Логіко-обчислювальна семантична мережа як модель подання знань

2) Якщо тип вершини - АБО-вершина, то перевірити, що ?!(id_m)?R_n такий, що id_m?O₁. У випадку неуспішного завершення - ОСТАНОВ роботи алгоритму з діагностикою виведення логічної суперечності.

У випадку успішного завершення перевірки (при цьому idⁿ виступає в якості безпосередньо вивідної вершини) визначити ім'я метода, зіставленого вершині idⁿ, і виконати метод. У випадку неуспішного завершення виконання метода - ОСТАНОВ роботи алгоритму з діагностикою помилки виконання метода, зіставленого вершині idⁿ. В супротивному випадку (при цьому idⁿ виступає у якості розв'язної вершини), idⁿ додається до множини O₁ (що відповідає виводу вершини idⁿ), множина R_n, що обробляється (така множина називається розв'язною) видаляється з множини множин R і виконується перехід до кроку 4.

По завершенню виконання кроку 4 здійснюється перехід до кроку 1.

Завершення виконання алгоритму виводу відбувається при досягненні ситуації, коли на кроці 4 алгоритму з множин R_n?R не виведена жодна вершина (тобто у складі R містяться тільки нерозв'язні множини R_n), що означає, що до складу множини O₁ не може бути доданий жодний елемент.

Обґрунтовано правильність алгоритму виводу та показано, що розроблений метод виводу задовольняє всім пред'явленим до нього вимогам. Наведено оцінку часової складності алгоритму виводу щодо рішення задач на знаходження і показано, що алгоритм, реалізований на основі розробленого метода прямого виводу, не поступається алгоритму, реалізованому на основі метода резолюцій.

У розділі 5 розглянуто питання інтерпретації формул C-обчислення, визначено та досліджено поняття мінімальної позитивної моделі формули C-обчислення і показано, що побудова мінімальної позитивної моделі формули C-обчислення, що описує довільну ЛОС-мережу, відповідає формуванню деякого початкового стану процесу прямого виводу на такій ЛОС-мережі, та викладено метод побудови мінімальної позитивної моделі.

Наведемо необхідні визначення.

Визначення 5.1. Під позитивною моделлю (П-моделлю) формули C-обчислення розуміється власна підмножина моделі, що включає до свого складу тільки літерали, які прийняли в даній інтерпретації логічне значення І.

Визначення 5.2. Під мінімальною позитивною моделлю (МП-моделлю) формули C-обчислення розуміється П-модель M₁, для якої не існує жодної іншої П-моделі M₂ такої, що M₂ ? M₁.

Для МП-моделей формул C-обчислення доведено наступну теорему:

Теорема 5.1. МП-модель формули C-обчислення містить мінімальну кількість літералів, необхідних і достатніх для її виконуваності.

Досліджено умови існування МП-моделей, на основі чого сформульовано:

Наслідок 5.1. Формула C-обчислення має всі можливі МП-моделі тоді і тільки тоді, коли будь-яка її підформула має МП-моделі, серед яких немає двох таких, які б були підмножиною однієї і тієї ж П-моделі, і кожна з цих МП-моделей або в точності співпадає з деякою П-моделлю, або є підмножиною деякої П-моделі, а будь-який літерал формули належить хоча б одній МП-моделі.

На основі викладених положень сформульовано узагальнену теорему про повноту для множини формул (формули) C-обчислення:

Теорема 5.2. Множина формул C-обчислення несуперечлива тоді і тільки тоді, коли вона виконувана. Еквівалентне формулювання: Формула C-обчислення несуперечлива тоді і тільки тоді, коли виконувана будь-яка її підформула.

Викладено метод побудови МП-моделі. Побудова МП-моделі виконується шляхом побудови розв'язного графа (див. розділ 4), множина висячих вершин якого представляє собою літерали, що формують таку МП-модель. Метод побудови МП-моделі, умовно названий нами методом підйому та спуску, засновується на формуванні МП-моделі за рахунок послідовного вибору термінальних вершин ЛОС-мережі, що включаються до складу МП-моделі, з виконанням підйому по структурі ЛОС-мережі зі знаходженням кореневих вершин ЛОС-мережі, які досяжні з вибраної термінальної вершини, і наступного спуску по структурі ЛОС-мережі з формуванням множини термінальних вершин, що містить елементи вибору, які потенційно можуть бути включені до складу МП-моделі. На основі метода підйому та спуску розроблено алгоритм побудови МП-моделі. Виконано оцінку часової складності алгоритму побудови МП-моделі, у відповідності до якої даний алгоритм правильно виконує побудову МП-моделі за час, що не перевищує O(mn + nr), де m - загальна кількість вершин ЛОС-мережі, n - кількість термінальних вершин ЛОС-мережі, r - коефіцієнт, значення якого залежить від висоти і ширини ЛОС-мережі, що розглядається.

