Transcript Lietišķās intelektuālās sistēmas DIP416

Lietišķās intelektuālās sistēmas
DIP416
Lekciju materiāls sagatavots projekta
“RTU studiju programmas “Datorsistēmas”
pilnveidošana absolventu profesionālās
konkurētspējas paaugstināšanai “ ietvaros
©RTU, 2007
L. Novickis. Lietišķās intelektuālās sistēmas
Lietišķās intelektuālās sistēmas
Profesors, Dr. Habil. Sc. Ing.
Leonīds Novickis
Rīgas Tehniskā universitāte
Datorzinātnes un informācijas tehnoloģijas fakultāte
Lietišķo datorsistēmu institūts
Lietišķo datorsistēmu programmatūras profesora grupa
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
2
L. Novickis. Lietišķās intelektuālās sistēmas
Priekšmeta pamatdati
• Priekšmeta pieteicējs: Prof. L. Novickis
• Apjoms: 3 KP
• Kontroles veids: Eks.
• Studiju līmenis: Maģistra profesionālās studijas
• Semestris: 1. semestris
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
3
L. Novickis. Lietišķās intelektuālās sistēmas
Priekšmeta mērķi un uzdevumi
Mērķis
• Apgūt lietišķo intelektuālo sistēmu (LIS) uzbūves metodes, kuras balstās
uz lingvistisko un matemātisko modeļu kompleksu.
Uzdevumi
•
•
•
•
•
Apgūt LIS uzbūves pamatkoncepcijas un metodoloģijas
Spēj praktiski pielietot zināšanas inženierijas pamatus LIS uzbūvei
Apgūt loģiskās izvades algoritmu realizācijas metodes
Apgūt dabīgas valodas (DV) analīzes un apstrādes metodes
Apgūt zināšanu atspoguļošanas modeļus
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
4
L. Novickis. Lietišķās intelektuālās sistēmas
Pamatlitetratūra
• Intelektuālo sistēmu projektēšana J.Grundspeņķis,
L.Novickis, J.Osis, V.Šitikovs – Rīga, RTU
• Левин Р., Дранг Д., Эделсон Б., Практическое введение в
технологию искуственного интеллекта в экспертных
системах – Москва, Финансы и статистика (пер. с англ.)
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
5
L. Novickis. Lietišķās intelektuālās sistēmas
Papildliteratūra
• Cercone N.J., Schubert L.K. Towards a State based
conceptual knowledge representation. In: Proceedings of 4th
International Conference of Artificial Intelligence, p.p. 83-90
• Schubert L.K. Semantic Networks. In: Artificial Intelligence,
No 2, 8, 1976
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
6
L. Novickis. Lietišķās intelektuālās sistēmas
Atslēgas vārdi
Mākslīgais intelekts, lietišķās sistēmas, zināšanu
atspoguļošanas modeļi, loģiskie izvades algoritmi, dabīgas
valodas analīze, tiešā spriedumu ķēdīte, apgriezta spriedumu
ķēdīte, varbūtības/pārliecinātības koeficients, zināšanu bāze,
produkcionālais modelis, lēmumu koks.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
7
L. Novickis. Lietišķās intelektuālās sistēmas
Saisinājumi
•
•
•
•
DV – dabīga valoda
EF – elementārais fragments
IV – iekšēja valoda
LIS – lietišķās intelektuālās sistēmas
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
8
L. Novickis. Lietišķās intelektuālās sistēmas
Saisinājumi
• PK – pārliecinātības koeficients
• ST – semantiskie tīkli
• STSV – semantiskie tīkli ar saites virsotnēm
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
9
L. Novickis. Lietišķās intelektuālās sistēmas
Pamattēmas
1.
2.
3.
4.
5.
6.
7.
8.
Ieskats LIS
Zināšanu atspoguļošanas modeļi
LIS arhitektūra, zināšanu iegūšanas metodes
LIS veidošanas metodoloģija
Zināšanu bāzes konstruēšana
LIS uzbūves metodes: tiešās spriedumu ķēdītes realizācija
LIS uzbūves metodes: apgrieztās spriedumu ķēdītes realizācija
LIS uzbūves metodes: uz pārliecinātības koeficenta (PK) balstītā
loģiskā izvade
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
10
L. Novickis. Lietišķās intelektuālās sistēmas
Pamattēmas
9.
10.
11.
12.
13.
14.
Ieskats DV analīzes un apstrādes metodes
DV morfoloģiskās analīzes algoritmu realizācija
DV sintaktiskās analīzes algoritmu realizācija
DV semantiskās analīzes algoritmu realizācija
Priekšmeta “LIS uzbūves metodes” pasniegšanas pieredze citās
ārzemju augstskolās
LIS uzbūves metožu izmantošanas piemēri programmatūras izstrādē
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
11
L. Novickis. Lietišķās intelektuālās sistēmas
Zināšanu atspoguļošanas modeļa
klasifikācija
Deklaratīvie
loģiskie
tīkla
funkcionālie tīkli
Procedūrālie
produkciju
scenāriji
planner
Speciālie
freimu
relācijas
algebras
semantiskie tīkli
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
12
L. Novickis. Lietišķās intelektuālās sistēmas
Zināšanu apstrāde sistēmas bāzes
struktūra
Dators
Izvades algoritmi
sistēmai, kura tiek
apmācīta
Zināšanu bāze
Cilvēks
Izvades algoritmi
lietotāju sistēmai
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
13
L. Novickis. Lietišķās intelektuālās sistēmas
Vispārīgas intelektuālas datorsistēmas
shema
Paskaidrošanas
spējas
Lietotājs
Lingvistiskais
procesors
Eksperts
Darba
atmiņa
Risinātājs
(interpretators)
