Cтраница 1
Представление знаний на предметном уровне реализуется на основе фреймовых структур двух видов: ролевых фреймов типовых процессов и ролевых фреймов типовых элементов. Фрейм процесса содержит информацию о способах реализации этого процесса за счет участия в нем типовых элементов в том или ином качестве ( роли), а также количественных характеристиках, в терминах которых в данной предметной области дается модельное описание качества и характера протекания процесса. [1]
Представление знаний в СИИ является не только фундаментальным понятием, но и решающим аспектом их разработки. Последствия неудачного решения проблемы представления знаний могут быть катастрофическими. Кроме того, используемый в СИИ формализм представления знаний определяет характер их получения и накопления, в результате которого создается БЗ, ориентированная на определенную структуру представления, а не на сущность самих знаний. Выбор модели, неадекватной типам знаний, приводит к потере многих существенных деталей прикладной задачи и порождает тривиальный интеллект. [2]
Представление знаний основано на фреймовой модели. Конкретные знания представляются с помощью экземпляров объектов ( в дальнейшем - просто объектов) и называются фактами. [3]
Представление знаний должно быть понятным экспертам и пользователям системы. В противном случае затрудняются приобретение знаний и их оценка. [4]
Представление знаний в виде атомов, более элементарных, чем слова, упрощает построение выводов. Однако не следует забывать, что чем мельче атомы, тем длиннее запись информации, выраженной в этих атомак, п тем сложнее сопоставить ее с внутренними знаниями. Таким образом, разбиение па атомы упрощает вывод, но усложняет отображение входной информации на внутреннее представление. [5]
Представление знаний имеет ярко выраженный процедуральный аспект. Например, в представлении знаний тестовые процедуры связаны с видами отказов в дополнение к вычислению степени уверенности в правдоподобности гипотезы, которая рассматривается как функция от наблюдаемых симптомов. [6]
Представление знаний с помощью деревьев решений с успехом было использовано в ряде систем обучения с учителем, например, в алгоритме ID3 Куинлана. [7]
Представление знаний может быть определено как множество соглашений об описании каких-либо объектов. Знания о мире можно разделить на две категории: факты, указывающие, что истинно или было истинным, и правила ( алгоритмы), позволяющие производить оценку состояния объекта или предсказать изменение его состояния во времени в результате выполнения некоторой последовательности действий. [8]
Представление знаний, основанное на фреймах, использует сеть узлов, связанных отношениями и организованных иерархически. Каждый узел представляет собой концепцию, которая может быть описана атрибутами и значениями, связанными с этим узлом. Узлы, которые занимают более низкое положение в иерархии, автоматически наследуют свойства узлов, занимающих более высокое положение. Эти методы обеспечивают естественный и эффективный путь классификации и построения таксономии, например залежей руд или различных заболеваний. [9]
Представление знаний является не менее важным фактором конструкции экспертной систем, чем механизм логического вывода, поскольку именно представление знаний определяет характеристики пространства поиска, на котором работает Механизм вывода. [10]
Представление знаний метауровня как метаправил систем, основанных на правилах, было предложено Девисом в TIERESIAS [9], системе, созданной для работы в роли ассистента при разработке высокопроизводительных программ, Метаправила в системе TIERESIAS оперировали над множеством правил вывода предметного уровня и давали заключение полезности этих правил в данной ситуации. Таким образом, они представляли стратегии для использования знаний предметного уровня: какие правила должны по определению быть бесполезными в данной ситуации, какие правила нужно попробовать раньше других для вывода новой информации. [11]
Представлению знаний присущ пассивный аспект: книга, таблица, заполненная информацией память. В ИИ подчеркивается активный аспект представления: знать должно стать активной операцией, позволяющей не только запоминать, но и извлекать воспринятые ( приобретенные, усвоенные) знания для рассуждений - на их основе. [12]
Рассмотрим представление знаний, используемых в процессе эволюционного синтеза систем. Набор информации, используемой для синтеза, может включать различные характеристики, представленные совокупностью свойств каждой подсистемы PSi Yn Ya... В отличие от традиционных бинарных цепочек генов свойства ФПС могут выражаться целыми или вещественными числами, а также символьными строками. Кроме набора свойств каждая подсистема Sf описывается набором требований к ее внутреннему окружению ( к другим элементам), RSi Xn Xa... XiMi; М - число требований / - и подсистемы к другим подсистемам. [13]
Рассмотрим представление знаний с помощью теории нечетких множеств на примере моделирования процесса управления технологической линией осушки газа. [14]
Для представления знаний в экспертных системах, как было показано выше, в основном используются сетевые, логические, фреймовые, продукционные модели. [15]