Представление знаний в области проектирования учебно-исследовательских САПР трикотажа основовязаных переплетений (УИ САПР ТОП) - это выражение на некотором формальном языке свойств большого количества различных объектов и закономерностей их отношений, важных для решения следующих задач [1]: 1) исследование методов и приемов художественного конструирования трикотажного полотна; 2) проектирование альтернативных данных для оптимального воспроизведения узора, параметров структуры и свойств трикотажа; 3) опытное воспроизведение трикотажа согласно расчету; 4) подготовка технико-экономической документации и методики автоматизированного управления качеством продукции.
Для повышения эффективности решения поставленных задач и одновременно упрощения компьютерной обработки моделей и компонентов в качестве инструментария для формальной спецификации понятий и отношений, характеризующих определенную область знаний экспертов, нами используется онтологический подход. В инженерии знаний под онтологией понимается детальное описание некоторой предметной области, которое используется для формального и декларативного определения ее концептуализации. Основная задача онтологического подхода состоит в том, чтобы облегчить пользователю поиск информации в большом наборе ресурсов путем систематизации знаний, создания единой иерархии понятий, унификации терминов и правил интерпретации.
На сегодняшний день известен ряд базовых моделей представления знаний и их модификаций. Это - представление с помощью продукционных моделей, исчислений предикатов (формально-логические модели), семантических сетей, фреймов. Анализ этих моделей с точки зрения их дальнейшего использования в построении онтологии ТОП позволяет получить необходимые практические рекомендации для проектирования.
На основании многочисленных исследований [2-6] в табл. 1 произведено сравнение моделей представления знаний по следующим характеристикам: уровень сложности элемента знаний; универсальность для различных предметных областей; естественность и наглядность представления знаний при использовании; размерность модели по объему памяти, необходимому для хранения элемента модели; особенности разработки системы на основе модели.
Таблица 1
Сравнительные характеристики моделей представления знаний
|
Виды моделей |
Уровень сложности элемента знаний |
Универсальность |
Естественность и наглядность |
Размерность |
Особенности разработки |
|
Продукционные модели |
1. Работают с простейшими составляющими знания - факторами и правилами. 2. Ориентированы на простые, однородные и хорошо формализуемые предметные области. |
1. Универсальны для разных предметных областей, кроме областей, описывающих специальные знания. |
1. Обладают: а) строгой формой и модульностью; б) свойством независимости продукций; в) легкостью модификации базы знаний; г) простотой механизма логического вывода; д) отличием от структур знаний, свойственных человеку. |
1. Занимают малый объем памяти, необходимый для хранения элемента знаний модели-конструкции если-то. |
1. Сложность и громоздкость структуры базы данных. 2. Значительные затраты времени на построение цепочки вывода. 3. Невозможность эффективно описать правила с исключениями. 4. Сложность проверки непротиворечивости системы. 5. Сложность оценки целостного образа знаний. |
|
Формальные логические модели |
1. Работают с простейшими составляющими знания - факторами и правилами. 2. Являются удобным средством для строгого построения моделей, описывающих конкретные предметные области. 3. Предъявляют высокие требования и ограничения к предметной области. |
2. В промышленных интеллектуальных системах практически не используются. |
1. Обладают: а) свойством формализованности; б) простотой представления логических взаимосвязей между фактами; в) простотой механизма логического вывода. |
1. Занимают малый объем памяти в силу простоты логических взаимосвязей между фактами и правилами. |
1.Трудность в реализации динамичности системы, что приведет к сложности вычислений. |
|
Семантические сети |
1.Обладают способностью графически описывать объекты (процесс, состояние, какая либо сущность) предметной области. 2. Ориентированы на простые и хорошо формализуемые предметные области. |
