Классификация знаний

Существует множество классификаций знаний. По видам знания подразделяются на декларативные и процедурные.

Декларативные знания представляют собой описания фактов и явлений, фиксируют наличие или отсутствие таких фактов. Декларативные знания описывают объекты, классы объектов и отношения. Под объектом-фактом понимается факт, который задается своим значением.

Класс объектов - это имя, под которым объединяется конкретная совокупность объектов-фактов. Отношения определяют связи между классами объектов и отдельными объектами, возникшие в рамках предметной области.

Процедурные знания – это описания действий, которые возможны для манипулирования фактами при достижении поставленных целей

(методики, правила и т.п.).

Различие между декларативным и процедурным представлением можно выразить как различие между «знать что» и «знать как».

Стремление наиболее полно использовать достоинства обоих видов представлений привело к разработке смешанных представлений, т.е. декларативных представлений с присоединенными процедурами (например, фреймовые модели, расширенные семантические сети).

Во всех видах моделей выделен еще один вид знаний - метазнания, т.е. знания о знаниях и данных. Метазнания могут задавать способы использования знаний, свойства знаний, т.е. все, что необходимо для управления логическим выводом и обучением ЭС.

Знания по степени обобщенности описания подразделяются на следующие категории:

· поверхностные - знания о видимых взаимосвязях между отдельными событиями и фактами в предметной области;

· глубинные - абстракции, аналогии, схемы, отображающие структуру и природу процессов, протекающих в предметной области. Эти знания объясняют явления и могут использоваться для прогнозирования поведения объектов.

Примеры поверхностных знаний: «Если нажать на кнопку звонка, раздастся звук». «Если болит голова, то следует принять аспирин». Глубинные знания: «Принципиальная электрическая схема звонка и проводки». «Знания физиологов и врачей высокой квалификации о причинах, видах головных болей и методах их лечения».

Большинство ранее разработанных экспертных систем использовали поверхностные знания. Это связано с отсутствием универсальных методик, позволяющих выявлять глубинные структуры знаний и работать с ними.

Введение в базу глубинных представлений позволяет сделать экспертную систему более гибкой и адаптивной, так как глубинные знания являются результатом обобщения разработчиком или экспертом первичных примитивных понятий.

Модели представления знаний обычно подразделяются на два класса: логические и эвристические.

Логические модели представления знаний подразделяются на следующие: знания на базе исчисления высказываний и предикатов; знания на основе псевдофизической логики; знания реляционного вида.

Эвристические модели позволяют моделировать рассуждения при отсутствии точных теоретических обоснований. Они подразделяются на вероятностные, сетевые, фреймовые, семантические, продукционные, нечеткие и нейросетевые.

По степени отражения явлений знания подразделяются на «жесткие» и «мягкие». «Жесткие» знания позволяют получить однозначные четкие рекомендации при задании начальных условий.

«Мягкие» знания допускают множественные расплывчатые решения и многовариантные рекомендации при неточности и неопределенности задания данных [25].