Вопросы к зачету по дисциплине

Вопросы к зачету по дисциплине

«Представление знаний в информационных системах»

1. Знания и их представление в системах искусственного интеллекта.

Знание – это проверенный практикой результат познания действительности, верное ее отражение в мышлении человека. Отражение существующего мира в мышлении человека связано с абстрагированием, которое заключается в выделении наиболее существенных свойств и признаков явлений или объектов, наблюдаемых в окружающей действительности и представлении их в такой упрощенной форме, которая необходима для логических умозаключений и принятия эффективных решений в самых различных ситуациях. Указанное упрощенное представление действительности называют моделью. Модель является информационным эквивалентом части реального мира (предметной области) и лежит в основе процесса познания. В инженерной практике именно модели ассоциируются со знанием. Это знания, на основе которых можно эффективно использовать объекты реального мира для достижения определенных целей, однако эти термины не эквивалентны. Понятие «знание» шире понятия «модель»

2. Логические модели представления знаний. Формальные системы.

Логические модели реализуются средствами логики предикатов. В этом случае знания по предметной области представляются в виде совокупности логических формул. Тождественные преобразования формул позволяют получать новые знания. Достоинством логических моделей представления знаний является наличие четкого синтаксиса и широкопринятой формальной семантики, а также теоритически обоснованных процедур автоматического вывода. Основным недостатком данных моделей является невозможность получения заключений в областях, где требуются правдоподобные выводы, когда результат получается с определенной оценкой уверенности в его истинности.

3. Исчисление высказываний.

4. Исчисление предикатов.

5. Продукционные модели. Продукционные системы.

В продукционных моделях знания представляются набором правил вида «если А, то В», где условие правила А говорит о содержимом базы фактов, а следствие В о том, что надо делать, когда данное продукционное правило активизировано. Продукционные модели представления знаний благодаря естественной модульности правил, наглядности и простоте их создания широко применяются в интеллектуальных системах.

6. Управление выводом в продукционных системах.

Управление выводом в продукционных системах.

В ходе решения проблемы машина вывода (интерпретатор) выполняет 2 задачи – собственно логический вывод и управление выводом. Логический вывод в продукционных системах не отличается особой сложностью и реализуется на основе процедуры поиска по образцу. Управление выводом в продукционных системах предполагает решение 2 вопросов. С чего следует начинать процесс вывода? Как поступить, если на некотором шаге вывода возможен выбор различных вариантов его продолжения? Ответ на первый вопрос приводит к прямой и обратной цепочке рассуждений, а на второй вопрос к механизмам разрешения конфликтов в продукционных системах.

7. Прямой вывод.

Управление выводом в продукционных системах.

В ходе решения проблемы машина вывода (интерпретатор) выполняет 2 задачи – собственно логический вывод и управление выводом. Логический вывод в продукционных системах не отличается особой сложностью и реализуется на основе процедуры поиска по образцу. Управление выводом в продукционных системах предполагает решение 2 вопросов. С чего следует начинать процесс вывода? Как поступить, если на некотором шаге вывода возможен выбор различных вариантов его продолжения? Ответ на первый вопрос приводит к прямой и обратной цепочке рассуждений, а на второй вопрос к механизмам разрешения конфликтов в продукционных системах.

8. Обратный вывод.

Кроме прямого вывода в продукционных системах широко применяется и обратный вывод, то есть вывод, управляемый целевыми условиями. Такой вывод начинается с целевого утверждения, которое фиксируется в рабочей памяти. Затем отыскивается правило-продукция, заключение которого сопоставимо с целью. Условия данного правила помещаются в рабочую память и становятся новой подцелью. Процесс повторяется до тех пор, пока в рабочей памяти не будут найдены факты, подтверждающие целевое утверждение.

9. Управление разрешением конфликтов в продукционных системах.

Управление разрешением конфликтов.

Разрешение конфликтов – это важная проблема, связанная с управлением порядком применения правил, образующих конфликтное множество. Порядок активизации правил конфликтного множества определяется выбранной стратегией разрешения конфликтов. Ранее в примерах конфликтное множество правил представлялось в виде упорядоченного списка. При этом конфликтные правила дописывались в конец этого списка. Простые стратегии разрешения конфликтов, основанные на том, что выбирается либо первое, либо последнее правило, входящее в список. Выбор первого правила соответствует поиску в ширину, а выбор последнего правила (то есть, только что добавленного) – поиску в глубину. Во многих продукционных системах чаще всего применяют второй способ. Другими принципами, используемыми при разрешении конфликтов являются:

1. Принцип «стопки книг».

2. Принцип наиболее длинного условия.

3. Принцип метапродукций.

4. Принцип приоритетного выбора.

