3.3. Фреймовая модель
Термин «фрейм» (англ. frame – каркас, рамка) был предложен Марвином Минским в 70-е годы XX века для обозначения структуры знаний при восприятии пространственных сцен. Фрейм – это абстрактный образ для представления стереотипа объекта, понятия или ситуации [8]. В психологии и философии известно понятие абстрактного образа. Например, произнесение слова «комната» порождает образ жилого помещения (стены, потолок, пол, дверь, окна). Из этого описания ничего нельзя убрать, но есть слоты – незаполненные значения некоторых атрибутов (количество окон, высота потолков, цвет стен). В теории фреймов такой образ называется фреймом комнаты [12].
Различают фреймы-образцы (прототипы), хранящиеся в БЗ, и фреймы-экземпляры, которые создаются для отображения реальных фактических ситуаций на основе поступающих данных. Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знаний через фреймы-структуры (заем, залог), фреймы-роли (клиент, менеджер), фреймы-сценарии (банкротство, собрание акционеров), фреймы-ситуации (тревога, авария).
Структура фрейма представляется как список свойств:
(имя ФРЕЙМА:
(имя 1-го слота: значение 1-го слота),
(имя 2-го слота: значение 2-го слота),
…
(имя N-го слота: значение N-го слота)).
При описании предметной области для классов задач структурно-параметрической идентификации, прогнозирования временных рядов, распознавания образов используются классификационные фреймы (КФ) и фреймы-смысловые связки (ФСС) [9].
В нормальных формах Бэкуса – Науэра КФ определяется следующим образом:
<КФ>::=<идентификатор><имя фрейма>:=<список классификаций>
<список классификаций>::={[<поле>:]}<классификация>
<поле>::=<идентификатор>
<классификация>::={<вариант>}
<вариант>::=<идентификатор>{<условие><альтернатива>}|<иденти-фикатор> <альтернатива>
<альтернатива>::=<текст>{<указание>}
<указание>::=<ссылка на фрейм>|<описание фрейма>|<принуди-тельное разрешение фрейма>
Пример 3.5. Применительно к предметной области регрессионного анализа КФ имеет вид:
К0 <цель исследования>:=
V1 <регрессионный анализ данных>
К1 <этапы решения задачи>:=
V1 <предварительный анализ исходных данных>
V2 <структурно-параметрическая идентификация регрессионных моделей>
V3 <оценка качества регрессионных моделей>
К2 <предварительный анализ исходных данных>:=
V1 <анализ корректности исходных данных>
V2 <проверка условий применимости регрессионного анализа>
V3 <функциональное преобразование матрицы регрессоров>
К7 <оценка качества регрессионных моделей>:=
V1 <для К6 = 1 ۷ К6 = 4>
V2 <для мультипликативных моделей>
V3 <для нелинейных нереализуемых моделей>
ФСС определяется конструкцией
<ФСС>::=<идентификатор><входной аргумент> <глагол> <выходной аргумент>
Пример 3.6. Применительно к предметной области регрессионного анализа ФСС имеет вид [9]:
C0 <начало работы> требует
A <обеспечить ввод исходных данных>
B <назначить режим работы>
C1 <предварительный анализ исходных данных>
A <восстановление отсутствующих значений>
B <исключение аномальных значений отклика>
C <проверку значений отклика на нормальность распределения>
D <проверку значений отклика на статистическую независимость>
E <проверку матрицы регрессоров на мультиколлинеарность>
. . .
C3 <оценка качества регрессионных моделей> требует
A (если К7 = 1, то)
А1 <проверку нормальности распределения значений остатков>
А2 <проверку статистической независимости значений остатков>
. . .
С (если К7=3, то)
С1 <вычисление F-статистик>
С2 <визуальный анализ значений остатков>
Множество КФ и ФСС служат основой для построения фрейм-фраз, совокупность которых образует семантическую модель предметной области.
В качестве значения слота может выступать имя другого фрейма, так образуются сети фреймов (рис. 3.1).
Рис. 3.1. Сеть фреймов
Существует несколько способов получения слотом значений во фрейме-экземпляре:
по умолчанию от фрейма-образца;
через наследование свойств от фрейма, указанного в слоте АКО («это»);
по формуле, указанной в слоте;
через присоединенную процедуру;
явно из диалога с пользователем;
из БД.
