Tudásképek - absztrakt, 1. oldal
1.1 Informatikai történelem 5
1.2 Csatlakozások és szerkezetek 6
1.3 A tudásrendszerek létrehozásának problémái 7
1.4 A tudás típusai és bemutatása 8
1.5 Tudásrendszerek követelményei 10
1.6 A tudás jellemzői a számítógépen való megjelenítéshez 11
2. fejezet A tudás képviseletének modelljei 13
2.1 Logikai modellek 13
2.2 Hálózati modellek 15
2.3 Termékmodellek (termék (ion)) 16
2.3.1 A termékkernelek osztályozása 17
2.4 Tudásmodell keretek felhasználásával 19
(Keretmodell). 19
2.5. A tudás bemutatása forgatókönyvek segítségével 21
2.6 A tudás képviseletének egyéb módszerei 22
A számítógépes rendszerek tudás-reprezentációjának problémája a mesterséges intelligencia területén a fő probléma. Ennek a problémának a megoldása lehetővé teszi, hogy a szakemberek, akik nincsenek programozva, a számítógépet közvetlenül az "üzleti próza" nyelvén használják párbeszéd módban, és segítséget nyújtanak a szükséges megoldások megfogalmazásában. Így a tudás reprezentációjának problémája a számítógépes rendszerekben jelentősen növeli az ember szellemi alkotói tevékenységét a számítógépek rovására.
Ennek a témának a jelentősége abban rejlik, hogy a számítógépes memória tartalma nem felel meg az emberi tudásnak, ami sokkal összetettebb jelenség, de alkalmas lehet a tudás átadására. A szakmai ismeretek modellezésének alapelve a szakértői rendszerek alapja.
Mindegyik szellemi rendszer megfelel a valódi világ egy bizonyos részének - az emberi tevékenységnek az egyes célok szerint elkülönített és leírt részének, és a tématerületnek nevezett területnek. A tárgykör leírása információgyűjtemény:
a) minden tárgyról - tárgyakról, folyamatokról és jelenségekről, amelyek megkülönböztetik a vizsgált tevékenység szempontjából;
b) a kiválasztott tárgyak és / vagy azok részei közötti kapcsolatról;
c) az ember tevékenységének eredményeképpen felmerült tárgyak, részük és kapcsolataik összes manifesztált és lehetséges kölcsönhatásairól.
A kurzus célja, hogy teljes mértékben tanulmányozza a tudás képviseletének módszereit, modelleit és típusát, a tudás műveleteit. Annak érdekében, hogy teljes mértékben lefedje e témakör teljes spektrumát, a következő feladatok megoldására van szükség:
Tanulmányozni a tudás formális képviseletének módjait;
Fontolja meg a tudás képviseletének modelljeit;
A kutatás tárgya ebben a kurzusprojektben a tudás reprezentációjának módszerei a számítógépek számára. Tanulmányként a Prolog program ismeretei is elfogadottak.
1. fejezet A tudás formális megjelenítésének módszerei
1.1 Informatikai történelem
Az informatika területén (főként a mesterséges intelligencia területén) az információszerzés, valamint a tudásbázisok és a szakértői rendszerek szervezésére számos tudástervezési módot javasoltak. Ezek egyike az adatok és információk bemutatása a tudásbázis logikai modelljén belül, a Prolog logikai programozási nyelv alapján.
A "tudás-reprezentáció" kifejezés leggyakrabban a modern számítógépek automatikus feldolgozására összpontosító tudás bemutatására és különösen az explicit tárgyakból álló ábrázolásokra, valamint rájuk vonatkozó ítéletekre vagy kijelentésekre vonatkozik. A tudás képviselete ebben a kifejezett formában lehetővé teszi a számítógépek számára, hogy deduktiv következtetéseket vonjanak le a korábban tárolt ismeretekből.
Az 1970-es években és az 1980-as évek elején sokféle módszert kínáltak a tudás képviseletére, változatos sikerrel, például heurisztikus kérdőív-rendszerek, neurális hálózatok, tétel bizonyítás és szakértői rendszerek. Ezek alkalmazásának fő területei az orvosi diagnosztika (pl. Mitsin) és játékok (pl. Sakk).
Az 1980-as években megjelentek a formális számítógépes ismeretek. Az akkori fő projektek az egyetemes emberi tudás óriási tömbjeit igyekeztek kódolni (tudásbázisaikba való bejutáshoz).
Ez a munka a tudás-reprezentációs probléma összetettségének pontosabb értékeléséhez vezetett. Ezzel párhuzamosan a matematikai nyelvészetben sokkal szélesebb körű nyelvi információs adatbázisok jöttek létre, és a számítógépes memória sebességének és mennyiségének óriási növekedésével együtt a tudás mélyebb ábrázolását valósabbá tette.
