Міністерство освіти Російської Федерації

Саратовский державний університет імені Н.Г. Чернишевського

Курсова робота

на тему "Експертні системи"

Науковий керівник: ст. викладач Іванов А.С.

Виконав: студент групи 112 ф-ту КНіІТ Мазаєв Д.А.

Саратов

2002

План

Вступ 2

Глава I. Експертні системи, їх особливості. Застосування експертних систем.
3

ГлаваII. Структура експертної системи 7

Глава III. Моделі представлення знань 8

3.1 Логічна модель представлення знань 9

3.2 Продукційна модель 10

3.3 Представлення знань фреймами 12

3.4 Представлення знань семантичними мережами 14

Список використаної літератури 17

Введення

Експертні системи (ЕС) - це набір програм, що виконує функціїексперта при вирішенні завдань з деякої предметної області. Вони виниклияк значний практичний результат в застосуванні і розвитку методівштучного інтелекту (ШІ) - сукупності наукових дисциплін, що вивчаютьметоди вирішення завдань інтелектуального (творчого) характеру звикористанням ЕОМ. ЕС видають поради, проводять аналіз, дають консультації,ставлять діагноз. Практичне застосування ЕС на підприємствах сприяєефективності роботи та підвищення кваліфікації фахівців.

Область ІІ має більш ніж сорокарічну історію розвитку. З самогопочатку в ній розглядалося ряд дуже складних завдань, які, поряд зіншими, і до цих пір є предметом досліджень: автоматичнідокази теорем, машинний переклад (автоматичний переклад з однієїприродної мови на іншу), розпізнавання зображень і аналіз сцен,планування дій роботів, алгоритми та стратегії ігор.

ЕС видають поради, проводять аналіз, дають консультації, ставлять діагноз.
Практичне застосування ЕС на підприємствах сприяє ефективностіроботи та підвищення кваліфікації фахівців.

Головною перевагою експертних систем є можливістьнакопичення знань - формалізованої інформації, на яку посилаються абовикористовують у процесі логічного висновку, і збереження їх тривалий час.
На відміну від людини до будь-якої інформації експертні системи підходятьоб'єктивно, що покращує якість проведеної експертизи. При вирішенні завдань,що вимагають обробки великого обсягу знань, можливість виникненняпомилки при переборі дуже мала.

Експертна система складається з бази знань (частини системи, в якіймістяться факти), підсистеми виведення (безліч правил, за якимиздійснюється рішення задачі), підсистеми пояснення, підсистемипридбання знань і діалогового процесора.

При побудові підсистем виведення використовують методи розв'язання задачштучного інтелекту.

Глава I. Експертні системи, їх особливості. Застосування експертнихсистем.

Експертна система - це інтелектуальна програма, здатна робитилогічні висновки на підставі знань у конкретній предметній області ізабезпечує рішення специфічних завдань. Для цього її необхіднонаділити функціями, що дозволяють вирішувати завдання, які під час відсутностіексперта (спеціаліста в даній конкретній предметній області) неможливоправильно вирішити. Тому необхідний крок у її розробці єпридбання відповідних знань від експерта. До експертним системамставляться такі вимоги:

1) Використання знань, пов'язаних з конкретною предметною областю;

2) Придбання знань від експерта;

3) Визначення реальної і достатньо складною задачі;

4) Наділення системи здатностями експерта.

Знання про предметної області, необхідні для роботи ЕС, визначенимчином формалізовані і представлені в пам'яті ЕОМ у вигляді бази знань,яка може змінюватися і доповнюватися в процесі розвитку системи. Головнегідність ЕС - можливість накопичувати знання, зберігати їх тривалийчас, оновлювати і тим самим забезпечувати відносну незалежністьконкретної організації від наявності в ній кваліфікованих фахівців.
Накопичення знань дозволяє підвищувати кваліфікацію фахівців, що працюютьна підприємстві, використовуючи найкращі, перевірені рішення.

Області застосування систем, заснованих на знаннях, можуть бутизгруповані у декілька основних класів: медична діагностика,контроль і управління, діагностика несправностей в механічних іелектричних пристроях, навчання. а) Медична діагностика.

