Главная Обратная связь

Дисциплины:






Различные представления знаний в существующих системах



Процедурные закрытые:

• конечный автомат;

• программа;

• скрипт (схема);

• семантическая сеть;

• фрейм (прототип);

• графы, сети;

• формальная спецификация;

• исчисления предикатов;

• теоремы, правила перезаписи.

Открытые представления знаний:

• продукционные правила;

• предложения на естественном языке.

Напомним, что конечные автоматы, программы, исчисления предикатов и системы с продукционными правилами с теоретической точки зрения эквивалентны друг другу, поскольку их в принципе можно свести к универсальной машине Тьюринга, хотя их эксплуатационные характеристики сильно различаются.

Такие формальные понятия, как фреймы, скрипты, семантические сети возникли из реальных потребностей ИИ и приносят большую помощь в понимании языка.

Фреймы

Фрейм задается именем и слотом, которые могут заполняться конкретными значениями. Содержательная интерпретация слотов может быть различной. Это свойство в широком смысле слова: признаки, характеристики, бинарные отношения, роли, компоненты, атрибуты, валентность, аргументы и т.п. (одной из характеристик слота является тип значения, оно может быть задано ссылкой на другой фрейм так, что слоты служат в частности для описания отношений между фреймами (содержательно между понятиями)).


При описании экземпляра фрейма указывается имя фрейма-прототипа и значения его слотов. С каждым фреймом ассоциируется несколько видов информации, слоты могут быть заполнены по умолчанию. Группы родственных фреймов объединяются в систему, при этом результаты действий находят свое отражение в форме определенных преобразований между фреймами системы. После того, как для представления ситуации предлагается какой-либо фрейм, в соответствии с этой ситуацией находятся значения для слотов, согласующиеся с соответствующими условиями. М.Минский указывает следующие способы, с помощью которых системе удается обнаружить фрейм, представляющий новую ситуацию.

Предвосхищение, когда система выбирает исходный фрейм, чтобы удовлетворить некоторым данным условиям.

Детализация, когда система выбирает и размещает дополнительные подфреймы с тем, чтобы отобразить дополнительные детали.

Изменение, когда система ищет способы для замены фрейма, который не подходит к новой ситуации.

Обновление, когда системе не удается найти ни одного приемлемого фрейма, и она решает, можно ли модифицировать старый фрейм или надо строить совершенно новый.

Обучение, когда система определяет, какие фреймы должны запоминаться или подвергаться модификации с накоплением опыта.

Следует заметить, что фреймовый подход развивает представления, основанные на семантических сетях. Фрейм в этом случае трактуется как узел сети, снабженный структурным описанием. Подчеркнем особенности такого представления :



    • знание организовано в виде совокупности взаимосвязанных описаний – классов данной предметной области;
    • формальная структура для такого описания названа фреймом. Это дает возможность упаковать знания в подходящем образом организованные структуры, сохраняя его обозримость на всех уровнях;
    • фреймы организуются в иерархии по уровню абстракции; конкретным объектам соответствуют экземпляры фреймов; свойства более общих понятий наследуются более конкретным в иерархии. Наследование представляет собой особый вид дедукции что дает выигрыш в эффективности и, что важнее, облегчает построение системы фреймов – базы знаний. Такие описания выглядят гораздо более близким к мыслительным структурам человека, нежели формализмы типа исчисления предикатов;
    • структурное описание в виде содержаний ссылки на другие фреймы, что позволяет описывать различные отношения между понятиями данной предметной области; указанные ссылки могут иметь вид фрейма – прототипа с значениями его свойств-слотов. Сопоставление с прототипом также является механизмом, частично заменяющим обычную дедукцию, и, в то же время, более адекватным механизму мышления человека;
    • с фреймами связываются процедуры, описывающие те или иные специализированные для данной предметной области процессы (проблемно-логический подход, поддержка целостности базы знаний, учет взаимосвязей экземпляров различных понятий и т.п.) Таким образом, фрейм представляет собой декларативно- процедурный модуль, включающий собственно предметную область, а также дополнительную информацию о способе его интерпретации.

Процедури фазифікації та дефазифікації в системах керування на основі нечіткої логіки.

Базовая конфигурация системы нечеткой логики с фаззификатором и дефаззификатором представлена на рисунке 2.7.



Рисунок 2.7 - Система нечеткой логики с фаззификатором и дефаззификатором

 

Фаззификатор отображает "четкую" точку (или значение переменной ) из Х в нечеткие множества из Х. Дефаззификатор отображает нечеткие множества из Y в четкое значение выхода. Базис нечетких правил и механизм нечеткого вывода остаются такими же, как в простых системах нечеткой логики.

Системы нечеткой логики с фаззификатором и дефаззификатором имеют несколько привлекательных черт:

во-первых, они пригодны для использования в технических системах, так как их входные и выходные переменные принимают реальные значения;

во-вторых, они предоставляют возможность естественного перехода от заключений эксперта к нечетким IF-THEN-правилам;

в-третьих, они предоставляют большую свободу в выборе фаззификатора, механизма нечеткого вывода и дефаззификатора, т.е. можно подобрать систему нечеткой логики, наиболее подходящую для решения конкретной задачи;

в-четвертых, могут быть разработаны различные алгоритмы настройки таких систем нечеткой логики, что позволяет эффективно объединять численную и лингвистическую информацию.

Формування початкової популяції в генетичному алгоритмі

Перед первым шагом генетического алгоритма являестся - случайным образом создать начальную популяцию; даже если она окажется совершенно неконкурентоспособной, генетический алгоритм все равно достаточно быстро переведет ее в жизнеспособную популяцию. Таким образом, на первом шаге можно особенно не стараться сделать слишком уж приспособленных особей, достаточно, чтобы они соответствовали формату особей популяции, и на них можно было подсчитать функцию приспособленности (Fitness).

Этим ГА отличается от большинства других алгоритмов оптимизации, которые оперируют лишь с одним решением, улучшая его.

С помощью функции приспособленности среди всех особей популяции выделяют:

- наиболее приспособленные (более подходящие решения), которые получают возможность скрещиваться и давать потомство

- наихудшие (плохие решения), которые удаляются из популяции и не дают потомства

В классическом ГА:

- начальная популяция формируется случайным образом

- размер популяции (количество особей N) фиксируется и не изменяется в течение работы всего алгоритма

- каждая особь генерируется как случайная L-битная строка, где L — длина кодировки особи

длина кодировки для всех особей одинакова

 





sdamzavas.net - 2020 год. Все права принадлежат их авторам! В случае нарушение авторского права, обращайтесь по форме обратной связи...