ИНТЕЛЛЕКТУАЛЬНЫЕ ИНФОРМАЦИОННЫЕ СИСТЕМЫ


Интеллектуальные информационные системы - стр. 41


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.

                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:

     < A, B, C -> D, E >, где

-  импликация С - > D представляет собственно правило;

-  А - предусловие выбора класса правил;

-  B - предусловие выбора правила в классе;

- Е - постусловие правила, определяющее переход на следующее правило.

В предусловиях  и  постусловиях  могут  быть   заданы   дополнительные процедуры, например,   по  вводу  и  контролю  данных,  математической обработке и т.д. Введение предусловий и постусловий позволяет выбирать наиболее рациональную стратегию работы механизма  вывода,  существенно сокращая перебор относящихся к решению правил.

                Сами правила могут иметь как простой,  так и обобщенный характер. Простые правила   описывают  продукции   над   единичными   объектами, обобщенные правила  определяются  на  классах   объектов   (аналогично правилам языка ПРОЛОГ).

                Для обработки  неопределенностей  знаний   продукционная   модель использует, как  правило,  либо методы обработки условных вероятностей Байеса, либо методы нечеткой логики Заде.

                Байесовский подход   предполагает   начальное  априорное  задание предполагаемых гипотез   (значений   достигаемых    целей),    которые последовательно уточняются с учетом вероятностей свидетельств в пользу или против  гипотез,  в  результате  чего  формируются   апостериорные вероятности:




Начало  Назад  Вперед


508 Resource Limit Is Reached

Resource Limit Is Reached

The website is temporarily unable to service your request as it exceeded resource limit. Please try again later.