ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
210<br />
|Z| ≤ |{S * } * Min| ≤ |Ω|. (5.23)<br />
Вместе с тем, любая даже абсолютно минимальная модель знаний<br />
может быть еще редуцирована (в ряде случаев значительно). Такая<br />
возможность вытекает из того, что Z образует полную и несовместную<br />
группу заключений. Следовательно, если установлено отсутствие любого<br />
из z 1 , …, z N-1 заключений (с точностью до нумерации), то прецедент может<br />
иметь только заключение z N , но в таком случае можно обойтись без<br />
синдромов, которые позволяют установить z N . Рассмотрим более детально<br />
данную возможность.<br />
Пусть в произвольной синдромной базе знаний {S} заключению z j<br />
отвечает подмножество синдромов {S} j (j = 1,…,N). Определим мощность<br />
(индекс) каждого из подмножеств синдромов:<br />
L j = |{S} j |, j = 1,…,N. (5.24)<br />
По определению синдромной модели знаний L j > 0 (j = 1,…,N). Мощность<br />
всей модели знаний {S} определяется выражением:<br />
L {S} = Σ j∈ Z L j. (5.25)<br />
Таким образом, для произвольной синдромной модели знаний {S}<br />
определен кортеж индексов: . Найдем такое подмножество<br />
номеров I={i 1 ,…, i N-1 } ⊂ Z, которое обеспечивает минимум сумме индексов,<br />
а именно:<br />
L I = Σ j∈I L j → min. (5.26)<br />
Ясно, что задача (5.26) может решаться не единственным образом. В таком<br />
случае можно выбрать либо любое решение, либо продолжить<br />
оптимизацию по другим критериям, например, дополнительно<br />
минимизировать общую суммарную стоимость тестов или минимизировать<br />
число используемых тестов.<br />
Для произвольной синдромной модели знаний {S}=∪ j∈Z {S} j определим<br />
редуцированную модель знаний {S} ~ следующим образом:<br />
{S} ~ = ∪ j ∈ I {S} j (5.27)<br />
z k , где k = Z\I ⇔ & j ∈ I ¬z j ≡ ¬ (∨ j ∈ I z j )= true, (5.28)<br />
где множество I определяется путем решения задачи (5.26). Правило (5.28)<br />
является неотъемлемой частью модели {S} ~ . Оно позволяет установить<br />
заключение z k в том случае, когда доказано отсутствие заключений из I.<br />
Принципиальное отличие синдромной модели знаний от<br />
редуцированной модели заключается в том, что в рамках синдромной<br />
модели для любого прецедента из базы прецедентов существует хотя бы