Zināšanu
bāze
Zināšanu
iegūšana
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
14
L. Novickis. Lietišķās intelektuālās sistēmas
Intelektuālo sistēmu izstrādes etapi
IS
Sākums
Identifikācija
Testēšana
Pārformulēša
na
Ekspluatācijas
mēģinājums
Nobeigšana
Prasības
Konceptualizācija
Jēdzieni
Pārkonstruēš
ana
Izpilde
Pilnveidošana
Formalizācija
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
15
L. Novickis. Lietišķās intelektuālās sistēmas
Zināšanu iegūšanas metodes
1. Parametriskā apmācība. Visvienkāršākā apmācības forma pēc
piemēriem vai novērojumiem ir vispārīgā noteikuma
noteikšana, kuram ir jākļūst par secinājuma rezultātu, un
vēlāka šajā noteikumā ietilpstošo parametru korekcija
atkarībā no datiem. Pie kam tiek izmantoti apmācības
psiholoģiskie modeļi, apmācības vadības sistēmas un citas
metodes.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
16
L. Novickis. Lietišķās intelektuālās sistēmas
Zināšanu iegūšanas metodes
2. Apmācība, pamatojoties uz secinājumiem pēc analoģijas.
Jaunu jēdzienu iegūšana ir iespējama esošo zināšanu
pārveidošanas ceļā, līdzīgi tām, kuras gatavojas iegūt. Šī ir
svarīga funkcija, kura tiek saukta par apmācību, pamatojoties
uz secinājumiem pēc analoģijas vai vienkārši pamatojoties uz
apmācību pēc analoģijas.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
17
L. Novickis. Lietišķās intelektuālās sistēmas
Zināšanu iegūšanas metodes
Secinājumi pēc analoģijas – viens no svarīgākajiem mākslīgā
intelekta pētīšanas objektiem. Interesantus rezultātus šajā jomā
ieguvis P.Vinstons. Viņš izmanto secinājumus pēc analoģijas,
balstoties uz šādu hipotēzi:
“Ja divas situācijas ir līdzīgas pēc vairākām pazīmēm, tad tas
ir līdzīgas vēl pēc vienas pazīmes”.
Divu situāciju līdzība tiek izzināta vislabāko sakritību atrašanas
ceļā pēc vissvarīgākajām pazīmēm.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
18
L. Novickis. Lietišķās intelektuālās sistēmas
Zināšanu iegūšanas metodes
3. Apmācība, pamatojoties uz secinājumiem pēc indukcijas
evristiskā apmācība. Visu apmācības formu vidū īpaši izdalīsim
apmācību, balstoties uz apmācību pēc indukcijas – tā ir
apmācība ar augsta līmeņa secinājumu izmantošanu, līdzīgi kā
apmācība pēc analoģijas. Šis apmācības procesā esošo datu
kopuma apkalpojuma ceļā tiek izsecināti vispārīgie noteikumi.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
19
L. Novickis. Lietišķās intelektuālās sistēmas
Zināšanu iegūšanas metodes
Iespējama apmācība ar pasniedzēju, kad ieejas datus uzdod
cilvēks, kurš uzmana apmācības sistēmas stāvokli, un apmācība
bez pasniedzēja, kad dati nokļūst sistēmā nejauši. Gan vienā
gan otrā gadījumā secinājumi var būt dažādi. Tie var būt arī
dažādi pēc sarežģītības pakāpes atkarībā no tā, vai tiek uzdoti
tikai korekti dati vai arī nekorekti dati un tamlīdzīgi.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
20
L. Novickis. Lietišķās intelektuālās sistēmas
Zināšanu iegūšanas metodes
Zināšanu iegūšanas process realizējas, balstoties uz eksperta
darbību, kurš risina reālus uzdevumus ar tā saucamo “zināšanu
inženieri” (knowledge engineer). Zināšanu evristiskais raksturs
izveido to iegūšanu par visai darbietilpīgu procesu.
Neformalizētiem uzdevumiem parasti piemīt šādas īpatnības:
1) Kļūdaini, nevienveidīgi, nepilni un pretrunīgi dati;
2) Kļūdainas, nevienveidīgas, nepilnas un pretrunīgas zināšanas
par problēmu jomu un par risināmo uzdevumu;
3) Lēmumu kopas lielais izmērs
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
21
L. Novickis. Lietišķās intelektuālās sistēmas
Zināšanu iegūšana meta-līmenī
Iepriekš tika izskaitīta apmācība objektu līmenī, bet vēl ir
sarežģītāka problēma – zināšanu iegūšana meta-līmenī, kuras
pamatā ir informācija par uzdevumu risināšanas vadību ar
zināšanu izmantošanu objektu līmenī.
Zināšanām meta-līmenī vēl nav noteiktas ne izmantošanas un
attēlošanas formas, ne saites starp zināšanām objektu līmenī, ne
arī to sistematizācijas tehnika. Tā kā nav noteikta to attēlošanas
forma no izmantošanas viedokļa, tad grūti ir runāt par zināšanu
iegūšanu meta-līmenī. Tomēr ar šo problēmu saistītas daudzas
cerības zināšanu inženierija.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
22
L. Novickis. Lietišķās intelektuālās sistēmas
Apmācības vadība
Apmācības procesā pēc piemēriem var lietot dažādas
informatizācijas strukturizācijas stratēģijas un, ja nepieciešams,
šo procesu vadīt, atbildot uz ieejas datiem. Eksistē divas
klasiskas metodes: metode “no lejas uz augšu”, kurā secīgi tiek
izvēlēti un strukturēti atsevišķi paziņojumi, un metode “no
augšas uz leju”, kurā vispirms tiek izvirzīta hipotēze, bet pēc tam
tā tiek koriģēta informācijas pienākšanas.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
23
L. Novickis. Lietišķās intelektuālās sistēmas
Intelektuālo sistēmu izstrādes
stadijas
Stadija
Raksturojums
1) Demonstrācijas prototips
3 mēneši;
ZB:50÷100 noteikumu
2) Pētnieciskais prototips
1÷2 gadi;
200÷500 noteikumu
3) Darbojošais prototips
2÷3 gadi;
500÷1000 noteikumu
4) Rūpnieciskā sistēma
4 gadi;
1000÷1500 noteikumu
5) Komerciāla sistēma
4÷6 gadi;
Līdz 3000 noteikumiem
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
24
L. Novickis. Lietišķās intelektuālās sistēmas
Loģiskie izvades algoritmi:
1.
2.
3.
Tiešā spriedumu ķēdīte;
Apgrieztā spriedumu ķēdīte;
Izvade, balstoties uz varbūtībām;
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
25
L. Novickis. Lietišķās intelektuālās sistēmas
Lēmumu koks – zināšanu bāzes modelis
nē
RAW =
stiprs(3)
WATER =
augsts(1)
jā
RAW =
stiprs(2)
nē
jā
nē
PEOPLE –
neuztraukt.(7)
SNOW =
daudz(6)
nē
jā
PEOPLE = jābūt
uzmanīg.(13)
nē
PEOPLE =
neuztraukt.(14)
SNOW =
daudz(5)
nē
PEOPLE =
neuztraukt.(9)
jā
jā
TEMP =
augsts(8)
PEOPLE =
evakuēt.(11)
nē
TEMP =
augsts(10)
jā
PEOPLE =
evakuēt.(4)
jā
RAW =
mērens(12)
jā
PEOPLE = jābūt
uzmanīg.(15)
nē
PEOPLE=
neuztraukt.(16)
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
26
L. Novickis. Lietišķās intelektuālās sistēmas
Lēmumu koka ceļi
Nr.
