Опубликован: 29.10.2019 | Уровень: для всех | Доступ: платный
Лекция 7:

Моделирование дедуктивного и индуктивного мышления с помощью языка логического вывода ПРОЛОГ

< Лекция 6 || Лекция 7: 1234 || Лекция 8 >

Формирование базы знаний на языке ПРОЛОГ

Как известно [8], БЗ на ПРОЛОГе задаётся множеством фактов, объединённых в процедуры, и множеством правил (вывода). Несколько отойдя от специфической терминологии, рассмотрим пример БЗ, описывающей родословную жителей далёкого села, посещаемого лишь залётными молодцами (рис.7.1).

Генеалогическое дерево

Рис. 7.1. Генеалогическое дерево
Факты:
	Процедура "мужчина"
	мужчина(Иван)
	мужчина(Василий)
	мужчина(Пётр)
	мужчина(Фёдор)
	мужчина(Юрий)
	Процедура "женщина"
	женщина(Марья)  
	женщина(Елена)
	женщина(Ольга)
	женщина(Ирина)
	Процедура "родитель"
	родитель(Марья, Иван)   (читать: Марья родитель Ивана)
	родитель(Марья, Василий)
	родитель(Юрий, Фёдор)
	родитель(Елена, Фёдор)
	родитель(Елена, Марья)
	родитель(Ольга, Пётр)
	родитель(Ольга, Ирина)
	родитель(Федор, Ирина)
	родитель(Фёдор, Пётр)
	родитель(Пётр, Иван)
	родитель(Пётр, Василий)
	Правила:
	мать(Х, Y) :- женщина(X), родитель(X, Y);
	отец(X, Y) :- мужчина(X), родитель(Х, Y);
	брат(X, Y) :- мужчина (Х), родитель(Р, Х); родитель(Р, Y), X<>Y;
	сестра(X, Y) :- женщина (Х), родитель(Р, Х); родитель(Р, Y), X<>Y;
	дядя(Х, Y) :- брат(Х, Р), родитель(Р, Y);
	тётя(Х, Y) :- сестра(Х, Р), родитель(Р, Y).

Правила рекурсивно определяют понятия, которыми можно оперировать на данном уровне знаний о рассматриваемом населённом пункте. Очевидно, что расширение списка понятий, производимое на основе анализа связей, зафиксированных в БЗ, т.е. введение новых понятий, и является целью индуктивного мышления.

Построим логические нейронные сети, отображающие наш объект исследования в динамике его развития. Этим мы совершим переход в область нечётких данных, столь актуальный для следственных органов.

Фактографическая нейронная сеть представлена на рис. 7.2. В ней выделены и те связи, которые будут доказаны ниже.

Фактографическая нейронная сеть

увеличить изображение
Рис. 7.2. Фактографическая нейронная сеть

Целесообразно использовать следующую функцию активации i-го нейрона данной однослойной сети:

f_i = \left \{ \begin{matrix}
\frac{1}{k_i}\sum_{j=1}^{k_i}v_j \text{ если эта сумма} \leq h\\ 
 0, \text{в противном случае}
\end{matrix} \right.

Здесь vj – величина возбуждения j-го рецептора, связанного с i-м нейроном, ki – количество входов этого нейрона.

Понятийная нейронная сеть

Рис. 7.3. Понятийная нейронная сеть

Мы видим, что, несмотря на требование (к системам принятия решений) об однозначности выводов, неоднозначность в данном случае, например, о том, что Елена одновременно и бабушка, и прабабушка Ивана, также справедлива и может приниматься к действию.

На рис. 7.3 отображена понятийная нейронная сеть. Для сокращения количества рисунков здесь также отображены новые выводы, определяющие понятия, которые предполагается получить на основе моделирования индуктивного мышления.

Целесообразно использовать ту же функцию активации.

< Лекция 6 || Лекция 7: 1234 || Лекция 8 >
Анастасия Карманова
Анастасия Карманова
Россия, Абакан, ХГУ им. Н. Ф. Катанова
Петр Козлов
Петр Козлов
Россия, Екатеринбург, Уральский университет путей сообщения