Практическое применение логических моделей в моделировании

1. Практическое применение логических моделей в моделировании

ОТ ФОРМАЛИЗАЦИИ ЗНАНИЙ ДО ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ
Пастухова Софья 102Б
1

2. Что такое логические модели?

Логическая модель — это способ представления знаний о предметной
области с помощью формальной логики
Пример логической модели
базы данных
=>
2

3. Основные элементы логической модели

Факты
например, «Иванов
— студент»
Правила
вывода
например, «Если студент
сдал все экзамены, то он
получает стипендию»
Логические
операции
«И», «ИЛИ», «НЕ»
3

4. Почему логика важна для моделирования?

Формализация человеческих рассуждений: Позволяет описать
в машинном виде процессы, которые обычно выполняет
человек-эксперт.
Автоматизация вывода: Система может самостоятельно
получать новые знания из уже имеющихся фактов.
Проверка непротиворечивости: Логические модели позволяют
анализировать сложные системы на предмет ошибок на ранних
этапах проектирования.
4

5. Область 1: Экспертные системы

Медицина, геология, техника
Суть: Логическая модель выступает в роли «базы знаний»
эксперта.
Пример:
◦ Медицинская диагностика: В базу знаний заносятся правила вида:
◦ ЕСЛИ (температура > 37) И (кашель = да) ТО (возможна простуда)
◦ Поиск неисправностей: Логические модели используются для анализа
отказов в сложных системах (например, гидроэлектростанциях).
5

6. Область 2: Логическое программирование

Язык Пролог (Prolog)
Концепция: Программа — это не последовательность действий (как в Pascal
или Python), а описание фактов и правил в виде логических формул.
Практика:
◦ Обработка естественного языка.
◦ Доказательство теорем.
◦ Символьные вычисления.
Пример программы:
o человек(сократ). (факт)
o смертен(X) :- человек(X). (правило: любой человек смертен)
o Запрос: смертен(сократ). (ответ: да)
6

7. Область 3: Нечеткие логические модели

Маркетинг и оценка рисков
Отличие от классической логики: Использует степени принадлежности (не
только 0 или 1, но и значения между ними) для работы с неточными
понятиями: «высокий доход», «недавняя покупка».
Пример из маркетинга:
◦ Входные данные: Доход клиента, давность последней покупки, траты на вино.
◦ Правило: ЕСЛИ доход ВЫСОКИЙ И траты на вино ВЫСОКИЕ И покупка
была НЕДАВНО, ТО клиент ОТКЛИКНЕТСЯ на кампанию.
◦ Результат: Модель предсказывает вероятность отклика, даже если
данные нечеткие.
7

8. Область 4: Проектирование цифровых устройств

Логические схемы
Базовый уровень: Любой компьютер, от калькулятора до процессора,
строится на логических элементах («И», «ИЛИ», «НЕ»).
Моделирование: Работа сумматора или триггера описывается с помощью
логических функций (булевой алгебры).
Пример: Логическая модель одноразрядного сумматора описывается
двумя логическими функциями, которые определяют, как вычисляется
сумма и бит переноса на выходе.
8

9. Область 5: Анализ сложных систем и обучение

Прототипирование и тренажеры
Быстрое прототипирование: Логические модели позволяют создать
«цифровой прототип» сложной системы (например, космического корабля
или завода) на ранней стадии разработки, чтобы увидеть логические
ошибки еще до начала производства.
Обучающие системы:
◦ Тренажеры: Моделируются аварийные ситуации (ЕСЛИ давление в котле > X, ТО открыть
клапан).
Обучаемый видит последствия своих действий без риска для реального оборудования.
◦ Диалоговые ассистенты: Моделирование рассуждений менеджера для
аргументированного диалога с клиентом.
9

10. Пример из практики: Оценка успеваемости студентов

Пример из практики: Оценка успеваемости студентов
Задача: Оценить общую успеваемость студента.
Входные данные: Баллы за экзамены (математика, чтение) от 0 до 100.
Лингвистические переменные: «Низкий», «Средний», «Высокий» балл.
Каждому числовому значению присваивается степень принадлежности к
этим категориям.
Правило: ЕСЛИ математика = ВЫСОКИЙ И чтение = ВЫСОКИЙ, ТО общая
успеваемость = ВЫСОКИЙ
Результат: Система выдает не просто цифру, а качественную оценку,
понятную человеку.
10

11. Преимущества и ограничения

Краткий итог
Преимущества:
◦ Прозрачность и интерпретируемость (легко понять, почему система дала
такой ответ).
◦ Возможность работы с неполной или неточной информацией.
◦ Строгое математическое обоснование.
Ограничения:
◦ Сложность формализации «здравого смысла» в виде жестких правил.
◦ Трудности с обработкой больших объемов сырых данных (где логика
неочевидна).
11

12. Заключение

Выводы
Логические модели являются фундаментом современных
интеллектуальных систем. Они позволяют:
I. Перенести опыт экспертов в компьютерные программы.
II. Автоматизировать процесс принятия решений в условиях
неопределенности.
III. Моделировать сложные физические и социальные процессы
на уровне логических рассуждений.
12