Virsotnes
1
2
3
4
1,
1,
1,
1,
2,
2,
2,
2,
4
5, 8, 11
5, 8, 12, 15
5, 8, 12, 16
5
6
7
1, 2, 5, 9
1, 3, 6, 10, 13
1, 3, 6, 10, 14
8
9
1, 3, 6, 7
1, 3, 7
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
27
L. Novickis. Lietišķās intelektuālās sistēmas
Zināšanu bāze (1)
1
2
3
JA WATER = AUGSTS AND
RAIN = STIPRS
TAD PEOPLE = EVAKUĒT
JA WATER = AUGSTS AND
RAIN = NOT STIPRS AND
SNOW = DAUDZ AND
TEMP = AUGSTS
TAD PEOPLE = EVAKUĒT
JA WATER = AUGSTS AND
RAIN = NOT STIPRS AND
SNOW = DAUDZ AND
TEMP = VIDĒJA AND
RAIN = MĒRENS
TAD PEOPLE = JĀBŪT UZMANĪG.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
28
L. Novickis. Lietišķās intelektuālās sistēmas
Zināšanu bāze (2)
4
5
JA WATER = AUGSTS AND
RAIN = NO AND
SNOW = DAUDZ AND
TEMP = VIDĒJA AND
RAIN = VĀJŠ
TAD PEOPLE = UZTRAUKT.
JA WATER = AUGSTS AND
RAIN = NOT STIPRS AND
SNOW = MĀZS
TAD PEOPLE = NEUZTRAUKT.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
29
L. Novickis. Lietišķās intelektuālās sistēmas
Zināšanu bāze (3)
6
7
JA WATER = NOT AUGSTS AND
RAIN = STIPRS AND
SNOW = DAUDZ AND
TEMP = AUGSTS
TAD PEOPLE = JĀBŪT UZMANĪG.
JA WATER = NOT AUGSTS AND
RAIN = STIPRS AND
SNOW = DAUDZ AND
TEMP = VIDĒJA
TAD PEOPLE = NEUZTRAUKT.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
30
L. Novickis. Lietišķās intelektuālās sistēmas
Zināšanu bāze (4)
8
9
JA WATER = NOT AUGSTS AND
RAIN = STIPRS AND
SNOW = MĀZS
TAD PEOPLE = NEUZTRAUKT.
JA WATER = AUGSTS AND
RAIN = NOT STIPRS
TAD PEOPLE = NEUZTRAUKT.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
31
L. Novickis. Lietišķās intelektuālās sistēmas
Lēmumu koka piemērs
Vecums 25-45?
1
nē
...
jā
Cilvēks dzīvo viens?
2
nē
...
nē
Īsstermiņu
ieguldījumi
vērtspapīros
jā
Vai cilvēkam ir
5000Ls?
3
jā
jā
Vai cilvēks grib
ieguldīt naudu bankā?
4
Vai cilvēks
grib ātri
saņemt
peļņu?
5
jā
Iegādāties akcijas
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
32
L. Novickis. Lietišķās intelektuālās sistēmas
Zināšanu bāzes noteikums
Noteikuma daļas
Lēmumu koka
virsotnes
JA VĒCUMS ≥ 25 AND
CILVĒKS = DZĪVO VIENS AND
1
2
NAUDA = 5000LS AND
BANKAS KONTS = JĀ AND
3
4
PEĻNA = ĀTRI
TAD IEGULDĪJUMS = AKCIJAS
5
7
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
33
L. Novickis. Lietišķās intelektuālās sistēmas
Objekt-orientētās lietišķās intelektuālas sistēmas(1)
Objektorientētu valodu pamats ir spēja patvaļīgi sarežģītām
struktūrām definēt izskaitļojamus objektus, kurus tālāk var
apskatīt kā vienu vienību. Šie izskaitļojamie objekti nav pasīvas
datu struktūras, bet tie sevī ietver gan stāvokļa, gan uzvedības
aprakstus. Objektorientētā valodā viss tiek definēts kā objekts
vai savstarpēji sadarbojošos objektu sistēma, un visi objekti
pieder objektu klasēm.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
34
L. Novickis. Lietišķās intelektuālās sistēmas
Objekt-orientētās lietišķās intelektuālas sistēmas(2)
Objektorientēta programmēšana atbalsta gan datu, gan
procedūru abstrakciju, vienkāršo procedūru radīšanu, kuras
izmanto daudzas objektu klases, lieto vienu un to pašu
operatoru identifikatoru, lai radītu vispārīgas procedūras, un dod
iespēju organizēt programmas veidā, kas atspoguļo to dabīgo
organizāciju (struktūru).
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
35
L. Novickis. Lietišķās intelektuālās sistēmas
Objekt-orientētās lietišķās intelektuālas sistēmas(3)
Tādas objektorientētas programmēšanas īpašības kā
mantošana un paziņojumu nodošanas mehānismi ir piemērotas
arī zināšanu bāzes projektēšanai. Tieši objektorientētu sistēmu
paziņojumu nodošanas aspekts vienkāršo savstarpēji
sadarbojošos komponenšu atspoguļošanu.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
36
L. Novickis. Lietišķās intelektuālās sistēmas
Objekt-orientētās lietišķās intelektuālas sistēmas(4)
Objektorientētās pieejas pielietojumi mākslīgā intelekta
sistēmās strauji paplašinās. Šī pieeja tiek realizēta:
1) Lietojot objektorientētas programmēšanas valodas C++,
Smalltalk, CLOS (Common Lisp Object System), Eifell;
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
37
L. Novickis. Lietišķās intelektuālās sistēmas
Objekt-orientētās lietišķās intelektuālas sistēmas(5)
2) Objektorientētas datu bāžu vadības sistēmu valodas
LOOPS;
3) Universālas programmēšanas valodas Pascal, Fortran un C.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
38
L. Novickis. Lietišķās intelektuālās sistēmas
Objekt-orientētās lietišķās intelektuālas sistēmas(6)
 PJ { plūdi }
 Struktūras izveide:
Struktūras atribūti – faktori –
1. Ūdens_līmenis
2. Lietus
3. Gaisa temperatūra
4. Sniegs
 Izveidot_struktūru (vārds = plūdi,
atribūtu skaits = 4,
atribūts = Ūdens_līmenis,
atribūts = Lietus,
atribūts = Gaisa_temperatūra,
atribūts = Sniegs)
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
39
L. Novickis. Lietišķās intelektuālās sistēmas
Objekt-orientētās lietišķās intelektuālas sistēmas(7)
 Situācija
Viena upes krastā atrodas divas pilsētas : X un Y.
