advertise laitec sharif univercity استخراج بیت کوین با کامپیوتر استخراج بیت کوین با کامپیوتر
دانلود سورس پروژه سی شارپ شبیه سازی صف بانک تحت شبکه

دانلود سورس پروژه سی شارپ شبیه سازی صف بانک تحت شبکه

3000 تومان
دانلود مجموعه 70 پروژه مفید و کاربردی سی شارپ #C

دانلود مجموعه 70 پروژه مفید و کاربردی سی شارپ #C

9500 تومان
دانلود پروژه پایانی طراحی وب سایت مخابرات با Asp.net

دانلود پروژه پایانی طراحی وب سایت مخابرات با Asp.net

14000 تومان
دانلود PDF مجموعه 300 نکته جالب برنامه نویسی در سی شارپ #C

دانلود PDF مجموعه 300 نکته جالب برنامه نویسی در سی شارپ #C

3000 تومان
دانلود برنامه آزمون تستی در مالتی مدیا بیلدر MMb

دانلود برنامه آزمون تستی در مالتی مدیا بیلدر MMb

3000 تومان

مهندسی دانش در منطق مرتبه اول عامل های هوش مصنوعی

مهندسی دانش در منطق مرتبه اول ، فرآیند کلی ساخت پایگاه دانش را توضیح میدهد.پروژه های مهندسی دانش از نظر تعداد، حوزه، و دشواری بسیار متفاوت هستند ولی تمام این پروژه ها دارای مراحل یکسانی هستند که در ادامه بیان میکنیم
مهندسی دانش در منطق مرتبه اول عامل های هوش مصنوعی

مهندسی دانش در منطق مرتبه اول عامل های هوش مصنوعی

منطق گزاره ای برای تشریح مفاهیم اساسی منطق و عامل های مبتنی بر دانش در هوش مصنوعی استفاده میشود اما ضعیف است و نمی تواند دانش محیط های پیچیده را به دقت نمایش دهد.

منطق مرتبه اول برای دانش مفید است که شامل سایر زبان های نمایش است یا زبان های نمایشی دیگری را ایجاد میکند و چندین دهه مورد مطالعه قرار گرفت. منطق مرتبه اول نسبت به منطق گزاره ای که قبلا با آن آشنا شدیم، زبان گویاتری است.

مهندسی دانش در منطق مرتبه اول ، فرآیند کلی ساخت پایگاه دانش را توضیح میدهد. مهندس دانش کسی است که دامنه خاصی را بررسی میکند، یاد  میگیرد که چه مفاهیمی در آن دامنه مهم است و یک نمایش رسمی از اشیا و روابط موجود در آن دامنه را ایجاد میکند. مراحل مختلف فرآیند مهندسی دانش را در ادامه تشریح خواهیم کرد، بطوری که میتوان بر نکات مربوط به نمایش تاکید کرد. رهیافتی که استفاده خواهیم کرد، برای توسعه پایگاه های دانش ویژه ای که دامنه آن محدود شده است و بازه پرس و جوهای آن از قبل مشخص است، مفید خواهد بود.

 

فرآیند مهندسی دانش

پروژه های مهندسی دانش از نظر تعداد، حوزه، و دشواری بسیار متفاوت هستند ولی تمام این پروژه ها دارای مراحل زیر هستند:

1- شناسایی کار

مهندس دانش باید بازه ای از پرسش ها را توصیف کند که پایگاه دانش از آنها پشتیبانی میکند، و انواعی از حقایق را مشخص میکند که برای هر نمونه ای از مسئله وجود دارد.

بعنوان مثال در مسئله دنیای ومپوز، آیا پایگاه دانش ومپوز باید قادر به انتخاب فعالیت ها باشد یا فقط باید به پرسش های مربوط به محتویات محیط پاسخ دهد؟ آیا حقایق حسگر، مکان فعلی را در بر میگیرد؟ این کار مشخص میکند که چه دانشی باید برای ارتباط نمونه های مسئله به پاسخ ها نمایش داده شود.

 

2- گرداوری دانش مرتبط

ممکن است مهندس دانش در یک دامنه خبره باشد، یا باید با خبرگان واقعی کار کند تا آنچه را که آنها میدانند، استخراج کند. این فرآیند کسب دانش نام دارد. در این مرحله دانش بطور رسمی نمایش داده نمیشود. ایده ی این روش، درک حوزه پایگاه دانش و درک چگونگی عملکرد دامنه است.

برای دنیای ومپوز که توسط مجموعه ای از قوانین مصنوعی تعریف میشود، دانش مرتبط را به راحتی میتوان تعیین کرد. برای دامنه های واقعی تعیین دانش مرتبط دشوار است. بعنوان مثال یک سیستم شبیه ساز طراحی های VLSI ممکن است نیاز به در نظر گرفتن اثرات پوسته و خازن های آزاد داشته یا نداشته باشد.

