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