Организация базы знаний. Приобретение знаний. Немонотонность вывода. Извлечение знаний из данных. Машинное обучение на примерах.

(2 часа)

 

•Вывод на знаниях.

•Понятие базы знаний.

•Организация базы знаний.

•Приобретение знаний.

•Вывод на знаниях и его разновидности.

•Немонотонность вывода.

•Извлечение знаний из данных.

•Машинное обучение на примерах.

 

База знаний – это совокупность знаний о предметной области, оформленная в виде, пригодном для использования машиной вывода. БЗ содержит знания, необходимые для понимания, формулирования и решения задач.

 

 

Управляющий компонент выполняет следующие функции:

nсопоставление (образец правила сопоставляется с имеющимися фактами)

nвыбор (если в ситуации может быть применено несколько правил, то выбирается одно по какому либо критерию)

nсрабатывание выбранного правила

 

nИнтерпретатор продукции работает циклически. Цикл работы интерпретатора показан на рисунке:

 

nВ одном цикле срабатывает только одно правило. Информация из рабочей памяти последовательно сопоставляется с посылками правил для выявления успешного сопоставления.

nРабота машины вывода зависит только от состояния рабочей памяти и состава базы знаний.

 

nОт выбранного метода поиска (стратегии вывода) будет зависеть порядок применения и срабатывания правил. Процедура выбора сводится к определению направления поиска и способа его осуществления. Процедуры поиска обычно зашиты в механизм вывода и инженеры знаний не имеют к ним доступа. При разработке стратегии вывода определяют два вопроса: 1. Какую точку в пространстве состояний взять в качестве исходной (от выбора ее зависит метод – прямой или обратный)? 2. каким методом можно увеличить эффективность поиска? (применить метод поиска в ширину, глубину или др.)

 

При обратном выводе в начале выдвигается некоторая гипотеза, а затем механизм вывода как бы возвращается назад, переходя к фактам, пытаясь найти те, которые подтверждают гипотезу. Если она оказалась правильной, то выдвигается следующая гипотеза, детализирующая первую и являющаяся по отношению к ней подцелью.

Далее отыскиваются факты, подтверждающие истинность подчиненной гипотезы. Вывод такого типа называется управляемый целями (управляемый консеквентами). Обратный вывод применяется в тех случаях, когда цели известны и их сравнительно немного.

 

В системах с прямым выводом по известным фактам отыскиваются заключения, которые из этих фактов следуют. Если такое заключение удается найти, то оно заносится в рабочую память. Такой вывод называется управляемый фактами (управляемый антецедентами).

 

Пример: Имеется фрагмент базы знаний из двух правил:

 

1ый проход

шаг 1. Цель «ехать в горы». Пробуем П1 – данных «отдых летом» нет, они становятся новой целью и ищется правило, где цель в левой части

шаг 2. Цель «отдых летом». Правило П2 подтверждает цель и активирует ее

 

nПри поиске в глубину в качестве очередной подцели выбирается та, которая соответствует следующему более детальному уровню описания задачи. Например, диагностирующая система, сделав на основе известных симптомов предположение о наличии определенного заболевания, будет продолжать запрашивать уточняющие признаки и симптомы этой болезни до тех пор, пока полностью не опровергнет выдвинутую гипотезу.

 

nПоиск с возвратом (бэктрекинг) - При таком поиске при выборе правила определяется точка возврата. Если дальнейший поиск в выбранном направлении приводит к сложностям, то осуществляется переход к точке возврата. Далее применяется другое правило и процесс поиска продолжается.

 

n α-β алгоритм - является другой разновидностью метода поиска и позволяет уменьшить пространство состояний путем удаления ветвей неперспективных для успешного поиска. Поэтому просматриваются только те вершины, в которые можно попасть в результате следующего шага, после чего неперспективные направления исключаются. α-β алгоритм нашел широкое применение в системах, ориентированных на различные игры, например – шахматы.

 

nЕще один метод поиска – разбиение на подзадачи - Он подразумевает выделение подзадач, решение которых рассматривается как достижение промежуточных целей на пути к конечной цели. (Пример – поиск неисправности в компьютере).

 

Специалисты, принимающие решения, используют немонотонные рассуждения - рассуждения здравого смысла (основывающиеся на элементарных знаниях). Данный вид рассуждений является обыденным для людей, но его очень трудно достичь ИС

 

Извлечение знаний представляет собой накопление, передачу и преобразование экспертиз решения задачи от экспертов или документированных источников знаний компьютерной программой для конструирования или расширения БЗ.

Потенциальные источники знаний включают экспертов, учебники, справочники, мультимедийные документы, базы данных, исследовательские отчеты, информацию из Интернет.

Методы извлечения данных делятся на пассивные и активные.