Предыдущая страница реферата | 7  8  9  10  11  12  13  14  15  16  17 | Следующая страница реферата

Сочетание сетевой и фреймовой модели в системе представления знаний OPS-5
В этом языке есть продукционные правила и базы данных
::=( +)

{}+ - Может повторятся несколько раз
::=({ значение})
::=< аз-элемент> | < элемент-вектор>
( Вещество [pic] класс кислота

[pic] имя [pic]

[pic] цвет бесцветная )
(Порядок – задач: Источник, утечки Ограждения)
Что собой представляют правила :
::=(Р [pic] )
::={}+
::= | -
::= | |
::=({значение>}+) |

# ( Порядок задач )

( [{[pic] }+] )
# (Вещество )
В образце не обязательно указываются все атрибуты данного класса , т.е. мы можем записать
(Вешество [pic] класс кислота

[pic] имя ) т.е. переменная кислота –вещ получит значение [pic]
::= ( {[pic] >}+)
Значение с соответствующего атрибута элемента работой памяти должно совпадать с одним из элементов указанных в данном листе, хотя бы с одним.
Эти значения задаются конкретными словами.
# (Вещество [pic] класс кислота

[pic] имя

[pic] цвет )
::= (< объект> {[pic]< атрибут>{{< значение>}+}}+)
Список значений может задаваться и в виде ограничений
# (Двигатель [pic] мощность { 100 200} )

(Двигатель [pic] мощность 160)
:={}+
::=(make < ЭРП> | remove | (modif
{[pic]< значение>} +)

# (Р координировать _а

(цель [pic] состояние активный

[pic] имя координировать )
Если цель находится в состоянии координировать и порядок задач не определён, то создать

(Порядок задач ) –>
(make цель [pic] состояние активный

[pic] имя упорядочить задачи)
(modif1 [pic] состояние ожидания))

ссылка указывает , что модифицироваться будет элемент рабочей памяти

Стратегия решения задач основана на явном задании цели
Выполнение
1. сопоставление с элементами памяти в результате формируется конфликтное множество правил
2. Выбор правил из конфликтного множества
3. Выполнение действий, указанных в заключении правил
Выполняется до тех пор, пока не будет достигнута цель.

Приобретение знаний

- извлечение знаний из источника , преобразование их в нужную форму , а также перенос в базу знаний интеллектуальной системы.

Знания делятся на :
- объективизированные ;
- субъективные
Объективизированные – знания , представленные во внешних источниках – книгах, журналах, НИР.
- форматизированные, т.е. представлены в виде законов, формул, моделей, алгоритмов.
Субъективные – знания, которые являются экспертными и эмперическими не представлены во внешней форме.
Знания экспертом является неформализованными, представляют собой множество эвристических приёмов и правил, позволяют находить подходы к решению задач и выдвигать гипотезы , которые могут быть подтверждены или опровержены.
Знания могут быть получены в процессе наблюдения за каким-либо объектогм.
Режимы работы инженера по знаниям, консультолога в процессе приобретения знаний.
1. протокольный анализ
- записываются рассуждения вслух в процессе решения задач.
О.с. составляются протоколы, которые анализируются
2. Интервью - ведется диалог с экспериментом, направленный на приобретение знаний.
3. Игровая имитация профессиональной деятельности.

Методы интервьюирования.
1. Рубление на ступени выделяются связи, позволяющие строить иерархические структуры
2. Репертуальная рещётка предлагаются 3 понятия и требуется назвать отличие 2-х понятие 3-его. Эксперту предлагается пара понятий и требуется назвать общие свойства => сформировать классы.

Методика работы конитолога по формированию поля знания
Включает 2 этапа
1. подготовительный
1.1. Чёткая подготовка задачи , которая должна решать система
2. Знакомство конит с литовой
3. Выбор экспертов
4. Знакомство экспертов с копией
5. Знакомство эксперта с популярной методикой по искусственному интеллекту
6. Формирование с копии поля знания
2. Основной этап
1. накачка поля знания в режиме
2. командная работа косметолога – анализ протокола, определение связей между понятиями , готовит вопросы к эксперту
3. Подкачка поля знания – задача вопросов эксперту
4. Формализация концептуальной задачи.
5. Проверка полноты модели
Если модель неполная , то используется 2-ое приближение.

Лекция 12 10.12. 99.

Нечёткие множества
[10,40] – толщина изделий малая [10;20] средняя [20;30] большая [30;40]

степень [pic] принадл

Рекомендуем скачать другие рефераты по теме: педагогические рефераты, реферат машини.





Предыдущая страница реферата | 7  8  9  10  11  12  13  14  15  16  17 | Следующая страница реферата