Діагностичні системи використовуються для встановлення зв'язку міжпорушеннями діяльності організму і їх можливими причинами. Найбільшвідома діагностична система MYCIN, яка призначена длядіагностики та спостереження за станом хворого при менінгіті ібактеріальних інфекціях. Її перша версія була розроблена в Стенфордськомууніверситеті в середині 70-х років. В даний час ця система ставитьдіагноз на рівні лікаря-спеціаліста. Вона має розширену базу знань,завдяки чому може застосовуватися і в інших галузях медицини. б) Прогнозування.

прогнозуючі системи передбачають можливі результати абоподії на основі даних про поточний стан об'єкту. Програмна система
"Завоювання Уолл-стріт" може проаналізувати кон'юнктуру ринку і здопомогою статистичних методів алгоритмів розробити для вас планкапіталовкладень на перспективу. Вона не належить до числа систем,заснованих на знаннях, оскільки використовує процедури і алгоритмитрадиційного програмування. Хоча поки що відсутні ЕС, якіздатні за рахунок своєї інформації про кон'юнктуру ринку допомогти вам збільшитикапітал, що прогнозують системи вже сьогодні можуть передбачати погоду,врожайність і потік пасажирів. Навіть на персональному комп'ютері, встановившипросту систему, засновану на знаннях, ви можете отримати місцевий прогнозпогоди. в) Планування.

планують системи призначені для досягнення конкретних цілейпри вирішенні задач з великим числом змінних. Дамаська фірма Informatвперше в торговельній практиці надає в розпорядженні покупців 13робочих станцій, встановлених у холі свого офісу, на яких проводятьсябезкоштовні 15-хвилинні консультації з метою допомогти покупцям вибратикомп'ютер, найбільшою мірою відповідає їх потребам та бюджету. Крімтого, компанія Boeing застосовує ЕС для проектування космічних станцій,а також для виявлення причин відмов літакових двигунів і ремонтувертольотів. Експертна система XCON, створена фірмою DEC, служить длявизначення або зміни конфігурації комп'ютерних систем типу VAX і ввідповідно до вимог покупця. Фірма DEC розробляє більшпотужну систему XSEL, що включає базу знань системи XCON, з метою наданнядопомоги покупцям при виборі обчислювальних систем з потрібною конфігурацією.
На відміну від XCON система XSEL є інтерактивною. г) Інтерпретація.

інтерпретують системи мають здатність отримуватипевні висновки на основі результатів спостереження. Система
PROSPECTOR, один з найбільш відомих систем інтерпретує типу,об'єднує знання дев'яти експертів. Використовуючи поєднання дев'яти методівекспертизи, системі вдалося виявити поклади руди вартістю в мільйондоларів, причому наявність цих покладів не припускав жоден з дев'ятиекспертів. Інша інтерпретує система-HASP/SIAP. Вона визначаємісце розташування і типи суден у тихому океані за даними акустичних системстеження. д) Контроль і управління.

Системи, засновані на знаннях, можуть застосовуватися в якостіінтелектуальних систем контролю і приймати рішення, аналізуючи дані,що надходять від декількох джерел. Такі системи вже працюють наатомних електростанціях, управляють повітряним рухом і здійснюютьмедичний контроль. Вони можуть бути також корисні при регулюванніфінансової діяльності підприємства і надавати допомогу при виробленнірішень в критичних ситуаціях. е) Діагностика несправностей в механічних та електричних пристроях.

У цій сфері системи, засновані на знаннях, незамінні як приремонті механічних та електричних машин (автомобілів, дизельнихлокомотивів і т.д.), так і під час усунення несправностей і помилок уапаратному та програмному забезпеченні комп'ютерів. ж) Навчання.

