автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Методы и средства построения интегрированных баз знаний

7 МОСКОВСКИЙ

ордена Ленина, ордена Октябрьской Революции и ордена Трудового Красного Знамени государственный технический университет имени

Н.Э.Баумана

На правах рукописи

Малыгин Андрей Геннадьевич

МЕТОДЫ И СРЕДСТВА ПОСТРОЕНИЯ ИНТЕГРИРОВАННЫХ БАЗ ЗНАНИЙ

05.13.06 - Автоматизированные системы управления

АВТОРЕФЕРАТ диссетации на соискание ученой степени кандидата технических наук

Москва 1996

Работа выполнена в Московском ордена Ленина, ордена октябрьской Революции и ордена Трудового Красного Знамени государственном техническом университете имени Н.Э.Баумана.

Научный руководитель - кандидат технических наук, доцент Меньков Александр Викторович.

Официальные оппоненты:

1. Острейковский Владислав Алексеевич, д.т.н.. профессор, зав. кафедрой ОИАТЭ.

2. Башлыков Александр Александрович, к.т.н.. с.н.е., зав. лаб. АО ЦНИИКА

Ведущее предприятие:

Институт информационных технологий

и прикладной математики СО РАН

Защита диссертации состоится и_и_199 года на

заседании специализированного совета Д 053.15.03 "Вычислительная и информационная техника" Московского ордена Ленина, ордена Октябрьской Революции и ордена Трудового Красного Знамени государственного технического университета имени Н.Э.Баумана по адресу: 107005, Москва, 2-я Бауманская, 5.

С диссертацией можно ознакомится в библиотеке МГТУ имени Н.Э. Баумана.

Автореферат разослан: "/¿>" 0/г/с///£\ 997 г.

Ученый секретарь специализированного

совета к.т.н.. доцент Иванов С. Р.

Подписано к печати Заказ . Объем 1п.л.

Тираж 100 экз. Типография МГТУ. 107005. Москва. 2-я Бауманская. 5.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ.

Актуальность проблемы. В 80-е годы на основе исследований в области искусственного интеллекта (ИИ) сформировалась новая отрасль индустрии - производство интеллектуальных систем, или ИИ-систем. Это название получили программные комплексы, решающие задачи, которые до недавнего времени были прерогативой человеческой деятельности.

Подобные системы решают задачи: проведения диагностики в медицине и технике; распознавания речи; понимания и перевода текста на естественном языке; обработки, анализа и распознавания изображений; автодоказательства теорем; игры в шахматы и т.д.

Основной характеристикой ИИ-систем является способность подобно человеку рассуждать и делать разумные выводы. Это свойство обусловлено, прежде всего, наличием информационной компоненты, именуемой базой знаний (БЗ), и содержащей в некотором формализованном виде знания человека о предметной области.

Необходимость использования знаний человека-эксперта ставит вопрос о составе и методах представления знаний. Можно выделить следующие основные методы (формы) представления знаний: в виде продукционных правил: формальные логики (исчисление высказываний и предикатов); семантические сети; фреймовые системы.

В тоже время возможности ни одного из них в полной мере не обеспечивают потребностей инженерии знаний. Это непосредственно связано с неоднородностью, многообразием форм человеческого знания. Принято различать следующие "элементы" знания: объекты реального мира, утверждения и определения, концепции, отношения между объектами и концепциями, теоремы и правила перезаписи, алгоритмы, стратегии и эвристики, метазнания. Средствами же любого из указанных методов невозможно обеспечить качественное представление всех "элементов" знания.

Возрастающая сложность решаемых задач предполагает наличие хорошо структурированной базы, обладающей способностью использовать большие объемы самых разнообразных знаний. Взаимодействие различных методов представления знаний в рамках единой системы и использование смешанных (гибридных) представлений - традиционные пути решения проблемы.

Все существующие ИИ-системы можно разбить на два класса: общего назначения и специализированные. К интеллектуальным систе-

1

мам общего назначения отнесены те, которые не только исполняют заданные процедуры, но и на основе метапроцедур поиска генерируют и исполняют процедуры решения конкретных задач. В настоящее время единственным типом ИИ-систем общего назначения являются так называемые инструментальные средства (ИС), предназначенные для построения экспертных систем (ЭС).