Принцип стопки книг заключается в том, что список конфликтующих правил упорядочивается в соответствии с частотой использования продукции в прошлом. В первую очередь выбирается продукция, которая использовалась чаще всех. Принцип наиболее длинного условия отдает приоритет той продукции, ядро которой имеет наиболее длинное условие. Такие продукции соответствуют специфичным ситуациям. Данный принцип опирается на тот факт, что продукции с длинными условиями учитывают больше информации о текущей ситуации и это должно приводить к ускорению поиска решения.

Принцип метапродукций основан на добавлении в базу знаний специальных метаправил, упорядочивающих процесс разрешения конфликтов. На основании метаправил осуществляется анализ множества конфликтных правил и в определенных ситуациях активизируются те или иные правила из этого множества. В случае приоритетного выбора с каждой продукцией связывается статический или динамический приоритет Pr, определяющий порядок ее активизации. Иногда в постусловиях правила может указываться имя следующей продукции, которую необходимо выполнить. Это превращает систему продукций в обычный алгоритм.

10. Разработка продукционных систем с использованием оболочки CLIPS.

CLIPS включает язык представления правил и язык описания процедур. Основными компонентами языка описания правил является база фактов fact base и база правил rule base. На них возлагаются следующие функции:

1. База фактов представляет исходное состояние проблемы.

2. База правил содержит операторы, которые преобразуют состояние проблемы, приводя его к решению.

Машина логического вывода CLIPS сопоставляет эти факты и правила и выясняет, какие из правил можно активизировать. Это выполняется циклически, причем каждый цикл состоит из 3 шагов:

1. сопоставление фактов и правил.

2. выбор правила, подлежащего активизации.

3. выполнение действий, предприсаннных правилами.

Такой трехшаговый циклический процесс называют циклом «распознование-действие».

11. Определение фактов в CLIPS.

В режиме интерпретатора пользователь может использовать множество команд. Факты можно включить в базу фактов из командной строки с помощью команды CLIPS>(assert(today is Sunday))

То добится нулевой факт <fact-0>

CLIPS>(assert(weather is warm))

<fact-1>

Для вывода списка фактов, имеющихся в базе используется команда <Facts>

Для удаления фактов из базы используется команда CLIPS>(retract 1)

Эти же команды assert и retract используются в выполняемой части правила (заключении правила) и с их помощью выполняется программное изменение базы фактов.

(Clear) очищает базу фактов.

В тексте программы факты можно включать в базу не поодиночке, а целым массивом.

(deffacts today

(today is Sunday)

(weather is warm))

Удалить массив из базы можно командой (undeffacts <имя массива>).

Это все можно записать в текстовый файл *.clp, а потом закрузить файл в интерпретатор. После загрузки файла факты не передаются сразу же в базу фактов clips. Команда deffacts просто указывает интерпретатору, что существует массив, который содержит множество фактов. Загрузка выполняется командой (reset). Она сначала очищает базу фактов, а затем включает в нее факты из всех ранее загруженных массивов. Она также добавляет в базу единственно системно определенный факт f-0 (initial-fact).

Это делается по умолчанию, поскольку иногда имеет смысл включить программу правило start rule, которое может быть сопоставлено с этим фактом и позволит выполнить какие-либо нестандартные инициализирующие операции. Можно проследить за тем, как выполняется команда reset, если перед выполнением команд установить режим слежения среды разработки. Для этого нужно вызвать команду меню execution->watch и установить флажок facts.

12. Определение правил на CLIPS.

В языке CLIPS правила имеют следующий формат.

Для определения правила используется команда

(defrulrule<имя правила>

<необязательный комментарий>

<необязательное объявление>

<предпосылка 1>

…

<предпосылка n>

=>

<действие 1>

…

<действие n>)

Пример.

(defrulrule chores

“things to do on Sunday”

(salience 10)

(today is Sunday)

(weather is warm)

=>

(assert (wash car))

(assert (chop wood)))

Предпосылки в условной части правила сопоставляются интерпетатором с базой фактов, а действия, перечисленные в выполняемой части правила вставят в базу два факта. Выражение calience 10 указывает интерпретару на степень важности правила. Пусть например в программе имеется другое правило

(deffuse fun

“better things to do on Sunday”

(sailence 100)

(today is Sunday)

(weather is warm)

=>

(assert (drink fanta))

(assert (play guitar)))

Поскольку предпосылки обоих правил одинаковы, то при выполнении оговоренных условий они будут конкурировать за внимание интерпретатора. Предпочтение будет отдано правилу, у которого параметр sailence 100 имеен более высокое знанчение, в данном случае правилу fun. Параметру salience может быть присвоено любое целочисленное значение в диапазоне от -10000 до 10000. Если salience в определении праивила отсутствует, ему по умолчанию присваивается значение 0.

