Размещено на http://www.allbest.ru/

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «ДОНСКОЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ» (ДГТУ)

Кафедра «Управление качеством»

КУРСОВАЯ РАБОТА

по дисциплине «Инженерия знаний»

Тема: «Представление знаний предметной области»

Ростов-на-Дону 2014

Содержание

Введение

1. Представление знаний с помощью фреймов

2. Построение базы знаний продукционного типа

3. Логическая модель знаний

4. Представление нечетких знаний

4.1 Лингвистическая переменная

4.2 Построение функции принадлежности

4.3 Построение функции принадлежности с использованием типовых функций

4.4 Построение функции принадлежности с помощью метода экспертных оценок

Заключение

Список использованной литературы

Введение

Инженерия знаний - раздел науки об ИИ, занимающийся преобразованием знаний экспертов в какой-либо предметной области в форму, пригодную для обработки экспертной системой.

Исследования по ИИ позволили утвердиться во мнении, что подлинно необходимыми для решения проблемы являются знания экспертов. То есть, если создать систему, способную запоминать и использовать знания экспертов, то она найдет применение в практической деятельности.

Фактически инженерия знаний -- это теория, методология и технология ЭС, которые охватывают методы добычи, анализа и выражения в правилах знаний экспертов.

Предметная (проблемная) область - конкретная сфера человеческой деятельности, выделенная и описанная согласно установленным критериям со всем комплексом понятий и знаний о ее функционировании. В описываемое понятие должны входить сведения об ее элементах, явлениях, отношениях и процессах, отражающих различные аспекты этой деятельности. В описании предметной области должны присутствовать характеристики возможных воздействий окружающей среды на элементы и явления предметной области, а также обратные воздействия этих элементов и явлений на среду.

Инженерия знаний связана с математической логикой, также используемой в разных научных дисциплинах, например в социологии где «подопытными» являются люди, а цели исследований -- понимание, как работает человеческая логика на примере взаимоотношений в обществе.

1. Представление знаний помощью фреймов

Фрейм - способ представления знаний в искусственном интеллекте, представляющий собой схему действий в реальной ситуации. Первоначально термин «фрейм» ввёл Марвин Минский в 70-е годы XX века для обозначения структуры знаний для восприятия пространственных сцен. Фрейм -- это модель абстрактного образа, минимально возможное описание сущности какого-либо объекта, явления, события, ситуации, процесса.

Представление знаний предметной области «Сырье вторичное текстильное сортированное». Индивидуальным заданием на выполнение работы является ГОСТ 4.115-84 на номенклатуру показателей качества продукции. Составим структурную схему иерархического типа на виды продукции, рассматриваемые в стандарте. Для «ГОСТ 4.115-84 СПКП. «Сырье вторичное текстильное сортированное» структурная схема выглядит следующим образом (рис.1).

Рисунок 1 - Структурная схема видов продукции

Фрейм-прототип:

(<вторичное текстильное сырье номер группы продукции (значение слота 1) наименование группы продукции (значение слота 2) АКО - связь («Показатели качества продукции»)).

Фрейм-экземпляр:

(<Виды сырья вторичного текстильного> номер группы продукции (1-2-3-4) наименование группы продукции (сырье вторичное текстильное, содержащее шерстяные волокна; сырье вторичное текстильное, содержащее хлопчатобумажные волокна; сырье вторичное текстильное, содержащее льняные волокна; сырье вторичное текстильное, содержащее смешанные волокна) АКО - связь («Показатели качества продукции»)).

Рисунок 2 - Структурная схема номенклатуры показателей качества

Фрейм-прототип:

(<Показатели качества продукции> номер группы показателя (значение слота 1) наименование группы показателя (значение слота 2) номер подгруппы показателя (значение слота 3) наименование подгруппы показателя (значение слота 4) индекс показателя (значение слота 5) наименование показателя (значение слота 6) единица измерения показателя (значение слота 7) тип показателя (Ч - числовой, С - символьный) (значение слота 8) АКО - связь («Числовые значения показателей»)).

