31.01.2015 Views

ПРИНЦИП ПРЕДЕЛЬНЫХ ОБОБЩЕНИЙ: методология, задачи ...

ПРИНЦИП ПРЕДЕЛЬНЫХ ОБОБЩЕНИЙ: методология, задачи ...

ПРИНЦИП ПРЕДЕЛЬНЫХ ОБОБЩЕНИЙ: методология, задачи ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

219<br />

Пусть α({τ/T}, z/Z) – новая ситуация действительности, для которой<br />

нужно установить заключение. Строим замыкание {τ/T} + с использованием<br />

банка тестов {G(τ)}. Далее берем любую модель знаний в рамках описания<br />

Ω({τ/T}’) такого, что {τ/T}’ ≥ {τ/T}, или полную предельную модель<br />

знаний {S * } Full в рамках контекста и проверяем для α наличие<br />

соответствующих синдромов. Если все установленные синдромы говорят<br />

об одном и том же заключении z/Z, то следует принять именно это<br />

заключение. Если же найдутся два синдрома, которые выдают разные<br />

заключения, то это означает, что α фальсифицирует выбранную модель<br />

знаний. Такую модель следует удалить, а еще лучше построить заново все<br />

модели знаний после независимой верификации заключения для α и<br />

добавления α в Ω. Возможна также ситуация, при которой ни один<br />

синдром выбранной модели знаний не дал результата. В этом случае<br />

прецедент α также фальсифицирует выбранную модель знаний.<br />

Если появление значительного числа новых прецедентов не<br />

фальсифицирует выбранную синдромную модель знаний, то такая модель<br />

претендует на статус инвариантной модели или истинной модели. Статус<br />

инвариантной модели коррелирует с понятием устойчивости модели.<br />

Простейший алгоритм классификации нового прецедента следующий<br />

(предполагается, что Z не содержит кода ‘0’).<br />

Алгоритм 5.8<br />

Вход: Прецедент α({τ/T}, z/Z), модель знаний {S}.<br />

Выход: z α .<br />

Онтология: Банк тестов {G(τ)}.<br />

Classif (α, {S})<br />

begin<br />

z α := 0; {τ/T} + ;<br />

for S({τ/T}’, z/Z) ∈ {S} do<br />

if ({τ/T}’ α ⊆ {τ/T} + ) & ({τ/T}’ α = {τ/T}’) then<br />

begin z α := z/Z; return (z α ) end;<br />

return (z α )<br />

end.<br />

Проверка условия ({τ/T}’ α ⊆ {τ/T} + ) означает следующее: синдром S({τ/T}’,<br />

z/Z) задает уровень общности {τ/T}’; если в замыкании {τ/T} + имеются<br />

данные такого уровня, то условие истинно, иначе – ложно.<br />

Если функция Classif выдает код ‘0’, то это означает, что новый<br />

прецедент α фальсифицирует модель знаний {S}, так как ни один синдром<br />

не применим к ситуации α. Приведенный выше алгоритм не позволяет<br />

установить наличие конфликта, при котором имеет место несколько

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!