Продукционные правила. В силу многовариантности организации процесса управления целесообразно создать гибкий механизм на основе соответствующего описания процесса, позволяющий редактировать и развивать базу данных. Этим требованиям удовлетворяют продукционные правила. Продукционное правило в общем случае можно представить в следующем виде [c.568]
Суть этих выражений заключается в том, что если выполняется условие, то нужно произвести некоторое действие. Продукционные модели могут быть реализованы как процедурно, так и декларативно. В процедурных системах присутствуют три компонента база данных, некоторое число продукционных правил, состоящих из условий и действий, а также интерпретатор, который последовательно определяет, какие продукции могут быть активированы в зависимости от содержащихся в них условий. В базе данных хранятся известные факты выбранной ПрО. Продукционные правила (продукции) содержат специфические знания ПрО о том, какие еще дополнительные факты могут быть учтены, есть ли специфические данные в базе данных. В СИИ, построенных на использовании продукционных МПЗ, база данных представляет собой переменную часть, а правила и интерпретатор не изменяются. Благодаря свойству модульности, присущему продукционным МПЗ, можно добавлять и изменять знания (правила, факты). Поэтому продукционные МПЗ применяются в ПрО, где нет четкой логики и задачи решаются на основе независимых правил (эвристик). [c.251]
Продукционные модели благодаря причинно-следственному характеру правил - продукций хорошо отражают прагматическую составляющую знаний. [c.251]
Одной из попыток расширения возможностей СИИ является использование сочетания различных МПЗ фреймов и продукций (продукционные правила в слотах фрейма являются формой присоединения к фрейму процедурных знаний) семантических сетей и логических моделей семантических сетей и продукций. Однако простое объединение в одной БЗ нескольких МПЗ, получивших название комбинированных или смешанных, как правило, малоэффективно. Различные МПЗ не обязательно несовместимы друг с другом, однако они отличаются по степени соответствия конкретным внутренним представлениям эксперта. [c.254]
Внутренняя организация системы и технология создания в ее среде конкретных прикладных систем основана на использовании методологии и моделей искусственного интеллекта. Базовой моделью является продукционная система с прямым выводом, которая была развита, расширена и переработана для описания и реализации процессов управления комплексами дискретных распределенных объектов в реальном времени. Настраиваемая база продукционной системы реального времени предназначена для хранения данных о динамике изменения состояний объектов и имеет прямой асинхронный информационный вход от внешних объектов и подсистем. Алгоритмы принятия решения и управления описываются на языке правил — продукций высокого уровня, допускающем квантификацию по объектам. Результатом продукционного логического вывода являются заключения о состоянии и ходе контролируемого процесса либо управляющие воздействия (команды) и сообщения, выдаваемые системой объектам по соответствующим каналам связи. Методы и внутренние формальные модели, положенные в основу реализации продукционной управляющей системы реального времени, демонстрируют следующие ключевые характеристики и особенности. [c.185]
Исполнительное инвариантное ядро PS продукционной управляющей системы реального времени считывает загрузочные файлы настройки, в которых описаны структура и состав информационной базы прикладной системы продукции управления, контроля, мониторинга, принятия решений и диалога правила разрешения конфликтов данные, необходимые для активации продукций, а также спецификации форматов входных и выходных сообщений и команд, которыми система обменивается с внешними объектами. Эти данные управляют действиями системы в заданном прикладном применении. Внутренняя структура исполнительного ядра системы описана в работах [96-98]. Его основные функции состоят в проверке условий и выполнении действий правил, разрешении конфликтов между ними, выполнении преобразований базы, формировании и выводе команд [c.187]
Новыми элементами продукционного языка описания процессов реального времени, поддерживаемого конструктором и системой в целом, являются иерархия системы правил и макроопределения, операторы динамической подкачки/выгрузки дополнительных источников знаний в систему, а также операторы фокусировки внимания системы на определенных фрагментах базы правил в процессе работы. Язык макроопределений позволяет проектировать иерархические базы правил с использованием модульного принципа, что существенно упрощает процесс их синтеза и способствует рациональной структуризации прикладных продукционных систем. [c.189]
Для распараллеливания процессов обработки информации в интеллектуальной продукционной управляющей системе используются два основных способа разделение на отдельные фрагменты списка продукций (правил) и разделение на фрагменты базы (т.е. базы фактов). [c.191]
