го зору. Припустимо, система технічного зору оцінює панораму арки при вигляді зверху. Результат оцінки - «А». Далі система починає звіряти оцінку «А» зі значеннями різних слотів в різних фреймах і складати список фреймов- кандидатів на ідентифікацію деталі. Результатом відбору будуть описують різні конструкції фрейми, що містять слот зі значенням «А». Системі залишається змінити кут зору, оцінити нову панорамну картину і звузити список фреймів, перевіряючи на відповідність новому значенню слоти спочатку відібраних фреймів. Приміром, фрейм - балка випаде зі списку після першої ж процедури відсіву, оскільки як балку крути, результат оцінки панорами завжди буде - «А». Послідовно повторюючи цей процес, можна ідентифікувати деталь абсолютно точно (за всіма шести ракурсам) або з певним ступенем імовірності (якщо ракурсів аналізу менше). Машина може йти й іншим шляхом аналізу: чи не складати список фреймів-кандидатів, а зупинитися на першому-ліпшому підходящому фреймі і провести порівняльну оцінку усіх ракурсів деталі з відповідними слотами фрейму. Якщо хоча б один з слотів поточного фрейму суперечить оцінці панорами, то аналізу піддається фрейм-аналог і т.д., поки при русі по ланцюжку фреймів не буде досягнуто збіг усіх ракурсів, або їх найбільшого числа.
Недоліком фреймової системи є те, що ієрархічна мережу знань з перехресними посиланнями придатна для вирішення порівняно простих проблем, оскільки при розширенні проблемної області фреймова мережа має властивість розростатися до значних розмірів. Проблеми пошуку рішення в таких мережах стають важковирішуваними, оскільки зв'язку між фреймами в мережах, що описують об'ємні знання, як правило, неоднозначні і встановлюються по декількох слотам. Крім того, фреймові мережі менш пристосовані до адаптації, так як внесення нових фреймів і вимір слотів в наявних фреймах може спричинити протиріччя і зациклення в посиланнях при русі по ієрархічній структурі фреймової мережі.
Перевагою фреймового мови представлення знань є те, що він надає користувачеві велику свободу при описі знань, так як допускає різні способи опису даних в межах одного фрейму. Завдяки цьому, фреймові системи можна віднести до самим універсальним системам опису знань. Однак обмеження складності розв'язуваних на основі таких систем проблем поки не дозволяє фреймовим системам домінувати при розробці інтелектуальних систем.
. 1.4 Методи опису нечітких знань в інтелектуальних системах
Читачі, ймовірно звернули увагу на те, що поняття якісний і нечіткий аж ніяк не є синонімами. Знання можуть характеризуватися кількісними та якісними показниками, бути чіткими, що мають математичний опис, і нечіткими, представленими лінгвістичним конструкціями природної мови, і ці пари ознак є незалежними. Знання, що оцінюється якісно, ??тобто не описати цифрами і формулами, аж ніяк не завжди є нечітким. Наприклад: «це моя ручка» - чітке якісне знання; «Це, схоже, моя ручка» - нечітке якісне знання. Тому всі базові мови представлення знань можуть описувати як знання чіткі (що й було проілюстровано наведеними вище прикладами), так і знання нечіткі. Слід звернути увагу ще й на те, що тепер мова йде не про нові базові мови опису знань, в даному випадку знань нечітких, а про способи опису нечіткості знань, які можна ввести в кожному з описаних вище базових мов. Наприклад, може мати місце мову чітких і нечітких продукційних правил, чітких і нечітких семантичних мереж тощо Отже, яким же чином трактується поняття нечіткість і які способи опису нечіткості знань можуть бути? До найбільш вживаним методам опису нечітких знань відносяться: методи теорії багатозначної логіки, теорії ймовірностей, теорії помилок (інтервальні моделі), теорії інтервальних середніх, теорії суб'єктивних ймовірностей, теорії нечітких множин, теорії нечітких мір і інтегралів.
Слід зазначити, що той чи інший спосіб опису нечіткості різною мірою сумісний з тим чи іншим базовим мовою подання знань з погляду складності опису та повноти можливостей одержуваної формальної моделі. А оскільки подання знань є засобом опису знань людини, бажано, щоб описові можливості вибраної мови в конкретній предметній області були якомога вище. З цієї точки зору рішення про форму представлення знань, прийняте на одному з перших етапів проектування, значною мірою впливає на ефективність розроблюваної інтелектуальної технічної системи. Найчастіше, можливостей одного навіть самого відповідного мови виявляється недостатньо. Тому деякі інтелектуальні системи мають комплексне уявлення знань, заснований на декількох базових мовах подання знань. З іншого боку, якщо форма представлення знань надмірно ускладнюється, то утрудняється технічна реалізація такої інтелектуальної системи і виникає небезпека втрати достовірності виконуваних нею дій. Зрештою, вибір методу подання знань являє собою певний компроміс між універсальністю системи ...