Научная литература
booksshare.net -> Добавить материал -> Психология -> Сальвенди Г. -> "Человеческий фактор. Том 3. Часть 1" -> 63

Человеческий фактор. Том 3. Часть 1 - Сальвенди Г.

Сальвенди Г. Человеческий фактор. Том 3. Часть 1 — М.: Мир, 1991. — 487 c.
ISBN 5-03-001815-8
Скачать (прямая ссылка): chelovecheskiyfactort3ch11991.djvu
Предыдущая << 1 .. 57 58 59 60 61 62 < 63 > 64 65 66 67 68 69 .. 198 >> Следующая

О трудностях программирования продукционных систем Моран [85] говорит следующее
«При включении в систему любой новой стр>ктуры уменьшаются определенность и недвусмысленность условии в посылках правил, появляются неявные условия Чисто внешне правила становятся более краткими, но лишь ценой потери ясности и точности Другим узким местом существующих продукционных систем является использование меток, маркеров и других хитроумных уловок для организации связи между правилами Это тоже делается ради краткости, но затемняет смысл соответствующих действий Вследствие этого моя собственная программа оказалась весьма чувствительной особой одна небольшая неточность» в установке маркера — и она «теряет голову» Кроме того, ее очень трудно модифицировать, требуется много времени, чтобы перенастроить все сигналы»
К преимуществам продукционных систем относится высокая степень их модульности, т. е. возможность удалять, добавлять
Экспертные системы
155
Таблица 37 Схемы представления знаний и область их возможного применения
Представление с помощью правил Логическое представление Структурное представление
Области, состоящие из множества разрозненных фактов, например клиническая медицина Области, для которых характерны процессы, сводящиеся к совокупностям независимых действий Области, где знания легко отделить от способа использования этих знаний, например биологическая систематика Области, где задачи допускают представление в терминах дискретных состояний Применимо, когда проблемно ориентирован ные знания выражаются с помощью простых не зависимых правил Применимо, когда используемые методы решения задач требуют пе реформулировки задачи Хорошо подходит для тех областей, где нужно одновременно использовать различные методы решения задач, поскольку оно совместимо с ши роким спектром таких методов Области, где факты и эвристики трудно отде лить от процедур манипулирования ими Пригодно, когда проблемно ориентированные знания сложны и взаимозависимы Пригодно, когда знания могут быть представлены как дискретная совокупность отдельных элементов Годится для представления данных, изменяющихся во времени Динамические области
и модифицировать правила, не боясь того, что это как-то скажется на других правилах. Единообразная структура представления знаний, обусловленная жестким форматом продукционных правил, облегчает пользователю понимание действий экспертной системы. Кроме того, все знания легко представляются в естественном и обычном для специалистов словесном виде.
Недостатком продукционных систем является отсутствие прямых связей между правилами, что понижает эффективность решения задач, поскольку выполнение любого действия требует многократных обращений к структурам данных, в которых сосредоточена вся необходимая контекстная информация. Поэтому нет возможности использовать детерминированные стратегии, которые в ряде случаев могут оказаться более эффективными. Кроме того, хотя легко указать правило (или правила), используемое в самом конце при выводе окончательного заключения, алгоритм управления выводом при решении задачи определить довольно трудно. Это объясняется тем, что естественным образом представляются только правила, а не алгоритмическое знание. В своей статье, посвященной обсуждению продукционных систем, Дейвис и Кинг [31] указывают возможные области их применения (табл. 3.7). В настоящее время ведет-
156 Глава 3
ся работа по повышению эффективности решения задач с помощью продукционных систем.
Логическое представление: вычисление предикатов
При логическом представлении знаний сведения о предметной области кодируются с помощью формул логики предикатов. Связанные с таким представлением вопросы уже подробно обсуждались в гл. 2, и мы не будем повторяться. Согласно Маккарти [77] и Филмену [52], главное достоинство логического представления заключается в том, что оно, по-видимому, является естественным способом выражения понятий, хорошо согласующимся с нашими интуитивными представлениями. Кроме того, правила логики столь строгие, что многие функции экспертных систем могут осуществляться с помощью ее стандартных процедур. В частности, существуют способы вычисления значений формальных выражений и методы автоматического доказательства теорем; гарантирована также непротиворечивость, поскольку совокупность следствий из заданного множества логических утверждений полностью определяется правилами вывода. Наконец, логика обладает известной гибкостью. Это позволяет управляющей подсистеме ЭС использовать различные методы решения задач и упрощает модификацию программ.
Упомянутые методы автоматического доказательства теорем дают хорошие результаты в случае сравнительно небольших баз данных, iho при увеличении объема последних приходится сталкиваться с явлением комбинаторного взрыва. Чистая логика также малопригодна для представления неопределенности или пространственно-временных отношений. Кроме того, чистая логика не допускает вывода «по умолчанию».
Структурные представления
Когда проблемно-ориентированная информация очень сложна и взаимозависима, целесообразно представлять свойства объектов в виде отдельных элементов, доступных обработке. На этом основаны все методы структурного представления, которые можно подразделять на следующие три основных класса: 1) семантические сети, 2) фреймы и сценарии и 3) методы, основанные на теории концептуальных зависимостей. Прежде чем излагать эти методы по отдельности, мы кратко определим ряд понятий и обсудим некоторые соображения, относящиеся ко всем этим трем классам методов одновременно.
Предыдущая << 1 .. 57 58 59 60 61 62 < 63 > 64 65 66 67 68 69 .. 198 >> Следующая

Реклама

c1c0fc952cf0704ad12d6af2ad3bf47e03017fed

Есть, чем поделиться? Отправьте
материал
нам
Авторские права © 2009 BooksShare.
Все права защищены.
Rambler's Top100

c1c0fc952cf0704ad12d6af2ad3bf47e03017fed