивная логика, фреймовые модели (Frames), концептуальные графы и т.п. Формализм, используемый редактором, может не только существенно влиять на внутренние структуры данных, но и определять формат представления или даже пользовательский интерфейс.

Формализм – это формальная система, используемая в качестве средства представления знаний

Формализм включает: 1.языковой (изобразительный) компонент.2. алфавит и синтаксис (процедурный компонент, аксиоматика и продукционные правила).

Формализмы. Примеры формализмов, используемых для представления знаний о хозяйственных, финансовых и технологических системах.

Представление знаний – трансляция знаний в форму, допускающую их использование независимо от источника знаний.

Один из способов представления знаний – их формализация, т.е. представление знаний средствами той или иной формальной системы, например, в форме предикатов или дифференциальных уравнений.

Формализм – это знаковая система, используемая для представления знаний (например, знаний о структуре моделируемого объекта). Формализм – совокупность языковых (изобразительных) и процедурных (вычислительных) средств для представления знаний. Формализм – это формальная система, используемая в качестве средства представления знаний. Формализм включает: языковой (изобразительный) компонент, алфавит и синтаксис, процедурный (алгоритмический, вычислительный) компонент, аксиоматика (утверждения, не требующие доказательств) и продукционные правила (правила вывода новых теорем). Наиболее распространенные формализмы:

1. Исчисление предикатов первого порядка. Применяется: в диагностических и советующих ЭС, в системах компьютерного перевода текстов, для реализации символьных преобразований (аналитическое решение уравнений, аналитическое упрощение выражений, аналитическое интегрирование и дифференцирование и т.п.),в качестве метаязыка (в системах, требующих определения специализированных формальных систем для представления специфических знаний).

Программная реализация: непроцедурный язык программирования Prolog, оболочки ЭС

Автоматизация обучения проблематична: как правило, формализация знаний выполняется человеком – инженером по знаниям.

2. Формализм условных вероятностей

Применяется: в спам-фильтрах, в диагностических ЭС (если для объекта характерна неполнота или недостаточная достоверность данных)

Программная реализация: Bayes Net Learner

Обучение легко поддаётся автоматизации

3. Нейронная сеть. Применяется для решения задач: краткосрочного экономического прогнозирования, в т.ч. для прогнозирования курсов ценных бумаг, валют, оценки рисков кризисов, распознавания образов, освобождения информационного сигнала от помех.

Программная реализация: OWL, VieNet, NeuroPro. Обучение поддаётся автоматизации, но требует больших вычислительных ресурсов.

4. Семантические сети (теория исчисления предикатов I порядка содержит теорию семантических сетей)

5. Объектно-ориентированное программирование

6. Алгебра (пример программного средства – MathCad)

7. Естественный язык (процедурный компонент зависит от субъекта)

Примеры своими словами (не уверена): система условных обозначений в картографии, геодезии, строительных чертежах, диаграммы UML. Формальные системы: алгебра, линейная алгебра, дифференциальные исчисления.

Значение теории формальных систем для представления знаний.

Представление знаний –трансляция знаний в форму, допускающую их использование независимо от источника знаний. Один из способов представления знаний – их формализация( представление знаний средствами той или иной формальной системы, например, в форме предикатов или дифференциальных уравнений)

Прикладное значение теории формальных систем

• Разработка высокоэффективных алгоритмов решения ряда распространённых вычислительных задач (например, алгоритмы решения «плохо поставленных задач» на основе метода резолюции).

• Экспертные системы;

• Самообучающиеся информационные системы;

• Автоматические решатели задач (ПО автоматизированного удовлетворения информационной потребности экономиста; ПО автоматической генерации экономико-математических моделей);

• Генераторы компиляторов;

• Генераторы алгоритмов по заданной спецификации задачи (пример: найти алгоритм a: x ® y | "i $k x_i = y_k, k < m Û y_k < y_m);

• Разработка эффективных методов представления данных и знаний в памяти ЭВМ;

• Разработка высокоэффективных самомодифицирующихся (полиморфных) программных кодов.