 Objekti
-- Pieņemsim, kā 1.04.2007 “X” pilsetā:
Izveidot_objektu (struktūras nosaukums = plūdi,
objekta nosaukums = X,
ūdens_līmenis = augsts,
lietus = stiprs,
temperatūra = augsts,
sniegs = daudz)
-- “Y” pilsētā:
Izveidot_objektu (struktūras nosaukums = plūdi,
objekta nosaukums = Y,
ūdens_līmenis = zems,
lietus = nav,
sniegs = daudz)
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
40
L. Novickis. Lietišķās intelektuālās sistēmas
Mainīgo vārdu(nosaukumu) tabula
Vārds
RAIN
WATER
TEMP
SNOW
PEOPLE
Nozīme
Lietus
Ūdens līmenis
Gaisa temperatūra
Sniegs
Pilsētas iedzīvotāju
uzvedības prognoze
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
41
L. Novickis. Lietišķās intelektuālās sistēmas
Objektu izmantošana zināšanu bāzē(1)
Atribūtu vārds
WATER – Ūdens līmenis
RAIN – Lietus
Pilsēta “X”
Augsts
Stiprs
Pilsēta “Y”
Zems
Nav
TEMP – Temperatūra
SNOW - Sniegs
Augsta
Daudz
Vidēja
Daudz
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
42
L. Novickis. Lietišķās intelektuālās sistēmas
Objektu izmantošana zināšanu bāzē(2)
 Noteikums 1:
JA WATER = Augsts AND
RAIN = Stiprs
TAD PEOPLE = Evakuēt
 Pilsēta “X”:People = Evakuēt???
 Funkcija COPY :
WATER = COPY (Struktūras nosaukums = Plūdi,
Objektu vārds = “X”, WATER)
 Funkcija COPY :
RAIN = COPY (Struktūras nosaukums = Plūdi,
Objektu vārds = “X”, RAIN)
 PEOPLE = EVAKUĒT!!!
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
43
L. Novickis. Lietišķās intelektuālās sistēmas
Pašapmācošas sistēmas
Dzīves
pieredze
Pievienot
vai
nodzēst
Apmācības
bloks
Atriez. saite
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
44
L. Novickis. Lietišķās intelektuālās sistēmas
Atšķirība starp auto un tanku(1)
Lielgabals
Tanks
Lūka
Virsbūve
Automobilis
Riteņi
Durvis
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
45
L. Novickis. Lietišķās intelektuālās sistēmas
Atšķirība starp auto un tanku(2)
Tankam ir Lielgabals un Lūka
Automobilim ir Durvis un Riteni
Tankam UN Automobilim ir Virsbūve
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
46
L. Novickis. Lietišķās intelektuālās sistēmas
Atšķirība starp auto un tanku(3)
Dialogs “LIS – Lietotājs”:
 Ievadiet objekta 1 vārdu ? Auto
 Ievadiet objekta 2 vārdu ? Tanks
 Ievadiet jebkura objekta atribūtus:
• Atribūts 1 ? Lielgabals
• Atribūts 2 ? Lūka
• Atribūts 3 ? Virsbūve
• Atribūts 4 ? END
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
47
L. Novickis. Lietišķās intelektuālās sistēmas
Atšķirība starp auto un tanku(4)
Saraksts 1 (Auto) Saraksts 2 (Tanks)
Saraksts 3
(Kopējais)
Lielgabals
Lūka
Virsbūve
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
48
L. Novickis. Lietišķās intelektuālās sistēmas
Atšķirība starp auto un tanku(5)
Ievadiet jebkura objekta atribūtus:
• Atribūts 1 ? Durvis
• Atribūts 2 ? Riteni
• Atribūts 3 ? Virsbūve
• Atribūts 4 ? END
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
49
L. Novickis. Lietišķās intelektuālās sistēmas
Atšķirība starp auto un tanku(6)
Saraksts 1 (Auto) Saraksts 2 (Tanks)
Durvis
Riteni
Lielgabals
Lūka
Saraksts 3
(Kopējais)
Virsbūve
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
50
L. Novickis. Lietišķās intelektuālās sistēmas
Piemērs
10
JA INTERESTS – KRĪT
TAD STOCK – AUG
20
JA INTERESTS – AUG
TAD STOCK – KRĪT
30
JA VALUTA – KRĪT
TAD INTERESTS – AUG
40
JA VALUTA– AUG
TAD INTERESTS – KRĪT
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
51
L. Novickis. Lietišķās intelektuālās sistēmas
Cenu līmeņa paaugstināšanas varbūtība(1)
Noteikums 10:
P (STOCK = AUG) = P(STOCK = AUG |
INTERESTS = KRĪT)
* P (INTERESTS = KRĪT) + P(STOCK = AUG |
INTERESTS = NOT KRĪT)
* P (INTERESTS = NOT KRĪT)
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
52
L. Novickis. Lietišķās intelektuālās sistēmas
Cenu līmeņa paaugstināšanas varbūtība(2)
Noteikums 40:
P (INTERESTS = KRĪT) = P(INTERESTS = KRĪT |
VALUTA= AUG )
* P (VALUTA = AUG ) + P(INTERESTS = AUG |
VALUTA = NOT AUG )
* P (VALUTA = NOT AUG )
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
53
L. Novickis. Lietišķās intelektuālās sistēmas
Cenu līmeņa paaugstināšanas varbūtība (3)
Pieņemsim, kā P(VALUTA = AUG) = 0,6
P(VALUTA = NOT AUG) = 1 - 0,6 = 0,4
P(INTERESTS = KRĪT | VALUTA = AUG) = 0,8
P(INTERESTS = KRĪT | VALUTA = NOT AUG) = 0,1
P(INTERESTS = KRĪT) = 0,8*0,6+0,1*0,4 = 0,52
P(INTERESTS = NOT KRĪT) = 1 – 0,52 = 0,48
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
54
L. Novickis. Lietišķās intelektuālās sistēmas
Cenu līmeņa paaugstināšanas varbūtība(4)
P(STOCK = AUG | INTERESTS = KRĪT) = 0,85
P(STOCK = AUG | INTERESTS = NOT KRĪT) = 0,1
P(STOCK = AUG) = 0,85*0,52+0,1*0,48 = 0,49(49%)
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
55
L. Novickis. Lietišķās intelektuālās sistēmas
LIS: Izplūdušā loģika(1)
 Jēdziens “lingvistiskā mainīga”
 Noteikumi:
10
JA INTERESTS = KRĪT
TAD STOCK = AUG
40
JA VALUTA = AUG
TAD INTERESTS = KRĪT
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
56
L. Novickis. Lietišķās intelektuālās sistēmas
LIS: Izplūdušā loģika(2)
 Varbūtības vienādojumi
• P(STOCK = AUG) = P(STOCK = AUG | INTERESTS
= KRĪT) * P(INTERESTS = KRĪT) + P(STOCK =
AUG | INTERESTS = NOT AUG) * P(INTERESTS =
NOT AUG)
• P(INTERESTS = AUG) = P(INTERESTS = KRĪT |
VALUTA = AUG) * P(VALUTA = AUG) +
P(INTERESTS = KRĪT | VALUTA = NOT AUG) *
P(VALUTA = NOT AUG)
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
57
L. Novickis. Lietišķās intelektuālās sistēmas
LIS: Izplūdušā loģika(3)
Lingvistiskā
mainīgā
VALUTA = AUG
P(INTERESTS =
KRĪT|VALUTA = AUG)
P(VALUTA=AUG)
Mazs
Vidējs
Liels
1-2 %
3-4 %
>4%
0,2
0,5
0,8
0,5
0,3
0,1
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
58
L. Novickis. Lietišķās intelektuālās sistēmas
LIS: Izplūdušā loģika(4)
P(INTERESTS = KRĪT | VALUTA = NOT AUG) = 0,07
P(STOCK = AUG | INTERESTS = KRĪT) = 0,2
P(STOCK = AUG | INTERESTS = NOT KRĪT) = 0,1
 LIS  Lietotājs
- LIS: Saskaitīt rezultātu, ja VALUTA = AUG:
1 – mazs
2 – vidējs
3 – liels
Ievadiet numuru - ?
- Lietotājs: 2
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
59
L. Novickis. Lietišķās intelektuālās sistēmas
LIS: Izplūdušā loģika(5)
a) Aprēķinam vajadzīgie dati:
P(VALUTA = AUG) = 0,3
P(VALUTA = NOT AUG) = 1 - 0,3 = 0,7
P(INTERESTS = KRĪT | VALUTA = AUG) = 0,5
P(INTERESTS = KRĪT | VALUTA = NOT AUG) = 0,07
P(INTERESTS) = 0,5 * 0,3 + 0,07 * 0,7
b) Izmantotie dati:
P(INTERESTS = KRĪT) = 0,199
P(INTERESTS = NOT KRĪT) = 1 - 0,199 = 0,811
P(STOCK = AUG | INTERESTS = KRĪT) = 0,2
P(STOCK = AUG | INTERESTS = NOT KRĪT) = 0,1
c) P(STOCK = AUG) = 0,2 * 0,199 +0,1 * 0,811 = 0,121 (12,1%)
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
60
L. Novickis. Lietišķās intelektuālās sistēmas
LIS: Varbūtības pielietošana
Baijesa varbūtība
P(e “un” s) = P(s | e) * P(e)
P(s) = P(s | e) * P (e) + P(s | NOT e) * P(NOT e)
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
61
L. Novickis. Lietišķās intelektuālās sistēmas
Semantiskie tīkli ar saites virsotnēm
• Parasti semantiskie tīkli ir ierobežoti no apkopotas informācijas
atspoguļošanas viedokļa
• Semantiskie tīkli tika papildināti ar saišu virsotnēm
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
62
L. Novickis. Lietišķās intelektuālās sistēmas
Semantiskie tīkli(1)
Spārns
Piekūns
ir
ir
Putns
ir
Spalva
ir
Ērglis
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
L. Novickis. Lietišķās intelektuālās sistēmas
Semantiskie tīkli(2)
1. Putns
1. Putns
2. Piekūns
3. Ērglis
2. Piekūns
3. Ērglis
4. Spārns
5. Spalva
ir
ir
ir
ir
4. Spārns
5. Spalva
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
64
L. Novickis. Lietišķās intelektuālās sistēmas
Operācijas ar semantiskiem grafiem
1) Association
xi ┴ T10 (x1)
xi ┴ < __ , t, b. br., ‘Jānis’, xi >
( x11, x21) ┴ < __ , t, cena, x1, x2 >
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
65
L. Novickis. Lietišķās intelektuālās sistēmas
Piemēri
x2
x2
┴
< __ , t, cena, x1, x2 > ◦ [ x1 := {ai} ]
1
cena
2
...
ai
...
x1
< __ , t, cena, x1,  x2 > ◦ [ x1 := {ai} ] / T2
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
66
L. Novickis. Lietišķās intelektuālās sistēmas
Superpozīcija
< __ , t, b. v., ‘Igors’,  x1 > / T2
< __ , t, b. br.,  x2 , x1 > / T2 ,
< __ , t, b. br.,  x3 , x2 > / T2 ,
x3
‘Igors’
1
1
b. v.
b. br.
2
2
x2
b. br.
2
x1
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
67
L. Novickis. Lietišķās intelektuālās sistēmas
Free Association
< __ , t, r1 , : a1 , : a2 , : a3 >
xi ┴ < __ , t , b. br. , : a1 , : x1 >
Association with Identification
xi ┴ < __ , t , x1 , a1 > - šablons
< __ , t, ∈ a1 , m1 >,
< __ , t, r1 , m1 >
A1 ∈ M 1
No T2 ir jāatlasa < __ , t, r1 , m1 >
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
68
L. Novickis. Lietišķās intelektuālās sistēmas
Comparing
[
[
[
[
x1 ┴ T1 (x1) ] ◦ [ x1 := λ]
xi := λ] vai [ xi := λ]
pi := t] vai [ pi := ?]
x1 ┴ T1 (x1) ] ◦ [ x1 := λ]
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
69
L. Novickis. Lietišķās intelektuālās sistēmas
Kopu operācijas
[ x1
[ x1
[ x1
┴
┴
┴
T1 (x1) ] ◦ [ x1 := ai]
T1 (x1) ] ◦ [ x1 := ag]
T1 (x1) ] ◦ [ x1 :≈ ag]
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
70
L. Novickis. Lietišķās intelektuālās sistēmas
Manipulācijas operācijas(1)
Relācijas algebras (∪ , ⋂ , / , u. c. ) operācijas
manipulācijām ar tīkliem:
1) Analogs – JOIN
>
>
>
x1 ┴ Gi (x1) ◦ Gj (x1)
Zk+1 ┴ G1 (z1) ◦ ... ◦ Gk (zk)
Zk+1 ┴ T1e (z1) ◦ ... ◦ Tke (zk)
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
71
L. Novickis. Lietišķās intelektuālās sistēmas
Manipulācijas operācijas(2)
2)
2
x2
cena
1
x1
1
x3
[ (x1 , x2)
[ (x1 , x3)
izgat.
2
┴
┴
< __ , t , cena, x1 , x2 > ] ◦
< __ , t , izgat, x1 , x3 > ]
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
72
L. Novickis. Lietišķās intelektuālās sistēmas
Manipulācijas operācijas(3)
3) Analogs – PROJECT
z2 ┴ [ z1 : = { wi } ]
4) x1k ┴ T1 (x1k)
5) [ x1 : = { ai } ] ◦ [ x1 ┴ [ x2 : = b1] ◦
[x2 ┴ < __ , t , sv., x11 , x2 > ]
x1
x2
...
a1
...
1
sv.
...
2
b1
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
...
73
L. Novickis. Lietišķās intelektuālās sistēmas
Fakultatīvas virsotnes
Z- tīkls [ ◊ Y11 := { a1, a2} ]
[ ◊ Y11 := λ ]
[ ◊ Y11 := a2 ] ◦ [ ◊ Y11 ┴ < __ , t , r1 , a1 , Y11]
- kompozīcija ar grafu
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
74
L. Novickis. Lietišķās intelektuālās sistēmas
Nosacītie grafi
Yi1
...
sr
G2
G1
...
1
2
p1
p2
t
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
75
L. Novickis. Lietišķās intelektuālās sistēmas
Dinamisko modeļu apraksts
a) Grafu produkcijas
b) Tīklu produkcijas : T1 ◦ T3 
T 2 ◦ T3
r1
c) Pārejas diagramma
b1
A1
b1
A3
A2
b2
d) Tīkls, kas atbilst diagrammai
1
2
b1
e) a1
a2
2
b1
f)
b1
1
1
2
a3
A1
b2
S
Mili automāts
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
76
L. Novickis. Lietišķās intelektuālās sistēmas
Grafa – produkciju piemēri
a)
‘ N’
‘ K’
1
1
ds
vn
b)
ds
1
1
2
2
1
Y11
ds
1
v -z
ds
Df
2
2
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
77
L. Novickis. Lietišķās intelektuālās sistēmas
Dabīgas valodas analīze un apstrāde
DV – dabīga valoda
• Lingvistiskie jēdzieni
(morfēmas, vārdi, vārdu sakārtojumi, teikumi, saistīts
teksts/diskurss)
• Lingvistiskā translatora shēma
• Morfoloģiskā analīze : vārdu analīze
• Sintaktiskā analīze : teikuma vārdu analīze
• Semantiskā analīze: teikuma jēgas analīze
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
78
L. Novickis. Lietišķās intelektuālās sistēmas
Lingvistiskā nodrošinājuma hierarhiskā shēma
a)
Dabīgā valoda
L+1
Mākslīgās valodas
L
L-1
Datora valoda
b)
Valodas, metodes, tehnoloģijas
Dabīgās valodas
Mākslīgās valodas
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
79
L. Novickis. Lietišķās intelektuālās sistēmas
Lingvistiskais objekts (L.O.)
<L.O.> :: = <teksts> | <teikums> | <vārds>
<teksts> :: = <teikums> | <teikums>
<L.O.> :: = <vārds> | <vārds>
<L.O.> :: = < morfēma> | < morfēma>
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
80
L. Novickis. Lietišķās intelektuālās sistēmas
Teikuma koks
Teikums
GS
O
GG
S
G
S
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
81
L. Novickis. Lietišķās intelektuālās sistēmas
Petri nets
• Mathematical model for desorbing LIS
• Formalisms:
N = < B, D, F, H > where
B – nodes set;
D – transitions set;
F – pre-incidence function;
F = B x D  { 0, 1 };
H – post – incidence function,
H =D x B  { 0, 1 };
F(dj) = {bj ∈ B / F (bi, dj)=1} and H(dj) = {bj ∈ B / F (dj, bi)=1};
Nm = < B, D, F, H, Mo> where
Mo – initial marking set,
Mo = {0,1}.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
82
L. Novickis. Lietišķās intelektuālās sistēmas
Knowledge Base and Modelling System Architecture
References:
Grundspenkis J., 1998. The extention of structural modelling approach for
procedural knowledge representation. In: Databases and Information Systems,
Vol. 1, 152-166.
Knowledge base
Topological Knowledge base
MSM
FSM
FSM
FS
FSM
PS
Deep Knowledge Rule base
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
83
L. Novickis. Lietišķās intelektuālās sistēmas
Intelligent Systems: Projects Samples(1)
Samples
1) WILOG –Knowledge Management Supporting
Autonomous Logistic Process.
The project investigates distributed knowledge
management technologies supporting logistic process
based on self – managed autonomous agents.
The project focus is on distributed knowledge
representation and reasoning in high dynamic
collaborative and competitive environments.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
84
L. Novickis. Lietišķās intelektuālās sistēmas
Intelligent Systems: Projects Samples(2)
• INTAPS-3 - Integrated Agent-based Process
Planning and Production Protocol
Results from predecessor projects IntaPS-2
suggest that a generalization of the
enhancement of flexibility by integration of
process planning and production control with
multiagent systems (MAS) may have an impact
an MAS theory.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
85
L. Novickis. Lietišķās intelektuālās sistēmas
Intelligent Systems: Projects Samples(3)
• RFIDSec - Technology-Integrated Security of
RFID Systems
The study aims at analyzing the security
requirements for RFID systems, identifying open
research and development issues and giving
recommendations for the future research in that
area.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
86
L. Novickis. Lietišķās intelektuālās sistēmas
Intelligent Systems: Projects Samples(4)
• Segravis - Syntactic and Semantic Integration
of Visual Modelling Techniques
The objective of Segravis is to give syntactic and
semantic foundation for visual modelling
techniques (like UML), and to create a general
and methodical outline for visual modelling.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
87
L. Novickis. Lietišķās intelektuālās sistēmas
Multi-Attribute Utility Techniques
1.
2.
3.
4.
Analysis of the problem.
Development of a hierarchy of factors or concern net.
Establishment of criteria or “ideal values” for factors
Evaluation of the performance of the factors representing
the components of the system.
5. Determination of user preference needed to synthesise the
concern net.
6. Determination of partial utilities
7. Determination of total deterministic utilities.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
88
L. Novickis. Lietišķās intelektuālās sistēmas
MAUT diagram
Concern net
Alternative
Criteria c1 c2 .. cm
Criteria
A1
...
An
a11 a12 ... A1m
...
an1, an2 ... anm
Alternatives
a11/c1
W1
a12 / c2 ... a1m / cm
W2
....
Evaluation
Wm
Partial utilities X Sum of them
Alternative
Total Utilities
A1
...
An
U1
...
