1.1 Історія в інформатиці 5
1.2 Зв'язки і структури 6
1.3 Проблеми створення систем знань 7
1.4 Види знань і способи їх подання 8
1.5 Вимоги до систем знань 10
1.6 Особливості знань для їх подання в ЕОМ 11
Глава 2. Моделі представлення знань 13
2.1 Логічні моделі 13
2.2 Мережеві моделі 15
2.3 Продукційні моделі (product (ion)) 16
2.3.1 Класифікація ядер продукції 17
2.4 Модель знань з використанням фреймів 19
(Фреймова модель). 19
2.5. Подання знань за допомогою сценаріїв 21
2.6 Інші методи представлення знань 22
Проблема подання знань у комп'ютерних системах - одна з основних проблем в галузі штучного інтелекту. Вирішення цієї проблеми дозволить фахівцям, які не навченим програмування, безпосередньо на мові "ділової прози" в діалоговому режимі працювати з ЕОМ і з її допомогою формувати необхідні рішення. Таким чином, рішення проблеми подання знань в комп'ютерних системах дозволить суттєво посилити інтелектуальну творчу діяльність людини за рахунок ЕОМ.
Актуальність даної теми полягає в тому, що вміст пам'яті ЕОМ рівносильно людського знання, яке є набагато більш складним феноменом, але може служити зручною для комунікації моделлю цього знання. Цей принцип моделювання професійних знань лежить в основі експертних систем.
Кожна з інтелектуальних систем співвідноситься з певною частиною реального світу - сферою діяльності людини, виділеної і описаної відповідно до деякими цілями і званої предметною областю. Опис предметної області являє собою сукупність відомостей:
а) про всі предмети - об'єкти, процеси і явища, виділених з точки зору даної діяльності;
б) про відносини між виділеними предметами і / або їх частинами;
в) про всі проявилися і можливі взаємодії між предметами, їх частинами та відносинами, що виникли в результаті здійснення діяльності людини.
Мета даної курсової роботи полягає в тому, щоб в повній мірі вивчити методи, моделі та типи представлення знань, операції над знаннями. Щоб повністю охопити весь спектр даної теми необхідно вирішити такі завдання:
Вивчити способи формального представлення знань;
Розглянути моделі подання знань;
Об'єктом дослідження в даному курсовому проекті виступають методи подання знань для ЕОМ. А в якості предмета вивчення приймається уявлення знань у програмі Prolog.
Глава 1. Способи формального представлення знань
1.1 Історія в інформатиці
В інформатиці (головним чином в області штучного інтелекту) для структурування інформації, а також організації баз знань і експертних систем було запропоновано декілька способів подання знань. Одне з них уявлення даних і відомостей в рамках логічної моделі баз знань, на основі мови логічного програмування Пролог.
Під терміном «Подання Знань» найчастіше маються на увазі способи подання знань, орієнтовані на автоматичну обробку сучасними комп'ютерами, і зокрема, уявлення, що складаються з явних об'єктів, і з міркувань або тверджень про них. Подання знань в подібній явній формі дозволяє комп'ютерам робити дедуктивні висновки з раніше збереженого знання.
У 1970-х і початку 1980-х були запропоновані, і з перемінним успіхом випробувані численні методи представлення знань, наприклад евристичні питально-відповідні системи, нейронні мережі, доведення теорем, і експертні системи. Головними областями їх застосування в той час були медична діагностика (наприклад мицин) і гри (наприклад шахи).
У 1980-х роках з'явилися формальні комп'ютерні мови представлення знань. Основні проекти того часу намагалися закодувати (занести в свої бази знань) величезні масиви загальнолюдського знання.
Ця робота привела до більш точній оцінці складності завдання представлення знань. Одночасно в математичній лінгвістиці, були створені набагато більш об'ємні бази мовної інформації, і вони, разом з величезним приростом швидкості і обсягів пам'яті комп'ютерів зробили більш глибоке уявлення знань більш реальним.
