Интеллектуальная система программирования FramIX для представления знаний в системах принятия решений

Построение модели предметной области имеет своей целью решение практически важных задач: управления, прогноза, поддержки принятия решений и т. д. Конкретизация целевой задачи неизбежно приводит к необходимости различной глубины формализации предметной области, т. е. приближению в модели к адекватному отображению реальных отношений, их свойств, состояний и проявлений. Проблема эта значительно осложняется, когда речь идет о предметной области, плохо или мало поддающейся формализации. Кроме того, следует учесть несовпадение вербальных сообщений эксперта предметной области с его профессиональной интеллектуальной активностью.

В таких условиях построение модели с использованием прямых методовстатистических, аналитических — невозможно. Мы приходим к необходимости применения подходов, базирующихся на знаниях о предметной области. Адекватность модели теперь будет зависеть от привлечения новых знаний, их аксиоматического, формального описания в виде правил, логических отношений и т. д., образующих теорию. Очевидно, что этому должен предшествовать этап приобретения, извлечения знаний.

Таким образом, естественно формируется триада: приобретение знаний (data mining), представление знаний (модель) и обработка знаний (прикладная система) — и эта триада представляет содержание направления искусственный интеллект.

Настоящая диссертационная работа посвящена разработке методов и средств, реализующих все три этапа: представление знаний (2-я глава), извлечение знаний (4-я глава), прикладная система, основанная на знаниях (3-я,.

4-я главы).

Если в системах, основанных на знаниях, на этапе моделирования невозможно непосредственное использование аналитических, статистических методов, то первый этап наоборот широко и активно их использует. Направление data mining — это по существу совокупность различных, хорошо апробированных методов: регрессионного, дискриминантного, факторного, кластерного анализов и др., — приобретающих новое смысловое назначение — извлечение знаний. Объектами этих методов становятся пассивные хранилища данныхсуть результат жизнедеятельности некоторой предметной области. Заметим, что здесь проблема представительности выборки теряет свою остроту.

Если математический аппарат, используемый в методах приобретения знаний, достаточно известен благодаря успешныму применению в фундаментальных и прикладных исследованиях, то проблема представления знаний всякий раз требует уточнения границ применимости подходов, их модификации.

Успешность метода и формы представления знаний, помимо из адекватного отображения конкретной предметной области, состоит в адаптируемости к различным предметным областям, т. е. инвариантности к ним. При таком подходе проблема представления знаний значительно усложняется, ее актуальность получает иные, более значимые оценки. Поэтому в настоящей работе внимание акцентируется на этой проблеме.

Принято различать следующие основные подходы к представлению знаний:

• Продукционные системы — описывают предметную область при помощи правил продукции. Наилучщим образом позволяют описать динамику предметной области, однако не подходят для описания сложных, разносторонних задач. При росте базы знаний плохо управляемы.

• Логические модели — позволяют получить описание предметной области, как множества фактов и правил вывода. Этому подходу присущ высокий уровень модульности знаний и одновременно с этим можно получить единственную систему представления, в которой логически разъясняются свойства знаний как единого целого. Используя логические модели, можно эффективно описывать законы мира предметной области. С другой стороны, логическим моделям, вследствие сохранения свойства целостности, присущи такие недостатки, как чрезмерный уровень формализации представления знаний, трудность их прочтения, не слишком хорошая производительность обработки.

• Семантические сети — способ описания предметной области как множества сущностей (узлов) и отношений между ними (дуги). Недостатками данного формализма являются чрезвычайная детализация предметной области, необходимая для описания правил, и, как следствие, сложность механизмов логического вывода, необходимых для проверки непротиворечивости базы знаний (эффективные методы логического вывода только начинают появляться в настоящее время). Кроме этого, сематическая сеть дает статическое описание предметной области.

• Фреймы — данный подход использует для описания предметной области понятие фрейма — структуры, которая описывает какию-либо сущность предметной области. Фремы могут находиться в отношениях наследования и часть-целое. Фреймовые модели наилучшим образом позволяют построить объектную модель предметной области. В настоящее время показано, что фреймовые модели эквивалентны семантическим сетям и поэтому им присущи те же недостатки.

Наилучшим образом задачу представления знаний можно было бы решить, используя модель, которая объединила бы в себе перечисленные выше подходы. Такие модели называются гибридными. Однако, в настоящее время эффективных гибридных моделей не предложено и задача представления знаний не имеет универсального решения.

Таким образом, актуальность темы диссертации может быть сформулирована следующими положениями:

1) Необходимость разработки методов и средств формализации предметной области;

2) Разработка форм отображения знаний, инвариантных к предметной области;

3) Построение программных систем, основанных на предложенных моделях, для решения задач поддержки принятия решений.

