Подякувати Студентському архіву довільною сумою
Admin
26.02.2023 12:38
Дякуємо, що користуєтесь нашим архівом!
Інформація про навчальний заклад
ВУЗ:
Національний університет Львівська політехніка
Інститут:
Не вказано
Факультет:
Не вказано
Кафедра:
Не вказано
Інформація про роботу
Рік:
2003
Тип роботи:
Інші
Предмет:
Системи штучного інтелекту
Частина тексту файла (без зображень, графіків і формул):
МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ
НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ "ЛЬВІВСЬКА ПОЛІТЕХНІКА"
ПРОЕКТУВАННЯ СИСТЕМ ШТУЧНОГО ІНТЕЛЕКТУ
МОДЕЛІ ЗНАНЬ
Інструкції до лабораторних робіт №1 , №2
для студентів спеціальності 7.080403
"Програмне забезпечення автоматизованих систем"
Затверджено
на засіданні кафедри
"Програмне забезпечення”
Протокол № 8 від 9.06. 2003 р.
Львів 2003
ПРОЕКТУВАННЯ СИСТЕМ ШТУЧНОГО ІНТЕЛЕКТУ. МОДЕЛІ ЗНАНЬ. Інструкції до лабораторних робіт №1, 2 для студентів спеціальності 7.080403 "Програмне забезпечення автоматизованих систем" / Укл. Є. Н. Федорчук – Львів: Видавництво ДУ "Львівська політех ніка", 2003. – 10 с.
Укладач Федорчук Є. Н., канд. техн. наук, доц.
Відповідальний за випуск: Грицик В. В, д-р. техн. наук, професор.
Рецензенти : Дружинін А. О., д-р. техн. наук, професор,
Федоришин О. С., к. ф.-м. наук, доцент.
ВСТУП
Лабораторні роботи призначені для практичного засвоєння розділу “Моделі знань” дисципліни “Проектування систем штучного інтелекту”. Пропонуються такі теми:
моделі знань експертних задач на основі продукційних правил;
моделі знань експертних задач на основі фреймів;
моделі знань експертних задач з нечіткими даними.
Матеріал містить формули та алгоритмічні операції для практичної побудови алгоритмів і комп’ютерних програм на лабораторних заняттях.
Лабораторна робота №1
Побудова і аналіз моделі знань у формі продукційних правил з нечіткими даними.
1.1. Теоретичні відомості
Формули нечіткої логіки для обчислення коефіцієнтів визначеності в мережах правил.
Одним із поширених методів представлення знань є застосування правил-продукцій. Продукційні правила добре відображають знання людини у вигляді асоціацій, спостережень, навичок. За їх допомогою компетентність і досвід людини легко моделюється на поверхневому рівні, без відображення глибинної суті явищ, знань і причинних зв’язків. Тому правила є ефективним способом подання рекомендацій, директив, стратегій, які обумовлюються певними фактами-знаннями з людського досвіду. Правила також забезпечують природний спосіб опису процесів, які виникають і керуються в складному і швидко змінному зовнішньому середовищі.
Схематично продукція подається у формі символьного виразу:
продукція = умова + наслідок.
Формально умова продукції перевіряється на основі співставлення певного зразка (твердження) із даними в моделі знань. Якщо співставлення (підтвердження) успішне, то виконується наслідок (дія, процедура, рекомендація).
Найбільш поширеними в літературі є подання правил у формі тверджень:
Якщо (умова) то (наслідок, дія);
Якщо (умова 1, умова 2, умова 3) то (наслідок 1, наслідок 2).
В поданих записах умови і наслідки об’єднуються за правилом кон’юнкції, тобто можуть наступати одночасно. В ролі дії або наслідку може виступати приєднана обчислювальна процедура, рекомендація. Аналогом для продукційного правила є логічне правило : IF ( оператор ) THEN ( дія ), відоме в класичних мовах програмування. Однак розвиток продукційних обчислень привів до створення більш ефективних мов програмування-логічних та функційних мов, таких як Пролог та Лісп. Ці мови забезпечують опрацювання задач із символьними даними та підтримують ряд ефективних алгоритмів символьних обчислень, як рекурсія, пошук і виведення в мережевих ієрархічних структурах, бектрекінг.
Графічне подання мережі правил, як моделі знань, дозволяє наочно показати можливі способи приєднання до правил обчислень для нечітких даних. В мережах правил існують різні види логічних зв”язків між фактами та правилами. Для окремих базових зв”язків застосовують формули нечіткої логіки для обчислення коефіцієнтів визначеності. Розглянемо базові зв”язки та формули для обчислень. Подані на рисунках позначення CF, CF1, CF2, CFP – це задані апріорі значення коефіцієнтів визначеності для елементів мережі –фактів F та правил P. Формули використовують для вибраних значень коефіцієнтів визначеності в межах від 0 до 100, як значень відсотків.
.
Рис. 1 . Графічне зображення і формули обчислення коефіцієнтів визначеності для двох елементів мережі .