Számos programozási nyelvet fejlesztettek ki a tudásorientált bemutatók számára. A Prolog, amelyet 1972-ben fejlesztettek ki, de sokkal később kapta meg a népszerűségét, leírja a kijelentéseket és az alapvető logikát, és levezetheti következtetéseit az ismert helyiségekből. Még inkább a KL-ONE (1980-as évek) tudás nyelvének bemutatására összpontosított.
Az elektronikus dokumentumok területén olyan nyelveket fejlesztettek ki, amelyek kifejezetten kifejezik a tárolt dokumentumok szerkezetét, például az SGML-t és a későbbi XML-t. Segítették az információkeresés és -visszavonás feladatait, amelyek a közelmúltban egyre inkább kapcsolódnak a tudás képviseletéhez. A webes közösség rendkívül érdekli a szemantikus web, amelyben az XML alapú nyelvek a tudás ábrázolását, például az RDF-t, a térképes témákat és másokat használják a hálózaton tárolt információk elérhetőségének növelésére számítógépes rendszerekre.
1.2 Kapcsolatok és struktúrák
A tudás ábrázolásának egyik problémája az, hogy miként lehet formálisan tárolni és feldolgozni az ismereteket az információs rendszerekben, hogy a mechanizmusok felhasználhassák őket a célok elérése érdekében. Az alkalmazásokra példaként említhető a szakértői rendszerek, gépi fordítás, számítógépes karbantartás és információ-visszakeresés és visszakeresés (beleértve az adatbázis felhasználói felületeket).
Szemantikus hálózatok felhasználhatók a tudás képviseletére. Az ilyen hálózat minden csomópontja koncepciót jelent, és íveket használnak a fogalmak közötti kapcsolat meghatározására. A szemantikus hálózatokon alapuló tudás-reprezentáció egyik leginkább kifejező és részletezett paradigmája a MultiNet (multilayered Extended Semantic Networks rövidítése).
Az 1960-as évektől kezdve a tudáskeret fogalmát vagy egyszerűen egy keretet használták. Minden keretnek saját neve és egy attribútumkészlete van, vagy az értékeket tartalmazó résidők; például egy keretház tartalmazhat résidőket, szinteket és így tovább.
A keretek használata a szakértői rendszerekben az objektum-orientált programozás példája, a tulajdonságok öröklésével.
A keretszerkezetek jól illeszkednek a rendszerek és a sztereotipizált kognitív minták formájában képviselt tudás ábrázolásához. A hasonló minták elemei különböző skálákkal rendelkeznek, és a nagy skálák olyan elemekhez vannak hozzárendelve, amelyek megfelelnek az aktuális kognitív sémának. A minta aktivált bizonyos feltételek mellett: Ha valaki lát egy nagy madár, azzal a megkötéssel, hogy ez most már aktív „tengeri rendszer” és a „föld rajz” - nem, ő sorolja tovább a tengeri sas, sasok és nem földet.
A keret ábrázolása objektumközpontú ugyanúgy, mint a Szemantikus web: Az egyik koncepcióhoz kapcsolódó tényeket és tulajdonságokat egy helyen helyezték el, így nem kell az adatbázisban kereső erőforrásokat költeni.
A szkript olyan kerettípus, amely leírja az események időbeli sorrendjét; egy tipikus példa az étterembe való utazás leírására. Az események közé tartozik a hely várakozása, a menü olvasása, rendelés készítése stb.
A szemantikai expresszivitásuk függvényében különböző megoldások szervezhetők az úgynevezett szemantikai spektrumba.
1.3 A tudásrendszerek létrehozásának problémái
A tudásrendszer az alkalmazott informális tudás bizonyos területe matematikai modellje.
A matematikai modell koncepcióinak és kapcsolatainak rendszernek tükröznie kell az alkalmazott tudás fogalmainak és összefüggéseinek rendszert, és az ebben a modellben meglévő kapcsolatok megközelítik az alkalmazott tudás megfelelő függőségét.
A kifejlesztett modelleket rögzíteni kell a számítógép memóriájában, és az alkalmazásprogramok megoldására használják.
A tudás formalizálása. Megoldja a matematikusok segítségével. A modell fogalmi diagramja kidolgozásra kerül.
A tudás képviselete. Formált készülék kifejlesztése a modellezési ismeretek rögzítéséhez a számítógép memóriájában.
A tudás használata. A számításokat és az átalakításokat a korábban konstruált modellekben végezzük.
Tudásbázisok és irányítási rendszerek létrehozása. A rendszergazdák feladatai, amelyek a modellezéshez szükséges szoftveres támogatás fejlesztésében rejlenek.