Фрейм-экземпляр:

(<Показатели качества продукции> номер группы показателя (1-1-1-1,2-2-2-2-2-2-2-2-2,3-3) наименование группы показателя (Показатели назначения, Показатели технологичности, Показатели транспортабельности) номер подгруппы показателя (1.1-1.1-1.1-1.1-2.1-2.1-2.1-2.1-2.1-2.1-2.1-2.1-2.1-3.1-3.1) индекс показателя (1.1.1-1.1.2-1.1.3-1.1.4-2.1.1-2.2.2-2.2.3-2.2.4-2.2.5-2.2.6-2.2.7-2.2.8-2.2.9-3.1.1-3.1.2) единица измерения показателя (…-%-%-…-%-м²-…-…-%-%-%-…-%-кг -…) наименование показателя (Род волокон, Массовая доля мелкого сырья, Массовая доля натуральных волокон, Бактериальная загрязненность, Влажность, Площадь сырья, Вид исходного сырья, Способ выработки, Массовая доля других условных обозначений, Массовая доля остаточной пыли, Зольность, Цвет, Массовая доля жира, Предельная масса кпы, Маркировка кип) тип показателя (С-Ч-Ч-С-Ч-Ч-С-С-Ч-Ч-Ч-Ч-С-Ч-С) АКО - связь («Числовые значения показателей»)).

Для сформированных фреймов, разрабатываем фрейм-прототип и фрейм-экземпляр «Числовые значения показателей».

Для рассматриваемого примера они следующие.

Фрейм - прототип:

(<Числовые значения показателей>) номер группы продукции (значение слота 1) индекс показателя 1 (значение слота 2) разрядность показателя 1 (значение слота 3) индекс показателя 15(значение слота 30) разрядность показателя 15(значение слота 31).

Фрейм-экземпляр:

(<Числовые значения показателей>

номер группы продукции (1-2-3-4)

индекс показателя 1 (1.1-1.1-1.1- 1.1)

разрядность показателя 1 (0-0-2-0)

индекс показателя 2 (1.2-1.2-1.2-1.2)

разрядность показателя 2 (2(х)-2(х)-0-0)

индекс показателя 3 (1.3-1.3-1.3-1.3)

разрядность показателя 3 (0-0-0-3(х))

индекс показателя 4 (1.4-1.4-1.4-1.4)

разрядность показателя 4 (0-3(х)-3(x)-3(х))

индекс показателя 5 (2.1-2.1-2.1-2.1)

разрядность показателя 5 (0-2(х)-2(х)-2(х))

индекс показателя 6 (2.2-2.2-2.2-2.2)

разрядность показателя 6 (3(х)-3(х)-0-3(х))

индекс показателя 7 (2.3-2.3-2.3-2.3)

разрядность показателя 7 (2(х)-2(x)- (2(х)-2(x))

индекс показателя 8 (2.4-2.4-2.4-2.4)

разрядность показателя 8 (2(х)-2(х)-2(х)-2(х))

индекс показателя 9 (2.5-2.5-2.5-2.5)

разрядность показателя 9 (3(х)-3(х)- 3(х)-3(х))

индекс показателя 10 (2.6-2.6-2.6-2.6)

разрядность показателя 10 (2(х)-2(x)-2(х)-2(х))

индекс показателя 11 (2.7-2.7-2.7-2.7)

разрядность показателя 11 (2(х)-2(x)-2(х)-2(х))

индекс показателя 12 (2.8-2.8-2.8-2.8)

разрядность показателя 12 (2(х)-2(x)-2(х)-2(х))

индекс показателя 13 (2.9-2.9-2.9-2.9)

разрядность показателя 13 (2(х)-2(x)-2(х)-2(х))

индекс показателя14(3.1-3.1-3.1-3.1)

разрядность показателя 14(2(х)-2(x)-2(х)-2(х))

индекс показателя15(3.2-3.2-3.2-3.2)

разрядность показателя 15(2(х)-2(x)-2(х)-2(х))



Рис. 3

2. Представление знаний с использованием продукционных правил

Продукционные модели можно считать наиболее распространенными моделями представлений знаний. Продукционная модель - это модель, основанная на правилах, позволяющая представить знание в виде предложений типа: «Если (условие), то (действие)».

Продукционная модель -- фрагменты Семантической сети, основанные на временных отношениях между состояниями объектов.

Продукционная модель обладает тем недостатком, что при накоплении достаточно большого числа (порядка нескольких сотен) продукций они начинают противоречить друг другу.

В общем случае продукционную модель можно представить в следующем виде:

, (1)

Где, S -- описание класса ситуаций;

L -- условие, при котором продукция активизируется;

A>B -- ядро продукции;

Q -- постусловие продукционного правила.

