АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомДругоеЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция

Приобретение и формализация знаний

Читайте также:
  1. II. Контроль исходного уровня знаний студентов
  2. III. Основы медицинских знаний и здорового образа жизни.
  3. IV. КОНТРОЛЬ ЗНАНИЙ
  4. V Усвоение новых знаний
  5. VI. Основы медицинских знаний.
  6. VII. КОНТРОЛЬ ЗНАНИЙ
  7. YIII.4.3.Формализация. Язык науки
  8. Актуализация знаний
  9. Актуализация знаний.
  10. Актуализация опорных знаний.
  11. Базы знаний на ЭВМ
  12. ВЗАИМОСВЯЗЬ КОРРЕКЦИОННОЙ ПЕДАГОГИКИ С ДРУГИМИ ОТРАСЛЯМИ ЗНАНИЙ

Л. Я. Аверкин, Л. Ф. Блишун, Т. А. Гаврилова, Г. С. Осипов

Основные определения

Приобретением знаний называется выявление знаний из источников и пре­образование их в нужную форму, а также перенос в базу знаний ИС. Источни­ками знаний могут быть книги, архивные документы, содержимое других баз знаний и т. п., т. е. некоторые объективизированные знания, переведенные в форму, которая делает их доступными для потребителя. Другим типом зна­ний являются экспертные знания, которые имеются у специалистов, но не зафи­ксированы во внешних по отношению к нему хранилищах. Экспертные знания являются субъективными. Еще одним видом субъективных знаний являются эмпирические знания. Такие знания могут добываться ИС путем наблюдения зз окружающей средой (если у ИС есть средства наблюдения).

Ввод в базу знаний объективизированных знаний не представляет особой проблемы, выявление и ввод субъективных и особенно экспертных знаний до­статочно трудны. Чтобы разработать методологию приобретения субъективных знаний, получаемых от эксперта, надо четко различать две формы репрезента­ции знаний. Одна форма связана с тем, как и в каких моделях хранятся эти знания у человека-эксперта. При этом эксперт не всегда осознает полностью, как репрезентированы у него знания. Другая форма связана с тем, как инженер по знаниям, проектирующий ИС, собирается их описывать и представлять. От степени согласованности этих двух форм репрезентации между собой зависит эффективность работы инженера по знаниям.

В когнитивной психологии изучаются формы репрезентации знаний (когни­тивные структуры знаний) характерные для человека. Примерами могут слу­жить [Хафман, 1986]: представление класса понятий через его элементы (на­пример, понятие «птица» репрезентируется рядом «чайка, воробей, скворец,...»); представление понятий класса с помощью базового прототипа, отражающего наиболее типичные свойства объектов класса (например, понятие «птица» ре­презентируется прототипом «нечто с крыльями, клювом, летает...»); представ­ление с помощью признаков (для понятия «птица», например, наличие крыльев, клюва, двух лап, перьев....).

Кроме понятий репрезентируются и отношения между ними. Как правило, отношения между понятиями определяются процедурным способом, а отношения между составляющими понятий (определяющими структуру понятия) —деклара­тивным способом. Наличие двух видов описаний заставляет в моделях представ­ления знаний одновременно иметь оба компонента, например семантическую сеть и продукционную систему, как это представлено в когнитивной модели [Ander­son, 1983].

При приобретении знаний важную роль играют так называемое поле знаний, в котором содержатся основные понятия, используемые при описании предмет­ной области, и свойства всех отношений, используемых для установления связей

3—6943


между понятиями. Поле знаний связано с концептуальной моделью проблемной области, в которой еще не учтены ограничения, которые неизбежно возникают при формальном представлении знаний в базе знаний. Переход от описания не­которой области в поле знаний к описанию в базе знаний аналогичен переходу от концептуальной модели базы данных к ее логической схеме, когда уже за­фиксирована система управления базой данных. Важно отметить, что переход непосредственно к формальным представлениям в базе знаний без этапа кон­цептуального описания в поле знаний приводит к многочисленным ошибкам, что замедляет процесс формирования базы знаний ИС.

