Представление знаний в интеллектуальных системах

Гаврилов А.В.                                        НГТУ, каф. АППМ 

23  

Логика предикатов 1-го порядка 

Предикат - это конструкция вида P(t_¹,t_²,...,t_ⁿ), выражающая какую-то связь между некоторыми объектами или свойствами объектов. Обозначение этой связи или свойства, Р, называют «предикатным символом»; t_¹,t_²,...,t_ⁿ обозначают объекты, связанные свойством (предикатом) Р и называют термами.

Термы  могут быть только трех следующих  типов:

1) константа  (обозначает индивидуальный объект  или понятие);

2) переменная  (обозначает в разное время  различные объекты);

3) составной  терм – функция f(t_¹,t_²,...,t_ⁿ), имеющая в качестве своих аргументов m термов t_¹,t_²,...,t_ⁿ.

Гаврилов А.В.                                        НГТУ, каф. АППМ 

24  

Логика предикатов 1-го порядка (пример) 

1. Предложение  «Волга впадает в Каспийское  море» можно записать в виде  предиката

впадает (Волга, Каспийское море).

«Впадает» - предикатный символ; «Волга» и  «Каспийское море» - термы-константы. Мы могли обозначить отношение  «впадает» и объекты «Волга»  и «Каспийское море» символами.

Вместо  термов-констант можно рассматривать  переменные:

впадает (Х, Каспийское море)

или

впадает  (X,Y).

Это  тоже предикаты.

2. Отношение  х + 1 < у можно записать в виде предиката А(х,у). Предикатный символ А здесь обозначает то, что останется от x + 1 < у, если выбросить из этой записи переменные х и у.

Гаврилов А.В.                                        НГТУ, каф. АППМ 

25  

• Нейронные  сети
• применяются для решения задач:
• краткосрочного экономического прогнозирования
• в т.ч. для прогнозирования курсов ценных бумаг, валют, оценки рисков кризисов
• распознавания образов
• освобождения информационного сигнала от помех
• программная реализация
• OWL
• VieNet
• NeuroPro
• обучение поддаётся автоматизации
• но требует больших вычислительных ресурсов

 

Нейронные сети

Гаврилов А.В.                                        НГТУ, каф. АППМ 

26  

• Формализм  условных вероятностей
• применяется
• в спам-фильтрах
• в диагностических ЭС
• если для объекта характерна неполнота или недостаточная достоверность данных
• программная реализация
• Bayes Net Learner
• обучение легко поддаётся автоматизации

 
 

Условные вероятности

Гаврилов А.В.                                        НГТУ, каф. АППМ 

27  

Интеллектуальный интерфейс информационной системы 

Анализ  развития средств вычислительной  техники позволяет утверждать, что  она постоянно эволюционирует  в двух направлениях.

• Улучшение параметров существующих компьютеров, повышение их быстродействия, увеличение объемов их оперативной и дисковой памяти, а также с совершенствованием и модификацией программных средств, ориентированными на повышение эффективности выполнения ими своих функций. Это можно назвать развитием по горизонтали.
• изменение технологии обработки информации, приводящие к улучшению использования компьютерных систем. Развитие в этом направлении связано с появлением новых типов компьютеров и качественно новых программных средств, дополняющих уже существующие. Такое развитие можно назвать развитием по вертикали.

Гаврилов А.В.                                        НГТУ, каф. АППМ 

28  

Интеллектуальный интерфейс информационной системы (2) 

Развитие  программных средств идет по  пути увеличения их дружественности, т.e. такого упрощения управления  ими, что от пользователя не  требуется специальной подготовки, и система создает максимально  комфортные условия для его  работы.

Основной  ориентир в совершенствовании  вычислительных систем - превращение  их в удобного партнера конечного  пользователя при решении задач  в ходе его профессиональной  деятельности.

Для  обеспечения наибольшей дружественности  интерфейса программного средства  с пользователем первый должен  стать интеллектуальным.

Гаврилов А.В.                                        НГТУ, каф. АППМ 

29  

Функции интеллектуального интерфейса 

Интеллектуальный  интерфейс, обеспечивающий непосредственное взаимодействие конечного пользователя и компьютера при решении задачи в составе человеко-машинной системы, должен выполнять три группы функций:

• обеспечение для пользователя возможности постановки задачи для ЭВМ путем сообщения только ее условия (без задания программы решения);
• обеспечение для пользователя возможности формирования сред решения задачи с использованием только терминов и понятий из области профессиональной деятельности пользователя, естественных форм представления информации;
• обеспечение гибкого диалога с использованием разнообразных средств, в том числе не регламентируемых заранее, с коррекцией возможных ошибок пользователя.

Гаврилов А.В.                                        НГТУ, каф. АППМ 

30  

Структура интеллектуальной системы 

Структура  системы, удовлетворяющей требованиям  новой технологии решения задач, состоит из трех компонент:

• исполнительной системы, представляющей собой совокупность средств, обеспечивающих выполнение программ;
• базы знаний, содержащей систему знаний о проблемной среде;
• интеллектуального интерфейса, обеспечивающего возможность адаптации вычислительной системы к пользователю

Гаврилов А.В.                                        НГТУ, каф. АППМ 

31  

Структура современной системы решения прикладных задач

Гаврилов А.В.                                        НГТУ, каф. АППМ 

32  

Литература 

• http://www.insycom.ru , http://ermak.cs.nstu.ru/islab
• А.В. Гаврилов. Системы искусственного интеллекта. Уч. пособие, ч. 1. – Новосибирск, НГТУ, 2000, 2001. – 162 с.
• А.В. Гаврилов. Системы искусственного интеллекта. Метод. указания для заочников АВТФ – Новосибирск, НГТУ, 2003.
• А.В. Гаврилов. Гибридные интеллектуальные системы. – Новосибирск: НГТУ, 2003.
• Т.А. Гаврилова, В.Ф. Хорошевский. Базы знаний интеллектуальных систем. – СПБ: Питер, 2000.
• Джексон П. Введение в экспертные системы. – М., СпБ., Киев: "Вильямс", 2001.
• Дж.Ф. Люгер. Искусственный интеллект: стратегии и методы решения сложных проблем. – М.: "Вильямс", 2003.
• Н.Г. Ярушкина. Основы теории нечетких и гибридных систем. – М.: Финансы и статистика, 2004.
• Р. Каллан Основные концепции нейронных сетей. – М.: "Вильямс", 2001.
• В.В. Круглов, В.В. Борисов. Искусственные нейронные сети. Теория и практика. – М.: Горячая линия-Телеком, 2001.
• Д. Уотерман. Руководство по экспертным системам. – М.: Мир, 1989.