Этап обновления базы в начале каждого цикла работы системы проводится под управлением программы PRO и заключается в рассылке по каналам связи изменившихся параметров базы, В дальнейшем каждый транспьютер работает автономно как небольшая продукционная система. Необходимость в синхронизации и обобщении результатов возникает только при наличии конфликтов продукций, хранящихся в разных транспьютерах, При отсутствии конфликтов между группами правил, расположенных на разных транспьютерах, каждый из транспьютеров продолжает автономно выполнять работу вплоть до этапа изменения содержимого [c.192]
Модель предусматривает разработку системы продукционных правил (правил продукций), имеющих вид [c.421]
Полнота базы знаний (базы правил) определяет возможности, системы по удовлетворению потребностей пользователей. Логический вывод в продукционных системах основан на построении прямой и обратной цепочек заключений, образуемых в результате последовательного просмотра левых и правых частей соответствующих правил, вплоть до получения окончательного заключения. [c.422]
Главными достоинствами продукционных систем являются простота пополнения и изъятия правил простота реализации механизма логического вывода и наглядность объяснений результатов работы системы. [c.423]
Система Рада базируется на методе параметрического обучения, который позволяет формировать продукционные правила с коэффициентом уверенности и весами в виде регулируемых порогов срабатывания правил. Веса-пороги регулируют срабатывания правил, которые могут иметь место только при превышении установленного порога по коэффициенту уверенности условия. Веса-ослабления связаны с заключениями правил и используются для их ослабления, если заключение получено при слишком большой уверенности вес, меньший единицы, умножается на коэффициент уверенности заключения. В этом методе обучения наиболее трудоемкой работой в предварительной настройке системы является создание множества упорядоченных пар начальных (условий) и конечных (заключений) суждений с их коэффициентами уверенности. В результате обучения при небольшом количестве циклов раздачи сообщений и регулировки весов создается множество правил, адекватных парам суждений. В системе Рада используется несколько уровней правил и несколько форм эвристик обучения. [c.104]
Дальнейший анализ текста дает новые фрагменты, которые объединяются между собой за счет продукционных правил. Например, когда при анализе встречается из-за, то априорно неясно, какой фрагмент из имеющихся в таблице соответствует данному случаю. Ясно, что в случае из-за остановки насоса следует заменить из-за отношением г49. Но столь же необходимо во фразе автокар выехал из-за насоса заменить из-за на отношение г 3. Выбор той или иной возможности и здесь осуществляется за счет специального продукционного правила. В результате подобной процедуры из исходного текста формируется внутреннее представление на ЯСУ, которое имеет следующий вид [c.86]
Вместо знака дизъюнкции можно ввести соответствующее отношение. Заметим, что в первом предложении сначала формируется та его часть, которая во внутреннем представлении стоит справа от отношения г49. Она соответствует следствию. А часть, описывающая причину, формируется позже. Их правильное расположение относительно г19 получается также за счет специальных продукционных правил. [c.86]
Приведенные примеры показывают, что сами по себе сценарии еше не решают проблемы пополнения описаний. На самом деле для решения задачи пополнения нужно создавать продукционные системы, в которых правила учитывают семантику отношений, входящих в пополняемое описание. В последующих параграфах (начиная с 3.4) мы покажем, как строятся такие системы для выделенных групп отношений. В ближайшем же параграфе мы обсудим связь между сценариями и фреймовыми представлениями, которыми мы занимались в гл. 2. [c.102]
Пусть в базе знаний содержится набор эталонных продукционных правил, характеризующихся как нечеткими Х , 1 = 1, т, j = 1,г, так и четкими Х , [c.184]
В заключении следует отметить, что проведенная оценка эффективности для рассмотренного метода показала адекватность использования данного метода при решении задач, в которых информация представлена в виде продукционных правил и имеет четкое и нечеткое представление. [c.191]
Основу продукционной модели составляют множества продукций - правил вывода. В наиболее простом виде продукция записывается как стандартное выражение, включающее в себя правило вывода вида "если..., то...". Это выражение носит название ядро продукции. Например, "Если ввел неверный символ, нами клавишу <<—>". Кроме ядра в продукцию, как правило, входит еще условие. Оно определяет те ситуации, в которых можно использовать указанное правило. Только что рассмотренная продукция будет более определенной, если к ней добавить условие "Вводится текст с клавиатуры компьютера". [c.67]
Ясно, что отладка прикладной системы, объединяющей продукционные правила, процедуры, различные уровни абстракции и иерархию классов, может превратиться в далеко не тривиальную задачу. В этой ситуации на помощь разработчику приходят мощные средства инспекции базы знаний и отладки. Функции инспекции базы знаний позволяют осуществлять поиск элементов на основе их типов, принадлежности к классу, атрибутов и местоположения. Эти функции используются для решения следующих задач [c.299]
