ГОСЫ. ГОСы. 76. каскадная модель жизненного цикла ис (основные этапы разработки по каскадной модели. Достоинства и недостатки каскадной модели)
 Скачать 5.37 Mb.
|
|
123. СЕМАНТИЧЕСКИЕ СЕТИ И ИХ ПРИМЕНЕНИЕ ПРИ ПРЕДСТАВЛЕНИИ ЗНАНИЙ. ОСНОВНЫЕ ВИДЫ ОТНОШЕНИЙ. ПРИМЕР. Под семантической сетью понимается неоднородная сеть, в виде ориентированного графа состоящего из вершин различного типа и соединяющих дуг. Виды вершин: Вершина ситуация (состояние, процессы..) Вершина понятие (абстрактные, физические) Вершины характеристики (понятие, предметная область) Виды дуг: Теоретико-множественные отношения( элементное множество один ко многим, многие к одному) Логические отношения(и, или , не..) Квантифицированые(существует, любой….) Лингвистические ( бинарные отношения между предикатом и отражающим конкретную ситуацию предметной области и октантами (участником ситуации )) для их задания обычно используют следующие бинарные связи : А – агент одушевленный возбудитель действия К – Контрагент некая сила, против которой направлено действие О – объект, вещь явление процесс на который направлено действие D – адресат, лицо в пользу или во вред которому совершается действие I – инструмент неодушевленный предмет составляющий причину действия R –результат, вещь возникающая в результате действия. Семантические сети часто используются в производстве для описания технологического процесса, в котором участвуют несколько агентов с помощью инструментов получают конкретный результат.  Пример: Маша укрепила стул клеемВ семантической сети Куиллиана используется 3 типа вершин: вершины-понятия (обычно существительные) вершины-события (обычно глаголы) вершины-свойства (прилагательные, наречия, определения) Дуги сети (семантические отношения) делят на 4 класса: лингвистические (падежные глагольные, атрибутивные) логические (И , ИЛИ , НЕ ) теоретико-множественные (множество — подмножество, целое — часть, родовидовые отношения) квантифицированные (определяемы кванторами общности и существования ) ∀ ∃  124. ФРЕЙМОВАЯ МОДЕЛЬ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ. ПРИМЕР Под фреймом понимают каркас, ситуационная рамка. В Искусственном интеллекте фрейм – структура данных для отражения стереотипных ситуаций, т е формализованное знание стандартной ситуации. С точки зрения модели знаний фреймы – сеть у которой первая часть заполнена а другая содержит не заполненные структуры, которые называются слотами. «Слот» фиксируется постоянные имена актантов, участников ситуации - имена слотов. А значение слота определяется в зависимости от выполнения условий к каждому актанту ситуации. Эти условия могут быть заданы по разному, использование имен других слотов , множественными ссылками. В общем случае модель фрейма может быть записана так: Ф = Где N – имя фрейма, ai- имя iго слота, bi – значение iго слота, (pi) – процедура привязанная к iму слоту. Пример : Сдача экзамена в вузе
В качестве значений bi могут выступать имена других слотов, что обеспечивает связь между ними.  125. МАШИНА ВЫВОДА. ОСНОВНЫЕ ФУНКЦИИ. КОМПОНЕНТ ЛОГИЧЕСКОГО ВЫВОДА С ИСПОЛЬЗОВАНЕМ ПРАВИЛ MODUS PONENDO PONENS. УПРАВЛЯЮЩИЙ КОМПОНЕНТ МАШИНЫ ВЫВОДЫ. СХЕМА ЦИКЛА РАБОТЫ МВ. Машина Вывода является важнейшим компонентом ИИС и представляет собой программу управляющей обработки данных и знаний, формулирующая заключительный семантический вывод. PS = < F, P, I >, где F – рабочая память, P – база знаний, I – интерпретатор Функции: 1. Просмотр существующих в рабочей памяти фактов и правил из Базы Знаний а так же добавление в Рабочую Память новых фактов. 2. Определение порядка просмотра и применения правил формулирование заключительного вывода. Компонент логического вывода основан на правиле логического вывода “Modus pones” • Если известно, что истинно А и существует правило (А ->(это стрелочка) B), тогда B тоже истинно. Или: Если в Рабочей Памяти есть факт А, а в Базе Знаний есть правило (А ->(это стрелочка) B), то В – истина и заносится в Рабочую Память. • Могут возникнуть проблемы с распознаванием слов факт: “автомобиль соседа белый” правило: Если “Автомобиль белый ” то “Автомобиль легко заметить ночью” Человек может сделать вывод, а машина нет из-за ограниченного числа правил. Управляющий компонент Машины Вывода определяет порядок применения правил, реализует операции: Сопоставления (Образец правила сопоставляется с фактами