Реферат: Пополнение знаний интеллектуальных систем на основе казуально-зависимых рассуждений

Ис приобретает способность выявлять всех живых существ, обладающих умением k_j -”летать”. Иными словами,при помощи правила R_j выводятся следующие заключения: ”если у объекта a_j (X_j ) отсутствуют повреждения, то при наличии у него развитых крыльев он обладает умением летать”.

Расширить функциональные возможности монотонной логики казуально-зависимых рассуждений можно путем добавления к совокупности основных правил R^* различных правдоподобных формул, образованных на основе открытых множеств F_a причинно-следственных ограничений. Рассмотрим одно из таких расширений, связанных с нечетким описанием объектов ПС. В этом случае теоретико-множественная модель произвольной предметной области А определяется нечетким описанием объектов A={a_i (X_i )},i=1,n, где X_i - нечеткое множество характеристик, соответствующих a_i (X_i ) объекту.

Каждый элемент множества X_j задается парой m_z (x_z ),x_z , в которой m(x_z ) Î{ 0,1 }-степень присущности характеристики x_z объекту a_i (X_i ) или степень значимости (информативности) характеристики x_z для объекта a_i (X_i ), которые определяются субъективным образом. Каждая казуально-зависимая переменная нечеткого расширения логики казуально-зависимых рассуждений определяется нечетким множеством F_a = { m_z (x_z ),x_z } причин и сопричин принадлежности, для элементов которого оценки степени принадлежности интерпретируются как степени значимости характеристики x_z для включения объекта a_i (X_i ) в множество A(F_a ).

Для вывода правдоподобных заключений на основе нечетких правил R_j :

N (A_j (F_a ^2* ),k_j ) ®M(A_j (F_a ^1* ).k_j )

используются оценки показателей степени вхождения одного нечеткого множества в другое. При этом правила вывода умозаключений трактуются следующим образом. Если для объекта a_i (X_i ) степень вхождения Ú(F_a ^2* ,X_i ) нечеткого множества F_a ^2* в нечеткое множество X_i ниже заданного порога h₁ , а степень вхождения Ú(F_a ^1* ,X_i ) нечеткого множества F_a ^1* в нечеткое множество X_i выше заданного порога h₂ , то для объекта a_i (X_i ) присуще свойство k_j со степенью правдоподобности p(a_i (X_i ),k_j ) равной :

p(a_i (X_i ),k_j ) = ( 1- V(F_a ^2* ,X_i ))V(F_a ^1* ,X_i ).

Степень вхождения одного нечеткого множества в другое нечеткое множество может вычисляться по следующей формуле { 4 }

V(F_a ,X_i ) = min (m (x_z ) ®u(x_z )),

x_z ÎF_a

где ® -операция нечеткой импликации. Следует отметить, что нечеткие правила R_j могут быть использованы для вывода правдоподобных умозаключений при четком описании объектов ПС a_i (X_i ). В этом случае, степени принадлежности m(x_z ) характеристик x_z к множеству X_i принимаются равными единице.

Важной особенностью ИС, функционирующих в сложных ПС является возможность вывода последовательной цепочки вытекающих друг из друга заключений. Правила вывода таких цепочек умозаключений на основе казуально-зависимых рассуждений могут быть организованы следующим образом.

Пусть у ИС имеется совокупность правил вывода R и системе требуется пополнить свои знания об объекте a_i (X_i ). Тогда, если при помощи одного из заданных правил R системой выявлено k_j свойство объекта a_i (X_i ), то для выявления последующих неизвестных системе свойств этого объекта к множеству характеристик X_i присоединяется характеристика k_j и вывод продолжается с учетом множества характеристик X_i = X_i È k_j . В этом случае, если для следующего выявленного свойства k_j объекта a_i (X_i ) характеристика k_j входит в соответствующее ему множество условий принадлежности F_a , то k_j свойство объекта a_i (X_i ) логически следует из его свойства k_j . На основании предложенного правила вывода ИС может формировать различные по длине и содержанию цепочки логических следствий, используя формулы R до выявления требуемого свойства kj заданного объекта.

Заключение

Рассмотренная модель вывода умозаключений на основе логики казуально-зависимых рассуждений позволяет ИС пополнять недостающие для принятия решений знания путем выявления ранее неизвестных свойств различных объектов ПС. Это дает возможность системе принимать решения, необходимые для достижения цели в недоопределенных условиях функционирования.

Важной особенностью предложенного способа пополнения знаний ИС является возможность формирования цепочек вытекающих друг из друга умозаключений , позволяющая системе принимать решения в сложных недоопределенных проблемных средах.

Список литературы

Литвицева Л.В., Поспелов Д.А. Пополнение знаний. Искусственный интеллект. В 3-х кн. Кн.2. Модели и методы : Справочник / Под ред. Поспелова Д.А. -М. :Радио и связь, 1990. -С. 76-82.

Берштейн Л.С., Ильягуев П.М., Мелехин В.Б. Интеллектуальные системы.- Махачкала : Дагкнигоиздат ,1996. -67 с.

Берштейн Л.С., Мелехин В.Б. Планирование поведения интеллектуального робота . - М. : Энергоатомиздат, 1996. - 240 с.

Мелихов А.Н., Берштейн Л.С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой. -М.: Наука , 1990.-272 с.