Dawid, Zwoźniak, david_z@poczta.fm

RBS_Back Przegląd metodologii reprezentacji reguł dla wnioskowania w tył (wstecz). Należy szczególnie uwzględnić reprezentacje graficzne oraz zwrócić uwagę na: przejrzystość reguł, gęstość reprezentowanej informacji.

przydzielenie projektu

planowane konsultacje

?

?

SOFTWARE VISUALIZATION

TPM (Transparent Prolog Machine)

TPM jest narzędziem do wizualizacji i animacji uruchamianych programów napisanych w Prologu. Stworzony zarówno dla początkujących jak i zaawansowanych programistów Prologu, zapewnia wierną reprezentację (w zwolnionym tempie) działania wewnętrznego interpretera Prologu, jak również umożliwia wysokiej prędkości wizualny podgląd uruchamianego programu.

Bieżące wersje umożliwiają używanie: textbook diagrams, animacji video oraz implementacji graficznych stacji roboczych.

System dodatkowo umożliwia tworzenie użytkownikowi widoków śledzonych programów .

Model: http://student.agh.edu.pl/~zwozniak/rbs/TPM_model.JPG

Akcja: http://student.agh.edu.pl/~zwozniak/rbs/TPM_action.JPG

Granulacja danych: http://student.agh.edu.pl/~zwozniak/rbs/TPM_gran.JPG

Podgląd ogólny widoku uruchamiania programu Prologu.

http://student.agh.edu.pl/~zwozniak/rbs/TPM_1.JPG

Ten sam widok z bliska

http://student.agh.edu.pl/~zwozniak/rbs/TPM_2.JPG

Projekt powstawal w latach 1983-1988 w Open University and Expert Systems Ltd. TPM jest dostepny jako komercyjny produkt (od Expert Systems Ltd.) uruchamiany na graficznych stacjach roboczych systemu UNIX

Tools for Software Visualization – SVT (Semantic Visualization Tools) and Vmax

http://student.agh.edu.pl/~zwozniak/rbs/vmax.pdf

VPP (Visual Programming in Prolog)

http://student.agh.edu.pl/~zwozniak/rbs/vpp.pdf

PPVL (Prolog Program Visualization Laboratory)

http://student.agh.edu.pl/~zwozniak/rbs/PPVL.JPG

http://student.agh.edu.pl/~zwozniak/rbs/ppvl.pdf

Ekspertowy system regułowy składa się z bazy danych, zawierającej pewne ustalone fakty i reguły służące do wywnioskowywania nowych faktów oraz interpetera reguł, sterującego procesem wnioskowań.

W systemach ekspertowych wykorzystuje się 3 rodzaje wnioskowania: - w przód - wstecz - mieszane

Wnioskowanie wstecz przebiega w odwrotną stronę niż wnioskowanie w przód. Ogólnie polega ono na wykazaniu prawdziwości hipotezy głównej na postawie prawdziwości przesłanek. Jeśli nie wiemy, czy jakaś przesłanka jest prawdziwa, to traktujemy tę przesłankę jako nową hipotezę i próbujemy ją wykazać. Jeżeli w wyniku takiego postępowania zostanie wreszcie znaleziona reguła, której wszy¬stkie przesłanki są prawdziwe, to konkluzja tej reguły jest prawdziwa. Na pod¬stawie tej konkluzji dowodzi się następną regułę, której przesłanka nie była po¬przednio znana itd. Postawiona hipoteza jest prawdziwa, jeśli wszystkie rozważa¬ne przesłanki dadzą się wykazać.

Cel → reguły → fakty

Wnioskowanie wstecz różni się od wnioskowania w przód m.in. tym, że generuje mniejszą liczbę nowych faktów oraz uniemożliwia równoczesne dowodzenie kilku hipotez. Ogólnie w typowych zastosowaniach wnioskowanie wstecz jest efektywniejsze i bardziej rozpowszechnione. Istotne jest także to, że przy wnioskowaniu wstecz czas oczekiwania na osiągnięcie rozwiązania postawionej hipotezy jest w wielu przypadkach dużo krótszy niż przy wnioskowaniu w przód.

Wnioskowanie wstecz zostało zastosowane, między innymi, w interpreterach PROLOG-u.

Reprezentacja wiedzy:

1.Reguły decyzyjne (Decision Rules) najbardziej podstawowa forma przedstawiania reguł to: reguła: fakt1 ^ fakt2 ^ … ^ faktn → konkluzja bardziej rozbudowana forma może mieć postać: reguła: fakt1 ^ fakt2 ^ … ^ faktn → konkluzja1 ^ konkluzja2 ^ … ^ konkluzjan

2.Tabele decyzyjne (Decision Tables) tabele decyzyjne mają postać:

http://student.uci.agh.edu.pl/~zwozniak/rbs/tabela.jpg

zaletą tabeli jest ich prostota i łatwość ich interpretacji, wadą natomiast jest to, że klasyczne tabele są ograniczone do binarnej logiki.

3.Drzewa decyzyjne (Decision Trees) Reprezentacja wiedzy przy pomocy drzewa jest czytelna, łatwa do użycia i zrozumienia. Reprezentacja przy pomocy drzewa wygląda następująco:

http://student.uci.agh.edu.pl/~zwozniak/rbs/tree.jpg

Korzeń drzewa jest węzłem wejściowym. Do każdego węzła dołączone są gałęzie. Koła reprezentują akcje. Prostokąty reprezentują atrybuty. Równoległoboki reprezentują relacje i wartości

4.Grafy (Graphs) Używana w sztucznej inteligencji teoria grafów, opisująca pewien rodzaj abstrakcyjnych danych. Graf składa się z węzłów, które są zwykle opisane oraz krawędzi. Tak utworzona sieć jest grafem skierowanym z numerycznymi wartościami przypisanymi do krawędzi.

5.Grafy koncepcyjne (Conceptual Graph) W grafie koncepcyjnym węzły są koncepcyjnymi zależnościami. Każda koncepcja jest szczególną instancją koncepcyjnego typu. Każdy graf reprezentuje pojedynczą formułę.

6.Ramki (Frames) 7.Model obiektowo-zorientowany (Object-oriented model) 8.Sieci symantyczne (Semantics Network)