в Рабочей Памяти) Выбор (Разрешение конфликта, выбор одного) Срабатывание (Если образец из Базы Знаний сопоставлен с Рабочей Памятью, то срабатывает правило и отмечается в Базе Знаний) Действие (В Рабочую память добавляется заключение продукция) Схема цикла работы МВ                           РП БЗ Сопоставление Конфликтный набор Разрешение конфликта Критерий выбора правила Выполнение правила Действие Полученное правило Новый факт Машина вывода работает циклическим образом. В каждом цикле последовательно просматриваются все правила, чтобы выявить те предпосылки, которые совпадают с известными фактами из Рабочей Памяти. После выбора, правило срабатывает, его заключение заносят в Рабочую Память как новый факт. Цикл повторяется. 126. АЛГОРИТМ ПРЯМОГО И ОБРАТНОГО ВЫВОДА С КОНФЛИКТАМИ И БЕЗ КОНФЛИКТОВ В МВ ПРОДУКЦИОННОГО ТИПА. ПРИМЕР В прямых выводах выбирается один из элементов данных, содержащихся в базе данных, и если при сопоставлении этот элемент согласуется с левой частью правила (посылкой), то из правила выводится соответствующее заключение и помещается в базу данных или исполняется действие, определяемое правилом, и соответствующим образом изменяется содержимое базы данных. В обратных выводах процесс начинается от поставленной цели. Если эта цель согласуется с правой частью правила (заключением), то посылка правила принимается за подцель или гипотезу. Этот процесс повторяется до тех пор, пока не будет получено совпадение подцели с данными. Конфликтным набором называется множество правил, которые в одинаковой мере могут быть применены на одном и том же этапе логического вывода. Выбор одного из этих правил называется разрешением конфликта. ПРЯМОЙ БЕЗ КОНФЛИКТА – ПРИМЕР // От фактов к заключению Если такое заключение удается найти, то оно заносится в Рабочую Память, как новый факт. Пример: Рабочая память: Факт 1: «Фары не горят» Факт 2: «Указатель бензина на нуле» База Знаний: Правило 1: Если «Двигатель не заводится» и Фары не горят» то «Аккумулятор сел» Правило 2: Если «Указатель бензина на нуле» то «двигатель не заводится» Алгоритм: 1. Сопоставление Рабочей памяти и Базы Знаний - правило 2 работает, так как образец правила есть в Базе Знаний. 2. Действие сработанного правила 2., в Рабочую Память заносится заключение правила «Двигатель не заводится» 3. Сопоставление Рабочей Памяти и Базы Знаний - правило 1 срабатывает 4. Действие сработанного правила 1, в Рабочую Память заносится заключение «Аккумулятор сел» Правила закончились, вывод: «Аккумулятор сел» ПРЯМОЙ С КОНФЛИКТОМ – ПРИМЕР // от фактов к заключению Пример: Рабочая память: Факт 1: «Фары не горят» Факт 2: «Указатель бензина на нуле» База знаний: Правило 1: Если «Двигатель не заводится» и «Фары не горят» то «Аккумулятор сел» Правило 2: Если «Указатель бензина на нуле» то «Двигатель не заводится» Правило 3: Если «Указатель бензина на нуле» то «Нет бензина» Алгоритм 1. Составление Рабочей Памяти и Базы Знаний !!!! Возникает конфликт, Правило 2 и Правило 3 одинаково подходит Критерий: первый по номеру, тогда Правило 2 работает 2. Действие сработанного правила П2. В Рабочую Память заносится новый факт (заключение П2): «Двигатель не заводится» 3. Сопоставление фактов из Рабочей Памяти и правила из Базы Знаний !!!!Конфликт. Правило 2 сработало, Правило 3 еще подходит и Правило 1 тоже подходит. Критерий выбора: Первый по номеру: Правило 1 4. Действие сработавшего Правила 1. В Рабочую Память добавляется новый факт: «Аккумулятор сел» !!!!!!Если бы в (3) выбрали Правило 3, то после применения правила было бы применено правило 2. ОБРАТНЫЙ БЕЗ КОНФЛИКТА – ПРИМЕР - Формируется цель, гипотеза, а потом подбираются правила. Правила: 1. Если «Двигатель не заводится» и «Фары не горят» то «Аккумулятор сел» 2. Если «Указатель бензина на нуле» то «Двигатель не заводится» Факты: 1. «Фары не горят» 2. «Указатель бензина на нуле» Алгоритм: 1. Выдвигается гипотеза («Аккумулятор сел») 2. Просмотр правил из Базы Знаний. Ищем заключение = гипотеза -> Правило 1 подходит. 3. Исследование возможности применения Правила 1. Существуют ли факты, которые дают срабатывание Правила 1. - Сейчас нет факта «Двигатель не заводится» (3) - Формируется новая цель в подтверждении факта (3) 4. Просмотр правил из Базы Знаний. Цели заключение = (3) -> Правила 2 подходит. 