Языки предоставления знаний

Автор работы: Пользователь скрыл имя, 24 Ноября 2011 в 14:52, курсовая работа

Описание работы

Представление знаний — вопрос, возникающий в когнитологии (науке о мышлении), в информатике и в исследованиях искусственного интеллекта. В когнитологии он связан с тем, как люди хранят и обрабатывают информацию. В информатике — с подбором представления конкретных и обобщённых знаний, сведений и фактов для накопления и обработки информации в ЭВМ. Главная задача в искусственном интеллекте (ИИ) — научиться хранить знания таким образом, чтобы программы могли осмысленно обрабатывать их и достигнуть тем подобия человеческого интеллекта.

Содержание работы

Введение 3
1 Способы формального представления знаний 5
1.1 История в информатике 5
1.2 Связи и структуры 6
1.3 Язык и нотация 8
2 Обзор языков предоставления знаний 10
2.1 Пролог 10
2.2 Web Ontology Language 12
2.3 Лисп 17
2.4 Языки Ontology 21
Заключение 25
Глоссарий 28
Список использованных источников 30

Файлы: 1 файл

Языки представления знаний 9.doc

— 259.00 Кб (Скачать файл)

     Смысловые сети смогите быть использовано для того чтобы представить знание. Каждый узел представляет a принципиальная схема и дуги использованы для того чтобы определить отношения между принципиальными схемами. Одна из самых выразительных и всесторонн описывать парадигм представления знания вдоль линий смысловых сетей MultiNet (акроним для Multilayered выдвинутых смысловых сетей).

     От 1960s, рамка знания или как раз  рамка использует. Каждая рамка имеет  свое собственное имя и комплект атрибуты, или шлицы содержат значения; for instance, рамка для дом могл содержать a цвет шлиц, количество полов шлиц, cEtc.

     Использование рамок для экспертные системы  применение object-oriented программировать, с унаследование характеристик  описанных «будет-«соединение. Однако, не было малого количества сбивчивость в использовании «будет-» соединение: J. Рональд. Brachman написал озаглавленную бумагу «IS-A и не», при котором по-разному семантика 29 была найдена в проектах которых схемы представления знания включили «будет-» соединение. Другие соединения вклюают соединение «иметь-части».

     Структуры рамки well-suited для представления схематического знания и стереотипно познавательных картин. Природная стихия таких схематических  картин утяжелены неравно, приписывая более высокие весы к более  типичным элементам a схима. Картина активирована некоторыми ожиданностями: Если персона видит большую птицу, то он или она расклассифицируют ее довольно как орел моря чем золотистый орел, предполагая his or her «мор-схема» в настоящее время активирована и его «земл-схема» не будет.

     Представления рамки предмет-центризованы в таком  же чувстве как смысловые сети являются следующими: Все факты и  свойства подключенные с принципиальной схемой расположены в одном месте - не будет потребности для дорогих  процессов поиска в базе данных.

     A поведенческий сценарий тип рамки  описывает случается височно;  обычный дали пример, котор то  из описывать идти к a трактир.  Шаги вклюают ждать, котор нужно  усадить, получающ меню, приказывать  и затем prakriya chodnatmak.

     По-разному  разрешения можно аранжировать в so-called смысловой спектр по отношению к их смысловому expressivity.

     Заключение

 

     Обратим внимание на некоторые аспекты представления  знаний. Не удивительно, что перед  теми, кто занимается проблемой представления  знаний, появляется вопрос о том, что такое знание, какая его природа и основные характеристики. В связи с этим употребляют, например, попытки дать такое определение знания, из которого можно было бы выходить в решении заданий представления знаний в компьютерных системах.

     Представлению данных свойственный пассивный аспект: книга, таблица, заполненная информацией память. В теории искусственного интеллекта особенно подчеркивается активный аспект представления знаний: приобретение знания должно стать активной операцией, что позволяет не только запоминать, но и применять воспринятые (приобретенные, усвоенные) знания для рассуждений на их основе.

