Українська   English
ДонНТУ   Портал магистров

Реферат по теме выпускной работы

Содержание

Введение

Экспертная система — это программное средство, использующее экспертные знания для обеспечения высокоэффективного решения неформализованных задач в узкой предметной области. Основу ЭС составляет база знаний (БЗ) о предметной области, которая накапливается в процессе построения и эксплуатации ЭС. Накопление и организация знаний — важнейшее свойство всех ЭС[1].

1. Актуальность темы

Потребность в онтологиях связана с невозможностью полноценной автоматической обработки естественноязыковых текстов существующими средствами. В различных сообществах часто встречаются различные обозначения для одних и тех же понятий. Поэтому для качественной обработки текстов необходимо иметь детальное описание проблемной области с множеством логических связей, которые показывают соотношения между терминами области. Использование онтологий позволяет представить естественноязыковый текст в таком виде, что он становится пригодным для автоматической обработки. Дополнительно онтологии могут использоваться в качестве посредника между пользователем и информационной системой, что позволяет формализовать используемые термины между всеми пользователями проекта. Также широкое применение нашли задачи онтологического анализа. В рамках этих задач с помощью онтологического исследования накапливают ценную информацию о функционировании сложных систем. Такой анализ обычно начинается с составления словаря терминов, который используется при обсуждении и исследовании характеристик объектов и процессов, составляющих рассматриваемую систему, а также создания системы точных определений этих терминов. Кроме того, документируются основные логические взаимосвязи между соответствующими терминами и понятиями. Результатом этого анализа является словарь терминов, их точных определений и взаимосвязей между ними. Собранную информацию используют при проведении процесса реорганизации существующих или построения новых систем[2].

Причины, по которым возникает потребность в использовании онтологий:

2. Цель и задачи исследования, планируемые результаты

Целью предлагаемой работы является решение двух задач:

1) Выполнение анализа современных редакторов онтологий с точки зрения:

2) Определение актуальных направлений развития редакторов онтологий и постановка задачи по созданию редакторов онтологий нового поколения.

Постановка задачи:

Интеллектуальные паттерны, представленные в форме онтологий и построенные на базе диаграмм классов UML, как:

Т.е. на входе:

На выходе:

Также данная реализация позволила бы синтезировать программный код на базе продукционного подхода.

3. Обзор исследований и разработок

Исследуемая тема популярна не только в национальных, но и в международных научных сообществах.

В данном разделе будет представлен обзор исследований в области создания интеллектуальных паттернов, онтологии.

3.1 Обзор международных источников

В статье Экспертные системы на основе онтологий — воспроизведение человеческого обучения, Rahul Matkar, Ajit Parab [9], основное внимание уделяется обучаемости экспертных систем. В этой статье представлена элитная система, известная как экспертные системы, которая пытается воспроизвести поведение Человека-эксперта. Экспертные системы работают по концепции База знаний. Эта база знаний создается инженером по знаниям после проведения серии интервью с специалистом по людям. Механизм вывода использует факты из Базы знаний, чтобы найти решение проблемы. Производительность экспертной системы полностью зависит от качества базы знаний и механизма вывода. Основной проблемой, которую следует учитывать при разработке экспертных систем, является способность изучать вещи самостоятельно. Экспертные системы копируют подход экспертов-людей к решению проблемы, аналогичным образом экспертные системы также могут воспроизводить поведение человеческого обучения. Изучая новый факт, люди используют свои существующие знания и пытаются соответствующим образом реагировать на новый факт. Точно так же экспертная система, если ей даны базовый уровень — строгие установленные правила, которым необходимо следовать и способность вывести связь между различными фактами (онтология) во время обучения, они также могут извлекать или изучать новые факты. таким же образом Эксперты-люди учатся или расширяют свои знания.

В работе Онтологический подход к диагностике и классификации для экспертной системы в области здравоохранения и питания [10], представлено как сделать экспертную систему, основанную на онтологиях, простой в использовании и бесплатно применять к вопросам устойчивости сообщества. Сама онтология играет важную роль в разнообразии знаний и методов управления, которые могут упростить коммуникацию между экспертными доменами и пользователями. Сфера этого исследования — здоровье и питание, которые, как ожидается, помогут людям осознать беспокойство, которое они испытывают. Результатом этого исследования является модель экспертной системы и мобильные приложения, которые помогут пользователям преодолеть проблемы в области здравоохранения и питания с помощью метода онтологии. Цель этого исследования — разработать приложение на основе метода онтологии, чтобы облегчить людям поиск информации об экспертных системах.

3.2 Обзор национальных источников

В статье Онтологии в системах, основанных на знаниях: возможности их применения, Смехун Я.А. [4], рассматривается основныe аспектs и роли разработки, а также использованиe онтологий в системах, базирующихся на знаниях, для составления описаний основных понятий в конкретных предметных областях.