Возможны три режима взаимодействия инженера по знаниям с экспертом-специалистом: протокольный анализ, интервью и игровая имитация профессио­нальной деятельности. Протокольный анализ заключается в фиксации (напри­мер, путем записи на магнитную ленту) «мыслей вслух> эксперта во время решения проблемы и в последующем анализе полученной информации В режиме интервью инженер по знаниям ведет с экспертом активный диалог, направляя его в нужную сторону. При игровой имитации эксперт помещается в ситуации, похожие на те, в которых протекает его профессиональная деятельность. На­блюдая за его действиями в различных ситуациях, инженер по знаниям, форми­рует свои соображения об экспертных знаниях, которые впоследствии могут быть уточнены с экспертом в режиме интервью. Принципы игровой имита­ции нашли применение в разнообразных деловых играх, специальных тренаже­рах.

Каждый из упомянутых способов извлечения знаний имеет свои преимуще­ства и недостатки. Так, при анализе протоколов инженеру по знаниям нелегко отделить понятия, важные для включения в словарь предметной области, от тех, которые при «мыслях вслух» появляются случайно. Кроме того, в протоколах обнаруживаются пробелы, когда рассуждение эксперта как бы прерывается и про­должается уже на основе пропущенных шагов вывода. Заполнение подобных лакун возможно лишь в режиме интервью. Таким образом, во всех трех под­ходах к извлечению знаний из экспертов необходим этап интервью, что делает его одним из важнейших методов приобретения знаний.

Существует не менее двух десятков стратегий интервьюирования. Наиболее известны три: разбиение на ступени, репертуарная решетка и подтверждение сходства.

При разбиении на ступени эксперту предлагается назвать наиболее важные, по его мнению, понятия предметной области и указать между ними отношения структуризации, т, е. отношения типа «род —вид», «элемент — класс», «целое — часть» и т. п. Эти понятия используются на следующем шаге опроса как базо­вые. Стратегия нацелена на создание иерархии понятий предметной области, выделение в понятиях тесно связанных между собой групп — таксЪнов (клас­теров).

Стратегия репертуарной решетки направлена на выявление характеристиче­ских свойств понятий, позволяющих отделять одни понятия от других. Методика состоит в предъявлении эксперту троек понятий с предложением назвать призна­ки для каждых двух понятий, которые отделяли бы их от третьего. Так как каждое понятие входит в несколько троек, то на основании такой процедуры происходит уточнение объемов понятий и формируются «симптокомплексы» по­нятий, с помощью которых эти понятия могут идентифицироваться в базе знаний.

Стратегия подтверждения сходства состоит в том, что эксперту предлагает­ся установить принадлежность каждой пары понятий из предметной области к некоторому отношению сходства (толерантности). Для этого эксперту зада­ется последовательность достаточно простых вопросов, цель которых заключается в уточнении того понимания сходства, которое вкладывает эксперт в утвержде­ние о сходстве двух понятий предметной области.

Процесс взаимодействия инженера по знаниям (аналитика) с экспертом-специалистом включает три основных этапа.

1. Подготовительный этап. Для успеха общения оба участника должны тщательно подготовиться к диалогу или игре. Желательно, чтобы эксперт был 66


не только компетентным специалистом, но и заинтересованным (морально или материально) лицом в достижении конечной цели — построении ИС. Он должен быть доброжелателен к аналитику и уметь объяснять свои знания (наилучший случай, когда эксперт имеет опыт преподавательской работы).

Аналитику необходимо: глубоко познакомиться со специальной литературой по предметной области, чтобы не задавать очень «глупых» вопросов (просто «глу­пые» вопросы бывают чрезвычайно полезны), а также увеличить количество «пакетов ожиданий» [Шенк и др., 1987J; уметь слушать и грамотно задавать вопросы; настроиться на роль «ученика», а не «экзаменатора»; разбираться в моделях когнитивной психологии, а также в моделях представления знаний, чтобы из знаний эксперта выделять четкие структуры.

В любой совместной деятельности большое значение имеют психологические качества исследователей, такие как личность, манера поведения, стиль научного мышления. Существуют различные классификации научных работников. В ка­честве примера приведем следующую: инициатор — быстро реагирует на перс­пективные проблемы, т. е. один из первых ощущает необходимость решения проблемы с элементами неопределенности; диагност — способен к быст­рой оценке сильных и слабых сторон решения задачи; эрудит — наделен исклю­чительной памятью, отличается повышенным вниманием к деталям и стремле­нием к упорядоченности; ремесленник — способен воплощать в жизнь плохо оформленные' идеи других; эстет — стремится исследовать проблемы, приводя­щие к изящным решениям, не склонен к кропотливому труду; методолог — за­интересован методологическими аспектами исследований; независимый — стре­мится к индивидуальному решению проблем; фанатик — самоотверженно увле­чен своей научной проблемой, того же требует и от окружающих.

