Разработка обучающего модуля по информатике

Министерство образования  и науки РФ

Сибирская государственная автомобильно-дорожная академия

(СибАДИ)

Кафедра «Информационные технологии»

 

 

 

 

 

 

Курсовая работа по информатике

 

Название: РАЗРАБОТКА ОБУЧАЮЩЕГО МОДЕЛЯ

ПО ИНФОРМАТИКЕ

 

Раздел 9. БАЗЫ ДАННЫХ

   Тема 9.4 Базы знаний

 

 

 

 

 

 

 

 

       Выполнила:

       Руководитель:

 

       Защитил: _________, _________, _________.

  оценка  дата  подпись

 

 

 

 

 

 

 

 

Омск-2013

 

 

Оглавление

 

•  Введение;
• Знания;
• Основное понятие;
• Различные типы знаний;
• Модели представления знаний;
• База знаний;
• Основные понятия;
• Классификация баз знаний;
• Система управления базами знаний;
• Применение баз знаний;
• Заключение;
• Ключевые понятия;
• Тест;
• Библиографический список.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Введение

 

В силу все более широкого распространения персональных компьютеров важность организации в виде баз знаний непрерывно возрастает.

В настоящее время  целью исследований в области  искусственного интеллекта (ИИ) является создание таких систем, которые, с одной стороны, могут использовать большое количество знаний, передаваемых им специалистами, а с другой – способны вступать в диалог и объяснять свои собственные выводы. Это предполагает наличие эффективного управления большой по объему и хорошо структурированной базой знаний, строгое разграничение между различными уровнями знаний, наличие множества удобных представлений для правил, схем предикатов или прототипов и четко определенный процесс обмена информацией между различными источниками.

Цель курсовой работы – выявление сущности понятий баз знаний. Базам знаний даны основные понятия, классификация, система управления базами знаний, для каких целей они предназначены, их применение и модели представления. Показано, чем базы данных отличаются от базы знаний. Так же приведений модели представления знаний, при помощи которых строятся экспертные системы.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Знания

 

Основное понятие  и различные типы знаний

 

Знания – это:

• вид информации, отражающей знания, опыт и восприятие человека – специалиста (эксперта) в определенной предметной области;
• множество всех текущих ситуаций в объектах данного типа и способы перехода от одного описания объекта к другому;
• осознание и толкование определенной информации, с учетом путей наилучшего ее использования для достижения конкретных целей.

Характеристиками знаний являются:

• Внутренняя интерпретируемость – означает наличие в памяти электронно-вычислительной машины сведений не только и значении, но и о наименовании информационной единицы;
• Структурируемость – наличие связей, характеризующих степень осмысления и выявление основных закономерностей и принципов, действующих в данной предметной области;
• Связность – принципиальный отказ от рассмотрения чего бы то ни было вне контекста окружающей информации и связи рассматриваемого объекта с другими сущностями;
• Активность – способность порождать новые знания.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Различные типы знаний

 

Существуют восемь основных типов знаний:

 

 

 

 

 

1. Базовые элементы, объекты реального мира. Они связаны с непосредственным восприятием, не требуют обсуждения и добавляются в базе фактов в том виде, в котором они получены.
2. Утверждения и определения. Они основаны на базовых элементах и заранее рассматриваются как достоверные.
3. Концепции. Они представляют собой перегруппировки или обобщения базовых объектов. Для построения каждой концепции используются свои приемы. (Например, в системе MECHO (Bundy, 1979) или AM (Lenat,1997) они построены на основе примеров, частных случаев, более общих или аналогичных концепций.)
4. Отношения. Они выражают как элементарные свойства базовых элементов, так и отношения между концепциями. Кроме того, к свойствам отношений относятся их большее или меньшее правдоподобие, большая или меньшая связь с данной ситуацией. Можно отметить, что представление знаний в экспертных системах близко к моделям, используемым в базе данных. Таким путем построена реляционная (обобщенная) модель базы данных в системах OPS, PROLOG. SNARK и TANGO.
5. Теоремы и правила перезаписи. Они являются частным случаем продукционных правил с вполне определенными свойствами. Теоремы не представляют никакой пользы без экспертных правил их использования. Явное присутствие теорем в экспертных системах представляет главное отличие от систем управления классическими базами, в которых они либо отсутствуют, либо программируются. Модификация или добавление новых теорем является весьма трудоемкой, хотя и необходимой процедурой, так как нужно обеспечить хорошее структурированное управление базами и оптимизировать получение ответов (Gallaire, 1987).
6. Алгоритмы решений. Они необходимы для выполнения определенных задач. Во всех случаях они связаны со знанием особого типа, поскольку определяемая ими последовательность действий оказывается оформленной в блок в строго необходимом порядке в отличие от других типов знания, где элементы информации могут появляться и располагаться без связи друг с другом.

Очевидно, что очень  трудно работать с длинными процедурами, состоящими из большого числа различных  действий. Использование чистых алгоритмов ограниченно очень частными случаями, большая часть из которых имеет  дело с обработкой числовой информации. Человек же должен уметь работать со многими другими типами информации и оказывается, что электронно-вычислительные машины в отличие от простого калькулятора могут помочь человеку в подобных неалгоритмических ситуациях.

7. Стратегии и эвристика. Этот тип представляет собой врожденные или приобретенные правила поведения, которые позволяют в данной конкретной ситуации принять решение о необходимых действиях. Он использует информацию в порядке, обратном тому, в котором она была получена. Человек постоянно пользуется этим типом знаний при восприятии, формировании концепций, решении задач и формальных рассуждениях

Появление экспертных систем связано с необходимостью принятия в расчет именно этого фундаментального типа человеческих знаний.

