Аналогия в задачах принятия решений

                    svoystvo_is(H,'1'),!. /* в базе имеется информация

                   о наличии свойства */

      proverka_svoystvo(H):–

                    svoystvo_is(H,'2'),!,

                    fail. /* в базе имеется информация  об отсутствии свойства */

      proverka_svoystvo(H):–  /* в базе нет никакой информации  о данном  свойстве, получаем ее у человека */

                    svoystvo(H,S),

                    nl,write("Оно ",S,"? (1 — да, 2 — нет)"),

                    proverka_klav(A),

                    dobavlaem_v_bazu(svoystvo_is(H,A)),

                    proverka_svoystvo(H).

      proverka_klav(C):–

              readchar(C1),

              proverka(C1,C).

      proverka(C,C):–

                 '1'<=C,C<='2',!.

      proverka(_,C):–

                 write("Нажмите 1 или 2!"),nl,

                 readchar(C1),

                 proverka(C1,C).

      GOAL

      start

      Заключение  

      Выводы  в умозаключениях по аналогии всегда бывают только вероятны, но это вероятное  знание, предположение несет в  себе нечто новое. Сама по себе аналогия не дает ответа на вопрос о правильности предположения, эта правильность должна проверяться другими средствами. Аналогия важна уже тем, что она наводит нас на догадки, подает мысль о том или ином предположении.

      Результатом работы явилась реализованная экспертная система, которая получала информацию о свойствах животных и, имея в своей базе знаний информацию о животных и их свойствах, проводила аналогию между полученными данными и данными своей базы знаний. Если ЭС  находила в своей базе знаний свойства, аналогичные полученным, то делала предположение (вывод) о возможном загаданном животном. Если же предположение ЭС оказывалось не верным, то система просила добавить новые свойства животного, тем самым, пополняла свою базу знаний.

       Список использованных источников

1. Поспелов  Г.С. Искусственный интеллект – основа новой информационной технологии. – М.: Наука, 1988.
2. Марселлус Д. Программирование экспертных систем на турбо Прологе. - М.: Финансы и статистика,1994.
3. Сойер Б., Форестер Д. Программирование экспертных систем. - М.: Финансы и статистика, 1998.
4. Искусственный интеллект: в 3х кн. Кн.2 Модели и методы: Справочник / Под ред.Д.А. Поспелова – М.: Радио и Связь, 1990.
5. Лорьер Ж.Л. Системы искусственного интеллекта. – М.: Мир, 1991.
6. Варшавский П.Р. Реализация метода правдоподобных рассуждений на основе прецедентов для интеллектуальных систем поддержки принятия решений. – Эл. ресурс http://www.raai.org/resurs/papers/kii-2006/doklad/Varshavsky.doc
7. Приобретение знаний / Под ред. С. Осуги, Ю. Саэки. – М.: Мир, 1990.
8. Приобретение и использование знаний / Под ред. Х. Уэно, М. Исидзука. – М.: Мир, 1989.
9. Осуга С. Обработка знаний. – М.: Мир, 1989.
10. Вагин В.Н., Головина Е.Ю., Загорянская А.А., Фомина М.В. Достоверный и правдоподобный вывод в интеллектуальных системах. – М.: Физматлиб., 2004.
11. Ларичев О.И. Теория и методы принятия решений. – М.: Логос, 2000.
12. Девятков В.В. Что такое знание. – Электронный ресурс http://www.techno.edu.ru/db/msg/23221.html
13. Гафкаров Д.В. Интеллектуальные информационные системы. – М.: Высшая школа, 2003.
14. Попов Э.В. Экспертные системы. – М.: Наука, 1987.
15. Осипов Г.С. Приобретений знаний интеллектуальными системами. – М.: Наука,1997.
16. Любер Дж. Искусственный интеллект: стратегии и методы решения сложных проблем. – М.: Вильямс, 2003.
17. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем, СПБ: Питер.- 2000.- 384с.
18. Братко И. Программирование на языке Пролог для искусственного интеллекта. - М.: Мир, 1990.
19. Финн В.К.Искусственный интеллект: идейная база и основной продукт // IX Национальная конференция с международным участием “Искусственный интеллект-2004”, Тверь, Сентябрь 8-11, 2004,Труды конференции в 2 томах, т.1, с.11 – 20.Пленарный доклад.