Скачать учебники

Тикунов В. С. Геоинформатика. Экспертные системы. База знаний

Скачать полную версию учебника (с рисунками, формулами, картами, схемами и таблицами) одним файлом в формате MS Office Word Скачать книгу

Экспертные системы. В последние годы в геоинформатику стали широко внедряться экспертные системы. Экспертную систему можно определить как «систему искусственного интеллекта, использующую знания из сравнительно узкой предметной области для решения возникающих в ней задач, причем так, как это делал бы эксперт-человек, т. е. в процессе диалога с заинтересованным лицом, поставляющим необходимые сведения по конкретному вопросу» [Экспертные.., 1987. — С. 5].

Экспертные системы используются для решения так называемых неформализованных задач, общим для которых является следующее:
• задачи не могут быть выражены в числовой форме;
• цели нельзя выразить в терминах точно определенной целевой функции;
• не существует алгоритмического решения задач;
• если алгоритмическое решение есть, то его нельзя использовать из-за ограниченности ресурсов (времени, памяти).

Кроме того, неформализованные задачи обладают ошибочностью, неполнотой, неоднозначностью и противоречивостью как исходных данных, так и знаний о решаемой задаче.
Упрощенная базовая структура ЭС представлена на рис. 43.

Рис. 43. Базовая структура экспертной системы (доступно при скачивании полной версии книги)

Основу ЭС составляет база знаний (БЗ) о предметной области, которая накапливается в процессе построения и эксплуатации ЭС. Накопление и организация знаний — важнейшее свойство всех экспертных систем.
Знания в работах по ИИ принято разделять на предметные, или общедоступные, и индивидуальные, или эмпирические [Построение.., 1987; Дж. Элти, М.Кумбс, 1987]. К общедоступным знаниям относятся наборы сведений, например в учебниках и другой литературе, а вот индивидуальные знания зачастую носят эмпирический характер, основанный на правилах и подходах, которые эксперт иногда даже не может четко или однозначно сформулировать — их называют эвристиками.
Если при традиционном процедурном программировании вычислительной системе необходимо указать, что и как она должна сделать, то специфика ЭС состоит в том, что используются механизмы автоматического рассуждения (вывода) и «слабые методы», такие как поиск и эвристика.
В ЭС, способных самообучаться на основе накопленного опыта, анализа, контроля и принятия решений, в процессе исследования явлений реального мира появляются как бы знания второго Уровня, или метазнания.
Существует несколько способов описания знаний.
В так называемых фреймовых моделях фиксируется жесткая структура информационных единиц, которая называется протофреймом. В общем виде она выглядит следующим образом:

(Имя фрейма:
Имя слота 1 (значение слота 1),
Имя слота 2 (значение слота 2),
…………………………
Имя слота К (значение слота К)).

Значением слота может быть практически что угодно (числа или математические соотношения, тексты на естественном языке или программы, правила вывода или ссылки на другие слоты данного фрейма или других фреймов). В качестве значения слота может выступать набор слотов более низкого уровня, что позволяет во фреймовых представлениях реализовать «принцип матрешки».
При конкретизации фрейма ему и слотам присваиваются конкретные имена и происходит заполнение слотов. Таким образом, из протофреймов получаются фреймы-экземпляры. Переход от исходного протофрейма к фрейму-экземпляру может быть многошаговым, за счет постепенного уточнения значений слотов.
Поясним суть фреймового представления знаний на примере оценки состояния природной среды с точки зрения ее антропогенной трансформации и прежде всего загрязнения [В.С.Тикунов, 1989]. Образуем протофрейм:

(Состояние природной среды:
выбросы вредных веществ в атмосферу (значение слота 1),
загрязнение подземных и поверхностных вод (значение слота 2),
состояние геологической среды (значение слота 3),
состояние почвенного покрова (значение слота 4),
состояние растительного и животного мира (значение слота 5)
………………........................)

Каждый слот кроме имени может иметь одно или несколько значений (качественных или количественных), например, «выбросы вредных веществ предприятием в атмосферу» —» «изобутилен», «200», «600», «400», «600»; «этиленгликоль», «40», «70», «60», «80» и т.д. При характеристике выбросов изобутилена, этиленгликоля и других загрязняющих веществ первое числовое значение может определять фоновые, второе — максимальные, третье — реальные концентрации, а четвертое — предельно допустимую концентрацию. В качестве слота могут использоваться сложные структуры, включающие иерархию слотов более низкого порядка.
Так, в слот «выбросы вредных веществ в атмосферу» можно включить слот «состояние атмосферы», который, в свою очередь, будет характеризоваться слотами: «скорость ветра», «распределение температур», «стратификация атмосферы» и т.д. Изменяя содержание слотов, преобразуется вся семантическая структура в зависимости от конкретных целей, например связанных с выработкой рекомендаций по охране природной среды.
В продукционных моделях, наиболее распространенных в настоящее время, знания представляются правилами вида

Формула (доступно при скачивании полной версии книги)