Именно с появлением ИС связано начало массового использования гибридных методов представлений знаний. Для гибридных методов характерно, что операционное знание представляется в виде продукционных правил, а для описания модели предметной области используются семантические сети или фреймы. Иными словами, развитые возможности для описания "элементов" типа "отношение" в сетях и фреймах дополняются правилами и модулями преобразования знаний, представляющими собой "ядро" продукционных систем.

Обратной стороной является усложнение процесса построения прикладных ЭС. Это вызвано прежде всего необходимостью решения разработчиком, часто не являющимся специалистом в области ИИ. проблем, связанных с формированием БЗ прикладной системы: выбор способа представления для того или иного "элемента" знания, модификация управляющих стратегий и т.д.

Основную проблему традиционного подхода к построению БЗ прикладных ИИ-систем можно сформулировать так:

При увеличении объемов проектируемой БЗ возрастает сложность разделения и распределения по различным моделям (методам) представления всех "элементов" знаний, образующих единую модель предметной области.

Решение указанной проблемы достигается посредством интеграции в единой модели "элементов" различных методов представления знаний, которые, в отличие от традиционных методов интеграции, принадлежат одному уровню. (Уровню теоремы и правила переписывания принадлежат формулы исчисления предикатов и правила продукции продукционных систем.)

Используемый в современных ИИ-системах подход, обеспечивающий взаимодействие знаний, можно определить как метод интеграции форм представления знаний.

Альтернативным или взаимодополняющим может предстать способ, в рамках которого "центр тяжести" интеграции будет перенесен на уровень "элементов" знаний. В этом случае увеличение описательной мощности БЗ будет осуществляться не по принципу усиления 2

"слабых;" "элементов" одного метода соответствующими возможностями другого ( хотя такая возможность не исключается ), а вследствие совместного использования различных, одинаково "сильных" "элементов" в рамках единой модели представления.

Совмещение правил продукции и формул формальных логик - один из возможных вариантов. Наличие стратегии поиска решения, обеспечивающей единый механизм логического вывода для разнотипных формализмов преобразования, является условием существования и основным достоинством такого метода интеграции.

Назначение диссертационной работы - разработка метода и инструментальных средств построения интегрированных баз знаний интеллектуальных систем, основанных на принципе интеграции уровней знания.

Цель диссертационной работы - повышение эффективности процесса построения интегрированных баз знаний вследствие применения методики интеграции уровней знания.

Общая методика исследований. В работе использованы методы теорий формальных логик, принятия решений, исследования операций. Исследование состоятельности и эффективности предлагаемых методов и инструментальных средств были подтверждены экспериментальным путем ( ХИ-квадрат тест ).

Научная новизна. В диссертации разработаны метод и средства построения интегрированных баз знаний интеллектуальных систем, основанные на принципе интеграции уровней знаний.

Разработаны и выносятся на защиту:

1. Структура интегрированной базы знаний, основанная на принципе интеграции уровней знания.

2. Модель интеграции уровней знания.

3. Стратегия и критерии поиска решения, обеспечивающие механизм логического вывода на основе интегрированной базы знаний.

4. Язык представления знаний, основанный на принципе интеграции уровней знания.

5. Алгоритм логического вывода на основе управляющих критериев "стоимости данных" и "максимума неопределенности".

Практическая ценность. Разработанные модели, алгоритмы, методики и программные средства использовались при создании следующих комплексов: "Система создания и ведения базы знаний диалога "Оператор ЭВМ" энергоблока АЭС" в НИТИ "На Яузе", "Макет пакета прикладных программ отображения и обработки картографической и

3

графической информации SPACEMAP" и "Аппаратно-программный комплекс экспертного анализа, обработки изображений и создания баз знаний - АРМГРАФ" в НПП "ЗКОТЕК", "Инструментальное средство проектирования медицинских, экспертных систем функциональной диагностики и оценки психо-физиологических резервов летчиков с использованием мультимедиа-ориентированных CASE-технолсгий - Ме-дэксперт" на кафедре "Автоматизированные системы управления" МГТУ имени Н.Э. Баумана, а также инструментального средства "Интегрированная оболочка поддержки интеллектуальных технологий и систем IMAGE EXPERT" и четырех прототипов медицинских экспертных систем в НПП "Фрегат".

