ПРИНЦИП ПРЕДЕЛЬНЫХ ОБОБЩЕНИЙ: методология, задачи ...

223
предполагать для базы знаний известным представление (5.45).
Алгоритм 5.10
Вход: Прецедент α({τ/T}, z/Z), модель знаний {S}.
Выход: {S} α .
Онтология: Банк тестов {G(τ)}.
Classif_3(α, {S})
begin
{S} α := ∅; {S} t := ∅; {τ/T} + ;
// Находим z α
for S({τ/T}’, z/Z) ∈ {S} do begin
{S} t := {S} t ∪ S({τ/T}’, z/Z);
if ({τ/T}’ α ⊆ {τ/T} + ) & ({τ/T}’ α = {τ/T}’) then
begin z α := z/Z; {S} α := {S} α ∪ S({τ/T}’, z/Z); exit end end;
// Находим все синдромы {S} α
j := z α ;
{S} α ⊥ := ∪ p ({S} j p |{S} α ⊆ {S} j p ) \ {S} t ;
while {S} α
⊥
≠ ∅ do
for S({τ/T}’, z α ) ∈ {S} α ⊥ do begin
{S} t := {S} t ∪ S({τ/T}’, z α );
if ({τ/T}’ α ⊆ {τ/T} + ) & ({τ/T}’ α = {τ/T}’) then begin
{S} α := {S} α ∪ S({τ/T}’, z α );
{S} α ⊥ := ∪ p ({S} j p |{S} α ⊆ {S} j p ) \ {S} t ; exit end end;
return ({S} α )
end.
В главе 7 будет введена операция ультраоснащения синдромных
моделей знаний. Данная операция позволит существенно оптимизировать
алгоритм установления заключения для произвольного прецедента α.
Вероятностные модели знаний {R} и особенно {R * } можно
рассматривать как предвестники событий. Во многих случаях
вероятностные закономерности можно применить тогда, когда еще нельзя
установить ни один синдром (из-за нехватки данных). Особенно важную
роль играют ранние предвестники событий, так как они позволяют
заблаговременно установить риск неблагоприятного развития ситуации
(например, инсульта, инфаркта или отказа техники).
Изменения банка тестов, непрерывное появление новых прецедентов и
возможная периодическая фальсификация моделей знаний приводят к
явлению когнитивной самоорганизации.
Сократим число тестов и редуцируем орграфы банка тестов {G(τ)}
таким образом, чтобы в новом банке тестов {G * (τ)} * присутствовали только