а) Правило: ЯКЩО F ТО Р. Формули для CF:
СF(P) = CF , якщо CFP=0 ;
СF(P) = CF*CFP/100 , якщо CFP ≠0;
б) Правило: ЯКЩО НЕ F ТО Р. Формули для CF:
СF(P) =100 - CF , якщо CFP=0 ;
СF(P) = (100-CF)*CFP/100 , якщо CFP ≠0;
a) б)
Рис. 2. Графічне зображення і формули обчислення коефіцієнтів визначеності для об”єднаних елементів мережі за логічними формулами виду AND і OR.
а) Правило : ЯКЩО (F1 AND F2) ТО Р Формули для CF:
СF(P) = (CF1 and CF2) = min(CF1, CF2) якщо CFP=0 ;
СF(P) = (CF1 and CF2) = min(CF1, CF2)*CFP /100, якщо CFP ≠0;
б) Правило : ЯКЩО (F1 OR F2) ТО Р Формули для CF:
СF(P) = (CF1 or CF2) = max(CF1, CF2); якщо CFP=0 ;
СF(P) = (CF1 or CF2) = max(CF1, CF2)*CFP /100, якщо CFP ≠0;
Обчислення коефіцієнтів визначеності для розділених елементів мережі, зображених на рис. 3, виконують за нижче поданими формулами .
Рис. 3. Графічне зображення і формули обчислення коефіцієнтів визначеності для розділених елементів мережі .
СF(P) = (CF1 , CF2) = CF1+CF2 –CF1*CF2/100 , якщо CFP=0 ;
СF(P) = (CF1 , CF2) = (CF1+CF2 –CF1*CF2/100)*CFP/100 , якщо CFP ≠0;
Для більш складних видів мережі правил використовують комбінування поданих вище формул. Для трьох і більше елементів об”єднання виділяють послідовно попарні об”єднання і проводять обчислення для всіх пар. Порядок об”єднання не грає ролі.
Приклад обчислень коефіцієнтів визначеності в продукційних правилах
Розглянемо побудову мережі правил для задачі розпізнавання об”єкта на основі сукупності заданих ознак. Нехай об”єкт- поштова марка задано такою сукупністю фактів- характеристик та властивостей:
Малі розміри;
Кольоровий;
Зубчаті краї;
Випускається серіями;
Продається на пошті.
Можливі семантичні мережі розпізнавання подано на рис. 4. а) , б).
Рис.4. Мережі правил і обчислені коефіцієнти визначеності для розпізнавання поштового об’єкта.
Для поданих мереж доцільно застосувати прямий алгоритм пошуку. Формальні логічні правила можна записати таким чином. Для мережі а):
Якщо (F1 і F3) то обчислити CF(P1) - це правило аналізу фактів- характеристик об’єкта;
Якщо (F2 або F4 або F5) то обчислити CF(P2) - це правило аналізу фактів- властивостей об’єкта;
Якщо об”єднати (P1 та P2) то обчислити CF(H) і показати .
Для мережі б):
Якщо об”єднати (F1 та F3) то обчислити CF(P1) - це правило аналізу фактів- характеристик об’єкта;
Якщо (F2 або F4 або F5) то обчислити CF(P2) - це правило аналізу фактів- властивостей об’єкта;
Якщо об”єднати (P1 та P2) то обчислити CF(H) і показати .
Особливості програмної реалізації мереж та обчислень.
Поданий приклад передбачає діалоговий режим розпізнавання. Різні способи об”єднання фактів і правил дають різне значення коефіцієнта визначеності для розпізнаного об”єкта. Незалежно від виду мережі необхідно прагнути до максимізації коефіцієнта визначеності в кінцевому висновку. При реалізації логічних правил їх необхідно протестувати на можливі варіанти діалогу(не всі введені чи вибрані факти, зовсім не вибрані і т.п.) . Результат виведення повинен фіксувати:
можливість розпізнавання при ненульовому CF(H) ;
неможливість розпізнавання при нульовому CF(H)
Завдання до роботи
Для поданих нижче прикладів об”єктів розробити програмне забезпечення для задачі розпізнавання об”єкта на основі мережі правил , що об”єднує властивості та характеристики об”єктів. ПЗ повинно реалізувати такі функції:
показувати графічну ілюстрацію семантичної мережі із заданими зв”язками;
забезпечувати ввід коефіцієнтів визначеності для даних –фактів;
виконувати обчислення коефіцієнтів визначеності для гіпотез-назв об”єктів.
1.3. Приклади об”єктів для розпізнавання.
Літальний апарат(два двигуни, середня швидкість, малі крила, потребує великої смуги, шасі нерухоме, довгі крила, мала швидкість, злітає з малої площі, шасі підйомне).
Спорт(круглий м”яч, гра руками, висока сітка, середнє поле, овальний мяч, велике поле, гра руками, колективна гра, є ворота).
Спорт(великий м”яч, велике поле, корзина, середнє поле, ворота, колективна гра).
