W oparciu o model rozumowania - Model-based reasoning

Model oparty Rozumowanie w AI

W sztucznej inteligencji , rozumowanie w oparciu o model odnosi się do wnioskowania metody stosowanej w systemach ekspertowych opartych na modelu świata fizycznego. Dzięki takiemu podejściu, głównym celem rozwoju aplikacji jest opracowanie modelu. Następnie w czasie wykonywania, określenie „silnik” łączy wiedzę z tego modelu zaobserwowanych danych w celu opracowywania wniosków, takich jak diagnozowania lub przewidywania.

Reprezentacja wiedzy

W systemie rozumowanie w oparciu o model wiedzy może być reprezentowany za pomocą reguł przyczynowych . Na przykład, w systemie diagnostyki medycznej bazę wiedzy może zawierać następujące zasady:

Pacjenci: Skok (pacjenta) Zmieszany (pacjenta) Nierówne (uczniowie (pacjenta))

W przeciwieństwie do tego w diagnostyce rozumowanie wiedzy system byłby reprezentowany przez reguł diagnostycznych , takich jak:

Pacjenci: Zmieszany (pacjenta) Skok (pacjent)
Pacjenci: Nierówne (uczniowie (pacjenta)) Skok (pacjent)

Istnieje wiele innych form modeli, które mogą być stosowane. Modele mogą być ilościowe (na przykład, na podstawie równań matematycznych) lub jakościowe (na przykład na podstawie modeli przyczyna / efekt). Mogą one obejmować reprezentacji niepewności. Mogą one reprezentować zachowanie w czasie. mogą one reprezentować „normalnego” zachowania lub może stanowić jedynie nienormalnego zachowania jak w przypadku powyższych przykładów. Typy modeli i wykorzystanie do wnioskowania w oparciu o model omówione są w.

Zobacz też

Referencje

  • Russell, Stuart J. ; Norvig, Peter (2003), Sztuczna inteligencja: A Modern Approach (. 2nd ed), Upper Saddle River, New Jersey: Prentice Hall, str. 260, ISBN  0-13-790395-2

Linki zewnętrzne