Апробация работы. Разработанные модели, алгоритмы, методики и программные средства использовались при создании следующих комплексов: "Система создания и ведения базы знаний диалога "Оператор ЭВМ" энергоблока АЭС", заказчик: Институт Атомной Теплоэнергетики; "Макет пакета прикладных программ отображения и обработки картографической и графической информации SPACEMAP", заказчик: НПО Космического Приборостроения; "Аппаратно-программный комплекс экспертного анализа, обработки изображений и создания баз знаний - АРМГРАФ", заказчик: Научно-исследовательский Институт Медицинской Радиологии АМН СССР, "Инструментальное средство проектирования медицинских экспертных систем функциональной диагностики, и оценки психо-физиологических резервов летчиков с использованием мультимедиа-ориентированных CASE-техноло-гий - Медэксперт", заказчик: Государственный Научно-исследовательский Испытательный Институт (ГНИИИ) Авиационной и космической медицины, а также инструментального средства "Интегрированная оболочка поддержки интеллектуальных технологий и систем IMAGE EXPERT" и четырех прототипов медицинских экспертных систем в НПП "Фрегат".

Содержание отдельных частей диссертации было доложено:

- на заседаниях аттестационной комиссии при ежегодной аттестации аспирантов кафедры "АСОИУ" МГТУ имени Н.Э. Баумана;

- на заседании кафедры "АСОИУ" МГТУ имени Н.Э. Баумана;

• - на комиссиях по приемке этапов работ.

Программное обеспечение, созданное в рамках настоящей диссертационной работы демонстрировалось:

- на международной выставке Softool 91 на ВДНХ;

- на выставке с международным участием ImproGraph 91 на ВДНХ;

- на выставке с международным участием Softool 92 на ВДНХ.

Публикация. Основное содержание диссертации опубликовано в 1 печатной работе. Результаты разработок и исследований, проведенных по теме диссертационной работы включены в 5 отчетов по НИР.

Структура и объем работы. Диссертационная работа состоит из введения, четырех глав с выводами, заключения, изложенных на 162 страницах машинописного текста, содержит список литературы, включающий 67 наименований.

СОДЕРЖАНИЕ РАБОТЫ.

В первой главе диссертации осуществляется анализ методов и моделей представления знаний, управляющих стратегий поиска- решения, а также существующих систем и средств искусственного интеллекта. Результатом проведенного анализа является описание "нового" принципа построения интегрированных баз знаний, получившего в диссертационной работе название принципа интеграции уровней знания. В соответствие с этим принципом предлагается структура и математическое описание интегрированной базы знаний (ИБЗ), и. в заключении, формально ставится задача разработки метода построения ИБЗ. основанного на принципе интеграции уровней знания.

Таблица 1. иллюстрирует взаимоотношение уровней и методов представления знаний. Анализ наиболее известных методов представления знания (формальные логики, продукции, сети, фреймы) показал, что возможности ни одного из них полностью не обеспечивают потребностей инженерии знаний, выражающиеся в необходимости структурного выделения и манипулирования знаниями всех уровней.

Анализ современных систем и средств искусственного интеллекта показал, что удовлетворение этих потребностей достигается за счет использования смешанных (гибридных) представлений. Наиболее распространенным является случай совмещения в рамках гибридной модели правил продукции и отношений наследования и/или структуризации. присущих сетевым и фреймовым формам представления.

Значительным недостатком такого подхода является усложнение процесса построения ИБЗ прикладных систем, так как при увеличении объемов проектируемой ИБЗ возрастает сложность разделения и распределения по различным методам представления всех "элементов" знаний, образующих единую модель предметной области.

В соответствие с предложенным в диссертационной работе прин-

5

Таблица 1. Взаимоотношения уровней и методов представления знаний

Уровни знаний Методы представления знаний

Логика высказыв. Логика предикат. Правила продукции Фреймовые системы Семантич. сети

1 Объекты реального мира свободные переменные логики индивидные переменные объект (абстрак. правила) фрейм или экземпляр элемент

2 Утверждения определения образцы (конкрет. правила)

3 Концепции (классы) нет квантифи-вдрованн. перемени. неявно: абстракт. правила прото-фрейм (концепт) пропотип (концепт)

4 Отношения нет предикаты атрибут-значение (для объектов) "абстрак-тное^' -"конкретное" свойство-значение, наследование

5 Теоремы и правила перезаписи формулы логики высказыв. формулы логики предикат. продукции нет нет

6 Алгоритмы нет нет модули, управ-мые образцами демоны и методы нет

7 Эвристики нет нет "обратный ЕЫВОД"- эвристика

8 Метазнания метатео-ремы для дедуктив. вывода метаправила, КУ правил

ципом интеграции уровней знания построение сложных, больших по объему баз знаний достигается посредством интеграции в единой модели "элементов" различных методов представления знаний, которые. в отличие от традиционных методов интеграции, принадлежат одному уровню. (Уровню "теоремы и правила переписывания" принадлежат формулы исчисления предикатов и правила продукции).