13. Управление интерпретатором CLIPS.

Введем в текстовый файл правило, а затем загрузим это правило в среду CLIPS.

(defrule start

(initial-fact)

=>

(printout t “hello, world” crlf)

)

Printout – вывод.

Crlf – перевод курсора.

После этого необходимо выполнить команду reset, а затем запустить интерпретатор командой CLIPS>(run).

Если в меню execution->watch был установлен флажок rules, то на экране появится результат трассировки процесса выполнения.

CLIPS>(run)

FIRE 1 start:f-0

Hello,world

В этом сообщение в строке, начинающейся с FIRE выведена информация об активизированном правиле. Start – это номер правила, а f-0 – это им факта, который удовлетворил условие в этом правиле.

14. Определение функций в CLIPS.

(daffunction <имя функции> (<аргумент 1>,<аргумент 2>…<аргумент n>)

<выражение 1>

…

<выражение m>

)

Функция возвращает результат последнего выражения в списке.

Пример. //?a – переменная. _ - пробел.

(daffunction hypotenuse (?a,?b)

(sqrt(+_(*_?a_?a)_(*_?b_?b)))

)

15. Общее понятие о семантических сетях.

Семантические сети являются частным случаем сетевых моделей представления знаний. Формально сетевые модели задаются в виде H= <I, C₁, C₂, …С_n, Q>

Где I – это множество информационных элементов, хранящихся в узлах сети.

C₁, C₂, …С_n – это типы связей между информационными элементами.

Q – отображение, которое устанавливает соответствие между множеством типов связей и множеством информационных элементов сети.

Сетевые модели представления знаний различаются между собой типами используемых связей (отношений). Если в сети используются иерархические связи (класс-подкласс, род-вид и т.п), то сеть называются классифицирующей. Если связи между информационными элементами представляются функциональными отношениями, позволяющими вычислять значения одних информационных элементов по значениям других, то сети называют функциональными (вычислительными). Если в сети в сети допускаются связи различного типа, то ее называют семантической сетью. Семантическая сеть представляет собой направленный граф, в котором вершинам соответствуют объекты (сущности предметно области), а дугам отношения, в которых находятся эти объекты. Вывод в семантических сетях может выполняться на основе алгоритмов сопоставления путем выделения подграфов с определенными свойствами. К достоинствам семантических сетей относят: большую выразительную способность, наглядность графического представления, близость структуры сети к семантической структуре фраз естественного языка. Недостатком представления знаний в виде семантических сетей является отсутствие единой терминологии. Данная модель представления знаний находит различные воплощения у данных исследователей.

16. Способы описания семантических сетей и логический вывод.

17. Фреймы. Структуры фрейма

Фреймовые модели представления знаний используют теорию организации памяти, понимания и обучения, предложенную Минским. Фрейм – структура данных, предназначенная для представления стереотипных ситуаций. Фрейм состоит из слотов. Значением слота могут быть числа, выражения, тексты, программы, ссылки на другие фреймы. Совокупности фреймов образуют иерархические структуры, построенные по родовидовым признакам, что позволяет наследовать значения слотов. Такое свойство фреймов обеспечивает экономное размещение базы знаний в памяти. Кроме этого, значения слотов могут вычисляться с помощью различных процедур. То есть, фреймы комбинируют в себе декларативные и процедурные модели представления знаний. Фреймовые модели можно понимать как сетевые модели представления знаний, когда фрагмент сети представляется фреймом с соответствующими слотами и значениями.

18. Управление выводом во фреймовых системах.

Управление выводом во фреймовых системах.

Во фреймовых системах используется три способа управления выводом:

1. с помощью механизма наследования

2. с помощью процедур-демонов

3. с помощью присоединенных процедур.

Механизм наследования является основным встроенным средством вывода. Он обеспечивает значительную экономию памяти и автоматическое определение значений для слотов-фреймов нижних уровней. Фреймовые системы также оснащаются набором специальных процедур, к которым относят процедуры: конструирование класса, конструирование экземпляра класса, записи значения в слот, чтение слота. Процедура конструирования класса формирует фрейм-прототип с необходимым набором слотом и соответствующими ссылками на суперклассы. Фрейм может быть связан с несколькими суперклассами. Процедура конструирования экземпляра класса позволяет формировать фреймы-примеры. Она автоматически выполняется связь всех таких фреймов с соответствующим классом посредствам is_a слота. Процедура записи и чтения значений слотов осуществляют доступ к слотам соответствующих фреймов и позволяют пользователю ввести или определить значение соответствующего слота. Для этого при их вызове им передается имя фрейма и имя соответствующего слота. В случае, если значение какого-либо слота при вызове соответствующей процедуры конструирования не задается, то автоматически вызывается процедура, позволяющая установить значение слота по умолчанию. Это часто выполняется с помощью механизма наследования.