 

3- تصمیم گیری در مورد واژگان محمول ها، توابع و ثوابت.

یعنی ترجمه مفاهیم مهم سطح دامنه به اسامی سطح منطق. این کار شامل پرسش های زیادی راجع به سبک مهندسی دانش  است. همانند سبک برنامه نویسی این سبک میتواند تاثیر به سزایی در موفقیت پروژه داشته باشد.

بعنوان مثال، آیا گودالها باید به وسیله اشیا یا محمول های یگانی در مربع ها نمایش داده شوند؟ آیا جهت عامل باید تابع یا محمول باشد؟ آیا مکان ومپوز باید به زمان بستگی داشته باشد؟ وقتی انتخاب ها صورت گرفت، نتیجه آن واژگانی است که هستی شناسی آن دامنه نام دارد. معنای هستی شناسی، نظریه خاصی از طبیعت وجودی است. هستی شناسی مشخص میکند، چه چیزهایی وجود دارند، اما خواص ویژه و روابط داخلی بین آنها را مشخص نمیکند.

 

4- کدگذاری دانش کلی در مورد دامنه.

مهندس دانش، اصول موضوعی مربوط به تمام ترم های واژگان را یادداشت میکند. به این ترتیب، معنای ترم ها مشخص میشود و خبرگان را قادر میسازد تا محتویات را بررسی کند. اغلب این مرحله عیب های موجود در واژگان را مشخص میکند که باید با برگشت به مرحله 3 اصلاح شود.

 

5- کدگذاری توصیف نمونه مسئله خاص.

اگر مرحله هستی شناسی به خوبی انجام شودف این مرحله آسان خواهد بود. این مرحله شامل نوشتن جملات اصل موضوعی در مورد نمونه هایی از مفاهیمی است که بعنوان بخشی از هستی شناسی اند. برای عامل منطقی، نمونه های مسئله توسط حسگر ها تولید میشوند، در حالیکه پایگاه دانش "مجزا" توسط جملات دیگری تولید میشود که مشابه برنامه های عادی با ورود داده ها است.

 

6- اجرای پرس وجو در رویه استنتاج و دریافت پاسخ.

در اینجا میتوان به رویه استنتاج اجازه داد تا برای اصول موضوعی و حقایق ویژه مسئله عمل کند و حقایق مورد نظر را استنتاج نماید.

 

7- اشکال زدایی پایگاه دانش.

معمولا در تلاش اول، پاسخ به پرس وجو به ندرت درست است. بعبارت دقیق تر، با فرض اینکه رویه استنتاج درست باشد، پاسخ های مربوط به پایگاه دانش درست خواهند بود. اما ممکن است کاربران چیز دیگری انتظار داشته باشند.

بعنوان مثال اگر یک اصل موضوعی نادیده گرفته شود، بعضی از پرس وجو ها در پایگاه دانش پاسخ ندارند. فرآیند اشکال زدایی قابل ملاحظه ای را میتوان به کار گرفت. فقدان اصول موضوعی یا وجود اصول موضوعی ضعیف را میتوان با توجه به مکان هایی که زنجیره استدلال بطور غیر منتظره ای متوقف میشود، مشخص کرد. 

 

 



0
نظرات

نظر خود را ارسال کنید



نام:
ایمیل:
دیدگاه:
captcha
کد امنیتی :


advertise
شناسایی کار در مهندسی دانشمهندسی دانش در AI کدگذاری توصیف نمونه مسئله خاصاشکال زدایی پایگاه دانشمهندسی دانش در هوش مصنوعی به چه معنیست؟تصمیم گیری در مورد واژگان محمول ها، توابع و ثوابتاجرای پرس وجو در رویه استنتاج و دریافت پاسخگرداوری دانش مرتبطمهندس دانش در منطق هوش مصنوعی به چه کسی گفته میشود؟آموزش گامهای مهندسی دانش عاملهای منطقی AIمراحل پروژه مهندسی دانش عامل ها در هوشکدگذاری دانش کلی در مورد دامنهمراحل فرآیند مهندسی دانش عامل های منطقی لیست برچسب ها
تمامی حقوق این سایت اعم از محتوی ، تصاویر ، قالب و ... متعلق به گروه مهندسی وب سایت سورس کد می باشد.
SourceCodes.ir ، افقی روشن برای برنامه نویسان ، از مبتدی تا حرفه ای

کسب درآمد با کامپیوتر
تولید بیت کوین با کامپیوتر

پیشنهادات ویژه سورس کد

پکیج ویژه پروژه پایانی رشته کامپیوتر دانلود مجموعه 70 پروژه کاربردی سی شارپ وب سایت فروشگاه با php