Реализация сети фреймов и решения различных вариантов задачи с помощью различных механизмов вывода в экспертных системах

Автор: Пользователь скрыл имя, 21 Февраля 2013 в 10:20, реферат

Краткое описание

Для этого необходимо проанализировать знания и особенности их обработки человеком и компьютером, а также разработать их машинное представление. К сожалению точного и неоспоримого определения, что собой представляют знания, до сих пор не дано. Но, тем не менее, цель инженерии знаний – обеспечить использование знаний в компьютерных системах на более высоком уровне, чем до сих пор – актуальна. Но следует заметить, что возможность использования знаний осуществима только тогда, когда эти знания существуют, что вполне объяснимо. Технология накопления и суммирования знаний идет бок о бок с технологией использования знаний, где они взаимно дополняют друг друга, и ведут к созданию одной технологии, технологии обработки знаний.

Файлы: 1 файл

экспертные системы.docx

— 39.92 Кб (Скачать)

Каждый фрейм имеет  свой определенный так называемый слот. Так, для фрейма действие слот может  быть заполнен только каким-либо исполнителем этого действия, а соседние фреймы могут наследовать этот слот.

Некоторые исследователи  предположили, что случаи грамматики падежей совпадают со слотами  в ТФ, и эта теория была названа  теорией идентичности слота и  падежа. Было предложено число таких  падежей, от 8 до 20, но точное число не определено. Но если агентив полностью совпадает со своим слотом, то остальные падежи вызвали споры. И до сих пор точно не установлено, сколько всего существует падежей.

Также вызвал трудность тот  факт, что слоты не всегда могут  быть переходными. Например, в соответствие с ТФ можно сказать, что фрейм  одушевленный предмет может иметь  слот живой, фрейм человек может  иметь слот честный, а фрейм блоха  не может иметь такой слот, и  он к нему никогда не перейдет.

Другими словами, связи между  слотами в ТФ не являются исследованными до конца. Слоты могут передаваться, могут быть многофункциональны, но в то же время не рассматриваются  как функции.

Гибридные системы

СФ иногда адаптируются для  построения описаний или определений. Был создан смешанный язык, названный KRYPTON, состоящий из фреймовых компонентов  и компонентов предикатных исчислений, помогающих делать какие- либо выводы с помощью терминов и предикатов. Когда активизируется фрейм, факты  становятся доступными пользователю. Также существует язык Loops, который объединяет объекты, логическое программирование и процедуры.

Существуют также фреймоподобные языки, которые за исходную позицию принимают один тип данных в памяти, какую-либо концепцию, а не две 
(например, фрейм и слот), и представление этой концепции в памяти должно быть цельным.

. Объектно-ориентированные  языки

Параллельно с языками  фреймов существуют объектно-ориентированные  программные языки, которые используются для составления программ, но имеют  некоторые свойства языков фреймов, такие, как использование слотов для детальной, доскональной классификации  объектов. Отличие их от языков фреймов  в том, что фреймовые языки  направлены на более обобщенное представление  информации об объекте.

Одной из трудностей представления  знаний и языка фреймов является отсутствие формальной семантики. Это  затрудняет сравнение свойств представления знаний различных языков фреймов, а также полное логическое объяснение языка фреймов.

4. Структура экспертной  системы

При разработке экспертной системы принято делить ее на три  основных модуля: 
1. база знаний; 
2. машина логического вывода; 
3. интерфейс с пользователем.

База знаний содержит знания, относящиеся к конкретной прикладной области, в том числе отдельные  факты, правила, описывающие отношения  или явления, а также, возможно, методы, эвристики и различные идеи, относящиеся  к решению задач в этой прикладной области.

Машина логического вывода умеет активно использовать информацию, содержащуюся в базе знаний.

Интерфейс с пользователем  отвечает за бесперебойный обмен  информацией между пользователем  и системой; он также дает пользователю возможность наблюдать за процессом  решения задач, протекающим в  машине логического вывода.

Принято рассматривать машину вывода и интерфейс как один крупный  модуль, обычно называемый оболочкой  экспертной системы, или, для краткости, просто оболочкой.