В продукционной модели основной единицей знаний служит правило в виде "если <посылка>, то <заключение>", с помощью которого могут быть выражены пространственно-временные, причинно-следственные, функционально-поведенческие (ситуация - [c.55]
Отличительной особенностью продукционной модели является также способность осуществлять выбор правил из множества возможных на данный момент времени (из конфликтного набора) в зависимости от определенных критериев, например, важности, трудоемкости, достоверности получаемого результата и других характеристик проблемной области. Такая стратегия поиска решений называется поиском в ширину. Для ее реализации в описание продукций вводятся предусловия и постусловия в виде [c.56]
Для обработки неопределенностей знаний продукционная модель использует, как правило, либо методы обработки условных вероятностей Байеса, либо методы нечеткой логики Заде. [c.57]
В целях динамического реагирования на события некоторые продукционные модели используют специальные правила-демоны. которые формулируются следующим образом [c.61]
Продукционная модель - факты - значения переменных, операции над фактами - правила. Правила выбираются из конфликтных наборов с помощью задаваемых эвристических критериев приоритетов, достоверности, стоимости и т.д. [c.70]
Экспертные системы классического типа содержат так называемый блок (или машину) логического вывода, который способен делать логические выводы на основании знаний, имеющихся в базе знаний [3]. Имеются определенные ограничения на форму представления знаний (в базе знаний) и на методы их преобразования (вывода) в блоке логического вывода. Широкое распространение получила так называемая продукционная модель представления знаний, основанная на использовании правил следующего вида [c.127]
Раз на интуитивном уровне работа экспертной системы связана с сопоставлением, естественно было ожидать, что язык, описывающий сопоставление в общем случае, будет пригоден и для описания определенных сторон деятельности экспертных систем. Так оно и получилось. Авторы изучали теорию так называемых продукционных экспертных систем. База знаний в таких системах представляет собой набор правил, часто называемых продукциями. Правило содержит условия применимости и собственно алгоритм применения правила. Работа экспертной системы состоит в последовательном выборе и применении правил из базы знаний. Несмотря на кажущуюся простоту этой схемы, она оказалась исключительно мощной, и большинство экспертных систем в настоящее время в той или иной мере ее использует. [c.211]
Существует множество признаков, по которым можно (весьма условно) классифицировать ЭС [65]. По степени сложности различают поверхностные и глубинные ЭС, по степени связанности правил продукционные ЭС делят на связные и малосвязные, по типу предметной области выделяют статические, динамические ЭС и ЭС реального времени и т. п. Процесс создания ЭС занимает немало времени, поэтому определенный интерес представляет классификация ЭС по стадиям разработки, изображенная применительно к продукционным ЭС на рис. 5.4.14 (заметим, что аналогичные стадии в своем жизненном цикле имеют практически все достаточно сложные программные системы)., [c.432]
Активность. Все процессы, протекающие в ЭВМ, инициируются командами, которые являются активной компонентой, а данные используются этими командами лишь при необходимости, т. е. последние — пассивная компонента. Такая ситуация, характерная для классических систем обработки информации, для интеллектуальных систем (ИС) неприемлема. По аналогии с человеком в ИС актуализации тех или иных действий способствуют знания, имеющиеся в системе. Таким образом, выполнение программ в ИС должно инициироваться текущим состоянием информационной базы. Появление в базе фактов (объектов выбора) или описаний событий (квалификато-ров и их значений), установление связей (правил в продукционных системах) может стать источником активности системы. [c.558]
Одной из важнейших составляющих ИАСУ производством является информационная поддержка принятия решений, основанная, в частности, на использовании знаний. В качестве моделей представления знаний в настоящее время используются семантические сети, фреймы (вычислительные фреймы и вычислительные модели), продукционные правила, логические модели, аксиоматические модели и т. д. В связи с тем, что в СППР используются и хранятся разнородные знания, для их формализации используют интегрированную модель, включающую интенсиональную, экстенсиональную и процедурную составляющие. Интенсиональная со- [c.565]
Продукционная модель (модель правил модель продукций — от англ, produ tion — изготовление, разработка). В настоящее время наиболее проработанная и распространенная модель представления знаний, особенно в экспертных системах. [c.421]
Система BEAGLE использует эволюционный подход, называемый генетическим алгоритмом. Он позволяет подбирать не только параметры системы, но и ее структуру. Набор продукционных правил базы знаний системы может быть оптимизирован в процессе работы генетического алгоритма исходя из некоторого случайно выбранного набора этих правил и критерия соответствия набора решаемой задачи. [c.104]