1. Универсальны для разных предметных областей. |
1. Обладают: а) наглядностью представления знаний как системы; б) структурированностью; в) сложностью вывода, связанного с поиском подграфа, соответствующего запросу; г) неудовлетворительной способностью объяснить свои решения. |
1. Занимают значительный объем памяти. |
1. Возможность организации иерархической структуры. 2. Возможность наследования свойств. 3. Легкость добавления, удаления и сравнения дуг и узлов. |
|
Фреймы |
1. Обладают высоким уровнем абстрагирования. 2. Способны описывать метазнания и формировать на их основе новые знания. 3. Эффективны для структурного описания сложных понятий. |
1. Универсальны за счет существования фреймов-понятий, фреймов-событий, фреймов-ситуаций, фреймов-ролей, фреймов-сценариев. |
1. Отражают концептуальную основу организации памяти человека. 2. Обладают гибкостью и наглядностью в формализации экспертных знаний о предметной области. 3. Имеют: а) внутреннюю интерпретацию и внутреннюю структуру связи; б) возможность использования предположений и ожиданий. |
1. Занимают значительный объем памяти, однако размерность фреймовых моделей значительно ниже, чем семантических сетей. |
1. Иерархическая организация общих и частных понятий. 2. Удобство хранения данных за счет возможности связи с базой данных. 3. Достоинства по отношению к реляционной базе данных. 4. Наличие механизма наследования свойств. 5. Наличие во многих языках программирования специальных функциональных структурных единиц обладающих основными функциями фреймов. 6. Возможность легкого перехода к сетевой модели. |
Анализ таблицы показывает, что фреймовая модель представления знаний наиболее подходит в качестве формального построения онтологии, поскольку позволяет специалисту в рамках стандартной модели описать все многообразие своих знаний о проектировании ТОП.
Фреймы дают возможность специалисту самостоятельно развивать и поддерживать модель знаний предметной области, не привлекая для этого аналитиков и программистов. С их помощью можно легко проверить полноту, согласованность и непротиворечивость представления сложной семантики области проектирования ТОП.
Использование фреймов в качестве основной структуры данных, хранящей понятия о типичных объектах и событиях, широко распространено в практике создания приложений искусственного интеллекта благодаря развитию методов объектно-ориентированного программирования. Практически во всех современных языках программирования появились специальные структурно-функциональные единицы (объекты, классы), обладающие основными признаками фреймов. Таким образом, представления знаний на основе фреймовой модели, особенно эффективно для структурного описания сложных понятий и решения задач.
Исходя из полученных рекомендаций относительно выбора модели представления знаний, в Камышинском технологическом институте проводятся работы по созданию интеллектуальной УИ САПР ТОП на основе фреймовой модели, интеллектуальным ядром которой является онтология. Разработка онтологии осуществляется в программной среде Protégé и базируется на следующих классификационных признаках: виды переплетений основовязаного трикотажа, необходимые условия их получения, рисунчатые эффекты, оборудование для производства, сырье. В зависимости от условий поиска данная онтология может выводить интересующую информацию о видах и характеристиках ТОП, выполненных на различных видах основовязального оборудования.
Список литературы:
- Кочеткова О.В., Казначеева А.А. Формирование требований к учебно-исследовательским САПР трикотажа. Материалы V всероссийской конференции «Инновационные технологии в обучении и производстве» / КТИ ВолгГТУ. - 2008, с. 176-179.
- Hammond P. Logic programming for expert systems // M. Sc. Thesis. Dept. of Computing. Imperial College, Univ of London, England, 1980.
- Вудс У.А. Основные проблемы представления знаний // ТИИЭР. - 1986. - Т. 74. - № 10. - С. 32-47.
- Минский М. Фреймы для представления знаний. - М.: Мир, 1979.
- Скрэгг Г. Семантические сети как модели памяти // Новое в зарубежной лингвистике. - М.: Радуга, 1983. - Выпуск 12. - С. 228-271.
- Элти Дж., Кумбс М. Экспертные системы: Концепции и примеры. - Пер. с англ. - М.: Финансы и статистика, 1986.