В описанной выше структуре  собственно знания отделены от алгоритмов, использующих эти знания. Такое разделение удобно по следующим соображениям. 
База знаний, очевидно, зависит от конкретного приложения. С другой стороны, оболочка, по крайней мере в принципе, независима от приложений. Таким образом, разумный способ разработки экспертной системы для нескольких приложений сводится к созданию универсальной оболочки, после чего для каждого приложения достаточно подключить к системе новую базу знаний. 
Разумеется, все эти базы знаний должны удовлетворять одному и тому же формализму, который оболочка "понимает". Практический опыт показывает, что для сложных экспертных систем сценарий с одной оболочкой и многими базами знаний работает, не так гладко, как бы этого хотелось, за исключением тех случаев, когда прикладные области очень близки. Тем не менее, даже если переход от одной прикладной области к другой требует модификации оболочки то, по крайней мере основные принципы ее построения обычно удается сохранить.

Для создания оболочки, при  помощи которой можно проиллюстрировать  основные идеи и методы в области  экспертных систем, можно придерживаться следующего плана:

•Выбрать формальный аппарат  для представления знаний. 
•Разработать механизм логического вывода, соответствующий этому формализму.

•Добавить средства взаимодействия с пользователем. 
•Обеспечить возможность работы в условиях неопределенности.

5. Методы приобретения  знаний.

Приобретение знаний реализуется  с помощью двух функций: получения  информации извне и ее систематизации. При этом в зависимости от способности  системы обучения к логическим выводам  возможны различные формы приобретения знаний, а также различные формы  получаемой информации. Форма представления  знаний для их использования определяется внутри системы, поэтому форма информации, которую она может принимать, зависит от того, какие способности  имеет система для формализации информации до уровня знаний. Если обучающаяся  система совсем лишена такой способности, то человек должен заранее подготовить  все, вплоть до формализации информации, т. е. чем выше способности машины к логическим выводам, тем меньше нагрузка на человека.

Функции, необходимые обучающейся  системе для приобретения знаний, различаются в зависимости от конфигурации системы. В дальнейшем при рассмотрении систем инженерии  знаний предполагается, что Существует система с конфигурацией, показанной на рис, 1.1, которая включает базу знаний и механизм логических выводов, использующий эти знания при решении задач. 
Если база знаний пополняется знаниями о стандартной форме их представления, то этими знаниями также можно воспользоваться. Следовательно, от функций обучения требуется преобразование полученной извне информации в знания и пополнение ими базы знаний.

Рис.1 Базовая структура  систем обработки знаний

Можно предложить следующую  классификацию систем приобретения знаний, которая будет опираться  на способность системы к восприятию знаний в разных форматах, качественно  различающихся между собой и  способностью к формализации (рис 2).

Рис 2.Классификация методов  приобретения знаний.

6. АНАЛИЗ СНИЗУ ВВЕРХ  И СВЕРХУ ВНИЗ

“Сверху вниз”, “снизу вверх”, “прямой”, “обратный”, “управляемый данными”, “движимый целью” - три  пары определений для таких терминов, как 
“цепной анализ”, “парсинг”, “синтаксический разбор”, “логический анализ” и 
“поиск”. В принципе, все эти термины отражают сходные отношения, и различие между ними состоит лишь в том, что они взяты из различных подобластей компьютерной науки и искусственного интеллекта (парсинг, системы с заложенными в них правилами, поисковые системы и системы, направленные на решение проблем и т.д.)