Системы обработки знаний, использующие продукционную модель получили название «продукционных систем». В состав экспертных систем продукционного типа входят база правил (знаний), рабочая память и интерпретатор правил (решатель), реализующий определенный механизм логического вывода. Любое продукционное правило, содержащееся в базе знаний, состоит из двух частей: антецендента и консеквента. Антецедент представляет собой посылку правила (условную часть) и состоит из элементарных предложений, соединенных логическими связками «и», «или». Консеквент (заключение) включает одно или несколько предложений, которые выражают либо некоторый факт, либо указание на определенное действие, подлежащее исполнению. Продукционные правила принято записывать в виде антецедент-консеквент.

Любое правило состоит из одной или нескольких пар «атрибут-значение». В рабочей памяти систем, основанных на продукционных моделях, хранятся пары атрибут-значение, истинность которых установлена в процессе решения конкретной задачи к некоторому текущему моменту времени. Содержимое рабочей памяти изменяется в процессе решения задачи. Это происходит по мере срабатывания правил. Правило срабатывает, если при сопоставлении фактов, содержащихся в рабочей памяти, с антецедентом анализируемого правила имеет место совпадение, при этом заключение сработавшего правила заносится в рабочую память. Поэтому в процессе логического вывода объём фактов в рабочей памяти, как правило, увеличивается (уменьшаться он может в том случае, если действие какого-нибудь правила состоит в удалении фактов из рабочей памяти). В процессе логического вывода каждое правило из базы правил может сработать только один раз.

Существуют два типа продукционных систем - с «прямыми» и «обратными» выводами. Прямые выводы реализуют стратегию «от фактов к заключениям». При обратных выводах выдвигаются гипотезы вероятностных заключений, которые могут быть подтверждены или опровергнуты на основании фактов, поступающих в рабочую память.

Для формирования базы знаний продукционного типа используем в качестве предметной области схему электрическую принципиальную «Управление подсветкой шкал контрольно-измерительных приборов и пульта электрогидравлики».

Одновременно габаритными огнями, клавишей SA6.3, включается подсветка бункера, подсветка контрольно-измерительных приборов (КИП) и подсветка панели управления электрогидрораспредилителями. Напряжение бортовой сети, через замкнутые контакты клавиши SA6.3, электрическую цепь провода Ф-45, предохранитель FU6.2 и электрическую цепь провода С-48 подается на лампы подсветки КИП и панели управления электрогидрораспределителями.

Рис. 4 SA6.3 - клавиша(выключатель); FU 6.2 -предохранитель; EL1…EL4 - подсветка шкал КИП; EL - 5 подсветка пульта электрогидравлики

Внешний признак неисправности - при включенных габаритных огнях не включаются подсветки шкал КИП и панели управления электрогидравликой.

Параметры:

1. Есть напряжение 24В на проводе С-48 у подсветка пульта электрогидравлики?

2. Есть напряжение 24В на проводе К-2 у клавиши SA6.3?

3. Есть напряжение 24В на проводе Ф-45 у клавиши SA6.3?

4. Есть напряжение 24В на проводе Ф-45 у предохранителя FU6.2?

5. Есть напряжение 24В на проводе С-48 у предохранителя FU6.2?

Причины неисправности:

1 Нарушена электрическая цепь провода К-2

2 Нарушена электрическая цепь провода Ф-45

3 Нарушена электрическая цепь провода С-48

4 Неисправен предохранитель FU6.2

5 Неисправна клавиша SA6.3

Методы устранения:

1. Восстановите электрическую цепь провода К-2

2. Восстановите электрическую цепь провода Ф-45

3. Восстановите электрическую цепь провода С-48

4. Замените предохранитель FU6.2 (при повторном выходе из строя одного и того же предохранителя устраните возможную причину его отказа - короткое замыкание в цепи)