Принадлежность научного работника к тому или иному типу определяется с помощью косвенных методик (тестов личности, интеллекта, когнитивных сти­лей, проектных методик). Автоматизация опроса и получения психологического портрета испытуемого реализована, например, в системе АВТАНТЕСТ [Гаври-лова, 1984].

Для роли эксперта наиболее предпочтительны инициатор, эрудит, диагност и ремесленник (в паре с аналитиком-эрудитом), а для роли аналитика ■— диаг­ност, методолог, эрудит, инициатор. При этом наилучшее сочетание дают соче­тания разных типов. Благодаря различиям в подходах к решению задачи, в точках зрения, стиле мышления, восприятия, памяти и т. п. участники в такой паре с разных сторон подходят к поставленной цели, в результате увеличивается общее количество гипотез, идей, альтернативных вариантов, а следовательно, обогашДется поле знаний. Однако не все сочетания даже из приемлемых типов улучшают взаимодействие, а некоторые типы (например, фанатик, эстет, неза­висимый, ремесленник) часто слабо приспособлены для творческого взаимодей­ствия, что приводит к возникновению скрытых н явных конфликтов, которые усложняют процесс продуктивного общения.

Важное значение имеет также лидерство в паре. В ходе любого диалрга одна сторона обычно занимает позицию ведущей, чаще эту роль берет интер­вьюер, т. е. аналитик. Роль лидера в диалоге позволяет аналитику направлять и систематизировать процесс создания поля знания, не давая эксперту «размыть» илн излишне детализовать процесс. С другой стороны, догматизм и настойчи­вость могут привести к неадекватному полю. Имеет место также эффект «фа­сада», т. е. желание эксперта не ударить «в грязь лицом» перед аналитиком, и отсюда генерирование неподтвержденных гипотез.

2. Установление «общего кода». Для создания лингвистического альянса
взаимодействия участники взаимодействия должны пытаться сократить «рас­
стояние» между объектом (т. е. исследуемой предметной областью) и аналити­
ком. Необходимо определить главные понятия, т. е. выработать словарную осно­
ву базы знаний; уровень детализации; взаимосвязи между понятиями.

3. Гносеологический этап. На этом этапе происходит выяснение закономер­
ностей, присущих предметной области, условий достоверности и истинности
утверждений, структурирование за счет введения отношений и т. п. Этот этап


является определяющим во взаимодействии аналитика и эксперта. В процессе анализа игры или диалога вербализуется и формализуется знание эксперта и зачастую для него самого порождается новое знание. Репрезентация внешнего мира в его памяти получает материальное воплощение в форме поля знаний.

В процессе извлечения знаний сначала желательно получить от эксперта поверхностные знания (такие, например, как репрезентация признаков), посте­пенно переходя к глубинным структурам и более абстрактным понятиям (таким, например, как прототипы).

При формировании поля знаний учитываются особенности эмпирического знания: модальность, противоречивость, неполнота и т. д.

Аналитик должен за частным всегда видеть общее, т. е. строить цепочки «.факт — обобщенный факт — эмпирический закон — теоретический закон». Цен­тральное звено цепочки — формализация эмпирики. При этом иногда основным на этапе формализации становится не извлечение «слепых» непонятных связей, а понимание внутренней структурной связи понятий предметной области. Искус­ство аналитика состоит в стремлении к созданию ясной и понятной модели проблемной области.

Следует также учитывать, что эксперты в проблемной области не всегда опираются на логические рассуждения. В их представлениях о проблемной об­ласти и методах решения задач, характерных для нее, широкое применение на­ходят ассоциативные рассуждения и рассуждения правдоподобия (см. § 2.5). Опишем примерную методику работы с экспертом по формированию поля зна­ний.

Подготовительный этап

1. Четкое определение задач проектируемой системы (сужение поля знаний):
определение, что на входе и выходе; определение режима работ — консульта­
ции, обучение и др.

2. Выбор экспертов: определение количества экспертов; выбор уровня ком­
петентности (не всегда хорошо выбирать самый высокий уровень сразу); опре­
деление способов и возможности заинтересовать экспертов в работе; тестиро*
вание экспертов.

