Курсова робота на тему: «ЛОГІКА ПРЕДИКАТІВ У МОДЕЛЯХ ПОДАННЯ ЗНАНЬ»

ЗМІСТ КУРСОВОЇ РОБОТИ

  1. Вступ    3
  2. Логіка предикатів у моделях подання знань:    4
    1. Семантичні мережі    5
    2. Продукційні правила    15
    3. Фрейми    18
  3. Висновки    26

Перелік умовних позначень     27

Література    28

ВСТУП

У цій роботі розглядатиметься логіка предикатів, як модель подання знань для штучного інтелекту.

Можна стверджувати, що штучний інтелект у тому чи іншому розумінні повинен наближатися до природного інтелекту і у ряді випадків використовуватися замість нього; так само, як, наприклад, штучні нирки працюють замість природних. Чим більше буде ситуацій, у яких штучні інтелектуальні системи зможуть замінити людей, тим більш інтелектуальними будуть вважатися ці системи.

В даній роботі, буде розглянуто логічний підхід для вивчення штучного інтелекту. Основою для вивчення логічного підходу слугує булева алгебра. Кожен програміст знайомий з нею з тих пір, коли він вивчав оператор IF. Свого подальшого розвитку булева алгебра отримала у вигляді обчислення предикатів — в якому вона розширена за рахунок введення предметних символів, відношень між ними. Будучи анаологом звичайної логіки, логіка предикатів дає можливість строго мислити про істинність і хибність висловлень та про їх взаємозвязок.

Метою моєї роботи є аналіз моделей подання знань, побудованих на логіці предикатів.

Основним завданням цієї курсової роботи є розгляд логіки предикатів як моделі подання знань для штучного інтелекту.

Досліджувана тема стає все більш актуальною, оскільки область застосування моделей штучного інтелекту поширюється в різних галузях і включає: машинне доведення теорем; ігри; розпізнавання образів; прийняття рішень; адаптивне програмування; обробка даних природною мовою; мережі, що навчаються (нейромережі); вербальні концептуальні навчання та ін.

ІІ. ЛОГІКА ПРЕДИКАТІВ У МОДЕЛЯХ ПОДАННЯ ЗНАНЬ

В інтелектуальних системах для подання знань за допомогою логіки предикатів використовуються використовуються такі засоби: продукційні правила, семантичні мережі, фрейми.

Моделі подання знань, що базуються на них, відповідно називають: логічна, продукційна, фреймова, модель семантичної мережі. Кожний з формалізмів подання знань має свої переваги й недоліки. Звичайно, вибір оптимального способу подання знань в кожному випадку в значній мірі залежить від характеру і складності тих задач, які доводиться розв’язувати. Проте незалежно від того, використовуються чи ні логіка предикатів для подання знань, вона складає теоретичний фундамент в систематиці опису, а по своїй суті знаходиться в основі всіх способів подання знань.

1. Семантичні мережі

Семантична мережа — інформаційна модель предметної області, що має вигляд орієнтованого графа, вершини якого відповідають об’єктам предметної області, а ребра задають відносини між ними. Об’єктами можуть бути поняття, події, властивості, процесси. Таким чином, семантична мережа є одним із способів представлення знань. У назві сполучені терміни з двох наук: семантика у мовознавстві вивчає сенс одиниць мови, а мережа в математиці є різновидом графу — набору вершин, сполучених дугами (ребрами). У семантичній мережі роль вершин виконують поняття бази знань, а дуги (причому направлені) задають відношення між ними. Таким чином, семантична мережа відображає семантику предметної області у вигляді понять і відносин між ними.

В моделях, які базуються на апараті семантичних мереж,
в явній формі виділяються деякі інформаційні одиниці (поняття, сутності), що відповідають предметам, явищам, фактам чи процесам реального світу, між якими вказуються типи зв’язків (відношення). При цьому інформаційні одиниці подаються пойменованими вершинами (вузлами), а відношення -направленими пойменованими дугами. Дуга, під’єднана до єдиного вузла, задає його властивості. Модель у даному випадку подається у вигляді мережі (семантичної мережі) – орієнтованого графа, який складений з пойменованих вершин і дуг. Семантичні мережі здатні відображати структуру знань з усією складністю їх взаємозв’язків, пов’язувати в єдине ціле об’єкти і їх властивості.

На рис.1 наведено частину семантичної мережі, яка описує поняття “чотирикутник”.

Виводи на семантичних мережах визначаються через відношення між множинами дуг, які мають спільні вузли.


Рис.1

Важливою особливістю семантичних мереж є ієрархія. Вузол, який представляє певні знання, з’єднано дугами “є ” з вузлами вищого та нижчого рівнів (відношення виду і роду, відношення належності елемента класу). Спосіб подання знань семантичною мережею дозволяє легко робити висновки завдяки ієрархії успадкування. Екземпляр нижнього рівня містить атрибути (властивості), які має екземпляр поняття верхнього рівня (прототип). Саме ця властивість називається успадкуванням атрибутів між рівнями ієрархії “є “. В семантичних мережах можна відобразити також відношення “ціле-частина”.

Якщо розглядати семантичну мережу як опис відношень, які мають місце між поняттями, то її можна реалізувати за допомогою логіки предикатів. Покажемо, як це можна здійснити для мережі, поданої на мал.1.

Введемо предикати і позначення для них:

Р(х, у)-“х є у”;

Q(x) – “х має чотири сторони”;

R(х, у) – “х має паралельні протилежні у”;

S(x, y)-“x має всі прямі y”;

Т(х, у)-“х має всі рівні y”.

Структура мережі дає можливість записати такі істинні формули:

Р (квадрат, прямокутник);

Р (квадрат, ромб);

Р (ромб, паралелограм);

Р (прямокутник, паралелограм);

Р (паралелограм, опуклий чотирикутник);

S (прямокутник, кути);

Т (ромб, сторони);

R (паралелограм, сторони);

Q(опуклий чотирикутник);

x y z(P(x, z) Ù S(z, y) à S(x, y));

x1, y1 , z1(P(x1, z1 ) Ù T(z1, y1) à T(x1, y1));

x2, y2 , z2(P(x2, z2 ) Ù R(z2, y2) à R(x2, y2));

x3, z3(P(x3, z3 ) Ù Q(z3) à Q(x3)).

Зазначимо, що останні чотири формули забезпечують успадкування об’єктами нижчого рівня властивостей об’єктів вищого рівня.

Множина із 13 формул описує теорію предметної галузі, поданої на рис.1.

ЗАВАНТАЖИТИ

Для скачування файлів необхідно або Зареєструватись

Logika Predykativ U Modelyah Pod Zn (914.5 KiB, Завантажень: 0)

Сторінка: 1 2 3 4 5 6
завантаження...
WordPress: 23.26MB | MySQL:26 | 0,345sec