У розділі 6 досліджено проблему виконання статичної верифікації знань, поданих у ЛОС-мережі, та викладено методи статичної верифікації таких знань.

Запропоновано класифікацію помилок (див. рис. 5), що діагностуються на етапах виконання статичної верифікації та емпіричного тестування знань, поданих у ЛОС-мережі, в якій відображено, на яких саме етапах відповідні помилки виявляються.

На рис. 6 подано діаграму діяльності (в нотації UML), що відображає структуру та послідовність виконання процесу статичної верифікації ЛОС-мережі з виявленням відповідних класифікованих помилок.

Викладено методи перевірки правильності побудови ЛОС-мережі. Дані методи засновуються на аналізі структури ЛОС-мережі з метою перевірки:

1) чи є досліджувана ЛОС-мережа простим однонаправленим ациклічним зв'язним графом (тобто чи відповідає структура ЛОС-мережі визначенню 3.1);

2) чи включає досліджувана ЛОС-мережа багатозначні та синонімічні імена.

Послідовність виконання методів перевірки правильності побудови ЛОС-мережі відображено на рис. 6.

Досліджено проблему виникнення логічних суперечностей в ЛОС-мережі. Встановлено, що виникнення логічних суперечностей в ЛОС-мережі може бути викликано двома причинами (див. рис. 5):

1). Приналежністю імен вершин, що входять у вивід, множині семантичних обмежень ПО (множині пар імен ПО, що взаємно виключають одне інше, які повинні бути попередньо задані експертом ПО).

2). Неповнотою або надлишковістю поданих знань, що призводить до формування в структурі ЛОС-мережі спеціальних видів структурних утворень, названих нами нерозв'язними неводами.

Визначення поняття „невід” засновується на відомому в теорії графів понятті напівконтура. Введемо поняття мінімального напівконтура, під яким будемо розуміти всякий напівконтур, який не включає в себе жодного іншого напівконтура.

Визначення 6.1. Під неводом розуміється структурне утворення в ЛОС-мережі, що являє собою або окремий мінімальний напівконтур, або декілька мінімальних напівконтурів, що мають загальну кінцеву вершину, але різні початкові вершини, такі, що кожна з них належить тільки одному з цих напівконтурів.

Будь-який невід, що розглядається як граф, може бути декомпозований на два різних підграфа, в яких загальними є тільки початкові і кінцева вершини, а інші вершини і дуги належать тільки одному з цих підграфів. Кожний такий підграф невода будемо називати траєкторією невода.

Існує два класи неводів: нерозв'язні неводи та розв'язні неводи. По структурі названі класи неводів розрізняються тим, що нерозв'язні неводи містять критичні траєкторії I або II роду.

Визначення 6.2. Під критичною траєкторією I роду розуміється траєкторія невода, що містить внутрішню АБО-вершину, одна з породжуючих вершин якої одночасно є початковою вершиною невода.

Визначення 6.3. Під критичною траєкторією II роду розуміється траєкторія невода, що містить внутрішню І-вершину, множина породжуючих вершин якої співпадає з множиною початкових вершин невода.

На рис. 7(а) - 7(в) наведено приклади критичних траєкторій I роду, на рис.7(г) - приклад критичної траєкторії II роду (дуги, що належать критичним траєкторіям, виділені суцільною жирною лінією).

Виконано класифікацію нерозв'язних неводів, у відповідності до якої нерозв'язні неводи поділяються на неводи I роду, неводи ІІ роду та неводи ІІІ роду.

Визначено необхідні і достатні умови, що формалізують ситуації, при яких виникають нерозв'язні неводи в структурі ЛОС-мережі. Так, необхідною умовою їх існування є наявність у структурі ЛОС-мережі хоча б однієї АБО-вершини.

Достатньою умовою існування нерозв'язних неводів є:

ь для неводів I роду:

· якщо АБО-вершина має породжуючу вершину v_i, яка є породжуючою вершиною деякої іншої вершини, і вершина v_i є початковою вершиною мінімального напівконтура з кінцевою вершиною v_j, то v_i буде початковою вершиною, а v_j - кінцевою вершиною невода;

ь для неводів II роду:

· якщо І-вершина v_i є породжуючою вершиною АБО-вершини v_j і v_i має множину V₁ породжуючих вершин, що є підмножиною множини породжуючих вершин І-вершини v_k, і всі v_n?V₁ (n = 1,N; N = deg⁺(v_i)) виступають в якості початкових вершин мінімальних напівконтурів, які мають загальну кінцеву вершину v_m, а вершини v_i, v_j і v_k належать кожному такому напівконтуру, то V₁ буде являтися множиною початкових вершин, а v_m - кінцевою вершиною невода;

ь для неводів III роду:

· якщо вершина має множину V₁ породжуючих вершин і кожна v_i?V₂ (де V₂?V₁; card(V₂) > 1) є породжуючою вершиною деякої АБО-вершини, і всі v_i?V₂ виступають в якості початкових вершин мінімальних напівконтурів, що мають загальну кінцеву вершину v_k, то V₂ буде являтися множиною початкових вершин, а v_k - кінцевою вершиною невода.