5. Замените выключатель SA6.3

Рис. 5

Правила

Если при включенных габаритных огнях не включаются подсветки шкал КИП

Правило 1

И напряжение 24В на проводе К-2 при включенной клавиши SA6.3 отсутствует

И напряжение 24В на проводе Ф-45 у клавиши SA6.3 отсутствует

То нарушена электрическая цепь провода К-2

Для устранения неисправности

Восстановите электрическую цепь провода К-2

Правило 2

И напряжение 24В на проводе Ф-45у предохранителя FU6.2 отсутствует

И напряжение 24В на проводе С-48 у предохранителя FU6.2 отсутствует

То нарушена электрическая цепь провода Ф-45

Для устранения неисправности восстановите электрическую цепь провода Ф-45

Правило 3

И напряжение 24В на проводе К-2 при включенной клавише SA6.3 есть

И напряжение 24В на проводе Ф-45при включенной клавише SA6.3 есть

И напряжение 24В на проводе С-48 у предохранителя FU6.2 отсутствует

То нарушена электрическая цепь провода С-48

Для устранения неисправности восстановите электрическую цепь провода С-48

Правило 4

И напряжение 24В на проводе К-2 при включенной клавише SA6.3 отсутствует

И напряжение 24В на проводе Ф-45при включенной клавише SA6.3 есть

И напряжение 24В на проводе С-48 у предохранителя FU6.2 есть

То нарушена электрическая цепь провода К-2

Для устранения неисправности восстановите электрическую цепь провода К-2

Правило 5

И напряжение 24В на проводе К-2 при включенной клавише SA6.3 есть

И напряжение 24В на проводе Ф-45при включенной клавише SA6.3 отсутствует

И напряжение 24В на проводе С-48 у предохранителя FU6.2 есть

То нарушена электрическая цепь провода Ф-45

Для устранения неисправности восстановите электрическую цепь провода Ф-45

фрейм знание продукционный экспертный

3. Представление знаний с использованием логических моделей

Основная идея при построении логических моделей знаний заключается в следующем - вся информация, необходимая для решения прикладных задач, рассматривается как совокупность фактов и утверждений, которые представляются как формулы в некоторой логике. Знания отображаются совокупностью таких формул, а получение новых знаний сводится к реализации процедур логического вывода. В основе логических моделей знаний лежит понятие формальной теории, задаваемое картежем:

S = <A, F, , R> , (2)

где A - счетное множество базовых символов (алфавит);

F - множество, называемое формулами;

- выделенное подмножество априори истинных формул (аксиом);

R - конечное множество отношений между формулами, называемое правилами вывода.

Основные достоинства логических моделей знаний:

- в качестве «фундамента» здесь используется классический аппарат математической логики, методы которой достаточно хорошо изучены и формально обоснованы;

- существуют достаточно эффективные процедуры вывода, в том числе реализованные в языке логического программирования «Пролог»;

- в базах знаний можно хранить лишь множество аксиом, а все остальные знания получать из них по правилам вывода.

В логических моделях знаний слова, описывающие сущности предметной области, называются термами (константы, переменные, функции), а слова, описывающие отношения сущностей - предикатами.

Предикат - логическая N-арная пропозициональная функция, определенная для предметной области и принимающая значения либо истинности, либо ложности.

Логические модели знаний - основа человеческих рассуждений и умозаключений, которые, в свою очередь, могут быть описаны подходящими логическими исчислениями. Логические исчисления могут быть представлены как формальные системы в виде четверки:

M < T, P, A, F >,

где T -множество базовых элементов, Р - множество синтаксических формул, на основе которых из Т строятся правильно построенные формулы, А - множество правильно построенных формул, элементы которого называются аксиомами, F - правила вывода, которые из множества А позволяют получать новые правильно построенные формулы - теоремы.

Примерами формальной системы М являются исчисления высказываний и исчисление предикатов.

Предикатом называется функция, принимающая два значения (истина или ложь) и предназначенная для выражения свойств объектов или связей между ними.

Представим при помощи предикатов consist (из чего состоит), work (как работает), function (какую функцию выполняет), place (место нахождения), character (техническая характеристика) информацию о конструкции подсветки шкал КИП

Consist(Подсветка шкал КИП[выключатель, предохранитель, провода, подсветка]).

Place(выключатель, находится в начале цепи).

Place(предохранитель, находится после клавиши выключателя).

Place(провода, соединяют выключатель, предохранитель и подсветку).

Place(подсветка, находится в конце цепи).

Work (выключатель, одновременно с габаритными огнями включает подсветку бункера и подсветку КИП).

Work(предохранитель, пропускает через себя напряжение).

Work (провода, проводят напряжение от выключателя к подсветке).

Work (подсветка, лампы подсветки освещаю шкалы контрольно-измерительных приборов ).

Function(выключатель, подача напряжения).

Function(предохранитель, защита от короткого замыкания).

Function(провода, проводники напряжения).

Function(подсветка, освещение шкал КИП

В соответствии с принципиальной схемой технического объекта составим ее структурно-логическую модель.

Принципиальная электрическая схема приведена на рисунке 6.