Системи, засновані на знаннях, можуть входити складовою частиною вкомп'ютерні системи навчання. Система отримує інформацію про діяльністьдеякого об'єкта (наприклад, студента) і аналізує його поведінку. Базазнань змінюється відповідно до поведінкою об'єкта. Прикладом цьогонавчання може використовуватися комп'ютерна гра, складність якої збільшуєтьсяв міру зростання ступеня кваліфікації грає. Однією з найбільшцікавих навчальних ЕС є розроблена Д. Ленатом система EURISCO,яка використовує прості евристики. Ця система була випробувана в грі
Т. Тревевеллера, що імітує бойові дії. Суть гри полягає в тому, щобвизначити склад флотилії, що може завдати поразки в умовахнезмінного безлічі правил. Система EURISCO включила до складу флотиліїневеликі, здатні провести швидку атаку кораблі і одне дужемаленьке швидкісне судно і постійно вигравала протягом трьох років,незважаючи на те, що у прагненні перешкодити цьому правила гриміняли щороку.

Більшість ЕС включають знання, за змістом яких їх можнавіднести одночасно до кількох типів. Наприклад, навчальна система можетакож мати знання, що дозволяють виконувати діагностику і планування.
Вона визначає здібності учня з основних напрямків курсу, апотім з урахуванням отриманих даних складає навчальний план. Керуючасистема може застосовуватися для цілей контролю, діагностики, прогнозуванняі планування. Система, що забезпечує схоронність житла, може стежитиза навколишнім оточенням, розпізнавати події, що відбуваються (наприклад,відкрилося вікно), видавати прогноз (злодій-зломщик має намір проникнути вбудинок) і складати план дій (викликати поліцію).

ГлаваII. Структура експертної системи

Структура експертної системи представлена наступними структурнимиелементами:
База знань - механізм представлення знань у конкретній предметнійобласті та управління ними;
Механізм логічних висновків - робить логічні висновки на підставізнань, що є в базі знань;
Інтерфейс користувача - використовується для правильної передачі відповідейкористувачеві;
Модуль придбання знань - служить для отримання знань від експерта,підтримки бази знань та доповнення її при необхідності;
Модуль рад і пояснень - механізм, здатний не лише давативисновок, але і представляти різні коментарі, що додаються до цьоговисновку, і пояснювати його мотиви. В іншому випадку користувачеві будеважко зрозуміти висновок. Таке розуміння необхідне, якщо укладаннявикористовується для консультації або наданні допомоги при вирішенні будь-якихпитань. Крім того, з його допомогою експерт визначає, як працюєсистема, і дозволяє точно з'ясувати, як використовуються знання,надані їм.

Схема1

Структура експертної системи

для користувача інтерфейс

Глава III. Моделі представлення знань

Однією з найбільш важливих проблем, характерних для систем, заснованихна знаннях, є проблема подання знань. Це пояснюється тим,що форма подання знань має суттєвий вплив нахарактеристики і властивості системи. Для того, щоб маніпулювативсілякими знаннями з реального світу за допомогою комп'ютера, необхідноздійснювати їх моделювання. У таких випадках необхідно відрізняти знання,призначені для обробки комп'ютером, від знань, що використовуютьсялюдиною. Крім того, при великому обсязі знань бажано спроститипослідовне управління окремими елементами знань.

При проектуванні моделі подання знань варто враховувати такічинники, як однорідність подання і простота розуміння. Одноріднеподання призводить до спрощення механізму керування логічним висновкомта спрощення управління знаннями. Представлення знань повинно бути зрозумілимекспертам і користувачам системи. В іншому випадку важкопридбання знань та їх оцінка. Однак виконати цю вимогу в рівніймірою, як для простих, так і для складних завдань досить важко. Зазвичайдля нескладних завдань зупиняються на деякому середньому (компромісний)поданні, але для вирішення складних і великих завдань необхідніструктурування і модульне подання.

Типовими моделями подання знань є:
Логічна модель;
Модель, заснована на використанні правил (продукційна модель);
Модель, заснована на використанні фреймів;
Модель семантичної мережі.

Однак у всіх розроблених у минулому системах з базами знань крімцих моделей використовувалися спеціальні для конкретного випадку кошти,тому представлення знань виходило складним. Проте класифікаціямоделей залишалася незмінною. Мова, яка використовується для розробки систем,спроектованих на основі цих моделей, називається мовою поданнязнань.