     Использование символического языка, такой, как языки  математической логики, позволяет формулировать  описание в форме, одновременно близкой и к обычному языку, и к языку программирования. Впрочем, математическая логика позволяет рассуждать, базируясь на приобретенных знаниях: логические выводы действительно являются активными операциями получения новых знаний из уже усвоенных.

     Принципиальная мировоззренческая установка складывается в рассмотрении ЭВМ как предмета-посредника в познавательной человеческой деятельности. Компьютерная система, подобно другим посредникам (орудиям труда и предметам быта, инструментам, приборам, знаково-символическим системам, научным текстам и так далее ), играя инструментальную роль в познании, является средством об’ективизации накопленного знания, воплощением определенного социально исторического опыту практической и познавательной деятельности.

     Проблема  представления знаний возникла как одна из проблем искусственного интеллекта. Она связана с переходом исследований в этой области в некоторую новую фазу. Речь идет о создании практически полезных систем (в первую очередь так называемых экспертных систем), применяемых в медицине, геологии, химии. Создание такого рода систем требует интенсивных усилий по формализации знания, накопленного в соответствующей науке.

     Со  сроком «представление знаний» связывается  определенный этап в развитии математического  обеспечения ЭВМ. Если на первом этапе доминировали программы, а данные играли вспомогательную роль своеобразной «еды» для «голодных» программ, то на следующих этапах роль данных неуклонно росла. Их структура усложнялась: от машинного слова, размещенного в одном амбарчике памяти ЭВМ, происходил переход к векторам, массивам, файлам, спискам. Венцом этого развития стали абстрактные типы данных, которые обеспечивают возможность создания такой структуры данных, что наиболее удобная при решении задания. Последовательное развитие структур данных привело к их качественному изменению и к переходу от представления данных к представлению знаний. Уровень представления знаний отличается от уровня представления данных не только более сложной структурой, но и существенными особенностями: способность к интерпретации, наличие классифицированных связей (например, связь между знаниями, которые относятся к элементу множественного числа, и знаниями, об этом множественном числе), которые позволяют хранить информацию, одинаковую для всех элементов множественного числа, записанную одноактный при описании самого множественного числа, наличие ситуативных отношений (одновременности, нахождение в одной точке пространства и тому подобное, эти отношения определяют ситуативную совместимость тех или других знаний, сохраненных в памяти). Кроме того, для уровня знаний характерны такие признаки, как наличие специальных процедур обобщения, пополнения имеющихся в системе знаний и ряда других процедур.

     Моделирование на ЭВМ понималось как техническая  реализация определенной формы знакового моделирования. Однако, рассматривая ЭВМ в гносеологическом плане как посредника в познании, имеет смысл не фиксировать внимание, в первую очередь на «железной части» (hardware) компьютера, а рассматривать всю компьютерную систему как сложную систему взаимозависимых и к некоторым пределам самостоятельных моделей - как материальных, так и знаковых, то есть идеальных. Такой подход не только отвечает рассмотрению компьютерных систем в современной информатике, но есть и гносеологически оправданным. Много важных философских аспектов проблем, которые возникают в связи с компьютеризацией разных сфер человеческой деятельности, требуют для своего исследования обращения, в первую очередь, к знаковым составляющим компьютерных систем. Это верно и относительно философских аспектов проблем представления знаний.

     В последние годы все чаще стал употребляться  срок «компьютерное моделирование». Очевидно, имеет смысл помечать им построение любой из составляющих компьютерной системы - будь то знаковая модель или материальная.

     В области искусственного интеллекта, решение задач может быть упрощено правильным выбором метода представления  знаний. Определенный метод может  сделать какую-либо область знаний легко представимой. Например диагностическая  экспертная система Мицин использовала схему представления знаний основанную на правилах. Неправильный выбор метода представления затрудняет обработку. В качестве аналогии можно взять вычисления в индо-арабской или римской записи. Деление в столбик проще в первом случае и сложнее во втором. Аналогично, не существует такого способа представления, который можно было бы использовать во всех задачах, или сделать все задачи одинаково простыми.  

