Мы поможем в написании ваших работ!
ЗНАЕТЕ ЛИ ВЫ?
|
Множество, определенное такой характеристической функцией, представляется формулой
Содержание книги
- Из сказанного выше ясно, что первоначальные виды формализмов ассоциативных сетей страдают минимум двумя недостатками.
- Значения по умолчанию и демоны
- Если отсутствует любая информация о параметрах четырехугольника, не выполнять никаких вычислений.
- Система инициализируется командой (reset). Теперь можно активизировать демон, послав ему сообщение
- Подводя итог всему сказанному выше об ассоциативных сетях и фреймах, отметим, что в большинстве предлагаемых структур сетей не удалось дать четкий ответ на два важных вопроса.
- Для этого вам понадобится сначала внести изменения в определение класса square.
- Формирование объекта класса на языке clips
- Скомбинировать их таким образом, чтобы получить желаемый эффект.
- Множественное наследование в CLOS и clips
- Наложение методов в CLOS и clips
- В CLOS поддерживаются три базовых метакласса.
- Объекты в основном являются средствами реализации вычислений.
- Поиск доказательства в системе резолюций
- Использование квантора существования позволяет преобразовать термы с квантором общности в соответствии с определением
- Иными словами, это не тот случай, когда некоторый Объект X находится в комнате А и, следовательно, переменная имеет экзистенциальную подстановку.
- Если u и ф представляют две произвольные фразы, которые можно представить в конъюнктивной нормальной форме, и
- Поиск доказательства в системе резолюций
- Процедурная дедукция в системе PLANNER
- В следующем разделе мы кратко остановимся на системах, в которых была предпринята попытка устранить эти недостатки
- Обратите внимание на то, что если бы в теле процедуры отсутствовал предикат ввс, то программа очень быстро зациклилась.
- Occur)U, Exprl, 2), collect(U, Exprl, Expr2), isolate(U, Expr2, Ans).
- I) ни один Человек не является островом. (джон донн (john donne))
- Глава 9. Представление неопределенности знаний и данных
- В более общей форме правило байеса имеет вид
- Можно с уверенностью Т заключить, что пациент страдает заболеванием DI.
- Множество, определенное такой характеристической функцией, представляется формулой
- Которая после подстановки дает
- Какова вероятность того, что из полной колоды будет вытянута одна из старших карт (король, дама или валет).
- Преимущество использования такой программы — снижение трудоемкости процесса, поскольку перенос знаний от эксперта к системе осуществляется в один прием.
- В основу оболочки KADS положено пять базовых принципов.
- Оболочки CommonKADS и KASTUS
- Сопровождение и редактирование баз знаний с помощью программы teiresias
- В составе teiresias Имеются и средства, которые помогают оболочке emycin следить за поведением экспертной системы в процессе применения набора имеющихся правил.
- Графический интерфейс модели предметной области
- В модели предметной области можно выделить четыре основных аспекта, которые явились следствием применения онтологического анализа, как отмечалось в разделе 10. 1. 3.
- Эффективность программы OPAL
- Обсуждение проблем машинного обучения мы отложим до главы 20, поскольку это слишком сложный материал для той части книги, которую мы рассматриваем как вводную.
- Если: Имеется решение менее радикальное, чем
- ГЛАВА 11. Эвристическая классификация (I)
- Классификация задач экспертных систем
- Теперь посмотрим, как соотносится описанная ранее классификация экспертных систем с предложенной Кленси иерархической схемой операций.
- Общность эвристической классификации
- В разделе упражнений вы встретите набор правил на языке clips, которые соответствуют определению, сформулированному в рассматриваемом документе.
- Кленси утверждает, что его работа может следующим образом, повлиять на исследования в области экспертных систем.
- Эти правила соответствуют этапу эвристического сопоставления.
- Разработайте правило selection, которое выбирает вино с наивысшим рейтингом и предлагает его Пользователю.
- Ранее мы уже упоминали о таких особенностях mycin, как отказ от обратного прослеживания в пользу деструктивной модификации рабочей памяти и использование стратегии исчерпывающего поиска.
- При проектировании программ эвристической классификации, таких как MUD или mycin, процесс уточнения правил является, по существу, шестиэтапным.
