Uvod v verigo naprej in nazaj

Napajanje naprej in nazaj je način, ki ga Inference Engine uporablja za pridobivanje novih informacij iz baze znanja. Inference Engine je ena izmed pomembnejših komponent inteligentnega sistema v umetni inteligenci, ki uporablja nabor logičnih pravil v obstoječih informacijah (zbirka znanja) za sklepanje novih informacij iz že znanega dejstva. Napredna in nazaj veriga sta dva načina, s pomočjo katerih Inference motor pridobi nove informacije. Širjenje naprej in nazaj je povsem nasprotno drug drugemu na način, kako iz znanih dejstev sklepajo nove informacije.

Kako deluje naprej posredovanje?

Forward Chaining, ki ga nekateri poznajo kot sklepanje v naprej ali odštevanje naprej, se začne z znanim dejstvom ali atomskim stavkom v bazi znanja in postopoma se sklepna pravila uporabljajo za že znana dejstva, dokler ne dosežemo ciljanega stanja. Na kratko, verižna veriga odloča ali doseže ciljno stanje na podlagi razpoložljivih podatkov.

Lastnosti naprej vezanja

  • Sledi pristop od spodaj navzgor, tj. Odbitek sklepa se premika od spodaj navzgor
  • Imenujejo ga tudi kot pristop, ki temelji na podatkih, saj se pri doseganju ciljne države opira na obstoječe podatke
  • Je usmerjen v sklep, tj. Njegov cilj je doseči zaključek iz začetnega stanja
  • Široko se uporablja v strokovnem sistemu, kot sta CLIPS in sistem pravil produkcije

Primer

Poglejmo primer, da razumemo, kako deluje Forward Chaining v praksi

Pravilo 1: ČE je A človek, potem je A sesalec

2. pravilo: ČE je A sesalec, potem je A živa oblika

Pravilo 3: ČE je A živa oblika TAJ A je smrtna

Dejstvo: Shyam je človek

Iz teh pravil sklepanja moramo doseči cilj

Cilj: Je Shyam smrtnik?

Koraki:

  1. Začnite z znanim dejstvom. Vemo, da je Shyam človek (Iz izjave Dejstvo).
  2. S pomočjo R1 lahko sklepamo, da je Shyam sesalec. Ker ne gre za izjavo o cilju, tako nadaljujte.
  3. Nato skočite na pravilo 2: če je Shyam sesalec, potem je to živa oblika, zato lahko rečemo, da je Murat živa oblika. Ker ne gre za izjavo o cilju, tako nadaljujte
  4. Z uporabo R3 je Shyam življenjska oblika, zato mora biti smrtna. Ker je cilj cilj, torej Izhod

Prednosti verige naprej

  • Forward Chaining deluje odlično, kadar je mogoče z razpoložljivimi informacijami uporabiti za dosego ciljnega stanja
  • Forward Chaining ima možnost, da iz omejenih začetnih podatkov zagotovi veliko podatkov
  • Forward Chaining je najbolj primeren za sistemski sistem Expert, ki zahteva več nadzora, načrtovanja in spremljanja
  • Forward Chaining je treba uporabiti, če obstaja omejeno število začetnih stanj ali dejstev

Slabosti forward Chaining

  • Motor za sklepanje bo ustvaril nove informacije, ne da bi vedel, katere informacije bodo pomembne za dosego ciljnega stanja
  • Uporabnik bo morda moral na začetku vnesti veliko informacij, ne da bi vedel, katere informacije bodo uporabljene za dosego ciljnega stanja
  • Inference Engine lahko sproži veliko pravil, ki ne prispevajo k doseganju cilja
  • To bi lahko dalo drugačne ugotovitve, kar bi lahko povzročilo visoke stroške postopka veriženja

Kako deluje povratna širitev?

Vrtenje nazaj ali širjenje nazaj je obratna stran naprej. Izhaja iz ciljanega cilja in se širi nazaj z uporabo sklepnih pravil, da bi ugotovili dejstva, ki lahko podpirajo cilj. Imenujejo ga tudi kot ciljno usmerjene razloge. Začne se z danim ciljem in poišče THEN del pravila (delovni del), če je pravilo najdeno in njegov del IF ustreza pravilom sklepanja, nato pa se pravilo izvrši v drugem sklepnem mehanizmu, ki ga je postavil kot novo podvrsto.

Pravilo 1: ČE A in B potem C

2. pravilo: ČE C E

Pravilo 3: ČE A IN E TAKO H

Dejstva: A, B

Cilj: Dokaži H

Dokaz:

1. korak : sistem najprej poišče izjavo, katere cilj je RHS, tj. R3, nato pa poiščite LHS pravila in preverite, ali vsebuje dejstvo. Vsebuje A in E, vendar potrebujemo tudi B

Korak 2 : Zdaj bo imel E glavni cilj, ki ga dokazuje pravilo 2. Zdaj si oglejte LHS tj C

Korak 3: C je mogoče dokazati s pravilom 1, ki ima A&B kot LHS

4. korak : Odkar smo dobili cilj dejstva A&B od cilja, se je tukaj algoritem končal

5. korak: Ustavite se

Lastnosti povratnega veriženja

  • Nazaj veriženje je pristop od zgoraj navzdol, pri katerem začnemo od ciljanega stanja in si prizadevamo za iskanje potrebnih dejstev, ki podpirajo izjavo o cilju
  • Znan je kot ciljno usmerjen pristop, ko začnemo od cilja in nato razdelimo na podcilj, da izvlečemo dejstva
  • Uporablja strategijo iskanja globine prvega
  • Ustvari lahko le omejeno število sklepov
  • Testira le nekaj zahtevanih pravil

Prednosti povratnega veriženja

  • Iskanje v verigi za nazaj je usmerjeno, tako da obdelava preneha, ko je dejstvo preverjeno
  • Za nazaj veriženje upošteva le ustrezne dele baze znanja, tako da nikoli ne izvaja nepotrebnih sklepov
  • Za razliko od Forward Chaining je tukaj potrebnih le nekaj podatkovnih točk, vendar se pravila izčrpno iščejo
  • Zelo je učinkovit pri težavah, kot so diagnosticiranje in odpravljanje napak

Slabosti

  • Ker je verižno zavijanje usmerjeno v cilj, je treba predhodno poznati cilj, da se izvaja verižno zavijanje nazaj
  • Težko je izvesti nazaj veriženje

Zaključek - Veriga naprej in nazaj

Sistem, ki temelji na pravilih, je pomemben za človekovo vsakdanje življenje, zato je nujno razumeti ta sistem. Oba načina, ki sta vključena v sisteme, ki temeljijo na pravilih, imata svoje prednosti in slabosti. Izbira pristopa je odvisna od narave problema.

Priporočeni članki

To je vodnik za naprej in nazaj vezanje. Tukaj razpravljamo o lastnostih, primerih, prednostih in slabostih verige naprej in nazaj. Za več informacij si lahko ogledate tudi naslednje članke -

  1. Forward Chaining vs Backward Chaining
  2. Omrežne naprave
  3. Prevara JQuery
  4. jQuery Elementi

Kategorija:

Veliki podatki