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]
Элемент Q характеризует сферу применения продукции. Такие сферы легко выделяются в когнитивных структурах человека. Наши знания как бы разложены по полочкам , и такое разделение помогает экономить время на поиск нужных знаний. Такое же разделение на сферы в базе знаний целесообразно и при использовании для их представления продукционных моделей. [c.566]
В ряде систем используются комбинации сетевых и продукционных моделей представления знаний. В таких моделях декларативные знания описываются в сетевом компоненте модели, а процедурные знания — в продукционном. В таком случае говорят о работе продукционной системы над семантической сетью. [c.567]
Популярность продукционных моделей определяется несколькими факторами [c.567]
В то же время продукционные модели имеют ряд недостатков. По крайней мере два из них являются основными [c.568]
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]
Пакет РДО (РДО - Ресурсы-Действия-Операции) является мощной системой имитационного моделирования для создания продукционных моделей. Обладает развитыми средствами компьютерной графики (вплоть до анимации). Применяется при моделировании сложных технологий и производств. [c.13]
Модель предусматривает разработку системы продукционных правил (правил продукций), имеющих вид [c.421]
Наконец, модели в виде систем продукций охватывают широкий класс различных порождающих моделей, в который входят такие известные модели, как формальные грамматики, исчисления высказываний и предикатов, сетевые модели и многие другие. Во всех известных на сегодня моделях ситуационного управления для решения задачи пополнения использовались именно продукционные системы. [c.98]
Базы знаний строятся на основе моделей, разработанных в когнитивной психологии (психологии познания). Основных моделей три логическая, сетевая, продукционная. [c.66]
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]
Принципиальными различиями обладают три модели представления знаний - продукционная модель, модель фреймов и модель семантических сетей. [c.197]
Продукционная модель знаний [c.198]
Продукционная модель состоит из трех основных компонентов [c.198]
Фреймовые системы обеспечивают ряд преимуществ по сравнению с продукционной моделью представления знаний [c.204]
Модели знаний - продукционная, фреймовая и модель семантических сетей - обладают практически равными возможностями представления знаний, использующих отношения "есть-нек" и "сеть-часть". Дополнительно каждая модель знаний содержит средства усиления этой "базовой" конфигурации [c.206]
Продукционная модель позволяет осуществлять эвристические методы вывода на правилах и может обрабатывать неопределенности в виде условных вероятностей или коэффициентов уверенности, а также выполнять монотонный или немонотонный вывод [c.53]
Продукционные модели используются для решения более сложных задач, которые основаны на применении эвристических методов представления знаний, позволяющих настраивать механизм вывода на особенности проблемной области и учитывать неопределенность знаний. [c.55]
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]
Продукционная модель предполагает более гибкую организацию работы механизма вывода по сравнению с логической моделью. Так, в зависимости от направления вывода возможна как прямая аргументация, управляемая данными (от данных к цели), так и обратная, управляемая целями (от целей к данным). Прямой вывод используется в продукционных моделях при решении, например, задач интерпретации, когда по исходным данным нужно определить сущность некоторой ситуации или в задачах прогнозирования, когда из описания некоторой ситуации требуется вывести все следствия. Обратный вывод применяется, когда нужно проверить определенную гипотезу или небольшое множество гипотез на соответствие фактам, например, в задачах диагностики. [c.56]
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]
Если двухуровневая модель реализована достаточно последовательно, можно вносить изменения на одном уровне, не меняя ничего на другом. Приведем пример. Рассмотрим пример. Авторами была создана оболочка ЭС Знаток . Первоначально она представляла собой несложную продукционную систему [5,6]. [c.214]
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]
В отличие от ДЭС первого типа, предназначенных для поиска оптимального решения и базирующихся на строгих математических методах и моделях оптимизации, ДЭС второго типа в основном ориентированы на решение трудноформализуемых задач в отсутствии полной и достоверной информации. Здесь используются экспертные модели, построенные на основе знаний экспертов — специалистов в данной проблемной области, и эвристические методы поиска решения. Одной из основных проблем при проектировании ДЭС второго типа является выбор формального аппарата для описания процессов принятия решений и построение на его основе модели принятия решений, адекватной проблемной области (семантически корректной). В качестве такого аппарата обычно используют продукционные системы. Однако основные исследования ведутся в контексте алгоритмической (детерминированной) трактовки продукционной системы с присущей ей последовательной схемой поиска решения. [c.42]
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]