Важнейшим свойством теории фреймов является наследование свойств по АКО-связям. Слот АКО указывает на фрейм более высокого уровня иерархии, откуда неявно наследуются, т.е. переносятся, значения аналогичных слотов. В общем случае на наследование свойств ориентируют указатели наследования:
U – уникальный, показывает, что значение не наследуется;
S – показывает, что значение слота наследуется;
R – показывает, что значения слота должны находиться в пределах значений, указанных в одноименных слотах родительского фрейма;
O – выполняет одновременно функции U и S (при отсутствии значения наследуется, в противном случае не наследуется).
Тип значения слота показывают указатели типа данных: frame (указатель на фрейм), real, integer, boolean, text, list, table.
Демон – это процедура, автоматически запускаемая при выполнении некоторого условия. Демоны запускаются при обращении к соответствующему слоту. Демон IF-NEEDED запускается, если в момент обращения к слоту его значение не было установлено. Демон IF-ADDED запускается при попытке изменения значения слота. Демон IF-REMOVED запускается при удалении значения слота.
Основным преимуществом фреймов как модели представления знаний является то, что она отражает концептуальную основу организации памяти человека, а также ее гибкость и наглядность [8]. Фреймовый подход реализуется на основе специальных языков представления знаний FRL, KRL, фреймовая «оболочка» Карра.
- Введение
- Глава 1. Интеллектуальные информационные системы
- Основные направления в искусственном интеллекте
- Нейросетевые и нейрокомпьютерные технологии.
- Мультиагентные (многоагентные) системы.
- 1.2. Данные и знания
- Эволюция развития информационных систем
- 1.4. Основные разновидности иис и характеристики решаемых задач
- 1.5. Классификация иис
- Глава 2. Структура и этапы проектирования экспертных систем
- 2.1. Структура статической и динамической эс
- 2.2. Характеристики, стадии существования и этапы проектирования статических эс
- Глава 3. Модели представления знаний
- 3.1. Продукционная модель
- 3.2. Формально-логическая модель
- 3.3. Фреймовая модель
- 3.4. Семантические сети
- Глава 4. Методы обработки знаний в интеллектуальных системах. Нечеткие знания
- 4.1. Интерпретатор правил и управление выводом
- 4.2. Нечеткие знания и нечеткая логика
- Глава 5. Теоретические основы инженерии знаний
- 5.1. Процедура извлечения знаний
- 5.2. Основные аспекты извлечения знаний
- 5.3. Методы извлечения знаний
- Глава 6. Нейронные сети
- 6.1. Искусственный нейрон и функции активации
- 6.2. Нейронные сети с прямой связью
- 6.3. Алгоритмы обучения нейронных сетей
- Глава 7. Технология создания экономических советующих систем
- 7.1. Определение и виды информационных технологий
- 7.2. Технология «Ресурс – Обучение – Цель»
- 7.3. Определение коэффициента важности целей
- Глава 8. Программный инструментарий разработки систем, основанных на знаниях
- 8.1. Цели и принципы технологии разработки программных средств
- 8.2. Технология и инструментарий разработки программных средств
- Глава 9. Интеллектуальные интернет-технологии
- 9.1. Интеллектуальные агенты
- 9.2. Мультиагентные системы
- Мультиагентные системы различного функционального назначения
- Глава 10. Новые тенденции инженерии знаний,
- 10.1. Методы извлечения глубинных пластов экспертного знания
- 10.2. Хранилища данных
- 10.3. Управление знаниями
- 10.4. Технология создания систем управления знаниями
- Глава 11. Интеллектуальные информационные системы в условиях неопределенности и риска
- 11.1. Понятие риска в сппр слабоструктурированных проблем
- 11.2. Реализация эс инвестиционного проектирования
- * Эс определения целей инвестирования капитала.
- Глава 12. Системы, ориентированные на естественно-языковые запросы. Машинное обучение
- 12.1. Естественно-языковые интерфейсы
- 12.2. Машинное обучение
- Глава 13. Современные методы исследования,
- 13.1. Интеллектуальные методы проектирования сложных систем
- 13.2. Эвристические методы синтеза сложных систем
- 13.3. Интегрированные, гибридные и синергетические системы
- Библиографический список
- Оглавление
- Николай Александрович Семенов Интеллектуальные информационные системы
- 170026, Г. Тверь, наб. Афанасия Никитина, 22