3.1 Логічна модель представлення знань

Логічна модель використовується для представлення знань в системілогіки предикатів першого порядку та виведення висновків за допомогоюсилогізму. Основна перевага використання логіки предикатів дляпредставлення знань полягає в тому, що володіє добре зрозумілимиматематичними властивостями потужний механізм виведення може бутибезпосередньо запрограмований. За допомогою цих програм з відомихраніше знань можуть бути отримані нові знання.

Наведені нижче приклади є логічними моделями поданняфактів за допомогою предикатів і носять назву атомарної формули.

ЛЮБОВ (Віктор, Ірина): Віктор любить Ірину

СТОЛИЦЯ (Москва): Москва - столиця

Наступні приклади є правильно побудованими логічнимиформулами, що включають квантори існування () і спільності ().

: якийсь дельфін наділений розумовими здібностями

: всі слони мають сіре забарвлення

Відмінними рисами логічних моделей, зокрема наведенихвище моделей представлення знань, є єдиність теоретичногообгрунтування і можливість реалізації системи формально точних визначень івисновків. З цих причин чимало дослідників у галузі штучногоінтелекту вибрали для себе предметом вивчення саме логічні моделі.
Однак для логічних моделей характерний ряд сумнівних моментів, аоскільки більшість дослідників у галузі штучного інтелекту --люди з неформальним мисленням, то більша частина досягнень в області системз базами знань до недавнього часу належала так званої групидослідників нелогічного напрямку. На відміну від дослідниківлогічного спрямування, які вибирають предметом своїх дослідженьпорівняно прості завдання, для вирішення яких використовуються теоретичніпідходи, дослідники нелогічного напрямки вибирають складні завдання інамагаються сконцентрувати всю увагу на розвитку здібностей. Крімтого, на відміну від першої категорії дослідників, які майже незаймаються теоретичними дослідженнями, друга категорія надає їмвелике значення. Іншими словами, так звана "людська логіка" --це інтелектуальна модель з нечіткою структурою - в цьому її відмінність відсуворої логіки. Більш точно слід сказати, що дослідники логічногонапрямки шукають шляхи логічного рішення (в малій моделі) завдань,поставлених дослідниками нелогічного напрямки, і поступоворозширюють рамки логіки. Прикладами тому є модальна логіка,багатозначна логіка і т.п. У 80-х рр.. було переглянуто ставлення допереваг і значущості логічних методів, і вони в різних формахпочали застосовуватися в нелогічних моделях представлення знань. Цеобумовлено, з одного боку, необхідністю в точній поданні знань,а з іншого - що стали очевидними межами традиційних систем знань,надмірно тяжіють до евристики.

3.2 Продукційна модель

У моделі правил знання представлені сукупністю правил виду "ЯКЩО -
ТО ". Системи з базами знань, засновані на цій моделі, називаютьсяпродукційними системами. Ці системи бувають двох діаметральнопротилежних типів - з прямими та зворотними висновками. Типовимпредставником першого типа є система MYCIN, яка використовується длявирішення завдань діагностичного характеру, а типовим представником системдругого типу - OPS, що використовується для вирішення задач проектування.

У системі продукцій із зворотними висновками за допомогою правил будуєтьсядерево І/АБО, що зв'язує в єдине ціле факти і висновки; оцінка цьогодерева на підставі фактів, що є в базі даних, і є логічнийвисновок. Логічні висновки бувають прямими, зворотними і двонаправленими. Припрямому виведення відправною точкою служать надані дані, процесоцінки припиняється у вузлах з запереченням, причому в якостіув'язнення (якщо не все дерево пройдено) використовується гіпотеза,відповідна самому верхнього рівня дерева (кореня). Проте для такоговиведення характерна велика кількість даних, а також оцінок дерева, немають прямого відношення до висновку, що зайве. Перевага зворотнихвисновків в тому, що оцінюються тільки ті частини дерева, які маютьставлення до висновку, однак якщо заперечення або затвердження неможливі,то породження дерева позбавлене сенсу. У двонаправлених висновках спочаткуоцінюється невеликий обсяг отриманих даних і вибирається гіпотеза (поНаприклад прямих висновків), а потім ввести дані, необхідні дляприйняття рішення про придатність даної гіпотези. На основі цих висновківможна реалізувати більш потужну і гнучку систему.