В работе Онтологический подход и его использование в системах представления знаний, C.H. Щеглов [5], рассматривается онтологический подход и его использование в системах представления знаний. Основная роль в описании знаний отводится онтологиям, которые используются при проектировании баз знаний, создании экспертных систем и систем поддержки принятия решений, разработке сред, ориентированных на совместное использование информации несколькими пользователями, и разработке различных поисковых систем.

В статье Формирование базы знаний экспертной системы на основе онтологии с использованием оригинального языка представления знаний, Ахаев А.В., Ходашинский И.А. [6], рассматривается язык представления знаний продукционного типа для генерации рекомендаций на основе онтологии. Описывается синтаксис предлагаемого языка представления знаний, рассматривается процесс формирования правил на основе онтологии, приводятся примеры разработанных правил.

В статье Онтологический подход к построению базы знаний Сверхтвердые материалы, В.Н. Кулаковский, А.А. Лебедева, К.З. Гордашник, Е.М. Чистяков, И.В. Скворцов[7], сложно структурированная предметная область сверхтвердых материалов, определяются компоненты базы знаний СТМ и процесс ее разработки на основе метаонтологии Сверхтвердые материалы (СТМ).

В работе Обеспечение слабой связности экспертной системы и онтологической базы знаний путём добавления обслуживающего слоя, Рясков А.С. [8], рассматривается оценка текущей архитектурной реализации связи экспертных систем и баз знаний, рассмотрены недостатки — основным недостатком является необходимость переписывать слой сопряжения экспертной системы и базы знаний при любом изменении в протоколе обмена данными между ними, поставлена цель — снизить связность экспертной системы и базы знаний.

В статье Анализ редакторов онтологий с точки зрения представления классов и продукционных правил, Кутелёв Р.С., Пахота М.И., Григорьев А.В. [3], проведен сравнительный анализ редакторов онтологий. Выполнен анализ представления классов, паттернов. Изучена возможность использования продукций для синтеза классов в редакторах онтологий.

3.3 Обзор локальных источников

Рассмотрим работы других магистров.

В работе Воробьёва Льва Олеговича Программный синтез паттернов объектно-ориентированного проектирования [11] является разработка нового способа автоматизации процесса программирования на основе использования принципов SOLID и применяя технологию синтеза программного кода с помощью онтологий.

В работе Билыка Никиты Олеговича Модели и алгоритмы обновления знаний экспертных систем на основе онтологического подхода [12] описывается процесс разработки экспертной системы и внедрение в нее онтологию. Автор рассматривает какие преимущества принесет такой подход.

4. Структура экспертной системы

Обобщённая структура экспертной системы представлена на рисунке 1.

Результаты экспериментальных исследований

Рисунок 1 — Обобщённая структура экспертной системы (5 кадров, 1 кадр в 1,2 секунды, 5 повторений)

4.1 Пространственное знание

Объекты имеют два свойства: пространственное и непространственное. Пространственные свойства определяют объекты по трем категориям, а именно положение объектов, форма объектов и размер объектов. Непространственные свойства представляют цвет и категорию объекта. Эти свойства поддерживают планирование задач робота. Пространственное представление необходимо для представления концепции пространства и формы в роботизированной среде. В основе системы ИИ лежит разработка задачи робота высокого уровня, в которой все знания предметной области представлены с использованием пространственных функций. Но навигация роботов осуществляется с неполными знаниями предметной области, неизвестными объектами и незнакомым расположением объектов в предметной области. Чтобы решить эту проблему, пространственное представление с использованием онтологии определяет, как явную, так и неявную спецификацию задачи в домене, а также предоставляет карту для моделируемой области. Пространственное представление явно определяет пространственные сущности, такие как расположение объекта, форма объекта и определяет положение объекта в домене. Неявная спецификация управляет поведением робота и движением действий по достижению места назначения в пространстве. Это пространственное представление основано на трех основных категориях, а именно на пространственной сущности, пространственных отношениях и нечеткой информации, которые помогают роботу успешно работать и планировать в пределах своего окружения[13].

4.2 Семантическое знание

Семантические знания могут представлять общие знания, такие как концепции, их отношения и то, как они семантически связаны. Семантические знания предоставляют инструкции и подробную информацию, необходимые для выполнения в интеллектуальной системе. Семантические знания позволяют выводить новую информацию, позволяющую роботу выполнять большой набор задач. Робот должен обладать достаточными знаниями для восприятия детерминированной среды и доступа к методам выполнения действий с использованием этого семантического знания. Планирование задач имеет последовательность упорядоченных действий для достижения цели высокого уровня[14].

