Главная страница
Навигация по странице:

  • Литература Вагин В.Н., Головина Е.Ю., Загорянская А.А., Фомина М.В.

  • Варшавский П.Р., Еремеев А.П.

  • 16_Пчелина. С. М. Пчелина, студ. рук. П. Р. Варшавский, к т. н., доц. (Ниу мэи)


    Скачать 78.5 Kb.
    НазваниеС. М. Пчелина, студ. рук. П. Р. Варшавский, к т. н., доц. (Ниу мэи)
    Дата08.05.2023
    Размер78.5 Kb.
    Формат файлаdoc
    Имя файла16_Пчелина.doc
    ТипДокументы
    #1114370

    С.М. Пчелина, студ.; рук. П.Р. Варшавский, к.т.н., доц. (НИУ «МЭИ»)

    Разработка модели представления знаний для интеллектуальной системы на основе прецедентов

    Проблема представления, накопления и оперирования знаниями в интеллектуальных (экспертных) системах является очень актуальной в области искусственного интеллекта (ИИ). Эта проблема тесно связана с задачей моделирования правдоподобных рассуждений в интеллектуальных (экспертных) системах и, в частности, в системах поддержки принятия решений (ИСППР) [1, 2].

    Рассуждение на основе прецедентов (CBR – Case-Based Reasoning) является подходом, позволяющим решить новую, неизвестную задачу, используя или адаптируя решение уже известной задачи.

    В работе рассмотрена проблема представления и накопления знаний (прецедентов) в интеллектуальных системах на основе прецедентов (CBR-системах). Основное внимание уделяется моделям представления прецедентов и методам извлечения прецедентов из библиотеки прецедентов (БП) системы.

    В качестве способа представления прецедентов в работе предложено использовать гибридную модель представления знаний (МПЗ) для CBR-системы. В основе предложенной модели лежит параметрическая МПЗ, расширенная элементами продукционной МПЗ. С помощью системы экспертных правил продукционного типа можно описать и установить зависимости между параметрами прецедентов и проблемной ситуации по конкретной предметной области, а также обеспечить получение заключений о неизвестных фактах (например, можно установить отсутствующие значения параметров в описании текущей ситуации и т.д.).

    Также в работе рассмотрена возможность интеграции CBR-систем и систем, основанных на правилах (RBR-систем), исследованы методы извлечения прецедентов из БП системы и предложено использовать для извлечения прецедентов метод ближайшего соседа (Nearest Neighbor) [2].

    Предложенная гибридная модель представления прецедентов и метод накопления знаний были использованы при программной реализации на языке C# базовых модулей прототипа CBR-системы.

    Литература

    1. Вагин В.Н., Головина Е.Ю., Загорянская А.А., Фомина М.В. Достоверный и правдоподобный вывод в интеллектуальных системах // Под ред. В.Н. Вагина, Д.А. Поспелова. М.: ФИЗМАТЛИТ, 2004.

    2. Варшавский П.Р., Еремеев А.П. Моделирование рассуждений на основе прецедентов в интеллектуальных системах поддержки принятия решений // РАН, Искусственный интеллект и принятие решений. 2009. №2. – С. 45-57.


    написать администратору сайта