На основі визначених умов виявлено множину теоретично можливих видів нерозв'язних неводів. Для цього виконано наступну послідовність операцій:

1) виявлено множину теоретично можливих видів траєкторій неводів;

2) з множини одержаних видів траєкторій сформовано всі теоретично можливі нерозв'язні неводи;

3) виконано співвіднесення виявлених випадків формування нерозв'язних неводів з відповідними родами неводів.

В результаті виконання указаної послідовності операцій визначено, що існує: 17 теоретично можливих варіантів формування неводів I роду, 7 теоретично можливих варіантів формування неводів IІ роду та 10 теоретично можливих варіантів формування неводів IІІ роду.

Викладено методи виявлення нерозв'язних неводів в структурі ЛОС-мережі, які засновуються на аналізі окремих компонент ЛОС-мережі, що задовольняють необхідній і достатній умовам існування неводів I, II і III родів. Якщо аналізований компонент ЛОС-мережі задовольняє вищезгаданим умовам, виконується знаходження і аналіз траєкторій неводів. Якщо сполучення знайдених траєкторій відповідає одному з теоретично можливих варіантів формування неводу, то виконується діагностика відповідного нерозв'язного невода.

На основі запропонованих методів розроблено відповідні алгоритми.

Розглянуто проблему усунення логічних суперечностей, викликаних неповнотою або надлишковістю знань, поданих в ЛОС-мережі, і обґрунтовано, що рішення цієї проблеми досягається шляхом усунення нерозв'язних неводів зі структури ЛОС-мережі. На змістовних прикладах продемонстровано особливості використання таких рекомендацій для усунення з структури ЛОС-мережі нерозв'язних неводів кожного роду.

Показано, що розроблені методи статичної верифікації повністю задовольняють всім пред'явленим до них вимогам.

У розділі 7 досліджено проблему генерації множини тестових випадків, необхідних для виконання емпіричного тестування знань, поданих в ЛОС-мережі, та викладено метод генерації множини тестових випадків для ЛОС-мережі.

Задача генерації множини тестових випадків зводиться до задачі побудови множини різних розв'язних графів ЛОС-мережі, висячі вершини кожного з яких формують окремий унікальний тестовий випадок (в силу того, що кожній висячій вершині розв'язного графа можна поставити у відповідність цілком визначену термінальну вершину ЛОС-мережі, ясно, що кожний тестовий випадок включає деяку підмножину множини термінальних вершин ЛОС-мережі).

Множина GR різних розв'язних графів ЛОС-мережі може розглядатися як підмножина множини GN неізоморфних підграфів графу ЛОС-мережі (тобто GR?GN). Під неізоморфним підграфом gn_i?GN (де i = 1,N; N = card(GN)) розуміється підграф ЛОС-мережі, побудований за наступними правилами:

· кінцевою вершиною підграфа є деяка коренева вершина ЛОС-мережі;

· якщо вершина, що належить підграфу, є АБО-вершиною, то до складу підграфа входить одна і тільки одна з її батьківських вершин разом зі своїм підграфом;

· якщо вершина, що належить підграфу, є І-вершиною, то до складу підграфа входять всі її батьківські вершини разом зі своїми підграфами.

Задача побудови множини розв'язних графів ЛОС-мережі зводиться до задачі побудови множини її неізоморфних підграфів (за умови, якщо card(GN) = card(GR)).

Встановлено, що для правильно побудованої ЛОС-мережі можливі три різні випадки, коли card(GN) > card(GR) (у всіх інших випадках card(GN) = card(GR)):

1) коли ЛОС-мережа містить нерозв'язні неводи;

2) коли множина GN включає хоча б один підграф gn_i?GN такий, що вершини, які йому належать, містять контрарні пари;

3) коли зв'язність між вершинами ЛОС-мережі є надлишковою.

Випадок (3) має місце тоді, коли ЛОС-мережа містить хоча б один розв'язний невід, такий, у якому початковою вершиною є АБО-вершина, а кінцевою вершиною, і вершиною, що у кожній траєкторії слідує за початковою вершиною неводу, є І-вершина.

Викладено метод виявлення таких розв'язних неводів у структурі ЛОС-мережі. Даний метод ґрунтується на послідовному виборі АБО-вершин, що належать структурі ЛОС-мережі, та виконанні формування і аналізу множини шляхів, що ведуть з вибраної АБО-вершини до досяжних з неї кореневих вершин ЛОС-мережі.