Системи продукцій з прямими висновками серед систем, заснованих навикористанні знань, мають найбільш давню історію, тому вони є вдеякому сенсі основними. Ці системи включають три компоненти:базу правил, що складається з набору продукцій (правил виводу), базу даних,що містить безліч фактів, і інтерпретатор для отримання логічноговиводу на підставі цих знань. База правил і база даних утворюють базузнань, а інтерпретатор відповідає механізму логічного висновку. Висновоквиконується у вигляді циклу "розуміння - виконання", причому в кожному циклівиконувана частина вибраного правила оновлює базу даних. У результатівміст бази даних перетворюється від початкового до цільового, тобтоцільова система синтезується в базі даних. Інакше кажучи, для системипродукцій характерний простий цикл вибору та виконання (або оцінки) правил,однак через необхідність періодичного зіставлення зі зразком в базіправил (ототожненням) із збільшенням числа останніх (правил) істотносповільнюється швидкість виведення. Отже, такі системи не підходять длярішення великомасштабних завдань. Впорядкуємо слабкі та сильні сторони добревідомих систем продукцій. Сильні сторони:
Простота створення і розуміння окремих правил;
Простота поповнення, модифікації та анулювання;
Простота механізму логічного висновку.
Слабкі сторони:
Неясність взаємних відносин правил;
Складність оцінки цілісного образу знань;
Вкрай низька ефективність обробки;
Відмінність від людської структури знань;
Відсутність гнучкості в логічному висновку.

Таким чином, якщо об'єктом є невелика завдання, виявляютьсятільки сильні сторони системи продукцій. У випадках збільшення обсягузнань, необхідності вирішення складних завдань, виконання гнучких висновків чипідвищення швидкості виведення потрібно структурування бази даних. Перше,що спадає на думку в таких випадках, - це угруповання знань іструктурування бази даних. Іншими словами, шляхом попередньогоугруповання відповідних правил в деякому стані процесу виведенняможна обмежити діапазон вибору правил. У тих випадках, коли об'єкти, дляяких використовуються правила, також мають ієрархічну структуру,ефективним є структурування бази даних. Цей підхід бувреалізований у системах EMICIN і MECS-AI, розроблених на базі системи MYCINіз застосуванням універсальної мови представлення знань.

Розширеним варіантом моделі правил є модель дошки оголошень
(blackboard), яка була запропонована в системі розпізнавання розмовноїмови HEARSAY-II як модель представлення знань.

3.3 Представлення знань фреймами

Фреймова модель, або модель представлення знань, заснована нафреймової теорії М. Мінського, являє собою систематизованумодель пам'яті людини та її свідомості.

Теорія фреймів - це парадигма для подання знань з метоювикористання цих знань комп'ютером. Вперше була представлена Мінським в
1975 році, як спроба побудувати фреймової мережу, або парадигму з метоюдосягнення більшого ефекту розуміння. З одного боку він намагавсясконструювати базу даних, яка містить енциклопедичні знання, але зіншого боку, хотів створити найбільш описує базу, яка міститьінформацію в структурованої й упорядкованої формі. Ця структурадозволила б комп'ютера вводити інформацію в більш гнучкою формою, маючидоступ до того розділу, який потрібно в даний момент. Мінськийрозробив таку схему, в якій інформація міститься в спеціальнихосередках, званих фреймами, об'єднаними в мережу, яка називається системоюфреймів. Новий фрейм активізується з настанням нової ситуації.
Характерною його рисою є те, що він одночасно містить великийобсяг знань і в той же час є достатньо гнучким для того, щоббути використаним як окремий елемент бази даних. Термін «фрейм» бувнайбільш популярний в середині сімдесятих років, коли існувало багатойого тлумачень, відмінних від інтерпретації Мінського.