Исправное состояние рассматриваемой электрической схемы можно описать уравнением алгебры логики:

Рисунок 6. - Структурно-логическая схема

Принципиальная электрическая схема: 1-выключатель SA6.3; 2 - электрическая цепь провода Ф-45; 3 -предохранитель; 4 -электрическая цепь провода С-48, Y- выходной параметр в виде подсветки КИП, Z1-Z5 - выходные параметры элементов системы (Z1 - состояние предохранителя, Z2 - состояние электрической цепи провода Ф-45, Z3- состояние клавиши SA6.3; Z4 - состояние электрической цепи провода С-48); Х1 и Х2 - внешние воздействия (Х1 -есть напряжение +24В на проводе Ф-45, Х2 есть напряжение +24В на проводеС-48)

Возможные неисправные состояния подсистемы соответствуют следующим выражениям:

4. Представление нечетких знаний

Обширной областью эффективного применения интеллектуальных систем как средства построения информационных систем нового поколения является область нечетких знаний. Это связано с тем, что во всех предметных областях существенное место занимают некорректные, нечетко формулируемые задачи и реальный человеческий способ рассуждения (опирающийся на естественный язык) не может быть описан в рамках традиционных математических формализмов, предполагающих однозначность интерпретации. Другими словами, знания чаще всего нечетки.

Типы, источники, причины нечеткости знаний:

· присутствие неопределенности в фактическом знании,

· неточность языка представления знаний,

· знания, основанные на неполной информации,

· неопределенность, появляющаяся при агрегации (объединении в одну систему) знаний, полученных из разных источников и пр.

В последнее десятилетие всё больше внимания уделяется подходу, основанному на теории нечетких множеств. Эту теорию предложил ам. ученый ЛофтиЗаде в 1965 году. Главная идея подхода Заде заключается в использовании для моделирования рассуждений нечеткой логики. Заде ввел одно из главных понятий в нечеткой логике - понятие лингвистической переменной. Использование этого подхода позволяет построить «нечёткие» аналоги основных математических понятий и создать формальный аппарат для моделирования человеческого способа решения задач.

Нечеткое множество - это множество пар <m(x)/x>, где x принимает некоторое информативное значение, а m(x) отображает x в единичный отрезок, принимая значения от 0 до 1. При этом m(x) представляет собой степень принадлежности x к чему-либо (0 - не принадлежит, 1 - принадлежит на все 100%).

4.1 Лингвистическая переменная

Составим термы лингвистической переменной: годовой доход на душу населения (20000 руб. - 2000000 руб.). Запишем базовое терм-множество:

Низкая

Средняя

Высокая

Запишем границы термов

{20 000 - 200 000}

{150 000 - 800 000}

{750 000 - 2 000 000}

Изобразим графически границы термов

Рис. 7

Составим термы лингвистической переменной: Продолжительность жизни (25 лет - 95 лет). Запишем базовое терм-множество:

Очень низкая {25; 30}

Низкая {28; 40}

Средняя {35; 80}

Высокая {75; 95}

Изобразим графически границы термов

Рис. 8

4.2 Построение функции принадлежности

При выполнении заданий пункта 4.2 необходимо:

- разметить ось абсцисс;

- записать подрисуночную надпись;

- отметить точки, соответствующие отметкам на оси ординат, соедините точки непрерывной линией.

Построим функцию принадлежности для выражения "Число намного больше 7" из интервала [0; 20].

Рисунок 9 - Функция принадлежности «Число намного больше 7»

Построим функцию принадлежности для выражения "Число незначительно больше 7" из интервала [0; 20].

Построим функцию принадлежности для выражения "Число примерно равно 7" из интервала [0; 20].

Построим функцию принадлежности для выражения "Число намного меньше 7" из интервала [0; 20].

Построим функцию принадлежности для выражения "Число незначительно меньше 7" из интервала [0; 20].



Рисунок 10 - Функция принадлежности «Число незначительно больше 7»

Рисунок 11 - Функция принадлежности «Число примерно равно 7»

Урок в школе начинается в 8-00 часов. Построим функцию принадлежности для выражения "Опоздал чуть-чуть".

Урок в школе начинается в 8-00 часов. Построим функцию принадлежности для выражения "Опоздал значительно".



Рисунок 12 - Функция принадлежности «Число намного меньше 7»

Рисунок 13 - Функция принадлежности "Число незначительно меньше 7"



Рисунок 14 - Функция принадлежности "Опоздал чуть-чуть".