Спорт(великий м”яч, висока сітка, середнє поле, малий мяч, колективна гра, низька сітка, парна гра).
Комп”ютер(окремий монітор, автономне живлення, середні габарити, живлення від мережі, суміщений монітор, малі габарити і вага ).
Тип квітки(червоний колір, стебло гладке, квітка багатопелюсткова, розмножується з цибулини, стебло колюче, дерев”янисте, квітка чашеподібна, розмножується з кореня).
Авто(одномісне, середня швидкість, низька посадка, пасажирський салон, висока посадка, висока швидкість, спеціальне обслуговування).
Риба( великі розміри, живе в ріках, хижа риба, має багато зубів, середні розміри, живе довго, живе в морі).
Лабораторна робота №2
Розроблення тестової системи для оцінки самоконтролю
Мета роботи- розробити програмне забезпечення для тестування самоконтролю на основі психоаналітичних тестів.
2.1. Теоретичні відомості
Задачі комп”ютерного тестування освітніх та фахових знань, психологічних даних людини , потребують відповідних моделей знань. В даній роботі тести являють собою графічні зображення елементів, які символізують 4-и стани поведінки людини: рух, спокій, впевненість, непевність. Кожному стану відповідає група з 4-х графічних елементів. Вибір елемента оцінюється відповідною кількістю балів. В кожній групі обирають один символ, котрий на вашу думку якнайкраще передає стан руху, спокою, впевненості, непевності. Підсумок проводиться за таблицею оцінювання згідно поданих нижче правил оцінювання. Результат оцінювання пояснюється відповідним психоаналітичним висновком-коментарем.
Таблиця 1. Графічні зображення елементів
рух
спокій
впевненість
непевність
Таблиця 2. Оцінювання елементів
Рух
Спокій
Впевненість
Непевність
а — 4
а— 10
а— 10
а— 10
6 — 8
6 — 8
6 — 8
6 — 8
в — 2
в — 2
в — 6
в — 2
г— 10
г — 4
г — 2
г — 6
Правила оцінювання і висновки.
Правила оцінювання грунтуються на аналізі набраної опитуваним кількості балів і присвоєнні відповідного висновку.
Від 8 до 13 балів. Ваша поведінка залежить передусім від тих, хто вас оточує. Ви легко занепадаєте духом, легко «вибухаєте», неохоче робите те, що вам не до вподоби. На вас справляє сильний вплив оточення, мікроклімат у колективі. Отже, ви не є господарем своїх рішень. Ви надто емоційні, і ваші вчинки залежать здебільшого від вашого настрою
Від 14 до 20 балів. Хоча й «пливете за течією», але намагаєтесь знайти свій стиль. Здатні до критичного аналізу. Коли здоровий глузд підказує, що ваша позиція хибна, ви цілком спроможні від неї відмовитись.
Від 21 до 27 балів . Вважаєте себе непогрішимим. І все ж, підпадаєте під сторонній вплив. Шукаєте золоту середину між власними переконаннями й тими вимогами, які ставить життя. Допомагає те, що ви інстинктивно обираєте правильний шлях.
Від 28 до 34 балів. Вам нелегко відмовитись від своїх принципів. Що більше хтось намагається на вас тиснути, то сильніший опір ви чините. Однак за впертістю приховується не стільки впевненість, скільки страх пошитися в дурні.
Від 35 до 40 балів. Якщо вже щось спаде вам на думку, то ніхто вас не переконає у протилежному. Попри все йдете до своєї мети. Але той , хто вас добре знає, може вміло та непомітно скеровувати ваші вчинки. Тож чи не варто проявляти менше впертості і більше кмітливості?.
2.2. Завдання до роботи
Розробити програмне забезпечення, яке розв”язуватиме всі завдання тестування і оцінки. ПЗ повинне реалізувати такі функції:
забезпечувати добру графічну ілюстрацію тестових елементів та їх вибір. Вибір об”єкта в кожній групі є обов”язковим;
забезпечувати обчислення результатів тестування ;
показувати зведені в таблицю: вибрані символи, результати тестування та висновок тестування ;
забезпечувати рестарт і поновлення тестування.
КОНТРОЛЬНІ ЗАПИТАННЯ
Поясніть зміст продукційного правила.
Поясніть побудову моделі знань на основі продукційних правил.
Проаналізуйте зміст коефіцієнта визначеності.
Поясніть принципи побудови систем тестування.
Які представляють знання за допомогою фреймів?.
Проаналізуйте можливі способи врахування нечіткості в моделях знань
Ї
НАВЧАЛЬНЕ ВИДАННЯ
ПРОЕКТУВАННЯ СИСТЕМ ШТУЧНОГО ІНТЕЛЕКТУ
МОДЕЛІ ЗНАНЬ
Інструкції до лабораторних занять
для студентів спеціальності 7.080403
"Програмне забезпечення автоматизованих систем"
Укладач Федорчук Є. Н.
Технічний редактор
Ділись своїми роботами та отримуй миттєві бонуси!
0%
Оголошення від адміністратора