ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
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