1.4 A tudás típusai és bemutatása
A tudás olyan formalizált információ, amelyet hivatkoznak vagy használnak a probléma megoldásának folyamatában.
A tantárgy ismerete magában foglalja:
A tárgyak és környezetük leírása, a szükséges jelenségek és tényezők;
Az objektumok közötti kapcsolatok.
A tantárgy ismeretének formalizálása:
Tudás a személy emlékezetében;
A fizikai médiumra rögzített nyelvi modell formájában;
A tudás, amely a számítógépes képviseletre hivatott;
Tényszerű információk és adatok.
A tudás, mint a tantárgy alaptörvénye, amely lehetővé teszi az ember számára konkrét, ipari, tudományos és egyéb feladatok megoldását:
A tényleges ismeretek (tények, fogalmak, kapcsolatok, értékelés, szabályok,
Stratégiai ismeretek (döntéshozatali stratégiák konkrétan
A tényeket néha szöveges ismeretekként fogalmazzák meg.
A heurisztika - a szakértő egyéni tapasztalatain alapuló tudás, amely sokéves gyakorlat eredményeképpen felhalmozódott (páratlan információk felhasználásának módjai, ellentmondások megoldásának módjai stb.).
A tudás osztályozásának másik módja:
Deklaratív - magában foglal minden más ismeretet (enciklopédiák, szótárak, fizikai törvények megfogalmazása, kémia). Ez a tudás a következő kérdésre ad választ: "Mi a X jelensége?" Vagy "Milyen kapcsolatok vannak az X és az Y között?";
Eljárási - írja le azokat a lépéseket, amelyek megoldhatók a problémák megoldására. ("Hogyan készítsünk egy eszközt X?").
A tudás a következőre oszlik:
A kiterjedt ismeretek olyan adatok, amelyek a domain meghatározott objektumait jellemzik;
Az intenzív tudás az a tudás, amely a tartomány absztrakt objektumaival dolgozik.
Mély - tükrözik a tantárgy struktúrájának megértését (törvények megfogalmazása);
Felszín - a külső empirikus társulásokhoz kapcsolódnak a tárgykör bármely jelenségével kapcsolatban.
Kemény - lehetővé teszi, hogy az adott kezdeti körülmények között egyértelműen egyértelmű javaslatokat kapjon;
Puha - többszörös, fuzzy megoldások (fuzzy) és különböző ajánlási lehetőségek.
A felmerülő feladatok a következőkre oszthatók:
Könnyen formalizálható feladatok (a kemény ismeretek felhasználásával);
Alig formalizálható feladatok (a puha tudással való munka szükségessége).
A nehezen formalizálható feladatok jellemzői:
A probléma nem határozható meg numerikus formában, azaz karakter ábrázolás szükséges;
A problémák algoritmikus megoldása nem ismert;
Olyan feladat, melynek célja nem határozható meg egyértelműen meghatározott objektív funkcióval.
Azok a rendszerek, amelyek a nehezen formalizálható feladatokat megoldják, az intellektuális rendszerek közé tartoznak.
A mesterséges intelligencia rendszerek hatóköre:
Ahol a tudomány nem képes konstruktív definíciók létrehozására, ezeknek a meghatározásoknak a köre változik. A nyelv (leíró) modell uralja az algoritmikus modellt.
Hasonló grafikák:
A tudás képviselete intelligens információs rendszerekben
mint a tudás megszerzése és formalizálása. a tudás képviselete. tudásbázis. a tudás manipulálása. nyelvek a tudás bemutatásához és manipulálásához, és végül a megjelenéshez.
A tudás képviselete az információs rendszerekben
természetesen a tudomány reprezentációja az információs rendszerekben. Kinevezés. képeket a tudás-kitermelés egy csoportjában. az adatok tömörítése és a kutatás. Az adatok (vektor jellemzők) a számjegyek bitképes ábrázolását (0.
A termékmodell fejlesztése a tudás számára a VI alatt
tudás. könnyű olvashatóság, tudásszerkezet. tükrözik a szabályok pragmatikus elemét, a tudás modularitását. A tudás termelékenységi modellje.
A tudás modelljei. Elsőrendű predikátum logika szintaxisa és szemantikája
Előadás >> Számítástudomány, programozás
a tudás képviselete. Az elsőrendű predikátumok logikájának szintaxisa és szemantikája (Absztrakt) A tudás képviseletének modelljei Tudás. tárolják a tudásbázisban. a tudás képviseletének négy alapvető osztályát különböztetjük meg. 1. Logikai modellek 2. Produktív.
Az algoritmusok és alapítványok elmélete
Absztrakt >> Számítástudomány, programozás
1976. Nagel E. Newman, D. Gödel tétele. M. Znannya. 1970. Pospelov DA A. Helyzet.