В качестве имени может выступать некоторая лексема, отражающая суть данной продукции (например, «размещение завода в пункте (i)»), или порядковый номер продукций в их множестве, хранящемся в памяти системы.
Основным элементом продукции является ее ядро: А—»В. Интерпретация ядра продукции может быть различной и зависит от того, что стоит слева и справа от знака секвенции —». Обычное прочтение ядра продукции выглядит так: ЕСЛИ А, ТО В, более сложные конструкции ядра допускают в правой части альтернативный выбор, например, ЕСЛИ А, ТО В1, ИНАЧЕ В2. Секвенция может истолковываться в обычном логическом смысле как знак логического следования В из истинного А (если А не является истинным выражением, то о В ничего сказать нельзя). Возможны и другие интерпретации ядра продукции, например А описывает некоторое условие, необходимое для того, чтобы можно было совершить действие В.
Элемент Р — условие применимости ядра продукции, обычно представляет собой логическое выражение (как правило, предикат). Когда Р принимает значение «истина», ядро продукции активизируется. Если Р«ложно», то ядро продукции не может быть использовано.
Критерий Qописывает постусловия продукции. Они актуализируются только в том случае, если ядро продукции реализовалось. Постусловия продукции описывают действия и процедуры, которые необходимо выполнить после реализации В. Выполнение Qможет происходить сразу после реализации ядра продукции.

При использовании продукционных моделей у систем, основанных на знаниях, имеется возможность:
• применения простого и точного механизма использования знаний;
• представления знаний с высокой однородностью, описываемых по единому синтаксису.

Эти две отличительные черты и определили широкое распространение методов представления знаний правилами.
Программные средства, оперирующие со знаниями, представленными правилами, получили название продукционных систем (или систем продукции) и впервые были предложены А. Постом в 1941 г.

В качестве примера применения «продукции» рассмотрим задачу, сформулированную по аналогии с примером из книги [И.А.Портянский, 1989]. Допустим, требуется найти место для размещения завода (А) по производству алюминия (объем производства — 100 тыс. т в год). Для этого желательно выполнение следующих условий:
Р1 — залежи бокситов удалены не более чем на 500 км;
Р2 — добыча бокситов не менее 400 тыс. т в год;
Р3 — производство из бокситов не менее 200 тыс. т глинозема;
Р4 — наличие значительных энергоресурсов;
Р5 — район размещения завода — Северный Кавказ;
Р6 — город, где будет находиться завод, должен обеспечить полное укомплектование персоналом (700 чел.).

«Продукция», описывающая ситуацию для пункта (i), такова:

(i); P&P6(N> 700), А —» В, Q,

где Р определяет выполнение первых пяти условий размещения предприятия (А), т.е.

Р = Р1 & Р2&Р3&Р4& Р5;

Р6 определит, достаточно ли свободных трудовых ресурсов (более 700 чел.), В фиксирует пригодность пункта (i) для размещения завода, a Qопределяет условия в связи с тем, что в пункте i будет завод.
Применение «продукции» упрощает диалог и объяснения пользователю, почему принято то или иное решение. Соответствующие примеры показаны в книге [И.А.Портянский, 1989]. Для подчеркивания сильных сторон фреймов и «продукций» возможен их синтез [Г.С.Поспелов, Д.А.Поспелов, 1985], например «продукции» в качестве слотов во фреймах.
Важной особенностью экспертных систем является возможность работать с «нечеткими» данными [L.A.Zadeh, 1965; Нечеткие.., 1986; С. Rolland-May, 1987; В.С.Тикунов, 1989], но и, что самое главное, с «нечеткими» знаниями. Для этого применяются понятия нечеткой логики надмножества булевой логики, которая была расширена в целях обработки концепции частичной правды — значения истинности между «полностью истинным» и «полностью ложным». Нечеткая логика была введена доктором Л. А. Заде в 60-х годах XX в. как способ моделирования неопределенностей естественного языка.
Основная идея Л. А. Заде состояла в том, что человеческий способ рассуждений, опирающийся на естественный язык, не может быть описан в рамках традиционных математических формализмов. Этим формализмам присуща строгая однозначность интерпретации, а все, что связано с использованием естественного языка, имеет многозначную интерпретацию. С самого начала основная прагматическая цель Л. А. Заде — создание аппарата, способного моделировать человеческие рассуждения и объяснять человеческие приемы принятия решений в ходе решения различных задач,
привлекла в эту область многочисленную армию прикладников. Идеи Л. А. Заде и его последователей находят применение при создании систем, понимающих тексты на естественном языке, при создании планирующих систем, опирающихся на неполную информацию, при обработке зрительных сигналов, при управлении техническими, социальными и экономическими системами. Используя комбинации элементов знаний, можно прийти к вполне определенным заключениям, т. е. даже на основе ненадежных данных есть возможность получать правдоподобные выводы. «Нечеткость» определений, которыми оперирует географ, ведет к «нечеткости» знаний. Например, обратившись к понятию «широкая река», мы отчетливо представляем, что для разных людей этот размер может варьировать в значительных пределах. Для характеристики фактов используется нечеткая логика, разработаны коэффициенты уверенности для измерения степени доверия к любому заключению [Экспертные.., 1987].

< Технологии искусственного интеллекта

Содержание книги "Тикунов В. С. Геоинформатика."

Экспертные системы. Механизм логических выводов >

Скачать полную версию учебника (с рисунками, формулами, картами, схемами и таблицами) одним файлом в формате MS Office Word Скачать книгу

При копировании информации обязательны прямые ссылки на сайт, а также на авторов книг.
Все книги являются собственностью их авторов и служат исключительно для ознакомления.
© Edu-Knigi.ru, 2011. © Дизайн и программирование от студии "ПСГ".