Поиск

Полнотекстовый поиск:
Где искать:
везде
только в названии
только в тексте
Выводить:
описание
слова в тексте
только заголовок

Рекомендуем ознакомиться

Информатика->Контрольная работа
Вычислительная техника является важнейшим компонентом процесса вычислений и обработки данных Первыми приспособлениями для вычислений были, вероятно, в...полностью>>
Информатика->Лекция
Все началось с идеи научить машину считать или хотя бы складывать многоразрядные целые числа Еще около 1500 г великий деятель эпохи Просвещения Леонар...полностью>>
Информатика->Реферат
Основные этапы развития вычислительной техники Первым прообразом современных компьютеров была механическая аналитическая машина Чарльза Бэб-биджа, кот...полностью>>
Информатика->Реферат
История вычислений уходит глубокими корнями в даль веков так же, как и развитие человечества Накопление запасов, дележ добычи, обмен – все подобные де...полностью>>

Главная > Реферат >Информатика

Сохрани ссылку в одной из сетей:

Содержание

Введение 3

Глава 1. Способы формального представления знаний 5

1.1 История в информатике 5

1.2 Связи и структуры 6

1.3 Проблемы создания систем знаний 7

1.4 Виды знаний и способы их представления 8

1.5 Требования к системам знаний 10

1.6 Особенности знаний для их представления в ЭВМ 11

Глава 2. Модели представления знаний 13

2.1 Логические модели 13

2.2 Сетевые модели 15

2.3 Продукционные модели (product (ion)) 16

2.3.1 Классификация ядер продукции 17

2.4 Модель знаний с использованием фреймов 19

(Фреймовая модель). 19

2.5. Представление знаний с помощью сценариев 21

2.6 Другие методы представления знаний 22

Введение

Проблема представления знаний в компьютерных системах - одна из основных проблем в области искусственного интеллекта. Решение этой проблемы позволит специалистам, не обученным программированию, непосредственно на языке “деловой прозы” в диалоговом режиме работать с ЭВМ и с ее помощью формировать необходимые решения. Таким образом, решение проблемы представления знаний в компьютерных системах позволит существенно усилить интеллектуальную творческую деятельность человека за счет ЭВМ.

Актуальность данной темы заключается в том, что содержимое памяти ЭВМ не равносильно человеческому знанию, которое является гораздо более сложным феноменом, но может служить удобной для коммуникации моделью этого знания. Этот принцип моделирования профессиональных знаний лежит в основе экспертных систем.

Каждая из интеллектуальных систем соотносится с определенной частью реального мира — сферой деятельности человека, выделенной и описанной в соответствии с некоторыми целями и называемой предметной областью. Описание предметной области представляет собой совокупность сведений:

а) обо всех предметах — объектах, процессах и явлениях, выделенных с точки зрения рассматриваемой деятельности;

б) об отношениях между выделенными предметами и/или их частями;

в) обо всех проявившихся и возможных взаимодействиях между предметами, их частями и отношениями, возникших в результате осуществления деятельности человека.

Цель данной курсовой работы состоит в том, чтобы в полной мере изучить методы, модели и типы представления знаний, операции над знаниями. Чтобы полностью охватить весь спектр данной темы необходимо решить следующие задачи:

  1. Изучить способы формального представления знаний;

  2. Рассмотреть модели представления знаний;

Объектом исследования в данном курсовом проекте выступают методы представление знаний для ЭВМ. А в качестве предмета изучения принимается представление знаний в программе Prolog.

.

Глава 1. Способы формального представления знаний

1.1 История в информатике

В информатике (главным образом в области искусственного интеллекта) для структурирования информации, а также организации баз знаний и экспертных систем были предложены несколько способов представления знаний. Одно из них представление данных и сведений в рамках логической модели баз знаний, на основе языка логического программирования Пролог.

Под термином «Представление Знаний» чаще всего подразумеваются способы представления знаний, ориентированные на автоматическую обработку современными компьютерами, и в частности, представления, состоящие из явных объектов, и из суждений или утверждений о них. Представление знаний в подобной явной форме позволяет компьютерам делать дедуктивные выводы из ранее сохраненного знания.

В 1970-х и начале 1980-х были предложены, и с переменным успехом опробованы многочисленные методы представления знаний, например эвристические вопросно-ответные системы, нейронные сети, доказательство теорем, и экспертные системы. Главными областями их применения в то время были медицинская диагностика (к примеру Мицин) и игры (например шахматы).