Наличие единой стратегии поиска решения, обеспечивающей логический вывод для разнотипных формализмов преобразования, является условием существования и основным достоинством метода построения ИБЗ, основанного на принципе интеграции уровней знания.

На рис.1, представлена структурная схема ИБЗ.

Здесь. (1} - множество ситуаций реального мира.

Интегрированная база знаний (ИБЗ) есть совокупность базовых, декларативных и процедурных знаний о предметной области, адекватно отражающих сущности и отношения реального мира, а также методы и средства описания и манипулирования знаниями.

Предлагается следующее определение ИБЗ: (У. М. Р }, где У - п/система управления знаниями;

М - п/система знаний, или декларативная составляющая знаний; Р - и/с получения данных, процедурная составляющая знаний.

Целью функционирования такой ИБЗ является получение оценки Г по поводу состояния предметной области I.

Компонента управления знаниями У есть множество методов и средств описания и манипулирования знаниями и представляет собой множество формальных определений для представления и манипулирования знаниями, а также соответствующих им механизмов. У = { Ц, В, Н. й, Е, VI }, где Ц - множество стратегий поиска решений { ч }; В - множество базовых объектов С Ь };

Н - множество математических формализмов { Ь }. задающих характер взаимоотношений между объектами (правил преобразований);

И - это множество программно-реализованных процедур { г }. обеспечивающих выполнение правил преобразования. Каждая процедура г уникальна для различных классов объектов и типов отношений между ними и задается парой (Ь, Ю;

Е - эта процедура предназначена для определения факта окончания процесса логического вывода:

N - процедура, осуществляющая общее управление компонентами

рис. 1. Структурная схема ИБЗ

Система знаний М представляет собой множество взаимосвязанных моделей знаний { ш }. Это конкретные знания, описывающие окружающую действительность.

Под моделью предметной области т понимается функционально-значимая единица ( модуль ), содержащая множество объектов .предметной области с установленными между ними связями, имеющая интерфейс с другими единицами (модулями), и предназначенная для решения частной задачи предметной области.

Каждую такую модель можно рассматривать как: ш = { ч. О, Т. Б, Ъ }, где

Я - выбранная для данной модели стратегия поиска решений;

0 - множество объектов (сущностей) реального мира { о }, имеющих отражение в модели;

Т - множество правил преобразования { 1; }, определенных на множестве объектов { о } с учетом типа взаимодействия последних.

Б - множество решений (конечных состояний) задачи. Б = { Т };

1 - множество способов { г } получения исходной информации о реальном мире.

Система получения данных Р представляет собой множество процедур получения информации { р } (процедур анализа). Это "сенсоры", воспринимающие реальный мир и предоставляющие информацию о состояние предметной области I.

Процесс получения решения данной задачи представляет собой последовательность итерационных циклов, на каждом из которых происходит уточнение анализируемой ситуации (состояния предметной области) посредством обработки информации, содержащейся в моделях знаний М = { МЗ }. Обработка этих данных осуществляется содержащимися в системе управления правилами преобразования Я = { йс }, а источником информации о событиях, происходящих в реальном мире являются процедуры анализа Р = { Р1 }.

Процесс считается законченным, когда достигнутое состояние ИБЗ адекватно отражает состояние предметной области I.

Состояние ИБЗ после 1 шагов ( то есть после применения 1 правил преобразования или процедур получения информации ) обозначается через С1 и характеризуется парой: С1 = { XI, И ), где:

XI - множество признаков, характеризующих состояние предметной области I.

П - пространство вычисленных фактов по поводу распознавае-

9

мой ситуации после 1 правил преобразования.

Получить результат по поводу анализируемой ситуации означает получить конечное состояние ИБЗ:

Се = ( Хе, Бе }, такое что пространство фактов Бе содержит факт Г. принадлежащий еще и множеству решений (конечных состояний) задачи Б.

Решить эту задачу означает получить вектор управления и = { ит. иг, ир } , обеспечивающий преобразование Со —> Се.

Здесь, ит. №, Чр - соответствующие вектора управления компонентами, представляющие собой упорядоченные по шагам задачи от нулевого до конечного (1 = о...е) множества индексов моделей знаний М. правил преобразования И и процедур анализа Р.