На основі викладеного метода розроблено алгоритм виявлення надлишкової зв'язності в ЛОС-мережі. Виконано оцінку часової складності даного алгоритму, у відповідності до якої даний алгоритм правильно виконує виявлення надлишкової зв'язності в ЛОС-мережі за час, що не перевищує O(m?n?k²), де m - кількість АБО-вершин у ЛОС-мережі; n - максимальна кількість вершин, що входять до складу окремого шляху, що веде з довільної АБО-вершини в досяжні з неї кореневі вершини ЛОС-мережі; k - максимальна кількість шляхів, що ведуть з довільної АБО-вершини в досяжні з неї кореневі вершини ЛОС-мережі.

Викладено метод підрахунку кількості тестових випадків в ЛОС-мережі. Зазначений метод засновується на модифікації метода пошуку в глибину з поверненням.

На основі викладеного метода розроблено алгоритм підрахунку кількості тестових випадків в ЛОС-мережі. Виконано оцінку часової складності даного алгоритму, у відповідності до якої даний алгоритм правильно підраховує кількість тестових випадків в ЛОС-мережі за час, що не перевищує O(r* + r), де r - кількість внутрішніх вершин ЛОС-мережі, які мають напівстепінь виходу, що дорівнює 1; r* - число, що узагальнено характеризує властивості інших внутрішніх вершин ЛОС-мережі.

Викладено метод генерації множини тестових випадків для ЛОС-мережі, який засновується на послідовному формуванні множини тестових випадків, починаючи з мінімальних фрагментів, з подальшим підйомом по структурі ЛОС-мережі з досягненням її кореневих вершин. Якщо розглядається кон'юнктивний фрагмент, то побудова множини тестових випадків для нього здійснюється шляхом виконання декартового добутку різних множин тестових випадків, сформованих для різних висячих вершин цього фрагмента. Якщо ж розглядається диз'юнктивний фрагмент, то побудова множини тестових випадків виконується шляхом перетворення множини множин тестових випадків, сформованих для різних висячих вершин цього фрагмента, в множину, де потужність такої множини дорівнює сумі потужностей множин, що їй належать.

По завершенню формування множини тестових випадків, кожний з них перевіряється на наявність контрарних пар, що належать множині семантичних обмежень. Якщо в процесі перевірки з'ясовується, що тестовий випадок містить контрарну пару, то формується відповідне повідомлення про помилку.

Показано, що розроблений метод генерації множини тестових випадків повністю задовольняє всім пред'явленим до нього вимогам.

У розділі 8 розглянуто особливості реалізації програмно-інструментального середовища подання та обробки знань (шифр - СЛМ-технологія), розробленого на основі запропонованих моделі подання знань та методів обробки знань.

Показано, що СЛМ-технологія належить до класу ІЗ побудови СЗЗ. Абревіатура „СЛМ” утворена першими буквами слів „семантика”, „логіка” і „моделювання”, що означає, що в рамках даного ІЗ виконується моделювання семантики і логіки досліджуваної ПО засобами спеціалізованих програмних систем, що включає, з одного боку, моделювання процесів побудови математичних моделей, що формалізують семантику і логіку досліджуваної ПО, з іншого боку, моделювання процесів обробки таких математичних моделей з метою отримання рішень, що за якістю не поступаються експертним рішенням.

Викладено функціональні можливості СЛМ-технології. Визначено, що СЛМ-технологія як середовище подання і обробки знань являє собою інтегрований програмний комплекс (ІПК), оточення якого складають два види акторів, що взаємодіють з ІПК: експерт, який будує ЛОС-мережу як БЗ ПО, і користувач, який використовує БЗ для отримання експертного рішення проблемних задач ПО. ІПК складається з чотирьох незалежних функціонально спеціалізованих підсистем з підтримкою доступу до загальних БД, що обумовлює доцільність їх реалізації в виді чотирьох окремих додатків. Основною вимогою до мови реалізації таких додатків є можливість підтримки реляційних БД засобами такої мови, що і обумовило вибір мови логічного програмування PDC Visual Prolog.

У відповідності з цим, наведено архітектуру СЛМ-технології (див. рис. 8), що включає до свого складу чотири додатки: систему ТЕЗАУРУС, систему МЕТОД, систему ПРИЗМА та систему СЛОГАН.

Показано, що функції, які реалізуються засобами перелічених систем, дозволяють задовольнити множину вимог, пред'явлених до СЛМ-технології.

У розділі 9 розглянуто питання використання СЛМ-технології для рішення прикладних задач.

