Прямой логический вывод в эс на основе правила Modus Ponens.
Эффективный способ логического вывода – формирование доказательств основан на применении специальных шаблонов логического вывода, называемых правилами логического вывода. Наиболее широко известное правило называется правилом отделения (ModusPonens), которое используется в прямом и обратном алгоритмах логического вывода:
.С помощью данного правила в процессе логического вывода можно из двух высказываний и вывести высказывание .
Алгоритм прямого вывода обычно
основан на стратегии поиска в ширину.
начинает свою работу с известных фактов, содержащихся в базе знаний. Эти факты могут рассматриваться в качестве истинных предпосылок правил, содержащихся в базе знаний.
Если для некоторой импликации становятся истинными все предпосылки, то ее заключение добавляется к базе знаний в соответствии с правилом ModusPonens.
Этот процесс продолжается до тех пор, пока к базе знаний не добавляется изначально заданный запрос q, т.е. алгоритм достигает успеха в доказательстве q, или становятся невозможными дальнейшие этапы логического вывода (новые факты не добавляются в базу знаний).
В последнем случае говорят, что алгоритм достиг фиксированной точки. Если при достижении фиксированной точки исходный запрос q не достигнут, то последний не может быть выведен из базы знаний.
Алгоритм прямого логического вывода является непротиворечивым, поскольку каждый этап логического вывода по сути представляет собой применение правила отделения (ModusPonens).
Пример прямого вывода (база знаний)
Пример миниатюрной ЭС для фондовой биржи. БЗ включает, следующие продукционные правила:
1. ЕСЛИ Процентные ставки падают, ТО Уровень цен на бирже растет.
2. ЕСЛИ Процентные ставки растут, ТО Уровень цен на бирже падает.
3. ЕСЛИ Валютный курс доллара падает, ТО Процентные ставки растут.
4. ЕСЛИ Валютный курс доллара растет, ТО Процентные ставки падают.
5. ЕСЛИ Процентные ставки федерального резерва падают И Средства федерального резерва добавлены, ТО Процентные ставки падают.
Пример прямого вывода (начальное состояние)
На основании запроса пользователя инициализируется исходное состояние рабочей памяти путем добавления в нее факта:
Валютный курс доллара падает:
Пример прямого вывода (первый шаг вывода)
После активации правила 3, и в рабочую память добавится новый факт:
Процентные ставки растут:
Пример прямого вывода (второй шаг вывода)
После активации правила 2, и в рабочую память добавится новый факт:
Уровень цен на бирже падает
- Многокритериальное пр. Качественный и количественный анализ. Пространственные модели.
- Пр в условиях неопределенности. Парадигма анализа решений. Деревья решений.
- Теория полезности. Принцип максимальной ожидаемой полезности. Методы прямого построения функции полезности
- Теория полезности. Основные свойства функции полезности. Учет отношения к риску в функции полезности.
- Теория полезности. Обоснование s- образности кривой полезности.
- Теория полезности. Определение отношения к риску на основе понятия детерминированного эквивалента.
- Определение детерминированного эквивалента. Детерминированный эквивалент для выпуклой и вогнутой функции.
- Стратегическая эквивалентность функций полезности. Линейная функция полезности.
- Логарифмическая функция полезности. Пример.
- Экспоненциальная функция полезности. Пример.
- Квадратичная функция полезности. Пример.
- Теоремы о несклонности к риску. Надбавка за риск.
- Теоремы о склонности к риску. Надбавка за риск.
- Пример функции полезности для лпр несклонного к риску.
- Пример функции полезности для лпр склонного к риску.
- Мера несклонности к риску. Обоснование. Интерпретация функции несклонности к риску.
- Связь между надбавкой за риск и функцией несклонности к риску.
- Особенности и признаки интеллектуальности информационных систем.
- Классификация иис. Системы с интеллектуальным интерфейсом
- Экспертные системы. Архитектура экспертной системы. Назначение составных частей эс.
- База знаний и механизм вывода на знаниях. Сравнительный анализ.
- 22 Этапы создания экспертной системы. Идентификация предметной области. Построение концептуальной модели. Типы моделей
- Этапы проектирования экспертной системы. Формализация базы знаний. Классификация моделей представления знаний
- Особенности знаний и их отличие от данных. Декларативные и процедурные знания. Системы, основанные на знаниях. Этапы трансформации данных и знаний. Базы данных и базы знаний
- Самообучающиеся системы. Технологии olap и Data Mining. Определение Data Mining. Основные типы закономерностей, извлекаемых с помощью Data Mining
- Индукция и дедукция. Алгоритм индуктивного обучения. Деревья решений
- Искусственные нейронные сети. Обучение нейронных сетей
- Системы, основанные на прецедентах (Case Based Reasoning)
- Прямой логический вывод в эс на основе правила Modus Ponens.
- Обратный логический вывод в эс на основе правила Modus Ponens
- Семантические сети. Основные типы отношений в семантических сетях. Правила построения семантических сетей
- Теория фреймов. Структура фрейма. Слоты и присоединенные процедуры. Механизм вывода на фреймах
- Механизм вероятностного вывода на основе правил Байеса и коэффициентов уверенности
- Основные понятия теории нечетких множеств. Операции над нечеткими множествами. Понятия нечеткой и лингвистической переменной. Основы нечеткого логического вывода.
- Понятие онтологии. Классификация онтологий и их применение.
- Редакторы онтологий, формализмы и форматы представления онтологий
- Элементы фреймовых онтологий – классы, экземпляры, слоты (типы значений, кардинальность), отношения и т.Д.
- Подход к формированию онтологий в редакторе Protégé. Последовательность создания онтологий
- Язык создания экспертных систем clips: поддерживаемые парадигмы, основные структуры данных, конструкции языка для обработки данных и осуществления вывода.