Глава 3. Модели представления знаний

Знания – это хорошо структурированные данные, а данные – информация, полученная в результате наблюдений или измерений, отдельных свойств (атрибутов), характеризующих объект, процессы и явления предметной области [2,8]. В настоящее время разработаны различные модели представления знаний, которые сводятся к классам:

- продукционные модели;

- формально-логические модели;

- фреймовые модели;

- семантические сети.

Продукционные и формально-логические модели относятся к классу модульных, т.е. оперируют отдельными элементами знаний (правилами, аксиомами предметной области). Фреймовые модели и семантические сети относятся к классу сетевых моделей, поскольку представляют возможность связывать фрагменты знаний через отношения.

Продукционная модель

Продукционная модель, или модель, основанная на правилах, позволяет представить знания в виде конструкций типа «Если (условие), то (действие)». Под условием (антецедентом) понимается некоторое предложение – образец, по которому осуществляется поиск в БЗ, а под действием (консеквентом) – действия, выполняемые при успешном исходе поиска. Они могут быть промежуточными, выступающими далее как условия, и терминальными (целевыми), завершающими работу системы.

Пример 3.1

Если «двигатель не заводится» и «стартер не работает», то «неполадки в системе электропитания стартера».

Антецедент и консеквент формируются из атрибутов (двигатель, стартер) и значений (не заводится, не работает).

Пример 3.2

Если «матрица значений регрессоров мультиколлинеарна» и «сокращение числа регрессоров невозможно», то необходимо «использование для построения линейной модели метода гребневой (ридж) регрессии» [9].

В данном случае атрибутами являются матрица значений регрессоров и число регрессоров, а значениями – мультиколлинеарность, и сокращение невозможно.

В рабочей памяти продукционной системы хранятся пары «атрибут – значение», истинность которых установлена в процессе решения конкретной задачи к некоторому текущему моменту времени. Содержание рабочей памяти изменяется в процессе решения задачи, что происходит по мере срабатывания правил. Правило срабатывает, если при сопоставлении фактов, содержащихся в рабочей памяти, с образцом правила имеет место совпадение. Для представления реальных знаний используются описания с помощью триплета «объект – атрибут – значение». С введением триплета правила из БЗ могут срабатывать более одного раза в процессе одного логического вывода, поскольку одно правило может применяться к различным объектам.

Существует два типа продукционных систем – с прямым и обратным выводом. Прямой логический вывод реализует стратегию от фактов к заключению или от данных к поиску цели. При обратном выводе выдвигаются гипотезы, которые могут быть подтвержены или опровергнуты на основании фактов, поступающих в рабочую память.

Продукционная модель представления знаний используется более чем в 80% ЭС [8], поскольку обладает наглядностью, высокой модульностью, легкостью внесения дополнений и изменений, простотой логического вывода. К недостаткам продукционных моделей следует отнести отличие от структуры знаний, свойственной человеку; неясность взаимных отношений правил; сложность оценки целостного образа знаний; низкую эффективность обработки знаний. В настоящее время имеется большое число программных средств (ПС), реализующих продукционный подход по построению БЗ, например языки высокого уровня CLIPS, OPSS, «пустые» ЭС EXSYS, Kappa, GURU, инструментальные системы KEE, ARTS, PIES.

Дата добавления: 2015-12-07