Методы и программные средства поиска решения на основе аналогий

«Молодой учёный» . № 52 (342)  . Декабрь 2020 г.
16
Информационные технологии
в силу большого объема и трудно воспринимаемых формули-
ровок. Энциклопедии же по экспертным системам вообще от-
сутствуют. Отдельные понятия можно найти в универсальных 
словарях и энциклопедиях, однако это отнимает время, ре-
сурсы и доставляет множество неудобств.
Интерес к моделям и методам рассуждения на основе ана-
логий объясняется актуальностью проблем моделирования 
рассуждений для интеллектуальных систем поддержки при-
нятия решений.
Использование моделей и методов поиска решения на ос-
нове аналогий в ИСППР принимать более адекватные управля-
ющие воздействия на объект в различных нестандартных ситу-
ациях.
Вопросы о природе аналогии, ее формальном определении, 
правомерности использования вывода на основе аналогий воз-
никли довольно давно. Начиная с первой попытки формали-
зовать понятие аналогии, предпринятой Лейбницем в своем 
сочинении «Фрагменты логики», и до настоящего момента не 
удалось дать исчерпывающего формального определения этому 
понятию.
Большой интерес к моделям и методам рассуждения на ос-
нове аналогий обусловлен тем, что на сегодняшний день весьма 
актуальна проблема моделирования человеческих рассуждений 
(рассуждений так называемого «здравого смысла») для повы-
шения эффективности современных компьютерных систем 
типа интеллектуальных систем (ИС) поддержки принятия ре-
шений реального времени (ИСППР РВ).
На сегодняшний день большинство отечественных и за-
рубежных разработок, использующих рассуждения на основе 
аналогий, ориентировано на машинного обучения, для вы-
движения гипотез о предметной и формирования баз знаний. 
Также отсутствуют выработанные средства поиска решения на 
основе аналогий для ИСППР РВ. Кроме того, весьма ощутим 
недостаток отечественных программных средств, сопоста-
вимых с зарубежными системами.
Проведенные исследования образуют теоретическую 
и практическую основу для создания новой информационной 
технологии поддержки принятия решений в области ИТ-кон-
сультирования.
В процессе написания научно-исследовательской работы 
были выполнены все поставленные цели и задачи.
Исследованы модели и методы поиска решения на основе 
аналогий и установлено, что для моделей на основе аналогий 
целесообразно использовать методы на основе структурной 
аналогии.
Экспертная система — это система искусственного интел-
лекта, которая содержит знания об определенной слабо струк-
турированной и трудно формализуемой узкой предметной 
области, и способная предлагать и объяснять пользователю ра-
циональные решения.
В целом процесс функционирования экспертной системы 
начинается с желания пользователя получить необходимую ин-
формацию. Пользователь через пользовательский интерфейс 
посылает запрос к экспертной системе. Эксперт, на основе базы 
знаний, генерирует и выдает пользователю подходящую реко-
мендацию, разъясняя свои рассуждения при помощи подси-
стемы объяснений.
Целью инженерии знаний как прикладной науки является 
разработка программ, которые при решении задач, трудных для 
эксперта-человека, получают результаты, не уступающие по ка-
честву и эффективности решениям, получаемым экспертной 
системой [2, с. 48].
Процесс инженерии знаний состоит из двух составляющих:
– Извлечение знаний;
– Внедрение знаний.
В рамках инженерии знаний изучаются проблемы, заключа-
ющие в формализации полученных от специалистов некоторых 
предметных областей знаний.
База знаний — это семантическая модель, которая описы-
вает предметную область и является основным компонентом 
систем искусственного интеллекта.
Базы знаний формируется в следующей последователь-
ности:
1. описание предметной области — определение инже-
нером знаний границ области применения системы и класса 
решаемых ею задач (определение характера решаемых задач; 
объектов предметной области, выявление специфических осо-
бенностей) [1, с. 79].
2. выбор модели представления знаний — определение 
подцелей;
3. приобретение знаний — становление знаний.
Как оказалось, знания, необходимые для решения многих 
нетривиальных практических задач с использованием компью-
теров, являются гибридными, то есть требуются не только про-
цедурные знания.
Для решения проблемы пользователя консультант исполь-
зует СППР с базой прецедентов, интегрированных с онтоло-
гией предметной области. Все прецеденты разбиты на классы 
семантически близких прецедентов, причем в системе пред-
усмотрено несколько степеней детализации — от укрупненной, 
содержащий большое число прецедентов в одном классе, до 
более детальной, когда класс содержит небольшое число семан-
тически близких проблем.
В соответствии с предлагаемым подходом консультант, по-
лучив информацию о проблеме от пользователя, начинает за-
полнять специальную форму, создавая экземпляр класса Prec-
edent в соответствии с общей структурой, после чего система 
вычисляет силу семантических связей с терминальными кон-
цептами. Наконец, консультант анализирует решения из на-
бора семантически близких прецедентов, использует уже го-
товое решение наиболее сходного прецедента, или объединяет 
решения из различных прецедентов. Сформировав решение, 
консультант передает его пользователю. При необходимости 
создается новый прецедент в базе знаний.
Литература:
1. Август-Вильгельм Шеер. Бизнес-процессы: основные понятия, теории, методы. — М: Просветитель, 2013. — 205 с.

“Young Scientist” .  # 52 (342) .  December 2020

жүктеу/скачать 7.68 Mb.

Достарыңызбен бөлісу: