Uvod u lančanje prema naprijed i nazad

Naprijed i nazad lančanje su načini koje Inference Engine koristi za izvlačenje novih podataka iz baze znanja. Inference Engine jedna je od glavnih komponenti inteligentnog sustava u umjetnoj inteligenciji koja primjenjuje skup logičkih pravila na postojeću informaciju (Baza znanja) kako bi se iz već poznatih činjenica izvukla nova informacija. Naprijed i nazad lančanje dva su načina pomoću kojih Inference motor izvodi nove informacije. Naprijed i unatrag širenje su potpuno suprotni jedni drugima na način na koji iz poznatih činjenica izvlače nove informacije.

Kako djeluje širenje naprijed?

Lanac naprijed poznat po nekima kao rasuđivanje naprijed ili odbitak prema naprijed započinje poznatom činjenicom ili atomskom rečenicom u bazi znanja i postupno se pravila zaključivanja primjenjuju na već poznate činjenice dok ne postignemo cilj. Ukratko, lančanje naprijed donosi odluku ili dostiže stanje cilja na temelju dostupnih podataka.

Svojstva prednjeg lanca

  • Slijedi pristup odozdo prema gore, tj. Zaključak zaključivanja kreće se odozdo prema gore
  • Naziva se i kao pristup temeljen na podacima jer se oslanja na postojeće podatke da bi se dostiglo ciljno stanje
  • To je zaključak, tj. Njegov cilj je da se zaključak donese iz početnog stanja
  • Široko se koristi u stručnom sustavu kao što su CLIPS i sustav pravila proizvodnje

Primjer

Pogledajmo primjer kako bismo shvatili kako Forward Chaining funkcionira u praksi

Pravilo 1: Ako je A čovjek TIJEK A je sisavac

Pravilo 2: Ako je A sisavac TIJEKO A je živi oblik

Pravilo 3: AKO je A živi oblik TIJEKO A je smrtno

Činjenica: Shyam je čovjek

Iz ovih pravila zaključivanja moramo doći do cilja

Cilj: Je li Shyam smrtnik?

koraci:

  1. Počnite s poznatom činjenicom. Znamo da je Shyam čovjek (Iz tvrdnje o činjenici).
  2. Koristeći R1, možemo zaključiti da je Shyam sisavac. Kako to nije Izjava o cilju, tako i nastavite.
  3. Zatim prijeđite na Pravilo 2: ako je Shyam sisavac, to je kao živi oblik, pa možemo reći da je Murat živi oblik. Kako to nije Izjava o cilju, tako i nastavite
  4. Koristeći R3, budući da je Shyam životni oblik tako da mora biti smrtna. Budući da je to izjava cilja, tako Izlazite

Prednosti prednjeg lanca

  • Lanac naprijed odlično funkcionira kad se dostupni podaci mogu upotrijebiti za postizanje ciljanog stanja
  • Forward Chaining ima mogućnost pružanja puno podataka iz ograničenih početnih podataka
  • Forward Chaining najprikladniji je za primjenu sustava Expert koji zahtijeva veću kontrolu, planiranje i nadzor
  • Naprijed Lanciranje treba primijeniti kada postoji ograničen broj početnih stanja ili činjenica

Nedostaci prednjeg lanca

  • Motori zaključivanja generirat će nove informacije bez saznanja koji će podaci biti relevantni za postizanje ciljanog stanja
  • Korisnik će možda morati unijeti puno podataka u početku, a da ne zna koji će podaci koristiti za postizanje ciljanog stanja
  • Inference Engine može aktivirati mnoga pravila koja ne doprinose postizanju ciljanog stanja
  • To bi moglo dati drugačiji zaključak, što može rezultirati visokim troškovima postupka vezivanja

Kako djeluje unatrag širenje?

Leđno umetanje unatrag ili unatrag širenje obrnuto je prema naprijed. Počinje od ciljanog stanja i širi se unatrag pomoću pravila zaključivanja kako bi se otkrile činjenice koje mogu podržati cilj. Također se naziva i ciljano rasuđivanje. Počinje od zadanog cilja, traži THEN dio pravila (akcijski dio) ako je pravilo pronađeno, a njegov IF dio odgovara pravilu Inference, tada se pravilo izvršava, a drugi Inference Engine postavlja ga kao novi potkralj.

Pravilo 1: A A i B onda C

Pravilo 2: AKO C TO E

Pravilo 3: AKO I TAKO H

Činjenice: A, B

Cilj: Dokazati H

Dokaz:

Korak 1 : Sustav isprva traži izjavu koja ima cilj na RHS-u, tj. R3, a zatim potražite LHS pravila kako biste provjerili sadrži li činjenica. Sadrži A i E, ali trebamo i B

Korak 2 : Sad će imati E kao pomoćni cilj što je dokazano pravilom 2. Sada pogledajte njegov LHS tj. C

Korak 3: C se može dokazati pravilom 1 koje ima A&B kao LHS

Korak 4 : Budući da smo dobili činjenice A&B od cilja, tako da je algoritam ovdje završen

5. korak: Zaustavite se

Svojstva povratnog lanca

  • Naoštrenje u lancu je pristup odozgo prema dolje, gdje krećemo od ciljanog stanja i djeluje unatrag kako bi pronašao potrebne činjenice koje podržavaju izjavu cilja
  • Poznat je kao ciljno usmjeren pristup dok krenemo od cilja, a zatim se podijelimo na pod-cilj za izvlačenje činjenica
  • Primjenjuje strategiju dubine pretraživanja
  • Može proizvesti samo ograničen broj zaključaka
  • Testira se samo za nekoliko potrebnih pravila

Prednosti povratnog lanca

  • Pretraživanje unatrag vezano je tako da se obrada prekida kada se činjenica potvrdi
  • Zaostalo vezanje razmatra samo relevantne dijelove baze znanja tako da nikada ne izvodi nepotrebne zaključke
  • Za razliku od Forward Chaining, ovdje je potrebno samo nekoliko podataka, ali pravila se pretražuju iscrpno
  • Vrlo je učinkovit za probleme poput dijagnosticiranja i uklanjanja pogrešaka

Nedostaci

  • Budući da se vezivanje unatrag usmjerava na cilj, stoga se mora unaprijed znati cilj obavljanja lančanog unazad
  • Teško je provesti unatrag vezanje

Zaključak - Lančanje prema naprijed i nazad

Sustav temeljen na pravilima važan je za čovjekov svakodnevni život, pa je neophodno imati razumijevanja za ovaj sustav. Oba načina rada u sustavima temeljenim na pravilima imaju svoje niz prednosti i nedostataka. Odabir pristupa ovisi o prirodi problema.

Preporučeni članci

Ovo je vodič za vezivanje naprijed i nazad. Ovdje smo raspravljali o svojstvima, primjerima, prednostima i nedostacima lanca za naprijed i nazad. Možete također pogledati sljedeće članke da biste saznali više -

  1. Forward Chaining vs Backward Chaining
  2. Mrežni uređaji
  3. Prevara JQuery
  4. jQuery elementi

Kategorija:

Veliki podaci