Другая возможность вывода во фреймовых системах основана на использовании процедур-демонов. Процедура «если нужно» вызывается, когда поступает запрос, требующий установления значений соответствующего слота. Данная процедура, как и значение слота, наследуется подклассами и экземплярами классов. Поэтому, связывание ее с одним из суперклассов может оказать влияние на значение соответствующих слотов-фреймов, расположенных ниже по иерархии. При этом процедура непосредственно не меняет значение слота, а каждый раз вычисляет его заново, учитывая определенные условия.

19. Основные функции и компоненты экспертных систем.

Основные функции и компоненты экспертных систем.

Под ЭС понимают программную систему, аккумулирующую знания эксперта в определенной области и вырабатывающую решения и рекомендации на уровне эксперта. Экспертные системы отличаются от традиционных программных систем обработки данных тем, что они:

1. реконструируют методику решения задачи экспертом в соответствующей области.

2. формируют выводы, основываясь на знаниях, которые хранятся отдельно от программного кода, управляющего процессом вывода.

3. используют при решении задач эвристические методы, которые не требуют исчерпывающей исходной информации и, следовательно, обеспечивают решение, характеризуемое определенной степенью уверенности.

4. Имеют возможность накапливать знания в процессе функционирования.

5. Обладают способностью объяснять предлагаемые решения.

6. Обеспечивают дружественный интерфейс с пользователем.

Принципиальное отличие экспертных систем от других систем, основанных на знаниях состоит в том, что знания, хранящиеся в экспертной системе, приобретаются в процессе общения с экспертом. Экспертная система представляет собой программную систему, использующую эвристические методы, разработанные экспертами для решения задач в узко-специальной области. Основываясь на знаниях и эвристических методах поиска решений, экспертные системы характеризуются следующими свойствами; открытостью, гибкостью, недетерминированностью решений и рекомендаций.

Открытость экспертной системы означает, что пользователь может проверить решения, принимаемые экспертной системой на любом шаге выполнения программы. Открытость позволяет оценивать корректность знаний, задействованных на каждом этапе логического вывода. Данное обстоятельство важно при отладке базы знаний. Гибкость экспертной системы означает простоту модификации базы знаний. Экспертная система должна иметь средства, обеспечивающие добавление, изменение и удаление элементов базы знаний. Это возможность предполагает отделение базы знаний от процедур поиска решений. Наиболее просто выполняется модификация баз знаний продукционного типа.

Добавление и удаление правил-продукций не требует изменений программного типа.

Недетреминированность обусловлена применением в экспертной системе эвристических методов решения задачи, которые не гарантируют успех. Эвристическая природа как экспертных знаний, так и методов поиска решений создает трудности при оценке качества функционирования экспертной системы. Один из путей решения этой проблемы состоит в сравнении решений, предлагаемых экспертной системой и экспертом. Считается, что экспертная система функционирует на уровне эксперта, если пользователь, которому неизвестно, как полученные результаты экспертизы, не может отличить лучшие решения, предложенные экспертной системой, от соответствующих решений эксперта. Экспертные системы ориентированы на классы задач, которые плохо поддаются решению с помощью математических методов. Список задач включает:

1. интерпретация – извлечение информации из исходных данных.

2. диагностика – обнаружение неисправностей и причин их появления в некоторой системе.

3. мониторинг – непрерывная интерпретация данных в реальном времени с сигнализацией о выходе тех или иных параметров за допустимые пределы.

4. прогноз – предсказание вероятных последствий на основе прошедших и настоящих событий.

5. планирование – определение последовательности действий, направленных на достижение заранее поставленных целей.

6. проектирование – определение конфигурации системы при заданных ограничениях.

7. обучение – интерпретация, диагностика, коррекция знаний и умений обучаемого.

8. управление – формирование управляющих воздействий, определяющих поведение сложных систем.

20. Разработка экспертных систем.

CLIPS включает язык представления правил и язык описания процедур. Основными компонентами языка описания правил является база фактов fact base и база правил rule base. На них возлагаются следующие функции:

3. База фактов представляет исходное состояние проблемы.

4. База правил содержит операторы, которые преобразуют состояние проблемы, приводя его к решению.

Машина логического вывода CLIPS сопоставляет эти факты и правила и выясняет, какие из правил можно активизировать. Это выполняется циклически, причем каждый цикл состоит из 3 шагов:

4. сопоставление фактов и правил.

5. выбор правила, подлежащего активизации.

6. выполнение действий, предприсаннных правилами.

Такой трехшаговый циклический процесс называют циклом «распознование-действие».

Дата добавления: 2015-08-29