Суть этих противопоставлений можно проиллюстрировать на примере  парадигмы поиска. Основная задача любого поиска состоит в том, чтобы  определить маршрут, по которому вы будете перемещаться с настоящей позиции  к вашей цели. Если вы начнете  поиск с текущей позиции и  будете продолжать его, пока не наткнетесь на желаемый результат, - это так  называемый прямой поиск или поиск  снизу вверх. Если вы мысленно ставите  себя в то место, где вы хотите очутиться  в результате поиска и определяете  маршрут, двигаясь в обратном направлении, т.е. туда, где вы действительно находитесь в настоящий момент, - это поиск  в обратном направлении или поиск  сверху вниз. 
Обратите внимание на то, что, определив маршрут в результате обратного поиска, вам все же предстоит добраться до своей цели. Несмотря на то, что сейчас вы движетесь вперед, это не является прямым поиском, т.к. поиск уже был осуществлен ранее, причем в обратном направлении. 
Эти же противопоставления можно рассмотреть на примере систем с встроенными правилами. Представим себе, что правило состоит из набора антецедентов и набора следствий. Когда система определяет, что все антецеденты определенного правила удовлетворены, это правило вызывается и выполняется (выполняется ли каждое вызванное правило зависит от специфики конкретной системы). После этого в базу знаний заносятся утверждения, полученные в результате выполнения правила, и выполняются соответствующие операции. Данный процесс происходит вышеописанным образом, независимо от того, применяет ли система прямой или обратный логический анализ. Чтобы проиллюстрировать различия между ними, следует отдельно рассмотреть процедуру активации правила. Вызываются только активированные правила. При прямом логическом анализе (снизу вверх), когда в систему добавляются новые данные, они сравниваются со всеми антецедентами всех правил. Если данные соответствуют антецеденту правила, то это правило активируется (если оно еще не является активированным), и если подобраны все антецеденты определенного правила, то оно вызывается. Утверждения, полученные в результате выполнения правила, заносятся в базу знаний и рассматриваются в качестве новых данных, сравниваются с антецедентами и могут вызвать активацию и вызов дополнительных правил. При обратном логическом анализе 
(сверху вниз) при добавлении данных правила не активируются. Когда система получает запрос, он сравнивается со всеми следствиями всех правил. Если запрос совпадает со следствием, то это правило активируется, а все его антецеденты рассматриваются в качестве вторичных запросов и могут вызвать активацию дополнительных правил. Когда запрос соответствует не ограниченному условием утверждению базы знаний, на него поступает ответ, и если этот запрос исходил от антецедента, считается, что он удовлетворяет последнему. Когда все антецеденты некоторого правила будут удовлетворены, правило вызывается и выполняется. При выполнении правила осуществляется ответ на запросы, которые его активировали, и теперь другие антецеденты считаются удовлетворенными и могут вызываться соответствующие им правила. 
Обратите внимание на то, что вызов и выполнение правила всегда происходит в прямой последовательности, а отличие прямого цепного анализа от обратного состоит в том, когда активируется правило.

Сравнение

Эффективность. Выбор вида анализа (сверху вниз или снизу вверх) зависит от конфигурации дерева, по которому осуществляется поиск. Если в  среднем каждому элементу следует  большее количество элементов, нежели предшествует, то анализ сверху вниз (или  обратный анализ) будет более эффективным  и наоборот. Рассмотрим крайний случай. Допустим, что поисковая область  образует дерево с вершиной в начальном  состоянии. Тогда при использовании  прямого подхода нам придется осуществлять поиск практически  по всему дереву, тогда как при  обратном подходе - только в его линейной части.

Сравнение и унификация. В системах с заложенными правилами  или системах логического анализа  выбор прямого или обратного  цепного анализа влияет на степень  трудности процесса сравнения. При  прямом цепном анализе системе постоянно  предъявляются новые факты, не имеющие  свободных переменных. Таким образом постоянно проводится сравнение антецедентов, вполне вероятно обладающих свободными переменными, с фактами, не обладающими таковыми. 
С другой стороны, системам с обратным цепным анализом често задают специальные вопросы. Если правила изложены в логике предикатов, а не логике суждений, тогда производится сравнение вопроса с переменной со следствием с переменными. Вторичные запросы также могут содержать переменные, поэтому, в общем, системы с обратным цепным анализом должны быть разработаны таким образом, чтобы они могли сравнивать две символьные структуры, каждая из которых может содержать переменные, для чего потребуется создание алгоритма унификации.