Обґрунтовано доцільність вибору нормативних документів, що регламентують процеси прийняття рішень в досліджуваній ПО, у якості джерел експертних знань про таку ПО. Показано, що СЛМ-технологія повністю задовольняє всім вимогам, що висуваються до неї з точки зору подання та обробки знань про такі нормативні документи. Викладено особливості використання СЛМ-технології для подання та обробки знань, що містяться в нормативних документах податкового законодавства на прикладі Декрету України „Про податок на промисел”, де метою використання СЛМ-технології є подання та обробка знань про податкові начислення, які повинні заплатити різні особи, що підпадають під дію названого Декрету.

Викладено особливості використання СЛМ-технології для подання та обробки знань, що містяться в нормативних документах, які регламентують процеси прийняття рішень щодо протидії надзвичайним ситуаціям, на прикладі подання та обробки знань щодо реагування на розлив небезпечних речовин.

Викладено особливості використання СЛМ-технології для подання та обробки знань, що містяться в нормативних документах, які регламентують процеси диспетчерського управління об'єктами електроенергетики. Розглянуто задачу оцінки пропускної спроможності окремого перерізу Об'єднаної енергосистеми (ОЕС) України як в чіткій, так і в нечіткій постановках. Приклад подання чітких знань щодо рішення даної задачі поданий на рис. 9.

Відзначено, що досвід практичного застосування СЛМ-технології для рішення різноманітних прикладних задач, що зводяться до задач на знаходження, показав, що СЛМ-технологія успішно використовується для подання та обробки як чітких, так і нечітких процедурно-декларативних знань і готова для подальшого широкого практичного впровадження.

В додатках наведено доказ повноти системи логічних операцій ,&,?); детальний опис алгоритмів, розроблених на основі запропонованих методів; приклади подання та обробки знань засобами СЛМ-технології; опис систем, що входять до складу СЛМ-технології; акти впровадження дисертаційних результатів; свідоцтво про реєстрацію авторського права на СЛМ-технологію.

ВИСНОВКИ

В дисертаційній роботі виконано широкомасштабне дослідження, в результаті якого розроблено теоретичні основи моделювання процесів подання та обробки знань і одержано нове комплексне рішення проблеми подання та обробки знань, що включає в себе розробку нової моделі подання знань і сукупності методів їх обробки, які дозволяють забезпечити виконання виводу на знаннях, а також рішення задач статичної верифікації і емпіричного тестування поданих знань. При цьому одержано наступні нові результати:

1. Розроблено нову модель подання знань, названу логіко-обчислювальною семантичною мережею (ЛОС-мережею), в якій реалізовано структурні, логічні, семантичні і обчислювальні властивості, виявлені в результаті аналізу природних властивостей декларативних і процедурних знань, завдяки чому ЛОС-мережа отримала нову сукупність функціональних можливостей, що одночасно не притаманні іншим відомим МПЗ. До переваг ЛОС-мережі, зокрема, відносяться: однорідність моделі; можливість подання знань в термінах природної мови; можливість подання як чітких, так і нечітких процедурно-декларативних знань; можливість подання логічних операцій. Розроблена модель подання знань задовольняє всім пред'явленим до неї вимогам.

2. Розроблено метод прямого логічного виводу, що є єдиним методом виводу як на чітких, так і на нечітких процедурно-декларативних знаннях, поданих в ЛОС-мережі, який засновується не на переборі вершин, потенційно придатних для виконання виводу, а на процедурі аналізу поточного стану процесу пошуку виводу і формуванні множин вершин ЛОС-мережі, з кожної з яких безпосередньо вивідна деяка раніше не виведена вершина, що у сукупності вигідно відрізняє розроблений метод виводу від інших відомих методів виводу на знаннях. Розроблений метод виводу задовольняє всім пред'явленим до нього вимогам.

3. Вперше розроблено метод побудови початкового стану процесу прямого логічного виводу, що дозволяє виключити можливість завдання суперечних, неповних або надлишкових вхідних даних при описі ситуації для рішення проблемних задач на ЛОС-мережі.

4. Розроблено методи статичної верифікації знань, поданих у ЛОС-мережі. На відміну від відомих методів статичної верифікації баз знань, які дозволяють виявляти аномалії (можливі помилки в базі знань), розроблені методи дозволяють виявляти фактичні помилки в поданих знаннях, в тому числі виявляти неповноту, надлишковість і суперечність знань. Теоретично досліджено умови несуперечності ЛОС-мережі і запропоновано теоретико-графовий підхід для рішення проблеми виявлення та усунення суперечностей в структурі ЛОС-мережі. Перевагою розроблених методів статичної верифікації є те, що дані методи, на відміну від більшості відомих аналогів, не засновуються на використанні механізму логічного виводу. Розроблені методи статичної верифікації задовольняють всім пред'явленим до них вимогам.