3. Знакомство аналитика со специальной литературой в предметной области.

4. Знакомство аналитика и экспертов (в дальнейшем для простоты будем
считать, что эксперт один).

5. Знакомство эксперта с популярной литературой по искусственному ин­
теллекту (желательно, но необязательно).

6. Попытка аналитика создать поле знаний первого приближения априор­
ным знаниям из литературы (прототип поля знаний).

Основной этап

1. «Накачка» поля знаний: а) в зависимости от предметной области выбор
способа интервьюирования; б) протоколирование мыслей вслух или запись на
магнитофон рассуждений эксперта (аналитик по возможности не должен пока
вмешиваться в рассуждения).

2. «Домашняя работа». Попытка аналитика выделить некоторые причинно-
следственные связи в рассуждениях эксперта; построение словаря предметной
области (возможно, на карточках) и подготовка вопросов к эксперту.

3. «Подкачка» поля зрения. Обсуждение с экспертом прототипа поля знаний
и домашней работы, а также ответы на вопросы аналитика.

4. Формализация концептуальной модели.

5. Построение поля знаний второго приближения.

6. При необходимости повторение пп. 16, 2, 3, 4 и 5.
68


Системы приобретения знаний от экспертов

Одно из первых рассмотрений интервью как метода инженерии знаний про­ведено в [Newel, 1972]. Проблемы, возникающие при извлечении экспертных знаний, некоторые психологи связывают с так называемой когнитивной защи­той. В [Kelly, 1985] была развита теория человеческого познания, основанная на понятии «персональных конструктов», которые человек создает и пытается приспособить к реалиям мира. В [Bose, 1984] теория «персональных конструк­тов» использована для создания системы извлечения экспертных знаний и по­казала свою способность успешно преодолевать когнитивную защиту, т. е. не­желание экспертов достичь четкого и осознанного ими истолкования основных понятий, отношений между понятиями и приемов решения задач в интересую­щей инженера по знаниям проблемной области.

Методы интервьюирования эксперта предметной области знаний с исполь­зованием нескольких различных стратегий применены при создании системы TEIRESIAS [Davis, 1982]. В [Kahn et al., 1984] выделено восемь различных стратегий интервью, в [Kahn et al., 1985] на основе этих стратегий исследуется возможность автоматического интервьюирования. Автоматизации метода прото­кольного анализа посвящены работы [Waterman, 1971, 1973; Krippendorf, 1980].

В [Kahn et al., 1985] на примере диагностической системы MORE; описана техника интервьюирования, направленная на выяснение следующих сущностей: гипотез, симптомов, условий, связей и путей. Гипотеза — событие, идентифика­ция которого имеет своим результатом диагноз. Симптом — событие, являющееся следствием существования гипотезы, наблюдение которого приближает последу­ющее принятие гипотезы. Условие — событие или некоторое множество событий, которое не является непосредственно симптоматическим для какой-либо гипоте­зы, но которое может иметь диагностическое значение для некоторых других событий. Связи — соединения сущностей (в том числе, других связей). Путь —■ выделенный тип связи, который соединяет гипотезы с симптомами. В соответст­вии с этим используются следующие стратегии интервью: дифференциация ги­потез, различение симптомов, симптомная обусловленность, деление пути и др.

Дифференциация гипотез направлена на поиск симптомов, которые обеспе­чивают более точное различение гипотез. Наиболее мощными в этом смысле являются те симптомы, которые происходят из одного диагностируемого собы­тия. Различение симптомов выявляет специфические характеристики симптома, которые, с одной стороны, идентифицируют его как следствие некоторой гипс тезы, с другой — противопоставляют другим. Симптомная обусловленность на­правлена на выявление негативных симптомов, т. е. симптомов, отсутствие ко­торых имеет больший диагностический вес, чем их присутствие. Деление пути обеспечивает нахождение симптоматических событий, которые лежат на пути к уже найденному симптому. Если такой симптом существует, то он имеет боль­шее диагностическое значение, чем уже найденный.

Аналогичные стратегии интервьюирования эксперта использованы при соз­дании инструментальной диагностической системы ИДИС [Голубев н др., 1987].