Було розроблено кілька мов програмування орієнтованих на подання знань. Пролог, розроблений в 1972, але отримав популярність значно пізніше, описує висловлювання і основну логіку, і може виробляти висновки з відомих посилок. Ще більше націлений на подання знань мову KL-ONE (1980-ті).
В області електронних документів були розроблені мови, явно виражають структуру збережених документів, такі як SGML, а згодом XML. Вони полегшили завдання пошуку і вилучення інформації, які останнім часом все більше пов'язані з завданням подання знань. Web-спільнота вкрай зацікавлено в семантичній павутині, в якій засновані на XML мови представлення знань, такі як RDF, Карта тим і інші використовуються для збільшення доступності комп'ютерних систем інформації, що зберігається в мережі.
1.2 Зв'язки і структури
Однією з проблем в поданні знань є, як зберігати і обробляти знання в інформаційних системах формальним способом так, щоб механізми могли використовувати їх для досягнення поставлених завдань. Приклади застосування тут експертні системи, Машинний переклад, комп'ютеризоване технічне обслуговування і системи вилучення та пошуку інформації (включаючи призначені для користувача інтерфейси баз даних).
Для представлення знань можна використовувати семантичні мережі. Кожен вузол такої мережі являє концепцію, а дуги використовуються для визначення відносин між концепціями. Одна з найвиразніших і детально описаних парадигм представлення знань заснованих на семантичних мережах це MultiNet (акронім для Багатошарові Розширені Семантичні Мережі англ. Multilayered Extended Semantic Networks).
Починаючи з 1960-х років, використовувалося поняття фрейму знань або просто фрейма. Кожен фрейм має своє власне ім'я і набір атрибутів, або слотів які містять значення; наприклад фрейм будинок міг би містити слоти колір, кількість поверхів і так далі.
Використання фреймів в експертних системах є прикладом об'єктно-орієнтованого програмування, з успадкуванням властивостей.
Фреймові структури добре підходять для представлення знань, представлених у вигляді схем і стереотипних когнітивних паттернів. Елементи подібних паттернів володіють різними вагами, причому великі ваги призначаються тим елементам, які відповідаю поточної когнітивної схемою. Патерн активізується при певних умовах: Якщо людина бачить велику птицю, за умови що зараз активна його «морська схема», а «земна схема» - немає, він класифікує її швидше як морського орлана, а не сухопутного беркута.
Фреймові уявлення об'єктно-центровані в тому ж сенсі що і Семантична мережа: Всі факти і властивості, пов'язані з однією концепцією, розміщуються в одному місці, тому не потрібно витрачати ресурси на пошук по базі даних.
Script - це тип фреймів, який описує послідовність подій у часі; типовий приклад опис походу в ресторан. Події тут включають очікування місця, прочитати меню, зробити замовлення, і так далі.
Різні рішення в залежності від їх семантичної виразності можуть бути організовані в так званий семантичний спектр (англ. Semantic spectrum).
1.3 Проблеми створення систем знань
Система знань - математична модель деякої області прикладного неформализованного знання.
Система понять і відносин цієї математичної моделі повинні відображати систему понять і відносин прикладного знання, а залежності, що існують в цій моделі, апроксимують відповідні залежності прикладного знання.
Розроблені моделі повинні бути зафіксовані в пам'яті ЕОМ і, використовуватися, для вирішення прикладних програм.
Формалізація знань. Вирішується за допомогою математиків. Буде розроблено концептуальну схему моделі.
Подання знань. Розробка формалізованого апарату для фіксації моделюють знань в пам'яті ЕОМ.
Використання знань. Проводяться обчислення і перетворення в побудованих раніше моделях.
Створення баз знань і систем управління ними. Завдання для системних адміністраторів, які закладаються в розробці засобів програмної підтримки моделювання.
1.4 Види знань і способи їх подання
Знання - формалізована інформація, на яку посилається або яку використовують в процесі виконання завдання.