5. Розроблено метод генерації множини тестових випадків для ЛОС-мережі. На відміну від відомих методів генерації множини тестових випадків, що допускають помилки в процесі генерації тестової множини, розроблений метод дозволяє правильно формувати множину тестових випадків, що необхідно для виконання емпіричного тестування знань, поданих у ЛОС-мережі. Теоретично досліджено умови правильності рішення задачі генерації множини тестових випадків, і розроблено спеціалізовані методи з додаткової перевірки коректності структури ЛОС-мережі. Перевагою розробленого методу генерації множини тестових випадків є те, що він, на відміну від відомих аналогів, не засновується на використанні механізму логічного виводу. Розроблений метод генерації множини тестових випадків задовольняє всім пред'явленим до нього вимогам.

6. На основі розроблених моделі подання знань і методів обробки знань створено програмно-інструментальне середовище подання та обробки знань, назване СЛМ-технологією, що призначене для рішення задач, які належать до класу задач на знаходження. Засобами СЛМ-технології підтримуються процеси подання та обробки як чітких, так і нечітких процедурно-декларативних знань. В рамках СЛМ-технології отримала подальший розвиток парадигма концептуального програмування за рахунок реалізації середовища подання знань, в якому процес програмування (в традиційному смислі) замінюється на процес візуальної побудови ЛОС-мережі, що не вимагає від користувача спеціальних знань з програмування і виконується в термінах імен (концептів) досліджуваної ПО. На відміну від відомих систем і середовищ подання і обробки знань, засобами СЛМ-технології автоматично виконується статична верифікація (в тому числі і перевірка несуперечності) поданих знань, а також генерування множини тестових випадків, необхідних для виконання емпіричного тестування знань.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Яловец А.Л. О методе прямого вывода на И/ИЛИ-сетях // Искусственный интеллект. 2000. № 3. С. 361-370.

2. Яловец А.Л. Обоснование свойств логико-вычислительной семантической сети как модели представления знаний (часть I) // Моделювання та інформаційні технології: Зб.наук.пр. К.: ІПМЕ ім. Г.Є.Пухова НАНУ, 2004. Вип.27. С. 10-21.

3. Яловец А.Л. Обоснование свойств логико-вычислительной семантической сети как модели представления знаний (часть II) // Моделювання та інформаційні технології: Зб.наук.пр. К.: ІПМЕ ім. Г.Є.Пухова НАНУ, 2004. Вип.28. С. 14-25.

4. Яловец А.Л. Проблема выявления синонимичных, неточных, многозначных и пустых имен в структуре логико-вычислительной семантической сети // Збірник наукових праць Інституту проблем моделювання в енергетиці ім. Г.Є.Пухова. К.: ІПМЕ ім. Г.Є.Пухова НАНУ, 2004. Вип.26. С. 54-63.

5. Кондращенко В.Я., Яловец А.Л. Представление и обработка знаний средствами СЛМ-технологии // Искусственный интеллект. 2002. № 3. С. 107-117.

6. Яловец А.Л. Характеристика свойств логико-вычислительной семантической сети // Збірник наукових праць Інституту проблем моделювання в енергетиці ім. Г.Є.Пухова. К.: ІПМЕ ім. Г.Є.Пухова НАНУ, 2006. Вип.33. С. 98-108.

7. Яловец А.Л. Сравнение свойств логико-вычислительной семантической сети со свойствами некоторых других разновидностей семантических сетей // Моделювання та інформаційні технології: Зб.наук.пр. К.: ІПМЕ ім. Г.Є.Пухова НАНУ, 2006. Вип.36. С. 114-129.

8. Яловец А.Л. О формализации структуры логико-вычислительной семантической сети // Збірник наукових праць Інституту проблем моделювання в енергетиці. К.: ІПМЕ ім. Г.Є.Пухова НАНУ, 2005. Вип.28. С. 42-50.

9. Яловец А.Л. О свойствах системы логических операций, формирующих логическую структуру ЛВС-сети // Збірник наукових праць Інституту проблем моделювання в енергетиці. К.: ІПМЕ НАНУ, 2002. Вип.18. С. 64-71.

10. Яловец А.Л. Логические противоречия на И/ИЛИ-сетях при выполнении прямого вывода // Моделювання та інформаційні технології: Зб.наук.пр. К.: ІПМЕ НАНУ, 2001. Вип.8. С. 22-34.

11. Яловец А.Л. Устранение логических противоречий на И/ИЛИ-сетях // Моделювання та інформаційні технології: Зб.наук.пр. К.: ІПМЕ НАНУ, 2001. Вип.7. С. 29-39.

12. Яловец А.Л. Особенности структурной организации И/ИЛИ-сети // Збірник наукових праць Інституту проблем моделювання в енергетиці. К.: ІПМЕ НАНУ, 2001. Вип.12. С. 20-31.