В 1980-х годах появились формальные компьютерные языки представления знаний. Основные проекты того времени пытались закодировать (занести в свои базы знаний) огромные массивы общечеловеческого знания.

Эта работа привела к более точной оценке сложности задачи представления знаний. Одновременно в математической лингвистике, были созданы гораздо более объёмные базы языковой информации, и они, вместе с огромным приростом скорости и объёмов памяти компьютеров сделали более глубокое представление знаний более реальным.

Было разработано несколько языков программирования ориентированных на представление знаний. Пролог, разработанный в 1972, но получивший популярность значительно позже, описывает высказывания и основную логику, и может производить выводы из известных посылок. Ещё больше нацелен на представление знаний язык KL-ONE (1980-е).

В области электронных документов были разработаны языки, явно выражающие структуру хранимых документов, такие как SGML, а впоследствии XML. Они облегчили задачи поиска и извлечения информации, которые в последнее время всё больше связаны с задачей представления знаний. Web-сообщество крайне заинтересованно в семантической паутине, в которой основанные на XML языки представления знаний, такие как RDF, Карта тем и другие используются для увеличения доступности компьютерным системам информации, хранящейся в сети.

1.2 Связи и структуры

Одной из проблем в представлении знаний является, как хранить и обрабатывать знания в информационных системах формальным способом так, чтобы механизмы могли использовать их для достижения поставленных задач. Примеры применения здесь экспертные системы, Машинный перевод, компьютеризированное техническое обслуживание и системы извлечения и поиска информации (включая пользовательские интерфейсы баз данных).

Для представления знаний можно использовать семантические сети. Каждый узел такой сети представляет концепцию, а дуги используются для определения отношений между концепциями. Одна из самых выразительных и детально описанных парадигм представления знаний основанных на семантических сетях это MultiNet (акроним для Многослойные Расширенные Семантические Сети англ. Multilayered Extended Semantic Networks).

Начиная с 1960-х годов, использовалось понятие фрейма знаний или просто фрейма. Каждый фрейм имеет своё собственное имя и набор атрибутов, или слотов которые содержат значения; например фрейм дом мог бы содержать слоты цвет, количество этажей и так далее.

Использование фреймов в экспертных системах является примером объектно-ориентированного программирования, с наследованием свойств.

Фреймовые структуры хорошо подходят для представления знаний, представленных в виде схем и стереотипных когнитивных паттернов. Элементы подобных паттернов обладают разными весами, причем большие весы назначаются тем элементам, которые соответствую текущей когнитивной схеме. Паттерн активизируется при определённых условиях: Если человек видит большую птицу, при условии что сейчас активна его «морская схема», а «земная схема» - нет, он классифицирует её скорее как морского орлана, а не сухопутного беркута.

Фреймовые представления объектно-центрированы в том же смысле что и Семантическая сеть: Все факты и свойства, связанные с одной концепцией, размещаются в одном месте, поэтому не требуется тратить ресурсы на поиск по базе данных.

Script – это тип фреймов, который описывает последовательность событий во времени; типичный пример описание похода в ресторан. События здесь включают ожидание места, прочитать меню, сделать заказ, и так далее.

Различные решения в зависимости от их семантической выразительности могут быть организованы в так называемый семантический спектр (англ. Semantic spectrum).

1.3 Проблемы создания систем знаний

Система знаний – математическая модель некоторой области прикладного неформализованного знания.

Система понятий и отношений этой математической модели должны отображать систему понятий и отношений прикладного знания, а зависимости, существующие в этой модели, аппроксимируют соответствующие зависимости прикладного знания.

Разработанные модели должны быть зафиксированы в памяти ЭВМ и, использоваться, для решения прикладных программ.

Проблемы:

  1. Формализация знаний. Решается с помощью математиков. Будет разработана концептуальная схема модели.

  2. Представление знаний. Разработка формализованного аппарата для фиксации моделирующих знаний в памяти ЭВМ.

  3. Использование знаний. Проводятся вычисления и преобразования в построенных ранее моделях.

  4. Создание баз знаний и систем управления ими. Задачи для системных администраторов, которые закладываются в разработке средств программной поддержки моделирования.