То есть для каждого шага 1 требуется определить: и! = { 1Ш. №1. ир! } = { 3. к, 1 }.

Вектор иг. отвечающий за выбор соответствующего правила преобразования Шс определяется как функционал от общей стратегии поиска решений, множества объектов и отношений между ними: к = №1 = ФИ я. В, Н, С1 )

Данные об объектах модели и о характере взаимодействия между различными модулями позволяют определить индекс требуемой процедуры анализа ( процедуры получения данных ) : 1 = ир! = Ф2( г, в, а )

Аналогично осуществляется и определение индекса модели:

3 = ит! = фз( г. в, С1 )

Полученный вектор (о, к, 1 } однозначно указывает текущую модель знаний МЗ, правило преобразования Ик и процедуру анализа Р1, необходимые для осуществления преобразования С1 —> С1+1 : П+1 = Ек ( С1 ) П+1 = Р1 ( I, С1, г ).

Таким образом, для создания метода и средств построения ИБЗ, основанных на принципе интеграции уровней знания необходимо:

1) Задать формальную модель интеграции уровней знаний;

2) Определить стратегию поиска решения на основе интегрированных (и потому неоднородных) знаний;

3) Разработать языковую среду для описания формальной модели интеграции уровней знаний;

4) Разработать алгоритм логического вывода для интегрированной (гибридной) модели представления знаний;

5) Разработать инструментальные средства для проектирования

ИБЗ прикладньк систем:

6) Задать методику формирования ИБЗ прикладных систем;

7) Разработать прототипы прикладных систем на основе инструментального средства.

Во второй главе формально описывается модель интеграции знаний, исследуются математические механизмы преобразования нечетких и неточных знаний, задаются управляющие критерии и стратегия поиска решения в интегрированной модели знаний.

В качестве объектов интеграции принимаются следующие "элементы" знаний: формулы логики высказываний L и продукционные правила R, которые принадлежат уровню "теоремы и правила переписывания" (табл. 1).

Задача построения формальной модели интеграции уровней знаний решается в несколько этапов:

На первом этапе дается формальное описание логики высказываний, а также обсуждаются варианты управляющих критериев и стратегий поиска решения для прямого дедуктивного вывода.

В соответствие с разработанной структурой ИБЗ в описание логики высказываний введены определения з базовых классов: гипотезы (h); свидетельства (с); данные (d).

Определение объектов X классов h и с задаются формулами L вида: L ( d, с ) —> с и L( с ) — > h.

В общем виде теорема L—>Х задает математический формализм, отражающий характер взаимодействия между объектами разных классов. Программно-реализуемое правило вывода modus ponens вида:

( L, L—>Х ==> X ) обеспечивает доказательство, которое определяется как конечная последовательность формул LI,...Li,...Lk. задающих множество выведенных объектов XI,..XI,. .Хк, такое что каждый объект XI выводим посредством правил вывода из предыдущих формул: Li, LI—>Xi==>XI.

Доказательство объекта Хк, принадлежащего классу гипотез (Хк принадлежит h) означает получение решения.

Общее управление логическим выводом осуществляется на основе определенного в диссертационной работе критерия стоимости данных СД и задается множеством правил, позволяющих на каждом шаге определить объект, доказательство которого в соответствие с критерием СД является оптимальным для получения решения.

Следующий параграф посвящен проблемам, возникающим при ис-

11

пользовании неточных правил продукции: математическим механизмам преобразования с использованием коэффициентов уверенности правил. Продукции R также могут быть использованы для задания отношений между объектами различных классов:

R(d) —> с, R(c) —> с, R(c) —> h.

Исследуются неточные правила продукции R двух типов:

- на основе теоремы Байеса: XI —> Х2, pl,p2

- на основе формулы Шортлифа: XI —> Х2, q. Здесь, pi, р2 и q - коэффициенты уверенности.

Программно-реализуемые правила вывода соответственно: XI. (XI—>Х2.р1.р2) ==> Х2 И XI. (XI—>X2.q) ==> 12 задают логический вывод на основе продукций.

Общее управление логическим выводом может осуществляться на основе предложенного Нейлором критерия цен свидетельств ЦС.

В третьем параграфе предлагается описание формальной модели интеграции и определяется единая стратегия поиска решения.