Цель работы — Решение задачи отображения в гибридной системе достоинств логический систем. Известно, что при всех недостатках логических систем, это единственный подход, который в любом случае приводит к положительному результату, что не всегда достижимо в других системах. Поэтому, если теорию фреймов и соответствующее представление объектов в форме связанных друг с другом отношениями подчиненности, причинности и т. д., что представляет собой сеть фреймов, трансформировать в теорию предикатов 1-го порядка, расширив, тем самым, саму теорию предикатов 1-го порядка, то все её достоинства будут обращены и в теорию сетей фреймов.

Методы исследования. При решении поставленной задачи был проведен анализ существующих методов представления знаний, систем, основанных на гибридных моделях. При разработке модели представления знаний использовался аппарат логики предикатов 1-го порядка. При разработке ядра системы применялось объектно ориентированное проектирование, алгоритмы эффективного хранения и поиска данных, формализм виртуальной машины. При решении практической задачи использовались статистические методы анализа рядов данных.

Научная новизна основных результатов диссертационной работы заключается в следующем:

1) Предложена новая гибридная модель представления знаний, основанная на формализмах фреймов и семантических сетей.

2) Разработана активная фреймовая структура, сочетающая внутренние процедуры обработки и передачи информации внутри сети фреймов.

3) Разработан механизм реализации множества различных методов логического вывода на единой базе знаний, представленной в виде сети фреймов.

4) Продемонстрирована принципиальная возможность реализации логического вывода на примере метода резолюций логики предикатов 1-го порядка.

Результаты исследований обсуждены на 7-й национальной конференции по искусственному интеллекту «КИИ-2000М[5].

Результаты исследований внедрены в ЗАО «БМ-СопвиШ^» .

Структура работы. Диссертационная работа состоит из введения, четырех глав, заключения и списка литературы общим объемом 127 страниц текста, включая 14 рисунков.

4.4. Выводы.

1) Проведен анализ хранилища ретроспективных данных, содержащих исходные данные об изменении котировок.

2) Применение метода регрессионного и корреляциооного анализа позволило установить функциональную зависимость между прогнозируемыми величинами в текущий момент времени от факторов котировок в прошлом. Сформулированы две задачи: прогноза и принятия решения.

3) На базе системы программирования Ри. Ам1Х построена оболочка экспертной системы РВСБ, позволяющей формировать обобщенные прогнозные гипотезы из множества первичных.

4) Система внедрена в ЗАО «СМ-Консалтинг» и используется для анализа фьючерсных рынков.

5) Особенности архитектуры РЯАМ1Х позволяют разработать на её основе реализацию других форм ПЛВ и соответствующих им модификаций базы знаний.

Заключение

.

Существующие методы представления знаний имеют ряд недостатков, что не позволяет считать какой-либо из них приемлемым универсальным решением задачи представления знаний. Наиболее адекватным подходом является гибридный. Имеющиеся в настоящее время системы представления знаний не реализуют гибридный подход таким образом, чтобы стало возможным применение какой-нибудь из них для решения широкого класса задач искусственного интеллекта. Все это делает актуальной задачу разработки гибридной модели представления знаний, обоснования различных методов логического вывода в рамках такой гибридной модели и разработку системы программирования, основанной на них.

В настоящей диссертатионной работе:

1) Обоснована необходимость разработки гибридных систем представления знаний, аккумулирующих достоинства известных форм представления знаний. Такие гибридные системы должны обладать несколькими ПЛВ, работающими на единой базе знаний.

2) Разработано математическое обеспечение фреймово-сетевого представления знаний.

3) Состоятельность модели обоснована достоверностью логического вывода на множестве аксиом и правил, отражающих фреймовую модель. Доказана адекватность фреймовой модели и её отображение в модель, описываемую в форме предикатов 1-го порядка.

4) В качестве механизма логического вывода использован метод резолюций.

5) Разработана архитектура ядра системы FramIX.

6) Разработана объектная модель ядра, структура классов для представления модулей ядра, методы классов и API системы.

7) Показано, что система FramIX может быть использована как средство описания фреймово-сетевых моделей.

8) Функционирование модулей системы FramIX на тестовых задачах обеспечивает высокую производительность и эффективность по сравнению с другими системами.

9) Проведен анализ хранилища ретроспективных данных содержащих исходные данные об изменении котировок.

10) Применение метода регрессионного и корреляциооного анализа позволило установить функциональную зависимость между прогнозируемыми величинами в текущий момент времени от факторов котировок в прошлом. Сформулированы две задачи: прогноза и принятия решения.

11) На базе системы программирования FramIX построена оболочка экспертной системы FBCS, позволяющей формировать обобщенные прогнозные гипотезы из множества первичных.

12) Система внедрена в ЗАО «СМ-Консалтинг» и используется для анализа фьючерсных рынков.

13) Особенности архитектуры FramIX позволяют разработать на её основе реализацию других форм ПЛВ и соответствующих им модификаций базы знаний.