В системе KRITON [Diederich et al., 1987] для приобретения знаний ис­пользуются два источника: эксперт с его знаниями, полученными на практике (эти знания, как правило, неполны, отрывочны, плохо структурированы); книжные знания, документы, описания инструкции (эти знания хорошо структурированы и фиксированы традиционными средствами). Для извлечения знаний из первого источника в KRITON применена техника интервью, использующая стратегии ре­пертуарной решетки и разбиения на ступени. При этом применяется прием пе­реключения стратегий: если при предъявлении тройки семантически связанных понятий эксперт не в состоянии назвать признак, отличающий два из них от третьего, система запускает стратегию разбиения на ступени и предпринимает попытку выяснения таксономической структуры этих понятий с целью выявления признаков, их различающих.

Для выявления процедурных знаний эксперта в KRITON применен метод протокольного анализа. Он осуществляется в пять шагов. На первом шаге про­токол делится на сегмент;-' на основании пауз, которые делает эксперт в про-


I *•


цессе записи. Второй шаг —семантический анализ сегментов, формирование вы­сказываний для каждого сегмента. На третьем шаге из текста выделяются опе­раторы и аргументы. Далее делается попытка поиска по образцу в базе знаний для обнаружения переменных в высказываниях (переменная вставляется в вы­сказывание, если соответствующая ссылка в тексте не обнаружена). На послед­нем шаге утверждения упорядочиваются в соответствии с их появлением в про­токоле.

Анализ текста используется в KRITON для выявления хорошо структури­рованных знаний из книг, документов, описаний, инструкций.

В [Morik, 1987] описан метод выявления модели предметной области. Пер­вая фаза — формирование инженером знаний грубой модели предметной области путем определения предикатов и сортов их возможных аргументов и сообщения системе фактов об области, выразимых этими предикатами. Система выявляет свойства предикатов и устанавливает отношения между ними, структурируя та­ким образом предметную область. На второй фазе с помощью метазнании (об­щих структур), отражающих особенности человеческого мышления, осуществ­ляется проверка соответствия фактов предикатам, индуктивный вывод правил из фактов, вывод правил из других правил.

В системах SIMER и ДИАПС [Осипов, 1987; Osipov et al., 1987] основным методом приобретения знаний является автоматизированное интервьюирование эксперта, которое управляется знаниями, приобретенными системой- В системах SIMER и ДИАПС не выявляется предварительная модель области. Все объекты (события) и их атрибуты определяются в режиме прямого интервьюирования эксперта. Предполагается только, что на множестве объектов могут быть заданы ряд отношений из известного (конечного) множества: «элемент — множество», «часть — целое», «пример — прототип», отношения структурного сходства объ­ектов, структурной иерархии и некоторые другие. Все отношения попарно раз­личаются формальными свойствами. Так, отношений структурного сходства не обладает транзитивностью, но симметрично. Отношение структурной иерархии, напротив, не обладает симметричностью, однако транзитивно. На выяснение этих и ряда других свойств отношений и объектов направлено интервью.

В частности, для установления структурного сходства на первой фазе ин­тервью для каждого вновь вводимого понятия эксперту предлагается указать (с помощью меню) те понятия предметной области, с которыми может быть связано данное (без спецификации отношения). Затем в процессе интервью для каждой пары понятий (из выделенных на первой фазе) связь специфицируется, устанавливаются свойства и тип отношения, в число элементов которого вклю­чается исследуемая пара. Так, для включения некоторой пары понятий X и У, о которых эксперт сообщил, что X влияет на Y (например X увеличивает воз­можность К), в число элементов некоторого отношения R, обладающего среди прочих свойств симметричностью, необходимо задать эксперту вопрос: «Увели­чивает ли Y возможность Я?». При положительном ответе на этот вопрос (и если прочие свойства уже установлены и удовлетворяют определению отноше­ния R) пара (X, У) включается в R. Для установления структурного сходства и структурной иерархии понятий используются стратегии подтверждения сходства и разбиения на ступени.

В модели имеются метапроцедуры и метаправила, которые проверяют кор­ректность модели, используют формальные свойства отношений для пополнения модели и генерируют правила.

Сформулируем основные этапы реализации системы приобретения знаний.

1. Интервью для определения актуальной области, в которой происходит
процесс решения интересующей проблемы, и расчленение ее на автономные об­
ласти.

2. Автоматизированное интервью для выявления и формирования деклара­
тивной модели предметной области.