Рисунок 15 - Функция принадлежности "Опоздал значительно".

4.3 Построение функции принадлежности с использованием типовых функций

Построим функцию принадлежности для выражения "Встретимся около 20-00 часов".

Для построения функции принадлежности используем функции вида:

,

где a и b - соответственно левая и правая границы интервала; c и d - значения интервала, в котором функция принадлежности равна.

Рисунок 16 -функция принадлежности "Встретимся около 20-00 часов"

Построим функцию принадлежности для выражения "Посадочная скорость самолета порядка 200 км/ч".

Для построения функции принадлежности используем функции вида:

,

где a - значение аргумента, при котором функция принадлежности равна 1;

b - параметр, задающий границы интервала [a-3b; a+3b], когда ФП не равна нулю.B=10, a-3b= 170, a+3b=230



Рисунок 16 -функция принадлежности "Посадочная скорость самолета порядка 200 км/ч".

4.4 Построение функции принадлежности с помощью метода экспертных оценок

Если на вопрос о принадлежности элемента хХ нечеткому множеству А эксперт отвечает положительно, то в таблицу заносим знак "1", если отрицательно, то знак "0". Число единиц обозначается как n1, а число нулей как n2 = m - n1 (m - общее число знаков).

Функция принадлежности определяется как:

Для множества чисел Х={1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15} построить нечеткое множество А, формализующее нечеткое понятие "намного больше пяти".

Таблица 1 - Результат опроса экспертов

Эксперт	Х
	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15
1	0	0	0	0	0	0	0	1	1	1	1	1	1	1	1
2	0	0	0	0	0	0	0	0	0	1	1	1	1	1	1
3	0	0	0	0	0	0	0	0	1	1	1	1	1	1	1
4	0	0	0	0	0	0	0	0	0	0	0	1	1	1	1
5	0	0	0	0	0	0	0	0	0	0	0	0	1	1	1
n1=	0	0	0	0	0	0	0	1	2	3	3	4	5	5	5
n2=	5	5	5	5	5	5	5	4	3	2	2	1	0	0	0

Определим функцию принадлежности:

mA(Х1) = 0

mA(Х2) = 0

mA(Х3) = 0

mA(Х4) = 0

mA(Х5) = 0

mA(Х6) = 0

mA(Х7) = 0

mA(Х8) = 0,2

mA(Х9) = 0,4

mA(Х10) = 0,6

mA(Х11) = 0,6

mA(Х12) = 0,8

mA(Х13) = 1

mA(Х14) = 1

mA(Х15) = 1

Тогда формальная запись нечеткого множества будет такой:

Изобразим графически функцию принадлежности нечеткого множества А

Рисунок 17 - Функция принадлежности для терма «Намного больше 5»

Заключение

Инженерия знаний - это порождение и документирование/постановка на учёт тех объектов знаний (данных), которые потом будут путешествовать по логистической сети. Поэтому её можно включать в управление знаниями примерно на тех же основаниях, на каких управление конфигурацией включают в инженерный менеджмент/управление операциями, и считать "менеджерской дисциплиной" (не зависящей от предметной области, к которой относятся знания по их содержанию).

Инженерия знаний - это область информационной технологий, цель которой - накапливать и применять знания, не как объект обработки их человеком, но как объект для обработки их на компьютере. Для этого необходимо проанализировать знания и особенности их обработки человеком и компьютером, а также разработать их машинное представление. К сожалению точного и неоспоримого определения, что собой представляют знания, до сих пор не дано. Но тем не менее цель инженерии знаний - обеспечить использование знаний в компьютерных системах на более высоком уровне, чем до сих пор - актуальна. Но следует заметить, что возможность использования знаний осуществима только тогда, когда эти знания существуют, что вполне объяснимо. Технология накопления и суммирования знаний идет бок о бок с технологией использования знаний, они взаимно дополняют друг друга и ведут к созданию одной технологии, технологии обработки знаний.

Список литературы

1. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. СПб.: Питер, 2000.

2. Джексон П. Введение в экспертные системы. Пер. с англ. М.: Издательский дом «Вильямс», 2001.

3. Димитров В.П., Борисова Л.В., Хубиян К.Л. «Методические указания к практическим работам по дисциплине «Экспертные системы». 2008.

4. Клещев А.С., Артемьева И.Л. «Отношения между онтологиями предметных областей».

5. Русанов А.П. «Методы построения функций принадлежности»

Размещено на Allbest.ru