Инженерия знаний

ч

u

p

ч

u

p

u ч

р

0 Xчастота

редко иногда часто

Н

L

x



x

р u ч 1

ечеткая переменная.

<, x, A>

 - имя нечеткой переменной

х – область ее определения

А – смысл, нечеткое множество определяет семантику нечеткой переменной

Лингвистическая переменная.

<, T, Х, G, M>

 - имя лингвистической переменной

Т – базовая терм множество – образует имена нечетких переменных {редко, иногда, часто}, являющихся лингвистическими переменными

Х – носитель лингвистических значений [0; 1] – область определения

G – синтаксическая процедура

М – семантическая процедура

Синтаксическая процедура в виде грамматических терминов, символы которых составляют термы из терм множеств {и, или, не}, модификаторы типов {очень, слегка, не и т.д.}

 - частота

Т = {редко, иногда, часто}

X = [0;1]

Не редко

Очень часто

Такие термины вместе с исходными образуют производную терм множества.

Т* = Т  G (T)

Семантические процедуры позволяют переписать термо-нечеткую семантику.

М(₁ или ₂) = А₁ А₂

(₁ , х₁ , А₁)

(₂ , х₂ , А₂)

М(₁ и ₂) = А₁ А₂

М(^) = ^А₁

М(очень ) = con (A )

М(слегка ) = dil (A )

Сценарий.

Является классом фреймовых моделей представления знаний, где в обобщенной и структурной форме представлены знания о последовательности действий, событий типичных для предметной области. Рассмотрим стереотип каузальный сценарий – определяет последовательность действий необходимых для достижения целей, это фреймовая модель.

(kcus имя:

имя слота 1(значение слота 1);

имя слота 2(значение слота 2);

…

имя слота n(значение слота n))

(kcus

деятель

цель деятеля

посылка

ключ

следствие

системное имя)

Посылка определяет действия, которые должны быть выполнены раньше ключевого действия, необходимые для его действия. Последствие – заключительное действие. Системное имя – сценарий.

(kcus «тушение пожара»:

деятель (S: )

цель деятеля (С: «прекращение пожара»)

П₁₁, П₁₂ посылки (cus: «поиск средств тушения»R₁, «транспортные средства тушения»)

К₁ ключ (f: «использование средств тушения для полного прекращения огня»)

следствие (Р: «прекращение огня»)

системное имя (sys: cus*1))

R₁ – быть раньше

(kcus «поиск средств тушения »:

деятель (S: )

цель деятеля (С: «нахождение средств тушения»)

П₁₂₁, П₂₂ посылки (cus: «определение координат местонахождения средств тушения»R₁, «перемещение к месту нахождения средств тушения»)

К₂ ключ (f: «схватывание средств тушения»)

следствие (Р: «нахождение у места расположения средств тушения»)

системное имя (sys: cus*2))

(kcus «транспортировка средств тушения к месту пожара»:

деятель (S: )

цель деятеля (С: «доставка средств тушения к месту пожара»)

П₃₁, П₃₂ посылки (cus: «наличие средств тушения»R₁, «определение координат места пожара»)

К₃ ключ (f: «движение к месту пожара»)

следствие (Р: «нахождение на месте пожара средств тушения»)

системное имя (sys: cus*3))

Пополнение знаний на основе сценария.

<посылки>R:<ключ>

Последовательность действий:

Д = cus: П₁₁ R₁ cus: П₁₂ R₁ K₁ =

П₂₁R₁П₂₂R₁K₂ П₃₁R₁П₃₂R₁K₃

= П₂₁R₁П₂₂R₁K₂ R₁ П₃₁R₁П₃₂R₁K₃ R₁ K₁

Посылки определяют действия, которые должны быть выполнены раньше ключевого действия, необходимы для его действия. Следствие заключительное действие. Системное имя сценарий.

Пополнение знаний на основе псевдофизических логик.

Р₁ – посадка самолета

Р₂ – подача трапа

Р₃ – выход пассажиров из самолета

Р₄ – подача автобуса

Р₅ – прибытие на аэровокзал

Структура текста на лингвистическом уровне представляется следующей формулой:

TS = PR₄^dt&P₁R₃ ^10,P₂&P₂R₁P₃&P₄R₃ ^2,P₅

t = 15 часов 20 минут

PR₄^dt , P₁R₃ ^10,P₂  P₂R₄ ^{dt + 10}

P₁R₃ ^10,P₂  P₁R₁P₂

P₄R₃ ^2,P₅  P₄R₁P₅

TS* = P₁R₁P₂& P₁R₁P₃& P₂R₁P₃& P₄R₁P₅

Модели и методы обобщений знаний.

Под обобщением понимается процесс получения знаний, объясняющих имеющиеся факты, а так же способных классифицировать, объяснять и предсказывать новые факты. Исходные данные представляются обучающей выборкой. Объекты могут быть разбиты на классы. В зависимости от того, заданы или нет априорные разбиения объектов на классы, модели обобщения делятся на модели обобщения по выборкам и по классам.

К_i

⁺ = {0₁⁺, 0₂⁺…0_nj⁺} – положительная выборка.

Может задаваться отрицательная выборка ^- = {0₁^-, 0₂^-…0_ьj^-}

Требуется найти такое правило, которое позволяет установит, относится или нет объект к классу Kj.

В моделях обобщения по данным выборка представляется множеством объектов класса. Методы обобщения делятся на методы обобщения по признакам и структурно-логические методы обобщения.

Z = {z₁, z₂, …, z_r}

Z_i = {z_i1, z_i2, …, z_ini}

Объект характеризуется множеством значений признаков Q_i = {z_1j1, z_2j2, …, z_rjr}.

Структурно-логические методы обобщения используются для представления знаний об объектах, имеющих внутреннюю структуру среди структурно-логических методов. Можно выдвинуть два направления: индуктивные методы нормального исчисления и методы обобщения на семантических сетях.

Алгоритм обобщения понятий по признакам.

h_ij =

1, если i-ый признак имеет j-ое значение

0, в противном случае

Правила определения принадлежности объектов к некоторому классу представляются в ряде логических формул элементами которых являются h_ij и функции 

Пример:

Z = {z₁, z₂} {пол, возраст}

Z₁ = {z₁₁, z₁₂} {м, ж}

Z₂ = {z₂₁, z₂₂, z₂₃} {молодой, средний, старый}

_j⁺ = {0₁⁺, 0₂⁺} _j^- = {0₁^-, 0₂^-, 0₃^-}

0₁⁺ = (z₁₁, z₂₁) 0₂⁺ = (z₁₁, z₂₂)

0₁^- = (z₁₁, z₂₃) 0₂^- = (z₁₂, z₂₁) 0₃^- = (z₁₂, z₂₂)

&_i h_ij - обобщенноеnконъюнктивное понятие

0 = max(x_ij – 1/_i), где 0 – критерий, x_ij – частота появления некоторого значения признака, _i – количество признаков.

Пример:

0 = 3/5 – 1/2 = 0.1

_j⁺ = {0₁⁺, 0₂⁺} _j^- = {0₁^-}



⁺

^-

_-1⁺ = 0 _-1^- = {0₂^-, 0₃^-}

_j⁺

_j^-

_-1⁺

_-1^-