Знання про предметну область включає:
Опис об'єктів і їх оточення, необхідних явищ і чинників;
Відносини між об'єктами.
Рівні формалізації знання про предметну область:
Знання в пам'яті людини;
Знання в формі мовної моделі в предметної області, зафіксованої на фізичних носіях;
Знання, формалізовані для їх подання в ЕОМ;
Фактографічні відомості і дані.
Знання як основні закономірності предметної області, що дозволяють людині вирішувати конкретні, виробничі, наукові та інші завдання:
Фактичні знання (факти, поняття, взаємозв'язки, оцінка, правила,
Стратегічні знання (стратегії прийняття рішень у конкретній
Факти - іноді викладаються як текстові знання.
Евристики - знання, засновані на індивідуальному досвіді експерта, накопичені в результаті багаторічної практики (способи використання непарної інформації; способи розв'язання суперечностей і т.п.).
Інший спосіб класифікації знань:
Декларативні - відносяться всі інші знання (статті в енциклопедіях, словниках, формулювання законів фізики, хімії.). Ці знання відповідають на питання: «Що являє собою явище Х.» або «Які зв'язку є між Х чи Y?»;
Процедурні - описують послідовність дій, які можуть бути використані для вирішення завдань. ( «Як зробити пристрій Х?»).
Знання ділять на:
Екстенціональние знання - це дані, які характеризують конкретні об'єкти предметної області;
Інтенсіональні знання - це знання, які працюють з абстрактними об'єктами предметної області.
Глибинні - відображають розуміння структури предметної області (формулювання законів);
Поверхневі - стосуються зовнішніх емпіричних асоціацій з будь-яким феноменом предметної області.
Жорсткі - дозволяють отримувати однозначно чіткі рекомендації при заданих початкових умовах;
М'які - множинні, розмиті рішення (нечіткі) і різні варіанти рекомендацій.
Завдання, які доводиться вирішувати, діляться на:
Легко формалізуються завдання (пов'язане з використанням жорстких знань);
Важко формалізуються завдання (необхідність роботи з м'якими знаннями).
Особливості важко формалізованих завдань:
Завдання не може бути визначена в числовій формі, тобто потрібно символьне уявлення;
Алгоритмічне рішення задач невідомо;
Завдання, мета якої не може бути визначена в термінах чітко визначеної цільової функцією.
Ті системи, які вирішують важко формалізуються завдання відносять до числа інтелектуальних систем.
Область застосування систем штучного інтелекту:
Там, де наука не може створити конструктивних визначень, область цих визначень змінюється. Мовна (описова) модель домінує над алгоритмічної.
Схожі роботи:
Представленіезнаній в інтелектуальних інформаційних системах
як придбання і формалізація знань. представленіезнаній. база знань. маніпулювання знаннями. мови для подання і маніпулювання знаннями і, нарешті, виникнення.
Представленіезнаній в інформаційних системах
курсової роботи з дисципліни "Представленіезнаній в інформаційних системах". Призначенням. образи в один кластер вилучення знань. стиснення даних і дослідження. даних (вектор ознак) використовувалося растрове подання цифр (у вигляді масиву з 0.
Розробка продукционной моделі представленіязнаній в ІС
знань. легка читаність, структуризація знань. відображають прагматичну складову правил, модульність знань. Продукционная модель представленіязнаній.
Моделі представленіязнаній. Синтаксис і семантика логіки предикатів першого порядку
Лекція >> Інформатика, програмування
представленіязнаній. Синтаксис і семантика логіки предикатів першого порядку (Конспект) Моделі представленіязнанійЗнанія. що зберігаються в базі знань. прийнято виділяти 4 основні класи моделей представленіязнаній. 1. Логічні моделі 2. Продукційні.
Теорія алгоритмів и основи представленнязнань
Конспект >> Інформатика, програмування
1976. Нагель Е. Ньюмен Д. Теорема Геделя. М. Знання. 1970. Поспєлов Д. А. Сітуаційне.