Использование нечетких знаний требует специального критерия для организации поиска решения в БЗ, объекты которой задаются как посредством трансформационных правил (формул), так и посредством продукций. Такой критерий должен отвечать требованиям семантической "совместимости" с рассмотренным критерием цен свидетельств (ЦС). Это необходимо для организации непротиворечивого управления поиском решения в пространстве объектов предметной области, отношения между которыми задаются одновременно формулами и продукциями.

рис. 2. Фрагмент интегрированной БЗ В соответствии с критерием ЦС на каждом шаге логического вывода к рассмотрению принимается тот объект нижнего уровня, применение которого в качестве антецедента (посылки) правила приведет к наибольшему суммарному изменению вероятностей объектов 12

верхнего уровня. На рисунке 2. представлен фрагмент интегрированной базы знаний. Объект гипотеза HI определен как логическая формула: XI ИЛИ Х2. Объект Н2 является консеквентом двух продукций: Х2—>Н2 и ХЗ—>Н2, а НЗ одной: ХЗ—>НЗ. И если критерий ЦС можно рассчитать для обьекта ХЗ, то для XI и Х2 получение такого показателя достаточно проблематично.

Некоторым аналогом критерия ЦС может являться критерий максимума неопределенности (МН). В соответствии с ним для доказательства выбирается наиболее неопределенная цель, характеризуемая максимальным значением разности между максимальной и минимальной достижимыми вероятностями. Формально это можно определить следующим образом:

Имеется множество объектов XJ, j=l.m. На этом множестве определено множество объектов типа гипотеза, являющихся целями. Hi, 1=1,п. Определение гипотез через объекты нижнего уровня за-.дается либо посредством продукционных правил Xj—>Н1, либо трансформационными правилами L—>Н1. Любая формула L может быть

представлена в виде: L1 О L2 0 ... О Lk 0 ---- где

О - один из логических операторов ( либо либо 'Г), Lk - правильно построенные формулы (подформулы).

Выбор гипотезы HI для текущего шага логического вывода производится по следующим правилам:

1 = index max ( fffl(Hl) ), 1=1,п. МН(Н1) = Ртах(Hi) - Pmin(Hi). Для продукционных правил:

Ртах(Hi) = РМАХе(Hi), Pmin(Hi) = PMIJie(Hi), где е - последний шаг итерации, a PMINe(Hi) и PMAXe(Hl) - минимальная и максимальная вероятности соответственно i-ой гипотезы после выполнения всех продукций. Для трансформационных правил:

Pmax(Hi) = Pmax(L) = min (Pmax(LK)) (для конъюнкции), Pmax(Hi) = Pmax(L) = max (Pmax(LK)) (для дизъюнкции), Pmax(Hi) = Pmax(L) - 1 - Pmln(LK) (для отрицания), Pmin(Hi) = Pmin(L) = min (Pmin(LK)) (для конъюнкции). Pmin(Hi) = Pmin(L) = max (Pmin(LK)) (для дизъюнкции). Pmin(Hi) = Pmin(L) = 1 - Ршах(Ьк) (для отрицания). Выбранная таким образом цель задается либо множеством продукций { R }, либо формулой L. Следующим шагом является анализ

13

объектов, являющихся соответственно антецедентами продукций или составляющими формулы. Для дальнейшей обработки выбирается тот, потенциальное воздействие которого на объект верхнего уровня максимально. Выбранный таким образом объект в свою очередь раскладывается на составляющие, и этот процесс продолжается до тех пор, пока не будет определен объект самого нижнего уровня, то есть принадлежащий классу данные а.

Условия применимости: ИБЗ, реализующие принцип интеграции уровней знания, способны производить логический вывод, если описание предметной области может быть формализовано в виде трансформационных (формул) или продукционных правил.

В третьей главе обсуждаются вопросы, связанные с практическим внедрением предложенной методики интеграции уровней знаний. Дается определение языка представления знаний в форме Бэкуса-На-ура. Предлагаются описание алгоритма логического вывода на основе комбинации двух управляющих критериев: "стоимости данных" и "максимума неопределенности", а также архитектура инструментального средства для построения интегрированных баз знаний прикладных систем ИИ.

В четвертой главе дается описание языка представления знаний, обеспечивающего принцип интеграции уровней знания и реализованный в интегрированной среде 1таяеЕхрег1. В качестве руководства пользователя по созданию прикладных систем ИИ предлагается описание инженерной методики для формирования баз знаний. Эффективность предложенных подходов построения интегрированных баз знаний иллюстрируется на примере прототипа экспертной системы медицинского назначения. Предлагаются результаты статистического тестирования прикладной системы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ.