Значение теории формальных систем для разработки и эксплуатации баз знаний.

Знания – это информация (как правило, неполная и неточная) о структуре систем в отличие от информации о состоянии и поведении систем. По существу, знания представляют собой модель окружающего мира

Метазнания – это информация о способах накопления, представления и использования знаний.

База знаний включает:

• знания, упорядоченные и закреплённые на материальном носителе

• метазнания, включая знания о достоверности источников знаний

• программное обеспечение, обеспечивающее:

• доступ к знаниям

• пополнение знаний (обучение)

• использование знаний для решения практических задач

Представление знаний – трансляция знаний в форму, допускающую их использование независимо от источника знаний. Один из способов представления знаний – их формализация, т.е. представление знаний средствами той или иной формальной системы, например, в форме предикатов или дифференциальных уравнений

Знание — в теории искусственного интеллекта и экспертных систем — совокупность информации и правил вывода (у индивидуума, общества или системы ИИ) о мире, свойствах объектов, закономерностях процессов и явлений, а также правилах использования их для принятия решений. Главное отличие знаний от данных состоит в их структурности и активности, появление в базе новых фактов или установление новых связей может стать источником изменений в принятии решений. Уровень знаний является концептуальной моделью реально функционирующего некомпьютеризованного знания о предметной области, в то время как уровень данных не выполняет моделирующей функции. По существу, знания представляют собой модель окружающего мира. Метазнания – это информация о способах накопления, представления и использования знаний

Все виды знаний в зависимости от специфики предметной области и квалификации проектировщика (инженера по знаниям) с той или иной степенью адекватности могут быть представлены с помощью одной либо нескольких семантических моделей. К наиболее распространенным моделям относятся логические, продукционные, фреймовые и семантические сети

Представление знаний – трансляция знаний в форму, допускающую их использование независимо от источника знаний. Формализация – представление знаний средствами определенной формальной системы. Средство форм. Системы – формализм, который включает языковые компоненты (алфавит, синтаксис) и процедурные компоненты (алгоритмы вычислений, аксиоматику и продукционные правила).

При формализации качественных знаний может быть использована теория нечетких множеств. Лингвистическая неопределенность в системах представления знаний задается с помощью лингвистических моделей основанных на теории лингвистических переменных и теории приближенных рассуждении. Эти теории опираются на понятие нечеткого множества, систему операций над нечеткими множествами и методы построения функций принадлежности.

Для перехода от качественных описаний к формализованным необходимо построить отображения, входящие в М, т. е. построить функции принадлежности. Можно выделить две группы методов построения функций принадлежности: прямые и косвенные. В прямых методах эксперт непосредственно задает правила определения значений функции принадлежности. В косвенных методах значения функции принадлежности выбираются таким образом, чтобы удовлетворялись заранее сформулированные условия. Экспертная информация является только исходной для дальнейшей обработки.

Процесс формализации знаний, полученных у эксперта, состоит из следующих шагов: выбор метода измерения нечеткости, получение исходных данных посредством опроса эксперта, реализация алгоритма построения функции принадлежности. В процессе реализации метода используются следующие характеристики: тип метода измерения (П - прямой, К - косвенный); интерпретация принадлежности (ВЧ-вероятность частотная, ВС-вероятность субъективная, В - возможность, Д - детерминированная); процедура получения исходных данных (ОФ - определение функции принадлежности в виде формул, 03-назначение значений принадлежности" ОДН-оценивание типа "да-нет"; ОПО- оценивание пар объектов; Р-ранжирование, РП-ранжирование пар объектов, ПС-попарное сравнение); измерений (Ф-фундаментальное, П-производное)'. тип шкалы (Н-номинальная" П-порядковая, И-интервальная, О- отношений, А - абсолютная).