5. Исследование возможности применения Правила 2. Сопоставление существующих фактов, в Рабочей Памяти с правилом П2 -> все факты есть. 6. Действие сработанного правила П2. Заключение П2 заносится в Рабочую Память. 7. Условия срабатывания П1 выполняется -> П1 истина. Заключительный вывод : «Аккумулятор сел» Если первая гипотеза не подтверждается, то все заново с новой гипотезой!!!!! ОБРАТНЫЙ С КОНФЛИКТОМ – ПРИМЕР - Формируется цель, гипотеза, а потом подбираются правила. Правила: 1. Если «Двигатель не заводится» и «Фары не горят» то «Аккумулятор сел» 2. Если «Указатель бензина на нуле» то «Двигатель не заводится» 3. Если «Указатель бензина на нуле» то «Нет бензина» 4. Если «Засорился насос» то «Двигатель не заводится» Факты: 1. «Фары не горят» 2. «Указатель бензина на нуле» Алгоритм: 1. Выдвигается гипотеза («Аккумулятор сел») 2. Просмотр правил из Базы Знаний. Ищем заключение = гипотеза -> Правило 1 подходит. 3. Исследование возможности применения Правила 1. Существуют ли факты, которые дают срабатывание Правила 1. - Сейчас нет факта «Двигатель не заводится» (3) - Формируется новая цель в подтверждении факта (3) 4. Просмотр правил из Базы Знаний. Цели заключение =«Двигатель не заводится» (3) -> Правила 2 подходит и Правило 4 тоже. Возникает конфликт. 5. Выбор правила. Критерий : Первый по номеру. -> выбирается правило номер 1. p.s: Если выбирается правило 4, то оно не сработает , ввиду того что в рабочей памяти нет образца факта «Засорился бензонасос». Что приведет к правилу 2. 6. Исследование возможности применения Правила 2. Сопоставление существующих фактов, в Рабочей Памяти с правилом П2 -> все факты есть. 7. Действие сработанного правила П2. Заключение П2 заносится в Рабочую Память. 8. Условия срабатывания П1 выполняется -> П1 истина. Заключительный вывод : «Аккумулятор сел» Если первая гипотеза не подтверждается, то все заново с новой гипотезой!!!!! Вывод: При применении обратного алгоритма правило 3, не связанное с целью – гипотезой вообще не рассматривалось. Это свидетельствует о более высокой эффективности обратного вывода по сравнению с прямым алгоритмом. Связано это с тем, что применение обратного вывода всегда существует тенденция исключения из рассмотрения части БЗ при этом качество вывода не страдает. 127. ДРЕВОВИДНЫЕ СТРУКТУРЫ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ. И-ИЛИ ГРАФЫ ПРЕДСТАВЛЕНИЯ ЗНАНИЙ. ПРИМЕР Целевые вершины и/или — графов — это тривиальные, или примитивные задачи. Такой подзадачей может быть нахождение пути из «а» в «с», т.к. между ними есть непосредственная связь. И/или — граф — это направленный граф, вершины которого соответствуют задачам, а дуги — отношениям между задачами. В случае использования и/или-графа решение должно включать все подзадачи и-вершины. Следовательно, это уже не путь, а дерево. Такое решающее дерево Т определяется следующим образом: исходная задача Р — это корень дерева Т, если Р является или-вершиной, то в Т содержится только один из ее преемников (из и/или-графа) вместе со своим собственным решающим деревом. eсли Р — это и-вершина, то все ее преемники вместе со своими решающими деревьями содержатся в Т. Используя стоимости, мы можем формулировать критерии оптимальности решения, например, можно определить стоимость решающего графа как сумму стоимостей всех входящих в него дуг. Процесс решения задачи: — если В — целевая вершина, то задача решается тривиальным образом; — если В имеет или-преемников, то нужно решить одну из соответствующих задач-преемников (пробовать решать их одна за одной, пока не будет найдена задача, имеющая решение; — если В имеет и-преемников, то нужно решить все соответствующие задачи, (пока они не будут решены все). представление в виде И/ИЛИ - графов наиболее хорошо приспособлено для задач, которые естественным образом разбиваются на взаимно независимые подзадачи. Примерами таких задач могут служить поиск маршрута, игровые задачи, доказательство теорем и т.п. Пусть дана задача A, которая может быть решена либо путем решения задач B и C, либо путем решения задач D и E, либо путем решения задачи F(рис 1). Различные множества подзадач для задачи A. Каждая группа задач, составляющих альтернативное множество более чем из одной задачи (B и C, D и E), помечается специальным значком в виде дуги. В целях наглядности в структуры вводятся дополнительные родительские вершины для каждого из альтернативных множеств (рис.2).  |