Научные и практические результаты состоят в следующем:

1. На основе анализа существующих методов представления знаний и современных инструментальных средств искусственного интеллекта предложен принцип интеграции уровней знания.

2. Разработаны метод и средства построения интегрированных база знаний, основанные на принципе интеграции уровней знания.

3. Разработана модель интеграции знаний. Объектами интеграции являлись продукционные и трансформационные правила, принад-14

лежащие уровню знаний "теоремы и правила перезаписи".

4. Предложены критерии стоимости данных и максимума неопределенности для управления процессом поиска решения в интегрированной модели знаний.

5. Разработана стратегия поиска решения в интегрированной модели знаний на основе комбинированных критериев.

6. Разработан язык представления знаний

7. Разработан алгоритм логического вывода на основе комбинированных критериев, предназначенных для управления поиском решения в ИБЗ.

8. Разработана архитектура инструментального средства для построения интегрированных баз знаний прикладных систем.

9. Разработана прикладная методика формирования БЗ прикладных систем.

10. В практической части диссертации на основе созданных программных комплексов и экспериментальных исследований (статистическое тестирование прикладной ЭС, сравнение алгоритмов логического вывода) показана состоятельность принципа интеграции уровней знаний, разработанных алгоритмов и методик.

11. Разработанные модели, алгоритмы, методики и программные средства использовались при создании следующих комплексов: "Система создания и ведения базы знаний диалога "Оператор ЭВМ" энергоблока АЗС", "Макет пакета прикладных программ отображения и обработки картографической и графической информации SPACEMAP" и "Аппаратно-программный комплекс экспертного анализа, обработки изображений и создания баз знаний - АРМГРАФ", а также инструментального средства "Интегрированная оболочка поддержки интеллектуальных технологий и систем IMAGE EXPERT" и четырех прототипов медицинских экспертных систем.

Основное содержание диссертации отражено в работах:

1. Филиппович Ю.Н., Малыгин А.Г. Инструментальные средства поддержки интеллектуальных технологий и систем взаимодействия человека с ЭВМ.// Вестник московского государственного технического университета,- 1994, N 1.- С.105-110.- (Серия "Приборостроение". Специальный выпуск "Системы искусственного интеллекта").

2. "Система отображения коллективного пользования" шифр - СОКП. Опытно-конструкторская разработка. Руководитель работы Ю.Н. Филиппович / НЦТИ "На Яузе". - М. 1989. - инв. N

15

3/01-01,- 200 с. Раздел 4.1. Макет комплекса программных средств анализа изображения. Автор: А.Г. Малыгин.

3. "Система создания и ведения базы знаний диалога "Оператор ЭВМ" энергоблока АЭС". Шифр - ДИАЛОГ. Руководитель Ю.Н. Филиппович, авторы: Ю.Н. Филиппович, А.Г. Малыгин, Л.А. Соломонов, A.B. Меньков / НЦТИ "На Яузе", - М. ,1990.- инв. N 3/02-01,- 82 с.

4. Макет пакета прикладных программ отображения и обработки картографической и графической информации SPACEMAP. Руководитель Ю.Н.Филиппович. Макет КПС анализа и. отображения графической и картографической информации GRAPHEXP. Книга N 8. Разработчик: А.Г.Малыгин / НЛП "ЭКОТЕК".- М..1990.-инв.N 11/3-01,-220 с.

5. Аппаратно-программный комплекс экспертного анализа, обработки изображений и создания баз знаний - АРМГРАФ, шифр- ТОМА, книги 1.2.3.4. Руководитель Ю.Н.Филиппович. Разработчики: Ю.Н. Филиппович, А.Г. Малыгин, A.A. Габузян и др./ НЛП "ЭКОТЕК". -И.. 1991,- инв.N 11/4-01.

6. Инструментальное средство проектирования медицинских экспертных систем функциональной диагностики и оценки психо-фи-зиологических резервов летчиков с использованием мультимедиа-ориентированных CASE-технологнй. Шифр- Медэксперт. Руководитель D.H. Филиппович, авторы: Ю.Н. Филиппович, А.Г. Малыгин, Л.А. Соломонов И др. / МГТУ.- М.. 1994.- ИНВ. N ИУ5-1/94/2946.