Отже, як було сказано вище фрейми - це фрагменти знання,призначені для надання стандартних ситуацій. Термін «фрейм»
(Frame - рамка) був запропонований Мінським. Фрейми мають вигляд структурованихкомпонентів ситуацій, які називаються слотами. Слот може вказувати на іншийфрейм, встановлюючи, таким чином, зв'язок між двома фреймами. Можутьвстановлюватися загальні зв'язку типу зв'язку зі спілкування. З кожним фреймомасоціюється різноманітна інформація (у тому числі й процедури), наприкладочікувані процедури ситуації, способи одержання інформації про слоти,значення приймаються за замовчуванням, правила виводу.

Формальна структура фрейму має вигляд: f [,, ...,], де f - ім'я фрейму; пара - i-ий слот, Ni - ім'я слота і Vi - йогозначення.

Значення слота може бути представлене послідовністю

;...;;; ...;, де Ki - імена атрибутів, характерних для даного слота; Li - значенняцих атрибутів, характерних для даного слота; Rj - велика кількість посилань наінші слоти.

Кожен фрейм, як структура зберігає знання про предметну область
(фрейм-прототип), а при заповненні слотів знаннями перетворюється наконкретний фрейм події чи явища.

Фрейми можна розділити на дві групи: фрейми-опису; рольові фрейми.

Розглянемо приклад.

Фрейм опис: [,, ,].

Рольовий фрейм: [,,,,
,].

У фреймі-описі як імена слотів заданий вид програмногозабезпечення, а значення слота характеризує масу і виробникаконкретного виду продукції. У рольовому фреймі як імена слотіввиступають питальні слова, відповіді на які є значеннямислотів. Для даного прикладу представлені вже опису конкретних фреймів,які можуть називатися або фреймами - прикладами, або фреймами --екземплярами. Якщо в наведеному прикладі прибрати значення слотів, залишившитільки імена, то одержимо так званий фрейм - прототип.

Гідність фрейму - уявлення багато в чому грунтуються на включенні донього припущень та сподівань. Це досягається за рахунок присвоєння зазамовчуванням слотів фрейму стандартних ситуацій. У процесі пошуку рішень цізначення можуть бути замінені більш достовірними. Деякі зміннівиділені таким чином, що про їх значеннях система повинна запитатикористувача. Частина змінних визначається за допомогою вбудованихпроцедур, які називаються внутрішніми. У міру присвоєння зміннимпевних значень здійснюється виклик інших процедур. Цей типподання комбінує декларативні і процедурні знання.

Фреймовий моделі забезпечують вимоги структурованості іпов'язаності. Це досягається за рахунок властивостей успадкування і вкладеності,якими володіють фрейми, тобто в якості слотів може виступати системаімен слотів більш низького рівня, а також слоти можуть бути використані якдзвінки будь-яких процедур для виконання.

Для багатьох предметних областей фреймових моделі є основнимспособом формалізації знань.

3.4 Представлення знань семантичними мережами

Одним із способів подання знань є семантичний словник.
Спочатку семантична мережа була задумана як модель представленняструктури довготривалої пам'яті в психології, але згодом стала однимз основних способів представлення знань в інженерії знань.

Морріс дав точне визначення семантичним і прагматичнимвідносин у семіотики і визначив їх як проблеми різних функціональнихрівнів. Іншими словами, семантика означає певні (загальні) відносиниміж символами та об'єктами, представленими цими символами, а прагматика
- Виразні (охоплюють) відносини між символами і творцями (абокористувачами) цих символів.

Спочатку в психології вивчалися об'єкти, що іменуються семантичнимиз точки зору відомих асоціативних властивостей, що накопичуються в системінавчання і поведінки людини. Однак з розвитком психології пізнання сталививчатися семантичні структури, що включають деякі об'єкти. Потім булививчені принцип дії людської пам'яті (способи збереження данихзнань), зокрема приблизні (гіпотетичні) структурні моделідовготривалої пам'яті, і створені моделюють програми, які розуміють сенсслів.

