Úvod do reťazenia dopredu a dozadu

Forward a Back Chaining sú režimy, ktoré používa Inference Engine na odvodenie nových informácií z vedomostnej základne. Inferenčný motor je jednou z hlavných zložiek inteligentného systému v rámci umelej inteligencie, ktorá aplikuje na existujúce informácie množinu logických pravidiel na odvodenie nových informácií z už známej skutočnosti. Forward a Back Chaining sú dva režimy, pomocou ktorých Inferenčný motor odvodzuje nové informácie. Forward and back Propagation sú presne oproti sebe navzájom tak, že odvodzujú nové informácie zo známych skutočností.

Ako funguje propagácia vpred?

Forward Chaining, ktorý niektorí označujú ako forward forwarding alebo forward deduction, začína známou skutočnosťou alebo atómovou vetou vo vedomostnej báze a postupne sa odvodzujú pravidlá odvodenia už známych skutočností, až kým nedosiahneme cieľový stav. Stručne povedané, reťazenie vpred robí rozhodnutie alebo dosahuje cieľový stav na základe dostupných údajov.

Vlastnosti reťazenia dopredu

  • Sleduje prístup zdola nahor, tj odpočet zdôvodnenia sa pohybuje zdola nahor
  • Nazýva sa tiež prístup založený na údajoch, pretože na dosiahnutie cieľového stavu sa spolieha na existujúce údaje
  • Je zameraný na záver, tj jeho cieľom je dospieť k záveru z pôvodného stavu
  • Je široko používaný v expertnom systéme, ako je CLIPS a systém pravidiel výroby

príklad

Pozrime sa na príklad a pochopíme, ako Forward Chaining funguje v praxi

Pravidlo 1: AK A je človek, potom A je cicavec

Pravidlo 2: AK A je cicavec THEN A je živá forma

Pravidlo 3: AK A je živá forma, potom A je smrteľná

Skutočnosť: Shyam je človek

Na základe týchto inferenčných pravidiel musíme dosiahnuť cieľ

Cieľ: Je Shyam smrteľný?

kroky:

  1. Začnite známou skutočnosťou. Vieme, že Shyam je človek (z vyhlásenia faktov).
  2. Použitím R1 môžeme odvodiť, že Shyam je cicavec. Keďže nejde o vyhlásenie o cieľoch, pokračujte.
  3. Potom preskočte na pravidlo 2: ak je Shyam cicavec, potom je to ako živá forma, takže môžeme povedať, že Murat je živá forma. Keďže nejde o vyhlásenie o cieľoch, pokračujte
  4. Použitie R3, Pretože Shyam je forma života, musí to byť smrteľník. Pretože je to cieľové vyhlásenie, tak Exit

Výhody reťazenia vpred

  • Forward Chaining funguje skvele, keď sa dostupné informácie môžu použiť na dosiahnutie cieľového stavu
  • Forward Chaining má schopnosť poskytovať veľa údajov z obmedzených počiatočných údajov
  • Forward Chaining je najvhodnejší pre systémové aplikácie Expert, ktoré si vyžadujú väčšiu kontrolu, plánovanie a monitorovanie
  • Forward Chaining by sa mal uplatňovať, ak existuje obmedzený počet počiatočných stavov alebo skutočností

Nevýhody forwardového reťazenia

  • Inferenčný motor bude generovať nové informácie bez toho, aby vedel, ktoré informácie budú relevantné pri dosahovaní cieľového stavu
  • Používateľ bude možno musieť najskôr zadať veľa informácií bez toho, aby vedel, ktoré informácie sa použijú na dosiahnutie cieľového stavu
  • Inferenčný motor môže vystreliť mnoho pravidiel, ktoré neprispievajú k dosiahnutiu cieľového stavu
  • Môže to viesť k inému záveru, čo môže viesť k vysokým nákladom procesu reťazenia

Ako funguje spätná propagácia?

Spätné reťazenie alebo spätné šírenie je opakom reťazenia vpred. Začína od cieľového stavu a šíri sa dozadu pomocou inferenčných pravidiel, aby zistil fakty, ktoré môžu podporiť cieľ. Nazýva sa to aj zdôvodňovanie založené na cieľoch. Začína od daného cieľa, vyhľadáva THEN časť pravidla (akčná časť), ak sa pravidlo nájde a jeho IF časť sa zhoduje s Inferenčným pravidlom, potom sa pravidlo vykoná, inferenčný engine ho nastaví ako nový subgoal.

Pravidlo 1: AK A A B PAK C

Pravidlo 2: AK C THEN E

Pravidlo 3: AK A A E POTOM H

Fakty: A, B

Cieľ: Dokáž H

dôkaz:

Krok 1 : Najprv systém hľadá vyhlásenie, ktoré má za cieľ RHS, tj R3, potom vyhľadajte LHS pravidla, aby ste skontrolovali, či obsahuje skutočnosť. Obsahuje A a E, ale potrebujeme aj B

Krok 2 : Teraz bude mať E ako čiastkový cieľ, ktorý je dokázaný pravidlom 2. Teraz sa pozrite na jeho LHS, tj C

Krok 3: C môže byť dokázaný pravidlom 1, ktoré má A & B ako LHS

Krok 4 : Pretože sme dostali fakty A&B z cieľa, tak tu končí Algoritmus

Krok 5: Zastavte

Vlastnosti spätného reťazenia

  • Spätné reťazenie je prístup zhora nadol, kde vychádzame z cieľového stavu a snažíme sa nájsť potrebné fakty, ktoré podporujú vyhlásenie o cieľoch.
  • Je známy ako prístup zameraný na ciele, keď vychádzame z cieľa a potom sa rozdelíme na čiastkový cieľ, aby sme vyextrahovali fakty
  • Aplikuje stratégiu vyhľadávania hĺbky
  • Môže generovať iba obmedzený počet záverov
  • Testuje iba niekoľko požadovaných pravidiel

Výhody spätného reťazenia

  • Vyhľadávanie v spätnom reťazení je nasmerované tak, aby sa spracovanie skončilo, keď sa táto skutočnosť potvrdí
  • Spätné reťazenie zvažuje iba relevantné časti vedomostnej základne, takže nikdy nevykonáva zbytočné závery
  • Na rozdiel od Forward Chainingu je tu potrebných iba niekoľko údajových bodov, ale pravidlá sa prehľadávajú vyčerpávajúco
  • Je veľmi efektívny pri problémoch, ako je diagnostika a ladenie

nevýhody

  • Pretože spätné reťazenie je zamerané na cieľ, musí byť vopred známy cieľ, ktorý umožní spätné reťazenie
  • Je ťažké implementovať spätné reťazenie

Záver - dopredu a dozadu

Systém založený na pravidlách je relevantný pre každodenný život človeka, preto je nevyhnutné, aby sme tomuto systému porozumeli. Oba režimy zapojené do systémov založených na pravidlách majú svoje vlastné výhody a nevýhody. Výber prístupu závisí od povahy problému.

Odporúčané články

Toto bol sprievodca pre reťazenie dopredu a dozadu. Tu diskutujeme vlastnosti, príklady, výhody a nevýhody reťazenia dopredu a dozadu. Ďalšie informácie nájdete aj v nasledujúcich článkoch -

  1. Forward Chaining vs Back Chaining
  2. Sieťové zariadenia
  3. Cheat sheet JQuery
  4. jQuery Elements

Kategórie:

Veľké dáta