13. Яловец А.Л. Проблема автоматического распознавания и диагностики неразрешимых неводов в структуре И/ИЛИ-сети // Моделювання та інформаційні технології: Зб.наук.пр. К.: ІПМЕ НАНУ, 2002. Вип.19. С. 61-73.

14. Яловец А.Л. Перечисление И/ИЛИ-сетей и разрешимость логических выражений // Збірник наукових праць Інституту проблем моделювання в енергетиці. К.: ІПМЕ НАНУ, 2001. Вип.13. С. 26-33.

15. Яловец А.Л. Методы и алгоритмы определения множества вариантов разрешимости И/ИЛИ-сети // Моделювання та інформаційні технології: Зб. наук. пр. К.: ІПМЕ НАНУ, 2002. Вип.13. С. 86-93.

16. Яловец А.Л. К исследованию свойств И/ИЛИ-сетей: определение максимальной степени разрешимости // Збірник наукових праць Інституту проблем моделювання в енергетиці. К.: ІПМЕ НАНУ, 2001. Вип.14. С. 11-21.

17. Яловец А.Л. Методы и алгоритмы перечисления И/ИЛИ-сетей // Збірник наукових праць Інституту проблем моделювання в енергетиці. К.: ІПМЕ НАНУ, 2002. Вип.15. С. 76-84.

18. Кондращенко В.Я., Яловец А.Л. Об оценке временной сложности алгоритма вывода, основанного на СЛМ-методе // Моделювання та інформаційні технології: Зб.наук.пр. К.: ІПМЕ ім. Г.Є.Пухова НАНУ, 2003. Вип.24. С. 80-86.

19. Яловец А.Л. Исследование проблемы значения применительно к модели логико-вычислительной семантической сети // Збірник наукових праць Інституту проблем моделювання в енергетиці ім. Г.Є.Пухова НАН України. К.: ІПМЕ ім. Г.Є. Пухова НАНУ, 2006. Вип.32. С. 118-123.

20. Яловец А.Л. Об интерпретации связок эквивалентности, импликации и дизъюнкции в логической структуре ЛВС-сети // Збірник наукових праць Інституту проблем моделювання в енергетиці. К.: ІПМЕ НАНУ, 2002. Вип.17. С. 61-72.

21. Яловец А.Л. Распознавание и диагностика семантических парадоксов // Моделювання та інформаційні технології: Зб.наук.пр. К.: ІПМЕ НАНУ, 2003. Вип.20. С. 8-17.

22. Яловец А.Л. Распознавание и диагностика логических парадоксов // Збірник наукових праць Інституту проблем моделювання в енергетиці. К.: ІПМЕ НАНУ, 2003. Вип.20 - С. 64-75.

23. Яловец А.Л. Сущность и основные свойства минимальных позитивных моделей // Моделювання та інформаційні технології: Зб.наук.пр. К.: ІПМЕ НАНУ, 2003. Вип.21. С. 10-23.

24. Яловец А.Л. Методы и алгоритмы формирования минимальной позитивной модели // Збірник наукових праць Інституту проблем моделювання в енергетиці. К.: ІПМЕ НАНУ, 2003. Вип.23. С. 8-22.

25. Яловець А.Л. Визначення загальних властивостей СЛМ-технології // Моделювання та інформаційні технології: Зб.наук.пр. К.: ІПМЕ ім. Г.Є.Пухова НАНУ, 2005. Вип.29. С. 60-69.

26. Яловец А.Л. Автоматизация процессов поддержки принятия управленческих решений на начальных этапах возникновения чрезвычайных ситуаций // Моделювання та інформаційні технології: Зб.наук.пр. К.: ІПМЕ НАНУ, 2002. Вип.18. С. 145-155.

27. Яловец А.Л. Применение СЛМ-технологии для представления и обработки знаний, содержащихся в нормативных документах // Збірник наукових праць Інституту проблем моделювання в енергетиці ім. Г.Є.Пухова. К.: ІПМЕ ім. Г.Є.Пухова НАНУ, 2003. Вип.19. С. 35-46.

28. Яловець А.Л. Використання СЛМ-технології для рішення задач диспетчерського управління енергооб'єктом // Моделювання та інформаційні технології: Зб.наук.пр. К.: ІПМЕ ім. Г.Є.Пухова НАНУ, 2003. Вип.23. С. 3-17.

29. Яловец А.Л. Представление и обработка нечетких знаний о выборе целесообразного режима работы энергообъекта средствами СЛМ-технологии // Збірник наукових праць Інституту проблем моделювання в енергетиці ім. Г.Є.Пухова. К.: ІПМЕ ім. Г.Є.Пухова НАНУ, 2004. Вип.25. С. 51-64.

