2. данные и знания. Представление знаний в интеллектуальных системах в рамках направления «Представление знаний»



бет5/5
Дата02.12.2022
өлшемі116,17 Kb.
#54449
1   2   3   4   5
Байланысты:
Лекция2 методы ИИ Данные и знания. Представление знаний в интеллектуальных системах

Продукционные модели
Продукционная модель, или модель, основанная на прави­лах, позволяет представить знания в виде предложений типа: «Если(условие), то (действие)». Здесь под условием понимается некоторое предложение — образец, по которому осуществляется поиск в базе знаний, а под действием — действия, выполняемые при успешном исходе поиска (они могут быть промежуточными, выступающими далее тоже как условия, либо терминальными, или целевыми, завер­шающими работу системы).
При использовании продукционной модели база знаний состоит из набора правил. Программа же, управляющая пе­ребором этих правил, называется машиной вывода. Чаще всего вывод бывает прямым (от данных — к поиску цели) или обратным (от цели, для ее подтверждения, — к дан­ным).
Машина вывода выполняет две функции:

  1. просмотр существующих фактов (из рабочей памяти) и правил (из базы знаний) и добавление в рабочую па­мять новых фактов;

  2. определение порядка просмотра и применения правил.

Действие машины вывода основано на применении следу­ющего правила: если известно, что истинно утверждение А, и существует правило вида «если А, то В», тогда утвер­ждение В также истинно.

Правила срабатывают, если найдены факты, удовлетво­ряющие их левой части: если истинна посылка, то должно быть истинно и заключение.


Управляющий компонент машины вывода определяет порядок применения правил и выполняет четыре следую­щих функции:

  1. сопоставление — образец правила сопоставляется с имеющимися фактами;

  2. выбор — если может быть применено несколько пра­вил, то выбирается только одно из них по какому-либо критерию;

  3. срабатывание — если образец правила совпал с каким-либо фактом, то данное правило срабатывает;

  4. действия — в рабочую память добавляются заключе­ния сработавшего правила.

Эти действия циклически повторяются, пока мы не дой­дем до терминального правила или у нас больше не окажет­ся сопоставлений. Цикл работы машины вывода изображен на рис. 1.4.




Пример. Пусть имеется фрагмент базы знаний, состоя­щий из двух правил.
П1: Если «отдых — летом» и «человек — активный», то «ехать в горы».
П2: Если «любит солнце», то «отдых летом».
Предположим, что в систему поступили данные: «человек активный» и «любит солнце».
Прямой вывод — требуется, исходя из этих данных, по­лучить ответ.
1-й проход.
Шаг 1. Пробуем П1 — не работает (не хватает данных «отдых — летом»).
Шаг 2. Пробуем П2 — работает; в базу поступает факт «отдых — летом».
2-й проход.
Шаг 3. Пробуем П1 — работает, активируется цель «ехать в горы», которая и выступает как совет, который будет предложен.
Обратный вывод — требуется подтвердить выбранную цель при помощи имеющихся правил и данных.
1-й проход.
Шаг 1. Цель — «ехать в горы». Пробуем П1 — данных «отдых — летом» нет, они становятся новой целью, и осу­ществляется поиск правила, где они располагаются в пра­вой части.
Шаг 2. Цель «отдых — летом». Правило П2 подтвержда­ет цель и активирует ее.
2-й проход.
Шаг 3. Пробуем П1 — подтверждается искомая цель.
Продукционная модель чаще всего применяется в про­мышленных экспертных системах. Она привлекает разра­ботчиков своей наглядностью, высокой модульностью, лег­костью внесения дополнений и изменений и простотой меха­низма логического вывода.

Достарыңызбен бөлісу:
1   2   3   4   5




©emirsaba.org 2024
әкімшілігінің қараңыз

    Басты бет