Un
Preferences
Synthesis
Total Utilities
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
89
L. Novickis. Lietišķās intelektuālās sistēmas
The architecture of the Intelligent System
ITS
General problem
Curriculum
ITS Solutions
Present problem
Student solution
Compare
solutions
Present feedback
Student
Update student
skills model
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
90
L. Novickis. Lietišķās intelektuālās sistēmas
ITS: fragments no grafa modeļa
Q3
Q1
Q2
Q5
Q4
Q8
Q6
Q9
Q7
Q1 – explanation of a basic conception,
Q2 -- Q8 – Separate testing tasks,
Q9 – general topic task
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
91
L. Novickis. Lietišķās intelektuālās sistēmas
Eksperta sistēmas uz zināšanu bāzes
Eksperta sistēmas uz zināšanu bāzes (KBES - KnowledgeBased Expert Systems) ir pirmais risinājums AI nozarē
programmatūras veidā. Uzdevumi, kuru pamatā ir
klasifikācija un lēmumu pieņemšanas process bija pirmie,
kas guva labumu no KBES tehnoloģijas. Tātad, KBES ir
datorprogrammas, kas ir izstrādātas veikt eksperta lomu
problēmu risināšanai attiecīgajā priekšmetiskajā apgabalā.
Zināšanu bāze
Zināšanu bāzes
uzturēšanas rīks
Secināšanas mašīna
Dabīgas valodas
interfeiss
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
92
L. Novickis. Lietišķās intelektuālās sistēmas
Ekspertu sistēmas (Expert Systems)(1)
Visi pētījumi AI nozare var klasificēt šadās
kategorijās:
• Problēmu risinājumi un plānojumi: šī nozare
nodarbojas ar mērķu hierarhijas sistemātisko
uzlabošanu, plāna caurskatīšanas mehānismiem un
svarīgo mērķu fokusēto meklēšanu;
• Ekspertu sistēmas: šī nozare nodarbojas ar
zināšanu apstrādi un sarežģītām lēmumu
pieņemšanas problēmām;
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
93
L. Novickis. Lietišķās intelektuālās sistēmas
Ekspertu sistēmas (Expert Systems)(2)
• Dabīgas valodas apstrāde: šajā kategorijā ietilpst tādas
nozares kā automātiska teksta
• ģenerēšana, teksta apstrāde, mašīnas tulkošana /
translācija, runāšanas analīze un sintēze, teksta gramatikas
un stila analīze, u.c.;
• Robottehnika: robotu vadība objektu manipulēšanai un
sensoru informācijas izmantošana darbību kontrolēšanai;
• Datoru vīzijas: inteliģentā vizualizēšana, scēnu analīze,
attēlu saprašana un apstrāde, kā arī kustības iegūšana;
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
94
L. Novickis. Lietišķās intelektuālās sistēmas
Ekspertu sistēmas (Expert Systems)(3)
• Mācīšanās: visi mašīnmācīšanās veidi;
• Ģenētiskie algoritmi: adaptīvie algoritmi, kuriem
piemīt mācīšanas spēja. Tos var izmantot
meklēšanas, mašīnmācīšanās un optimizācijas
uzdevumos;
• Neironu tīkli: cilvēka smadzeņu mācīšanas
modelēšana, kombinējot atpazīšanas
uzdevumus, deduktīvo spriešanu un skaitliskus
aprēķinus.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
95
L. Novickis. Lietišķās intelektuālās sistēmas
Mākslīgais intelekts un intelektuālās
apmācību sistēmas
Intelligent Tutoring Systems jēdzienu ieviesa 1982. gadā
Slimans un Brauns (Sleeman & Brown), lai atšķirtu jaunas
sistēmas no iepriekšējām CAI sistēmām:
1. datorizētās (computer-based);
2. problēmu risināšanas kontrolieri (problem-solving
monitors);
3. treneri (coaches);
4. laboratorijas instruktori (laboraiory instructors);
5. konsultanti (consultants).
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
96
L. Novickis. Lietišķās intelektuālās sistēmas
Kognitīvās zinātnes loma(1)
ACT - Adaptive Control of Thought
ACT* pieņēmumi un to saistība ar datorizēto skolotāju izstrādi:
ACT* pieņēmumi
Attiecīgie apmācības principi
Problēmas risināšanas uzvedība ir uz
mērķi virzīta.
Sazināties ar mērķa struktūru, kas ir
problēmas risināšanas uzdevuma
pamatā.
Deklaratīvas un procedūras zināšanas ir
atsevišķas. Procedūras zināšanu
vienības ir EF-THEN likumi kurus sauc
par produkcijam.
Attēlot studentu zināšanas kā
produkciju kopu.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
97
L. Novickis. Lietišķās intelektuālās sistēmas
Kognitīvās zinātnes loma(2)
ACT* pieņēmumi
Attiecīgie apmācības principi
Uzdevuma sākotnējā izpildīšana ir
paveikta ar vājo (vispārīgo) procedūru
attiecināšanu uz deklaratīvām zināšanu
strukturālu.
Sniegt instrukcijas problēmu
risināšanas kontekstā; ļaut studenta
zināšanām attīstīties cauri attiecīgām
aproksimācijām uz mērķa prasmēm.
Uzdevuma specifiskās produkcijas
veidojas, attiecinot vājākas produkcijas
uz deklaratīvām zināšanām, šādas
uzdevuma specifiskās produkcijas
atrodas zem efektīvākas veiktspējas.
Nekavējoties sniegt atgriezenisko saiti
uz sasniegumiem.
Papildus prakses rezultātā produkcijas
Sakātot/pielāgot instrukcijas soļa
var tikt saķēdētās kopā, lai iegūtu lielākā garumu kad mācīšanas progresē.
mēroga produkcijas.
Students uztur problēmas pašreizējo
stāvokli ierobežota apjoma atmiņā.
Minimizēt strādājošās atmiņas noslodzi.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
98
L. Novickis. Lietišķās intelektuālās sistēmas
ITS komponenti(1)
• Studenta modelis - studenta modelis rāda studenta
mācīšanas progresu apmācības laikā.
• Zināšanu bāze - zināšanas ir tas, ko sistēma „zina" par
apmācamo priekšmetisko apgabalu. Zināšanu bāze var tikt
realizēta vairākos veidos.
• Novērtēšanas modulis - studenta veiktspējas
novērtēšana nodrošina sistēmas nākamas darbības izvēli.
Novērtēšanas realizācija var variēties dažādās sistēmās,
piemēram, studenta atbildes salīdzinājums ar eksperta
atbildi vienādos apstākļos (pārklāšanas režīms).