4.3 Временное знание

Временная логика используется для представления временной информации, которая включает как качественную, так и количественную информацию. Количественная временная информация выражает моменты времени, связанные с такими событиями, как время начала или окончания. Качественная временная информация выражает события с помощью временных отношений, которые определяют последовательный порядок между событиями. Эта временная информационная система помогает в упорядочивании задач, используя время начала события, продолжительность события и совпадение двух событий, что очень важно для роботов, чтобы действовать в окружающей среде.

4.4 Возможность применения онтологий в экспертных системах

Один из самых важных компонентов экспертной системы является база знаний. Именно от полноты и непротиворечивости наличествующих в ней знаний зависит качество экспертной системы. Онтологии можно использовать в качестве основы для создания базы. Например, задачи, решаемые системами принятия решения, отличаются плохой формализованностью, то очень важно иметь детализированные, непротиворечивые и логичные знания по заданной предметной области. Системы принятие решений часто используют огромные массивы знаний. А так как с помощью онтологии можно явно описать семантику знаний и данных, то она служит базисом для интеграции и совместного применения разных данных при решении разных задач.

Выводы

В данной работе были выполнены задачи исследования:

На основе полученных знаний будет реализована экспертная система с применением логического вывода в интеллектуальных паттернах, построенных как онтологии объектов с физической семантикой.

Список источников

  1. Введение в экспертные системы. Основные понятия и определения, 2020 Режим доступа: [Ссылка] (дата обращения: 18.11.2020).
  2. Никоненко А.А. Обзор баз знаний онтологического типа // Штучний інтелект.—2009.—№ 4.— С.208-219 Режим доступа: [Ссылка] (дата обращения: 18.11.2020).
  3. Кутелёв Р.С., Пахота М.И., Григорьев А.В. Анализ редакторов онтологий с точки зрения представления классов и продукционных правил // Сборник научных трудов III Международной научно-практической конференции:сб.статей.—Донецк, 2020.— С.21-28 [Ссылка на сборник] (дата обращения: 18.11.2020).
  4. Смехун Я.А. Онтологии в системах, основанных на знаниях: возможности их применения// Международный научно-исследовательский журнал.—2016.—№ 5 (47) Часть 3.— С.173-175, режим доступа:[Ссылка] (дата обращения: 18.11.2020).
  5. Щеглов C.H. Онтологический подход и его использование в системах представления знаний //Известия Южного федерального университета. Технические науки.—2009.—№7.— С.10-17. Режим доступа: [Ссылка] (дата обращения: 18.11.2020).
  6. Ахаев А.В., Ходашинский И.А. Формирование базы знаний экспертной системы на основе онтологии с использованием оригинального языка представления знаний// Электронные средства и системы управления. Материалы докладов международной научно-практической конференции.—2013.—№2.— С.3-7. Режим доступа: [Ссылка] (дата обращения: 18.11.2020).
  7. В.Н. Кулаковский, А.А. Лебедева, К.З. Гордашник, Е.М. Чистяков, И.В. Скворцов. Онтологический подход к построению базы знаний Сверхтвердые материалы// Штучний інтелект.—2008.—№ 2.— С.91-102. [Ссылка] (дата обращения: 18.11.2020).
  8. Рясков А.С. — Обеспечение слабой связности экспертной системы и онтологической базы знаний путём добавления обслуживающего слоя // Кибернетика и программирование.— 2018.— № 2.— С. 75-82. Режим доступа: [Ссылка] (дата обращения: 18.11.2020).
  9. Rahul Matkar, Ajit Parab, Экспертные системы на основе онтологий — воспроизведение человеческого обучения // Proceedings of the First International Conference on Contours of Computing Technology.—2010.—№ 2.— С.43-47. Режим доступа: [Ссылка] (дата обращения: 18.11.2020).
  10. Фриска Н., Деа Ч. и Санти С. Онтологический подход к диагностике и классификации для экспертной системы в области здравоохранения и питания // Ontological Analyses in Science, Technology and Informatics, 2019 Режим доступа:[Ссылка] (дата обращения: 18.11.2020).
  11. Воробьёв Л.О. Программный синтез паттернов объектно-ориентированного проектирования, Донецкий национальный технический университет, 2020 Режим доступа: [Ссылка] (дата обращения: 18.11.2020).
  12. Билык Н.О. Модели и алгоритмы обновления знаний экспертных систем на основе онтологического подхода, Донецкий национальный технический университет, 2013 Режим доступа:[Ссылка] (дата обращения: 18.11.2020).
  13. Ontology based spatial planning for human-robot interaction / Belouaer L., Bouzid M., Mouaddib A.-I. 2020. [Temporal Representation and Reasoning, TIME, 2010 17th International Symposium on, IEEE (2010), pp. 103-110.
  14. Web-enabled robots / Tenorth M., Klank U., Pangercic D., Beetz M. IEEE Roboot. Autom. Mag., 18 (2) (2011), pp. 58-68