8. Метазнания. Без сомнения оно присутствует на многих уровнях и представляет собой знание того, что известно и определяет значение коэффициента доверия к этому знанию, важность элементарной информации по отношению ко всему множеству знаний.

Кроме того, сюда же относятся вопросы организации каждого типа знаний и указаний, когда и как они могут быть использованы.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Модели представления  знаний.

 

Во многих случаях  для принятия решений в той  или иной области человеческой деятельности неизвестен алгоритм решения, т.е. отсутствует последовательность действий, заведомо приводящих к необходимому результату.

Совокупность знаний нужных для принятия решения принято  называть предметной областью или знаниями о предметной области. В любой предметной области есть свои понятия и связи между ними, своя терминология, свои законы, связывающие между собой объекты данных предметной области, свои процессы и события. Кроме того, каждая предметная область имеет свои методы решения задач.

Решая задачи такого вида на электронно-вычислительных машинах, используют информационные системы, ядром которых являются базы знаний, содержащие основные характеристики предметных областей. При построении баз знаний, традиционные языки, основанные на численном представлении данных, являются неэффективными. Для этого используются специальные языки представления знаний, основанные на символьном представлении данных. Они делятся на типы по формальным моделям представления знаний:

 

 

Продукционные модели являются наиболее популярными средствами представления знаний в информационных системах.

Продукционная модель или  модель, основанная на правилах, позволяет  представить знания в виде предложений  типа:

«Если (условие), то (действие)».

Под условием понимается некоторое предложение – образец, по которому осуществляется поиск в базе знаний, а под действием – действия, выполняемые при успешном исходе поиска (они могут быть промежуточными, выступающими далее как условия, и терминальными или целевыми, завершающие работу системы).

Продукционная модель привлекает разработчиков своей наглядностью, высокой модульностью, легкостью  внесения дополнений и изменений  и простотой механизма логического  вывода.

Сильные стороны продукционной  модели:

1. Модульность (логически связанные между собой подпрограммы, переменные и т.д. группируются в отдельные файлы);
2. Единообразие структуры (основные компоненты продукционной системы могут применяться для построения интеллектуальных систем с различной проблемной ориентацией);
3. Естественность (вывод заключения в продукционной системе во многом аналогичен процессу рассуждения эксперта);
4. Простота создания и понимания отдельных правил;
5. Простота пополнения и модификации;
6. Простота механизма логического вывода;

Слабые стороны продукционной  модели:

1. Процесс вывода менее эффективен, чем в других системах, поскольку большая часть времени при выводе затрачивается на непроизводительную проверку применимости правил;
2. Неясность взаимных отношений правил;
3. Сложность оценки целостного образа знаний;
4. Отличие от человеческой структуры знаний;
5. Отсутствие гибкости в логическом выводе;

Имеется большое число  программных средств, реализующих  продукционный подход: OP55, EXSYS RuleBook, ЭКСПЕРТ, ЭКО, G2 и др.

Основная идея подхода  при построении логических моделей представления знаний – вся информация, необходимая для решения прикладных задач рассматривается как совокупность фактов и утверждений, которые представляются как формулы в некоторой логике. Знания отображаются совокупностью формул, а получение новых знаний сводится к реализации процедур логического вывода.

Достоинства логических моделей:

1. В качестве фундамента используется классический аппарат математической логики, методы которой достаточно хорошо изучены и формально обоснованы.
2. Существуют достаточно эффективные процедуры вывода, в том числе реализованные в языке логического программирования, использующие механизмы автоматического доказательства теорем для поиска и логически осмысленного вывода информации.
3. В базах знаний можно хранить лишь множество аксиом, а все остальные знания получать из них по правилам вывода, а также данные, факты и другие сведения.

В основе сетевых моделях лежит конструкция, названная семантической сетью. Семантический подход к построению систем искусственного интеллекта находит применение в системах понимания естественного языка, в вопросно-ответных системах, в различно предметно-ориентированных системах.

В семантических сетях  существует возможность представлять знания более естественным и структурированным  способом.

Основным преимуществом  является то, что сетевая модель соответствует современным представлениям об организации долговременной памяти человека

Недостатком этой модели является сложность организации  процедуры поиска вывода на семантической  сети.

Для реализации семантических  сетей существуют специальные сетевые языки (NET, SIMER+MIR и др.) Известны системы, использующие семантические сети в качестве языка представления знаний – PROSPEKTOR, CASNET, TORUS.

Фреймовая модель – способ представления знаний в искусственном интеллекте, представляющий собой схему действий в реальной ситуации.

Основным преимуществом фреймовых  моделей является то, что она отражает концептуальную основу организации  памяти человека, а также ее гибкость и наглядность.

К недостаткам фреймовых систем относят их относительно высокую  сложность.

Специальные языки представления  знаний в сетях фреймов: FRL (Frame Representation Language), KRL (Knowledge Representation Language).

 

 

 

 

 

 

 

 

База знаний

 

Основные понятия

 

База знаний, как и база данных, - необходимая составляющая программного комплекса искусственного интеллекта.

База знаний – совокупность систематизированных основополагающих сведений, относящихся к определенной области знания, хранящихся в памяти электронно-вычислительных машин (ЭВМ), объем которых необходим и достаточен для решения заданного круга теоретических или практических задач. В системе управления баз знаний используются методы искусственного интеллекта, специальные языки описания знаний, интеллектуальный интерфейс.