Лекция 5

1. Нечеткие знания и способы их обработки

Лекция 5
1

2.

• Знания получаемые от экспертов могут быть
субъективны и различны
• Существует противоречие между нечеткими
знаниями и четкими правилами логического
вывода
• Существует специальные методы
представления и обработки нечетких знаний
2

3. Под нечеткостью знаний понимают

Недетерминированность вывода
Многозначность
Ненадежность
Неполнота
Неточность
3

4. Недетерминированность выводов

• Означает, что заранее путь решения
конкретной задачи определить невозможно
• Цепочка логических заключений, приводящая
к ответу получается методом проб и ошибок
• Для решения таких задач существует
множество эвристических алгоритмов
4

5. Многозначность

Часто встречается в задачах распознавания
образов
• При вводе данных на естественном языке (
многозначность смыла слов, порядок слов в
предложении и т.д.)
• При переводе с одного языка на другой
• Для устранения многозначности разработаны
специальные методы, например метод
релаксации, состоящий в циклических
операциях фильтрации.
5

6. Ненадежность знаний и выводов

• Для таких знаний нельзя применять двузначную
шкалу оценки ( да, нет, 0 или 1).
• Для оценки применяется вероятностный подход,
основанный на теореме Байеса: пусть Н1, Н2 —
полная группа событий, и — A некоторое
событие, вероятность которого положительна.
Тогда условная вероятность того, что имело
место событие Hk , если в результате
эксперимента наблюдалось событие A, может
быть вычислена по формуле:
6

7.

• В системах с ненадежными связями на И-ИЛИ –
графе появляется еще один тип связи КОМБ,
который принимает значение минимальное по
надежности при связи И и значение
максимальное по надежности при связи ИЛИ.
• Иногда для данных такого типа используется
Коэффициент уверенности, характеризующий
связь КОМБ.
• Коэффициенты уверенности часто используются
в системах продукционного типа благодаря
простоте восприятия и интерпретации
полученных результатов.
7

8. Неполнота знаний и немонотонная логика

• Полных знаний о предметной области не существует:
может возникать проблема при добавлении новых
знаний в систему и новые знания могут вступать в
противоречие со старыми знаниями, тогда
разработанный механизм вывода станет
неработоспособен.
• Модель закрытого мира – предполагает жесткий
отбор знаний , включаемых в базу. В базу заносятся
только верные понятия. А все что считается
ненадежным или неопределенным, заведомо
считается ложным.
• Такая модель распространена несмотря на
недостатки (при добавлении новых знаний может
возникнуть противоречие)
8

9. Монотонная логика

• Если набор определенных аксиом является
полным, то справедливость полученных выводов
не нарушается с добавлением новых фактов.
Пример:
ПТИЦЫ ЛЕТАЮТ
ПИНГВИН НЕ ЛЕТАЕТ
ЛОЛО – ПТИЦА
Вывод - ЛОЛО ЛЕТАЕТ и ПИНГВИН – НЕ ПТИЦА.
При добавлении факта ЛОЛО – ПИНГВИН, то
получается противоречие предыдущим
заключениям.
9

10.

Для немонотонных выводов используются методы
немонотонной логики:
• немонотонная логика Макдермотта и Доула,
• логика умолчания Рейтера,
• немонотонная логика Маккарти и другие
методы.
АБДУКЦИЯ – используется вместо дедукции для
логических выводов с неполными знаниями, так
называется процесс формирования
объясняющей гипотезы на основе заданной
теории и имеющихся фактов (наблюдений).
10

11. Пример абдукции

• Правило: «Если студент отлично знает
математику. То он может стать хорошим
инженером»
• Факт: «Студент Иванов отлично знает
математику»
• Наблюдение: «Студент Иванов стал хорошим
экономистом»
• Гипотеза на основании АБДУКЦИИ: Хороший
математик может стать хорошим экономистом.
Абдуктивные выводы используют в задачах
диагностики при обнаружении причин
неправильного поведения системы, в задачах
распознавания естественного языка, для решения
проблем накопления и усвоения знаний.
11

12. Система поддержания значений истинности:

• При этом все знания делят на достоверные и
недостоверные, при этом база данных
упорядочивается для устранения недостоверных.
• Достоверные на данный момент знания относят к
классу IN, а сомнительные и недостоверные – к
классу OUT.
• Если при добавлении новых знаний возникает
противоречие, то возможно перемещение
знаний из класса в класс.
25.01.2026
12

13. Неточность знаний

• Для оценки неточных числовых данных
используют количественные оценки неточности
(доверительный интервал, уровень значимости,
степень адекватности и т.д.)
• Для оценки лингвистических знаний используется
теория нечетких множеств, предложенная Л.
Заде в 1965 году.
13