     Глоссарий

 
№ п/п Понятие Определение
1 2 3
1 OWL (англ. Web Ontology Language) язык описания онтологий для семантической  паутины. Язык OWL позволяет описывать  классы и отношения между ними, присущие для веб-документов и приложений.
2 База  знаний семантическая модель, описывающая предметную область  и позволяющая отвечать на такие  вопросы из этой предметной области, ответы на которые в явном виде не присутствуют в базе. База знаний является основным компонентом интеллектуальных и экспертных систем.
3 Лисп универсальный язык программирования высокого уровня. Язык Лисп:

- относится к декларативным языкам функционального типа;

- предназначен  для обработки символьных данных, представленных в виде списков. 

Основой языка являются функции и рекурсивные  построения.

4 Логическое  программирование программирование  в терминах фактов и правил вывода, с использованием языка, основанного на формальных исчислениях.
5 Модель  представления знаний формализм, предназначенный  для отображения статических  и динамических свойств предметной области. Различают универсальные  и специализированные модели представления знаний.
6 Пролог  язык логического  программирования, программа на  котором состоит: 

- из  логических утверждений, образующих  базу данных; и 

- из  правила вывода новых утверждений  из известных.

7 Система представления знаний средство: описания знаний о предметной области; а также  организации знаний, включая: накопление, анализ и обобщение знаний. Центральное место в системе представления знаний занимает язык представления знаний.
1 2 3
8. Система управления базами знаний комплекс программных, языковых и интеллектуальных средств, посредством которого реализуется создание и использование базы знаний.
9 Специализированная  модель представления  знаний модель представления  знаний, разработанная для конкретной проблемной области.
10 Экспертная  система система искусственного интеллекта, включающая знания об определенной слабо структурированной и трудно формализуемой узкой предметной области и способная предлагать и объяснять пользователю разумные решения. Экспертная система состоит  из базы знаний, механизма логического вывода и подсистемы объяснений.

     Список  использованных источников

 
1 Анатолий Адаменко, Андрей Кучуков Логическое программирование и Visual Prolog (с CD).. — СПб.: «БХВ-Петербург», 2003. — 990 c. — ISBN 5-94157-156-9
2 Артур B. Markman: Представление знания Сподвижницы Лоренс Erlbaum, 2009. – 398 c. — ISBN 6-783-78375-8
3 Благодатских  В.А., Волнин В.А., Поскакалов К.Ф. Стандартизация разработки программных средств. - М: Финансы и статистика, 2003. -650 c. — ISBN 70958-916-7
4 Братко Иван. Алгоритмы искусственного интеллекта на языке PROLOG = Prolog Programming For Artificial Intelligence. — М.: Вильямс, 2004. — 640 с. — ISBN 0-201-40375-7
5 Вендров А.М. Проектирование программного обеспечения экономических информационных систем - М: Финансы и статистика, 2002.- 450 c. — ISBN 8-94892-806-8
6 Вендрова А.М. Практикум по проектированию программного обеспечения экономических информационных систем - М: Финансы и статистика, 2002.- 635 c. — ISBN 8-98157-706-6
7 Джозеф Джарратано, Гари Райли Глава 2. Представление  знаний (в PDF) // Экспертные системы: принципы разработки и программирование = Expert Systems: Principles and Programming. — 4-е изд. —  М.: «Вильямс», 2006. —1152 c. — ISBN 789-5-8959-6656
8 Джон F. Sowa: Представление знания: Логически, философски, и вычислительные учредительства. Ручейки/Cole: Нью-йорк, 2000.- 670 c.
9 Майкл Negnevitsky: Искусственный интеллект, направляющий выступ к толковейшим системам, Ограничиваемое образование, 2002. – 782 c. — ISBN 0-508-36387-0
10 Черемных С.В., Семенов И.О., Ручкин В.С. Структурный  анализ систем: IDEF-технологии - М: Финансы  и статистика, 2001. – 890 c.— ISBN 0-809-40780-8

     Приложения

А
Б

Информация о работе Языки предоставления знаний