Смешанные стратегии

Поиск в двух направлениях. Если не ясно, какой вид поиска - прямой или обратный - является наиболее приемлимым для конкретного приложения, следует осуществлять поиск в двух направлениях. В таком случае, отправными точками становятся начальное и конечное состояние, и поиск осуществляется по направлению к центру. 
Вывод по двум направлениям. При данном подходе изначальные данные применяются для активирования правил, котоые перебирают другие антецеденты в обратном порядке. Вторичные запросы, которые не соответствуют ни следствиям, ни данным, сохраняются в качестве “демонов”, которые могут быть удовлетворены позднее за счет новых или позднее поступивших данных. Систему можно разработать таким образом, что данные, удовлетворяющие “демонам” 
(антецеденты активированных правил) не будут активировать дополнительные правила, что “заставит” систему при предстоящем прямом выводе сконцентрироваться на правилах, учитывающих предыдущий контекст.

Разбор с началом в  левом углу. Применив вышеописанный  метод к парсингу, мы получим так называемый разбор с началом в левом углу. В терминах примера, приведенного в разделе парсинг, система сначала рассмотрит “they”, найдет правило 9 - единственное правило, которое можно применить к этому слову, затем правило 3, объясняющее PRO, а затем правило 1, как единственное правило, следствие которого начинается с NP. Далее система попытается разобрать сверху вниз “are flying planes” как VP.

7. Пример разработки экспертной  системы.

Рассмотрим на конкретном примере организацию взаимодействия пользователя с экспертной системой. Предметная область этой экспертной системы – продажи бухгалтерских  и правовых систем (режим диалога  с пользователем для правильного  выбора программного обеспечения). Предположим, что фрагмент базы знаний содержит следующий набор правил:

1. ЕСЛИ класс – бухгалтерские  программы

И форма конфигурирования системы должна быть жесткой (пользователь не будет иметь возможности сам  конфигурировать какие-либо входные  или выходные документы)

ТО лучше всего для  вас подходит бухгалтерская программа 1С версия 6.0.

2. ЕСЛИ класс – бухгалтерские  программы

И форма конфигурирования системы должна быть лояльной (т.е. пользователь может сам конфигурировать какие-либо входные или выходные документы)

И программа разработана  под оболочку DOS.

ТО лучше всего для  вас подходит система бухгалтерских  программ 
«Бест».

3. ЕСЛИ класс – бухгалтерские  программы

И форма конфигурирования системы должна быть лояльной (т.е. пользователь может сам конфигурировать какие-либо входные или выходные документы)

И программа разработана  под оболочку Windows95.

И программа одноуровневая.

ТО лучше всего вам  подходит бухгалтерская программа  «Инфо Бухгалтер».

4. ЕСЛИ класс – бухгалтерские  программы

И форма конфигурирования системы должна быть лояльной (т.е. пользователь может сам конфигурировать какие-либо входные или выходные документы).

И программа разработана  под оболочку Windows95.

И программа не одноуровневая.

ТО лучше всего для  вас подходит система бухгалтерских  программ «Турбо 
Бухгалтер».

5. ЕСЛИ тип – правовые  системы.

И пополнение информационной базы происходит еженедельно (минимум), посредством курьера.

ТО лучше всего вам  подходит правовая программа «Гарант».

6. ЕСЛИ тип – правовые  системы

И пополнение информационной базы происходит ежемесячно (минимум), через покупку нового CD-ROM.

ТО лучше всего вам  подходит правовая программа «Кодекс».

7. ЕСЛИ тип – правовые  системы.

И пополнение информационной базы происходит ежемесячно (минимум), через покупку нового CD-ROM или  еженедельно (минимум), посредством  курьера.

ТО лучше всего вам  подходит правовая программа «Эталон».

8. ЕСЛИ тип – складские  программы.

И форма конфигурирования системы должна быть жесткой (пользователь не будет иметь возможности сам  конфигурировать какие-либо входные  или выходные документы)

ТО лучше всего вам  подходит правовая складская программа  «Фолио».

Информация о работе Реализация сети фреймов и решения различных вариантов задачи с помощью различных механизмов вывода в экспертных системах