KG (Knowledge&amp-apos-s Guide-book) - учебная система для проектирования информационных технологий и экспертных систем. Кучуганов В.Н - 15 стр.

UptoLike

15
Сложная ситуация связывает отношениями множество предме-
тов/процессов. Например, "Случайный прохожий (или сыщик?) шел за Джи-
мом и остановился у витрины, когда тот оглянулся".
Базу данных слов удобнее всего задать следующим образом:
<Слово или основа> ::= <значение><Морфологические Признаки>
<Состав> <Отношения>,
где каждое отношение связывает текущее слово с предметом, процессом
или
свойством через типовую ситуацию, в т.ч. с несколькими различными поня-
тиями в различных предметных областях.
В различных предметных областях одно и тоже слово может иметь од-
ну сущность, но разные значения (красная розакрасное лицо). Одна и та же
сущность может обозначаться разными словами. Например, пароход плывет
(в
быту) – пароход идет (у моряков).
Смысловая окраскаэто ассоциация слова в конкретном месте текста
одновременно с несколькими предметными областями, благодаря чему этому
слову приписывается сразу несколько смысловых значений или оно придает
описываемому предмету/процессу несколько свойств. Это часто происходит
в стихах. Многие шутки основаны на двойном значении некоторого слова.
2.7.
Рабочая память как модель информационной сети в процессе
решения задачи
Назовем графической нейронной памятью (NGM – Neuron Graphical
Memory) специализированную сеть для хранения данных, представленных в
виде графов, оптимизации графов и решения различных прикладных задач на
графах.
NGM представляет собой совокупность слоев данных, где каждый слой
хранит некоторый граф, и все слои связаны между собой
информационно и
физически (ссылочно) снизу вверх как источники и результаты некоторых
процессов (подзадач). Всякая подзадачаэто агент, который как паук пле-
тет свою сеть, опираясь на одну или несколько сетей (слоев), созданных дру-
гими агентами, но не нарушает их целостности и не добавляет к ним ни сво-
их данных, ни
своих методов.
Агенты, решающие свои задачи, связаны между собой планом общей
задачи, заданным в базе знаний KG, как сказано выше, в виде граф-схемы.
Оптимизация на графах это классические задачи:
- кратчайшие пути и "отмирание" излишних;
- распределение (перекачка) ресурсов между вершинами слоя;
- статистический анализ, интеграция данных в сети;
- вербализация (например
, размерные отношения);
      Сложная ситуация связывает отношениями множество предме-
тов/процессов. Например, "Случайный прохожий (или сыщик?) шел за Джи-
мом и остановился у витрины, когда тот оглянулся".

      Базу данных слов удобнее всего задать следующим образом:
      <Слово или основа> ::= <значение><Морфологические Признаки>
                            <Состав> <Отношения>,
где каждое отношение связывает текущее слово с предметом, процессом или
свойством через типовую ситуацию, в т.ч. с несколькими различными поня-
тиями в различных предметных областях.

      В различных предметных областях одно и тоже слово может иметь од-
ну сущность, но разные значения (красная роза – красное лицо). Одна и та же
сущность может обозначаться разными словами. Например, пароход плывет
(в быту) – пароход идет (у моряков).

      Смысловая окраска – это ассоциация слова в конкретном месте текста
одновременно с несколькими предметными областями, благодаря чему этому
слову приписывается сразу несколько смысловых значений или оно придает
описываемому предмету/процессу несколько свойств. Это часто происходит
в стихах. Многие шутки основаны на двойном значении некоторого слова.



2.7. Рабочая память как модель информационной сети в процессе
решения задачи

      Назовем графической нейронной памятью (NGM – Neuron Graphical
Memory) специализированную сеть для хранения данных, представленных в
виде графов, оптимизации графов и решения различных прикладных задач на
графах.
      NGM представляет собой совокупность слоев данных, где каждый слой
хранит некоторый граф, и все слои связаны между собой информационно и
физически (ссылочно) снизу вверх как источники и результаты некоторых
процессов (подзадач). Всякая подзадача – это агент, который как паук пле-
тет свою сеть, опираясь на одну или несколько сетей (слоев), созданных дру-
гими агентами, но не нарушает их целостности и не добавляет к ним ни сво-
их данных, ни своих методов.
      Агенты, решающие свои задачи, связаны между собой планом общей
задачи, заданным в базе знаний KG, как сказано выше, в виде граф-схемы.
      Оптимизация на графах – это классические задачи:
      - кратчайшие пути и "отмирание" излишних;
      - распределение (перекачка) ресурсов между вершинами слоя;
      - статистический анализ, интеграция данных в сети;
      - вербализация (например, размерные отношения);
                                    15