1.4 Виды знаний и способы их представления

Знание – формализованная информация, на которую ссылается или которую используют в процессе решения задачи.

Знание о предметной области включает:

  1. Описание объектов и их окружение, необходимых явлений и факторов;

  2. Отношения между объектами.

Уровни формализации знания о предметной области:

  1. Знание в памяти человека;

  2. Знания в форме языковой модели в предметной области, зафиксированной на физических носителях;

  3. Знания, формализованные для их представления в ЭВМ;

  4. Фактографические сведения и данные.

Классификация знаний:

  1. Знания как основные закономерности предметной области, позволяющие человеку решать конкретные, производственные, научные и другие задачи:

  1. Фактические знания (факты, понятия, взаимосвязи, оценка, правила,

эвристики (догадки));

  1. Стратегические знания (стратегии принятия решений в конкретной

области);

Факты – иногда излагаются как текстовые знания.

Эвристики – знания, основанные на индивидуальном опыте эксперта, накопленные в результате многолетней практики (способы использования нечетной информации; способы разрешения противоречий и т.п.).

  1. Другой способ классификации знаний:

  1. Декларативные – относятся все остальные знания (статьи в энциклопедиях, словарях, формулировки законов физики, химии.). Эти знания отвечают на вопрос: «Что представляет собой явление Х.» или «Какие связи есть между Х и У?»;

  2. Процедурные – описывают последовательность действий, которые могут быть использованы для решения задач. («Как сделать устройство Х?»).

  1. Знания делят на:

  1. Экстенциональные знания – это данные, которые характеризуют конкретные объекты предметной области;

  2. Интенсиональные знания – это знания, которые работают с абстрактными объектами предметной области.

    1. Знания бывают:

      1. Глубинные – отражают понимание структуры предметной области (формулировки законов);

      2. Поверхностные – касаются внешних эмпирических ассоциаций с каким либо феноменом предметной области.

    2. Знания:

  1. Жесткие – позволяют получать однозначно четкие рекомендации при заданных начальных условиях;

  2. Мягкие – множественные, размытые решения (нечеткие) и различные варианты рекомендаций.

Задачи, которые приходится решать, делятся на:

  1. Легко формализуемые задачи (связано с использованием жестких знаний);

  2. Трудно формализуемые задачи (необходимость работы с мягкими знаниями).

Особенности трудно формализуемых задач:

  1. Задача не может быть определена в числовой форме, т.е. требуется символьное представление;

  2. Алгоритмическое решение задач неизвестно;

  3. Задача, цель которой не может быть определена в терминах четко определенной целевой функцией.

Те системы, которые решают трудно формализуемые задачи относят к числу интеллектуальных систем.

Область применения систем искусственного интеллекта:

Там, где наука не может создать конструктивных определений, область этих определений меняется. Языковая (описательная) модель доминирует над алгоритмической.



Загрузить файл

Похожие страницы:

  1. Представление знаний в интеллектуальных информационных системах

    Реферат >> Информатика
    ... , как приобретение и формализация знаний, представление знаний, база знаний, манипулирование знаниями, языки для представления и манипулирования знаниями и, наконец, возникновение ...
  2. Представление знаний в информационных системах

    Реферат >> Информатика
    ... курсовой работы по дисциплине "Представление знаний в информационных системах". Назначением ... образы в один кластер извлечение знаний, сжатие данных и исследование ... данных (вектор признаков) использовалось растровое представление цифр (в виде массива из 0 ...
  3. Разработка продукционной модели представления знаний в ИС

    Реферат >> Информатика
    ... знаний, легкая читаемость, структуризация знаний, отражают прагматическую составляющую правил, модульность знаний. Продукционная модель представления знаний ...
  4. Модели представления знаний. Синтаксис и семантика логики предикатов первого порядка

    Лекция >> Информатика, программирование
    ... представления знаний. Синтаксис и семантика логики предикатов первого порядка (Конспект) Модели представления знаний Знания, хранящиеся в базе знаний ... принято выделять 4 основных класса моделей представления знаний: 1. Логические модели 2. Продукционные ...
  5. Теорія алгоритмів і основи представлення знань

    Конспект >> Информатика, программирование
    ... , 1976. Нагель Э., Ньюмен Д. Теорема Геделя. М.: Знання, 1970. Поспєлов Д. А. Ситуаційне ...

Хочу больше похожих работ...

Generated in 0.0013079643249512