Продукционное правило

Cтраница 1

Продукционное правило - это упорядоченная пара цепочек символов, содержащая левую и правую части, - посылку и следствие. На множестве правил задано отношение порядка. База данных продукционной системы есть просто набор символов. В ходе работы с правилами производятся просмотр левых частей правил и сравнение их с символами из базы данных. [2]

А, он уда ляется из стека и заменяется символами правой части продукционного правила, а левой части которого стоит символ А. Таким образом, если продукция имеет вид л - - XV Z, первым должен поступить в стек символ 2, затем Y и, наконец, X. Выбор символа выполняется на основе, обращения синтак си ческой таблицы, содержащей позиции для каждого сочетания нетерминального символа, и предварительно просматриваемой комбинации из Ъ символов. Синтаксический анализ завершается успешно, когда входная последовательность исчерпывается и стек оказывается пустым. [3]

Еще одним понятием, широко используемым в различных задачах искусственного интеллекта, является продукционное правило, или продукция. Во многих случаях условие применимости можно задать в виде образца, считая продукцию применимой к ситуации, если ситуация сопоставима с этим образцом. Побочный эффект, возникающий при этом сопоставлении, может быть использован второй частью продукции. Такой подход позволяет использовать для описания продукций тот же теоретический аппарат, что и для работы с образцами. [4]

Деревья решений - метод структурирования задачи в виде древовидного графа, вершины которого соответствуют продукционным правилам, позволяющим классифицировать данные или осуществлять анализ последствий решений. Этот метод дает наглядное представление о системе классифицирующих правил, если их не очень много. Простые задачи решаются с помощью этого метода гораздо быстрее, чем с использованием нейронных сетей. Для сложных проблем и для некоторых типов данных деревья решений могут оказаться неприемлемыми. Кроме того, для этого метода характерна проблема значимости. Одним из последствий иерархической кластеризации данных является то, что для многих частных случаев отсутствует достаточное число обучающих примеров, в связи с чем классификацию нельзя считать надежной. [5]

Методы представления знаний. [6]

Следует отметить, что конечные автоматы, программы, исчисление предикатов и системы с продукционными правилами с теоретической точки зрения эквивалентны друг другу, поскольку их можно свести к универсальной машине Тьюринга, хотя их Эксплуатационные характеристики сильно различаются. [7]

Представление сложной системы в РДО-методе. [8]

Введенная в РДО-методе модификация продукций позволяет устранить недостатки продукционных систем, связанные с их статичностью, сохраняя в то же время известные преимущества продукционных систем: универсальность ( возможность описания широкого класса сложных систем применительно к различным задачам исследования); гибкость ( простота настройки); независимость формата продукционного правила и механизма поиска решений от физического смысла представляемых знаний; модульность ( продукционные правила независимы друг от друга, что позволяет вводить или удалять правило из базы знаний, не затрагивая остальные); соответствие процедурного характера описания знаний в продукционных системах дискретным процессам, имеющим место в сложной системе, что позволяет естественно использовать их для построения последовательности некоторых действий. [9]

Нечеткая нейронная сеть для решения задач классификации. [10]

Нетрудно видеть, что описанный алгоритм, в сущности, соответствует упрощенному алгоритму нечеткого логического вывода ( см. разд. Причем непротиворечивость нового продукционного правила относительно набора правил из базы знаний гарантируется предложенной процедурой ее пополнения. [11]

Данный пример наводит на мысль, что продукционные правила до некоторой степени сходны со связями стимул - реакция в традиционном направлении психологии бихевиоризме. Стимул есть аналог условной части продукционного правила, а реакция - аналог действия в продукционном правиле. [12]

Все рассмотренные ранее способы представления знаний использовали частный случай управляемых образцами модулей. Действительно, каждый модуль представлялся в виде продукционного правила. Сложность правил была весьма ограничена, что позволяло выразить их в виде, понятном эксперту. Если же преобразования, выполняемые модулем, очень сложны, то для их представления приходится прибегать к процедурной форме. Каждый источник знания состоит из программы-условия, которая определяет, применим ли ИЗ к текущему состоянию классной доски, и программы-действия, производящей результаты. [13]

Подобным образом создаются продукционные правила для человека, перевозящего козу и капусту на другой берег. Отметим, что команда writelist в каждом продукционном правиле печатает трассу текущего правила. Команда reverse print stack применяется в заключительном состоянии пути для того, чтобы распечатать путь найденного решения. [15]

Страницы: 1 2 3