Те дополнительные правила, о которых мы говорили в последнем примере, являются правилами продукционного типа. Их применимость в том или ином случае связана с выполнением условия применимости продукции. В условие применимости продукции входит также та необходимая связь между объектами, которая фиксируется в сценарии. Таким образом, мы приходим к выводу, что возможны два пути пополнения описаний за счет формальных свойств используемых в сценариях отношений и за счет семантики последних. Так, в первых двух примерах мы рассмотрели отношения причина— следствие и порядковое отношение . Эти отношения транзитивны. А это значит, что без всякого учета семантики фактов а наличие в исходном описании фрагментов (агга и (azras) позволяет пополнить описание фрагментом (а га3 . Например, из того, что Цилиндр есть часть двигателя и того, что Двигатель есть часть автомобиля , следует, что Цилиндр есть часть автомобиля . Аналогичным образом происходит пополнение описания, если в нем используется симметричное отношение. Если, например, на вход системы поступило описание Сверлильный станок включен одновременно с токарным станком , то оно пополняется фактом Токарный станок был включен одновременно со сверлильным станком . Другими словами, при наличии фрагмента (а га,) с симметричным отношением г можно автоматически пополнить описание за счет фрагмента (a2rai). [c.101]
Не только факты располагаются на шкалах, но и сам вывод (конструкция продукционных правил) должен учитывать упорядоченность, присущую рассуждениям в рамках псевдофизических логик. Для иллюстрации этого положения рассмотрим следующую схему рассуждений. Пусть нарушение технологии а приводит к ухудшению качества продукции степени р1. Пусть нарушение технологии у более серьезно, чем а (расположено на шкале серьезности нарушений технологии дальше от начала координат, чем а). Тогда, если а соответствует 3, то у должно соответствовать такому ухудшению продукции, которое по шкале оценки ухудшения качества должно находиться дальше (во всяком случае не ближе), чем р1. Рассуждения такого типа весьма важны при создании правил вывода для псевдофизических логик. [c.108]
Формализация понятия продукции, на которой основано применение описанного подхода к теории продукционных экспертных систем, связано со следующими соображениями. Во-первых, условия применимости правила в некоторой ситуации часто могут быть записаны в виде обобщенного описания всех тех ситуаций, в которых правило применимо. В результате процедура проверки применимости правила в некоторой ситуации превращается в операцию сопоставления этой ситуации с некоторым образцом, или, говоря на категорном языке, морфизмом. Во-вторых, если правило применимо, оно преобразует ситуацию в некоторую новую ситуацию, причем это преобразование может, вообще говоря, зависеть от того, как было проведено сопоставление, т.е. от того, каким образом были доопределены недостающие детали обобщенного описания ситуации. Это означает, что результат применения правила является функцией тех же параметров, которые фигурируют в процессе сопоставления, т.е. синтаксически процедурная часть правила, осуществляющая преобразование ситуации, также является морфизмом, причем с той же областью определения. Это приводит к следующей формулировке продукцией называется пара морфизмов ф.у — S. Иначе говоря, продукция задается парой образцов (ЛГ,<р)и (Y,y). Пусть а / — S - ситуация. Будем говорить, что продукция применима к этой ситуации, если ситуация сопоставима с образцом (Х,у), т.е. если существует морфизм (3 /— Х такой, что а = РФ. В этом случае результатом применения продукции к ситуации будем считать ситуацию (7,ру). Отметим, что морфизм р определяется из равенства а = РФ, вообще говоря, неоднозначно. Это значит, что и результат применения продукции к ситуации а, т.е. ситуация (7,р 0> определяется неоднозначно. [c.213]
Использование построенного на основе приведенных понятий теоретико-категорного языка можно продемонстрировать на примере теории продукционных экспертных систем. Анализ архитектуры продукционной экспертной системы показывает, что она естественно представляется в виде двухуровневой структуры. На нижнем. уровне, который будем называть уровнем данных, сосредоточено все, что находится ниже правила способ описания ситуаций, с которыми сталкивается система, синтаксис правила, алгоритмы проверки применимости правила к ситуации, алгоритмы извлечения дополнительной информации о ситуации в результате этой проверки, алгоритмы преобразования ситуации в результате применения правила. Верхний уровень - это то, что обычно называется машиной вывода экспертной системы. Основная задача, решаемая этой машиной в каком порядке применять правила. На этом уровне осуществляется выбор между основными схемами вывода (две наиболее известные схемы прямой вывод от данных и обратный - от цели ), а также решение более сложных вопросов, например, что делать, если различные правила противоречат друг другу. Грубо говоря, на нижнем уровне определяется, как применить правило, а на верхнем - зачем его применять. [c.213]