Однією зі структурних моделей довготривалої пам'яті єзапропонована Куілліаном модель розуміння сенсу слів, що отримала назву
TLC-моделі (Teachable Language Comprehender: доступний механізм розуміннямови). У даній моделі для опису структури довготривалої пам'яті булавикористана мережева структура як спосіб представлення семантичнихвідносин між концептами (словами). Дана модель імітує природнерозуміння і використання мови людиною. Тому основний її ідеєю булоопис значень класу, до якого належить об'єкт, його прототипу івстановлення зв'язку зі словами, що відображають властивості об'єкта. В якостіприклад на схемі 2 показана досить проста семантичний словник дляподання концептуального об'єкта "чайник". У цій мережі визначеніоператори відносин, що називаються класом, властивістю і прикладом, для якихописані значення.

Схема 2

У моделі Куілліанаконцептуальні об'єкти представлені асоціативними мережами, що складаються звершин, що показують концепти, і дуг, що показують відносини міжконцептами. Наприклад, у мережі, показаних на схемі 2, з відношенням "клас"асоціюється значення "ємність", з властивістю - "металевий",
"Фарфоровий", "наявність носика", з прикладом - "металевий чайник".
Подібна асоціативна структура називається площиною, що описуютьсяконцепти об'єкта називаються вершинами типу, а пов'язані з нимивідповідні окремі слова - вершинами лексем. У будь-якій площинііснує одна вершина типу і тільки необхідну для визначенняконцептів, що описують його, число вершин лексем.

Вершини лексем визначають всілякі сутності, що мають місце вреальному світі, наприклад, класи, властивості, приклади, час, місце, засіб,об'єкти і т. п. Перевага лексем у порівнянні з типами полягає векономії простору пам'яті ЕОМ. Це означає і факт запобіганнядублювання визначення концептів.

Отже, виходячи з наведених вище міркувань, можна зробити висновок, щов TLC-моделі використовується подання знань у формі "елемент" і
"Властивості". Іншими словами, можна спробувати структурувати знання,замінивши вершину типу на елемент, а вершину лексеми на властивість.
Завдяки цьому дані, засновані на фактах, в довгостроковій пам'ятіможна представити за допомогою структур трьох типів: елементи, властивості тапокажчики. Елемент представлений висновком, званим фактом, наприкладоб'єктом, подією, поняттям і т. п., звичайно за елемент приймаєтьсяокреме слово, іменник, пропозиція або контекст. Властивість --це структура, що описує елемент, воно відповідає таким частинам мови якім'я прикметник, прислівник, дієслово і т.д. покажчики пов'язують елементи івластивості.

Важливість моделі семантичної мережі Куілліана з точки зоручисленних додатків визначається такими моментами:
На відміну від традиційних методів семантичної обробки з аналізомструктури пропозиції були запропоновані нові парадигми в якості моделіподання структури довготривалої пам'яті, в якій надається значенняобсягом мовної активності.
Був запропонований спосіб опису структури відносин між фактами іпоняттями за допомогою засобу, що зветься семантичної мережею, що відрізняєтьсянескладним поданням понять, а також спосіб семантичної обробки всвіті понять на основі смислового зв'язку (смислового обміну) міжпрототипами.
Була створена реальна система TLC, здійснено моделювання людськоїпам'яті та розроблено технолгіческая сторона концепції розуміння сенсу.

Список використаної літератури

Представлення і використання знань: Пер. з япон./Под ред. Х. Уено, М.
Ісідзука .- М.: Світ, 1989.
Долін Г. Що таке ЕС// Компьютер Пресс. - 1992. - № 2
Сафонов В.О. Експертні системи - інтелектуальні помічники фахівців .-
С.-Пб: Санкт-Петербурзька організація товариства "Знання" Росії, 1992.
Шалютін С.М. "Штучний інтелект". - М.: Думка, 1985.
В. Н. Убейко. Експертні системи .- М.: МАИ, 1992.
Д. Елті, М. Кумбс. Експертні системи: концепції та приклади .- М.: Фінанси істатистика, 1987.
Експертні системи: концепції та приклади/Д. Елті, М. Кумбс .- М.: Фінанси істатистика, 1987.
-----------------------

База даних

Механізм логічних висновків

Модуль рад і пояснень

База знань

Модуль придбання знань

Введення даних

Висновку. Поради. Пояснення.

Користувач-неспеціаліст

експерт

Ємність

Металевий,фарфоровий, з носиком

Металевий

Чайник