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
99
L. Novickis. Lietišķās intelektuālās sistēmas
ITS komponenti(2)
• Pedagoģiskie likumi - pedagoģija ir vislielākās
diverģences siera ITS jomā. Dažas sistēmas izmanto
sarežģītas dialoga pārvaldības stratēģijas, citas vienkārši
ģenerē jaunas problēmas, kas balstās uz studenta progresa
novērtēšanu laikā.
• Mācīšanas teorija - intelektuālās apmācības sistēmas
izmanto vairākas apmācības stratēģijas, bet tikai dažas no
tām precīzi ievēro kādu konkrētu mācīšanas teoriju.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
100
L. Novickis. Lietišķās intelektuālās sistēmas
ITS klasiskā arhitektūra
Expert
module
Student
model
Pedagogical
module
User
interface
Student
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
101
L. Novickis. Lietišķās intelektuālās sistēmas
ITS darbības shēma
Mācību vieta
ITS
Ģenerēt problēmu
Reprezentēt / pasniegt problēmu
ITS risinājums
Studenta risinājums
Salīdzināt risinājumus
Attēlot /pasniegt atgriezenisko saiti
Students
Atjaunot studenta iemaņu modeli
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
102
L. Novickis. Lietišķās intelektuālās sistēmas
Knowledge – Based Systems (KBS)
General –
purpose
Knowledge
Engineering
Languages
Declaretive Languages
Functional
Languages
Logic
Programming
Languages
Production
Languages
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
103
L. Novickis. Lietišķās intelektuālās sistēmas
4GL Languages and CASE Tools
• 4GL – Fourth-generation languages
• CASE – Computer Aided Software Engineering
Results
CASE
4GL
Designing
User
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
104
L. Novickis. Lietišķās intelektuālās sistēmas
Mākslīgā intelekta valodas
• PROLOG ( Programming in Logic) – Loģiskā
programmēšana:
– Apgrieztā spriedumu ķēdīte;
– Atgriešanas mehānisms.
• LISP( LISPt Processing) – sarakstu apstrāde:
– Funkciju koncepcija;
– Sarakstu koncepcija.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
105
L. Novickis. Lietišķās intelektuālās sistēmas
Noteikumu apraksts PROLOG valodā (Piemērs)(1)
/* 10 */ position (nē): - write (‘DEGREE’), read
(DEGREE), DEGREE = nē
/* 20 */ quality (jā): - write (‘DEGREE’), read
(DEGREE), DEGREE = jā
/* 30 */ position (zin. līdzstradn.): - write (‘DEGREE’),
read (DEGREE), DEGREE = jā, write(‘DISCOVERY’),
read(DISCOVERY), DISCOVERY= jā
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
106
L. Novickis. Lietišķās intelektuālās sistēmas
Noteikumu apraksts PROLOG valodā (Piemērs)(2)
/* 40 */ position (inženieris): - quality(jā),
write(‘EXPERIENCE’), read(EXPERIENCE),
EXPERIENCE < 2.0
/* 50 */ position (nē): - quality(jā), write(‘AVERAGE’),
read(EXPERIENCE), EXPERIENCE 2.0
/* 60 */ position (konstruktors): - quality(jā),
write(‘AVERAGE’), read(AVERAGE), AVERAGE >=
3.5
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
107
L. Novickis. Lietišķās intelektuālās sistēmas
LISP valodas funkciju piemēri
Funkcijas
(+42)
Rezultāts
6
(-52)
3
( + ( - 5 2) 4)
7
(MAX 5 9 2)
9
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
108
L. Novickis. Lietišķās intelektuālās sistēmas
LISP valodas sarakstu piemēri
Saraksti
(pulkstenis papīrs)
Rezultāts
Priekšmetu saraksts
( 20 10 30 )
Katrā nodaļā darbinieku
skaits
Cilvēku vārdi, kuri dzīvo
trīs dažādās pilsētās
((Eberhard Steffen)
(Jūris Maris)
(Sergey Paul))
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
109
L. Novickis. Lietišķās intelektuālās sistēmas
Sarakstu apstrādes funkcijas(1)
•
•
•
•
•
CAR, CDR, CONS, APPEND
( CAR ‘ (A B C) )  A
( CAR ‘ (1 2) A B)  (1 2)
( CDR ‘ (A B C) )  (B C)
( CDR ‘ ((A B) (C D)) )  ( (C D) )
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
110
L. Novickis. Lietišķās intelektuālās sistēmas
Sarakstu apstrādes funkcijas(2)
• (CONS ‘ K ‘ (J K L))  (K J K L)
• (CONS ‘ (A B) ‘ (J K L))  ((A B) (J K L))
• (APPEND ‘ (A B) ‘ (J K L))  (A B J K L)
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
111
L. Novickis. Lietišķās intelektuālās sistēmas
Predikāti EQUAL
• (EQUAL 8 8)  T
• (EQUAL 3 2)  NIL
• (EQUAL ‘ (1 2 A) ‘ ( 1 2 A))  T
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
112
L. Novickis. Lietišķās intelektuālās sistēmas
Predikāti “>”
• (> 5 2 1)  T
• (> 1 2 3)  NIL
• (> 5 4 (+ 1 2))  T
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
113
L. Novickis. Lietišķās intelektuālās sistēmas
Predikāti SETQ un COND
(SETQ X 2 5)  2 5
(SETQ X ‘ (A B C))  (A B C)
a) (COND ((EQUAL 5 2 (SETQ X 5)))
IF  (EQUAL 5 2)
THEN  (SETQ X 5)
b) (COND ((EQUAL 3 3 (SETQ X 5)))
IF  (EQUAL 3 3)
THEN  (SETQ X 5)
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
114
L. Novickis. Lietišķās intelektuālās sistēmas
Uzdevuma nostādne
• Izvēlēties priekšmetisko jomu un aprakstīt to situācijas, izmantojot ifthen produkcijas līkumus.
• Izstrādāt zināšanu bāzes redaktoru un izveidot zināšanu bāzi kā if-then
produkciju līkumu kopu.
• Formalizēt un realizēt tiešo spriedumu ķēdītes loģiskas izvades
algoritmu.
• Formalizēt un realizēt apgriezto spriedumu ķēdītes loģiskas izvades
algoritmu.
• Veikt zināšanu bāzes nepieciešamo modifikāciju un realizēt loģiskas
izvades algoritmu, kas balstās uz varbūtībām.
• Sagatavot atskaiti par paveikto darbu un atradīt izstrādāto
programmatūru.
“RTU studiju programmas “Datorsistēmas” pilnveidošana absolventu profesionālās konkurētspējas paaugstināšanai “
2006/0238/VPD1/ESF/PIAA/06/APK/3.2.3.2/0015/0007
115