3. Протокольный анализ к выявленным на предыдущем этапе понятиям и
отношениям предметной области для пополнения модели процедурными знаниями


(этапы 2 и 3 можно использовать попеременно до тех пор, пока модель не до­стигнет нужной полноты).

4. Протокольный анализ для попонения декларативных знаний модели.

5, Проверка полноты модели. Обычно протокольный анализ выявляет пусто­
ты в модели. Имеется в виду случай, когда понятия, использованные в «мыслях
вслух», недостаточно описаны. В этом случае интервью и протокольный анализ
повторяются.

Формализация качественных знаний

При формализации качественных знаний может быть использована теория нечетких множеств [Заде, 1974], особенно те ее аспекты, которые связаны с лин­гвистической неопределенностью, наиболее часто возникающей при работе с экс­пертами на естественном языке. Под лингвистической неопределенностью под­разумевается не полиморфизм слов естественного языка, который может быть преодолен на уровне понимания смысла высказываний в рамках байесовской модели [Налимов, 1974], а качественные оценки естественного языка для длины, времени, интенсивности, для целей логического вывода, принятия решений, пла­нирования.

Лингвистическая неопределенность в системах представления знаний зада­ется с помощью лингвистических моделей, основанных на теории лингвистических переменных и теории приближенных рассуждений [Kikert, 1978]. Эти теории опираются на понятие нечеткого множества, систему операций над нечеткими множествами и методы построения функций принадлежности.

Одним из основных понятий, используемых в лингвистических моделях, яв­ляется понятие лингвистической переменной. Значениями лингвистических пере­менных являются не числа, а слова или предложения некоторого искусственного либо естественного языка. Например, числовая переменная «возраст» принимает дискретные значения между нулем и сотней, а целое число является значением переменной. Лингвистическая переменная «возраст» может принимать значения: молодой, старый, довольно старый, очень молодой и т. д. Эти термы — лингви­стические значения переменной. На &то множество (как и на числа) также на­лагаются ограничения. Множество допустимых значений лингвистической пере­менной называется терм-множеством.

При вводе в ЭВМ информации о лингвистических переменных и терм-мно­жестве ее необходимо представить в форме, пригодной для работы на ЭВМ. Лингвистическая переменная задается набором из пяти компонентов: <А, Т(А), О, G, Af>, где Л—имя лингвистической переменной; Г (Л)—ее терм-множество; U — область, на которой определены значения лингвистической переменной; G описывает операции по порождению производных значений лингвистической пере­менной на основе тех значений, которые входят в тер м-множество. С помощью правил нз G можно расширить число значений лингвистической переменной, т. е. расширить ее терм-множество. Каждому значению с лингвистической переменной А соответствует нечеткое множество Ха, являющееся подмножеством U. По ана­логии с формальными системами (см. § 1.1) правила из G часто называют син­таксическими. Наконец, компонент М образует набор семантических правил. С их помощью происходит отображение значений лингвистической переменной а в не­четкие множества Ха и выполняются обратные преобразования. Именно эти правила обеспечивают формализацию качественных утверждений экспертов при формировании проблемной области в памяти ИС.

На рис. 2.1 показаны все компоненты, определяющие лингвистическую пере­менную «возраста». В качестве терм-множества использовано множество, со­стоящее из трех значений: очень молодой (ом), пожилой (п) и старый (с), за­даваемых функциями принадлежности на области I), которую называют носи­телем лингвистических значений. В примере область t/ —года жизни от 0 до 154) лет. В качестве семантических правил выступают отображения, задаваемые функциями принадлежности 0<р.а(«)<1 к нечетким множествам Хон, Хп, Хс. Как видно из рис. 2.1, человек, возраст которого равен 60 годам, принадлежит


       
   
 
 


ела В "g г S «a me (51 3-*
:. X

 

'со1? я
" О ™»■ ^С ta to S о - и ИГ o> a" ■ квлоя m X га «Р
to tr1
w " a S»
о re

Ш Ф
м О H н У •_*

to to

to

n s

n

a


 

№ Я CO (P ^o a-^M rrP

to

• aJ-S-5"*»^

a£*

-~л ч
о а о»
О to -•

н re •*■ -^ н j-

re ■

ecpfiSo^gg-g^sg-

fa to'-a S ю чэ

 

*-»!giag§*|!

e*3gKag|ggg|


R-iO и

Sis I

Е*з£2 X to to „

то to a


1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 |

Поиск по сайту:



Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.014 сек.)