30. Яловец А.Л. Применение СЛМ-технологии для представления и обработки нечеткой экспертной информации второго рода на примере оценки пропускной способности отдельного сечения ОЭС Украины // Моделювання та інформаційні технології: Зб.наук.пр. К.: ІПМЕ ім. Г.Є.Пухова НАНУ, 2006. Вип.37. С. 116-128.

АНОТАЦІЯ

Яловець А.Л. Логіко-обчислювальна семантична мережа як модель подання знань. - Рукопис.

Дисертація на здобуття наукового ступеня доктора технічних наук за спеціальністю 01.05.02 - математичне моделювання та обчислювальні методи. - Інститут проблем моделювання в енергетиці ім. Г.Є. Пухова НАН України, Київ, 2008.

Дисертаційна робота присвячена розробці нових моделі подання знань і методів обробки знань.

Розроблено нову модель подання знань (логіко-обчислювальну семантичну мережу (ЛОС-мережу)), яка має нову сукупність функціональних можливостей, одночасно не притаманних іншим відомим моделям подання знань.

Розроблено метод прямого логічного виводу. Вперше розроблено метод побудови початкового стану процесу прямого логічного виводу. Розроблено методи статичної верифікації знань, поданих у ЛОС-мережі. Розроблено метод генерації множини тестових випадків для ЛОС-мережі.

На основі розроблених моделі подання знань і методів їх обробки реалізовано програмно-інструментальне середовище подання та обробки знань (СЛМ-технологію), що підтримує процеси подання та обробки як чітких, так і нечітких процедурно-декларативних знань, забезпечуючи несуперечність поданих знань.

Ключові слова: логіко-обчислювальна семантична мережа, метод прямого виводу, мінімальна позитивна модель, невід, тестовий випадок, СЛМ-технологія.

АННОТАЦИЯ

Яловец А.Л. Логико-вычислительная семантическая сеть как модель представления знаний. - Рукопись.

Диссертация на соискание ученой степени доктора технических наук по специальности 01.05.02 - математическое моделирование и вычислительные методы. - Институт проблем моделирования в энергетике им. Г.Е. Пухова НАН Украины, Киев, 2008.

В диссертационной работе на основе применения методологии математического моделирования получено новое комплексное решение проблемы представления и обработки знаний, включающее в себя разработку новой модели представления знаний и совокупности методов обработки знаний, обеспечивающих выполнение вывода на знаниях, а также решение задач статической верификации и эмпирического тестирования представленных знаний.

Разработана новая модель представления знаний (логико-вычислительная семантическая сеть (ЛВС-сеть)), в которой реализованы структурные, логические, семантические и вычислительные свойства, выявленные в результате анализа естественных свойств декларативных и процедурных знаний.

Разработан метод прямого логического вывода, являющийся единым методом вывода как на четких, так и на нечетких процедурно-декларативных знаниях, представленных в ЛВС-сети.

Впервые разработан метод построения начального состояния процесса прямого логического вывода.

Разработаны методы статической верификации знаний, представленных в ЛВС-сети. Разработан метод генерации множества тестовых случаев для ЛВС-сети.

На основе разработанных модели представления знаний и методов их обработки реализована программно-инструментальная среда представления и обработки знаний (СЛМ-технология). Средствами СЛМ-технологии поддерживаются процессы представления и обработки как четких, так и нечетких процедурно-декларативных знаний.

Ключевые слова: логико-вычислительная семантическая сеть, метод прямого вывода, минимальная позитивная модель, невод, тестовый случай, СЛМ-технология.

SUMMARY

Yalovets A.L. Logical-computing Semantic Network as the Model of Knowledge Representation. - Manuscript.

Thesis for a Doctor's Degree by speciality 01.05.02 - Mathematical Modelling and Computing Methods. - Pukhov Institute for Modelling in Energy Engineering of the NAS of Ukraine, Kyiv, 2008.

The thesis is devoted to development of new model of knowledge representation and methods of knowledge processing.

The new model of knowledge representation (logical-computing semantic network (LCS-Network)), having new set of the functionalities simultaneously not inherent in other known models of knowledge representation is developed.

The forward-chaining method is developed, which based on formation of set of tops of the LCS-Network, from each of which some earlier not deduced top is directly deduced. For the first time the method of construction of an initial condition of process of the forward-chaining is developed. Methods of static verification of the knowledge submitted in the LCS-Network are developed. The method of generation of set of test cases for the LCS-Network is developed.

On the basis of developed model of knowledge representation and methods of their processing the program-tool environment of knowledge representation and processing (SLM-Technology), which supports processes of representation and processing both precise and fuzzy procedural-declarative knowledge is realized, providing consistency of the submitted knowledge.

Key words: logical-computing semantic network, forward-chaining method, minimal positive model, sweep-net, test case, SLM-Technology.

Размещено на Allbest.ru