- ТО существует солевое загрязнение.
- Использование коэффициентов уверенности в программе MORE
{ Х ~ CAR TOP-SPEED(X)> 150}.
Эта формула утверждает, что элементами нового множества являются те элементы множества CAR, которые имеют максимальную скорость свыше 150 миль в час.
А что можно сказать о множестве (категории) "быстрых" автомобилей? Интуитивно кажется, что ситуация сходна с представленной на рис. 9.2, где границы множества размыты и принадлежность элементов множеству может быть каким-то образом ранжирована. В таком случае можно говорить о том, что отдельный объект (автомобиль) более или менее типичен для этого множества (категории). Можно с помощью некоторой функции/охарактеризовать степень принадлежности объектов X такому множеству. Функция /(X) определена на интервале [0,1]. Если для объекта X функция f (X) = 1, то объект определенно является членом множества, если ДА) = 0, то объект определенно не является членом множества. Все промежуточные значения означают степень членства объекта X в этом множестве. В примере с автомобилями нам понадобится функция, оперирующая с максимальной скоростью каждого претендента на членство. Можно определить ее таким образом, что fFAST(80) = 0, fFAST(180) = 1, а промежуточные значения представляются некоторой монотонной гистограммой, имеющей значения в интервале между нулем и единицей. Тогда множество "быстрых автомобилей" может быть охарактеризовано функцией
fFAST CAR (X) =fFAST(TOP-SPEED(X)),
которая определена на множестве всех автомобилей. Таким образом, членами множества становятся пары (объект, степень), например:
FAST-CAR = {(Porche-944, 0.9),
(BMW-316, 0.5), (Chevy-Nova, 0.1)}.
Рис. 9.2. Нечеткое множество "быстрых" автомобилей
Нечеткая логика
Ту роль, которую в классической теории множеств играет двузначная булева логика, в теории нечетких множеств играет многозначная нечеткая логика, в которой предположения о принадлежности объекта множеству, например FAST-CAR(Porche-944), могут принимать действительные значения в интервале от 0 до 1. Возникает вопрос, а как, используя концепцию неопределенности, вычислить значение истинности сложного выражения, такого как
FASTCAR(Chevy-Nova).
По аналогии с теорией вероятности, если F представляет собой нечеткий предикат, операция отрицания реализуется по формуле
F(X)=1-F(X).
Но аналоги операций конъюнкции и дизъюнкции в нечеткой логике не имеют никакой связи с теорией вероятностей. Рассмотрим следующее выражение:
"Porche 944 является быстрым (fast), представительским (pretentious) автомобилем". В классической логике предположение
FAST-CAR(Porche-944) ^ PRETENTIOUS-CAR(Porche-944)
является истинным в том и только в том случае, если истинны оба члена конъюнкции. В нечеткой логики существует соглашение: если F и G являются нечеткими предикатами, то
Таким образом, если
FAST-CAR(Porche-944) = 0.9
PRETENTIOUS-CAR(Porche-944) = 0.7,
то
FAST-CAR(Porche-944) ^ PRETENTIOUS-CAR(Porche-944) = 0.7.
А теперь рассмотрим выражение
FAST-CAR(Porche-944) ^ FAST-CAR(Porche-944).
Вероятность истинности этого утверждения равна 0, поскольку
P(FAST-CAR(Porche-944) | FAST-CAR(Porche-944)) = 0,
Но в нечеткой логике значение этого выражения будет равно 0.1. Какой смысл имеет это значение. Его можно считать показателем принадлежности автомобиля к нечеткому множеству среднескоростных автомобилей, которые в чем-то близки к быстрым, а в чем-то — к медленным.
Смысл выражения FAST-CAR(Porche-944) = 0.9 заключается в том, что мы только на 90% уверены в принадлежности этого автомобиля к быстрым именно из-за неопределенности самого понятия "быстрый автомобиль". Вполне резонно предположить, что существует некоторая уверенность в том, что Porche-944 не принадлежит к быстрым, например он медленнее автомобиля, принимающего участие в гонках "Формула-1".
Аналог операции дизъюнкции в нечеткой логике определяется следующим образом:
f (F v G )(X) = max(fF(X),fG(X)).
|
