Формалізація представлення продукційних правил в Erlang
The article proposes a method of solving logical puzzles on the basis of machine learning. The method is designed for the preliminary formalization of tasks in the form of description of properties and relations between them. Because each property has a set of possible values, the solution of the pu...
Збережено в:
| Дата: | 2020 |
|---|---|
| Автор: | |
| Формат: | Стаття |
| Мова: | Ukrainian |
| Опубліковано: |
Kamianets-Podilskyi National Ivan Ohiienko University
2020
|
| Онлайн доступ: | http://mcm-tech.kpnu.edu.ua/article/view/216500 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Mathematical and computer modelling. Series: Technical sciences |
Репозитарії
Mathematical and computer modelling. Series: Technical sciences| id |
mcmtechkpnueduua-article-216500 |
|---|---|
| record_format |
ojs |
| institution |
Mathematical and computer modelling. Series: Technical sciences |
| collection |
OJS |
| language |
Ukrainian |
| format |
Article |
| author |
Шаповалова, Світлана Ігорівна |
| spellingShingle |
Шаповалова, Світлана Ігорівна Формалізація представлення продукційних правил в Erlang |
| author_facet |
Шаповалова, Світлана Ігорівна |
| author_sort |
Шаповалова, Світлана Ігорівна |
| title |
Формалізація представлення продукційних правил в Erlang |
| title_short |
Формалізація представлення продукційних правил в Erlang |
| title_full |
Формалізація представлення продукційних правил в Erlang |
| title_fullStr |
Формалізація представлення продукційних правил в Erlang |
| title_full_unstemmed |
Формалізація представлення продукційних правил в Erlang |
| title_sort |
формалізація представлення продукційних правил в erlang |
| title_alt |
Formalization of the Rules of Inference in Erlang |
| description |
The article proposes a method of solving logical puzzles on the basis of machine learning. The method is designed for the preliminary formalization of tasks in the form of description of properties and relations between them. Because each property has a set of possible values, the solution of the puzzle by the methods of search has a combinatorial complexity. With a large number of properties and their values, the time of the solving is rapidly increasing.In recent years, a separate area of research in machine learning has been the solution to logical tasks of this type. However, existing solutions to this area have a number of shortcomings, first and foremost, they do not always guarantee a correct solution.The paper presents a special network of connections for learning the solution of logical puzzles, as well as their formalization for the representation of this network. The network contains computing nodes that represent the relationship between properties, and the nodes of the input layers that specify the values of these relationships.Every task is solved by automatically creating a network of links with its further training until the solution is obtained. The geometric interpretation of the n-dimensional network of bonds and its (n – 1)-dimensional layers is given. The formalization of the presentation of the study sample and the learning algorithm are presented. The mechanism of solving logical combinatorial problems is presented.The article presents examples of tasks that are traditional tests in systems of logical programming and production (expert) systems, as well as tasks from the resource bAbI of such classes: two supporting facts, two argument relations, positional reasoning.The efficiency of the proposed method has been experimentally proved.The prospects of further researches, which are connected with the creation of a lexical-syntactic analyzer for automatic representation of properties, their values and relations between them, are determined.The proposed method is universal and does not depend on the characteristics of the current task, such as the number of properties and their values |
| publisher |
Kamianets-Podilskyi National Ivan Ohiienko University |
| publishDate |
2020 |
| url |
http://mcm-tech.kpnu.edu.ua/article/view/216500 |
| work_keys_str_mv |
AT šapovalovasvítlanaígorívna formalizationoftherulesofinferenceinerlang AT šapovalovasvítlanaígorívna formalízacíâpredstavlennâprodukcíjnihpravilverlang |
| first_indexed |
2024-04-08T14:59:16Z |
| last_indexed |
2024-04-08T14:59:16Z |
| _version_ |
1795779049068429312 |
| spelling |
mcmtechkpnueduua-article-2165002020-11-17T09:49:26Z Formalization of the Rules of Inference in Erlang Формалізація представлення продукційних правил в Erlang Шаповалова, Світлана Ігорівна The article proposes a method of solving logical puzzles on the basis of machine learning. The method is designed for the preliminary formalization of tasks in the form of description of properties and relations between them. Because each property has a set of possible values, the solution of the puzzle by the methods of search has a combinatorial complexity. With a large number of properties and their values, the time of the solving is rapidly increasing.In recent years, a separate area of research in machine learning has been the solution to logical tasks of this type. However, existing solutions to this area have a number of shortcomings, first and foremost, they do not always guarantee a correct solution.The paper presents a special network of connections for learning the solution of logical puzzles, as well as their formalization for the representation of this network. The network contains computing nodes that represent the relationship between properties, and the nodes of the input layers that specify the values of these relationships.Every task is solved by automatically creating a network of links with its further training until the solution is obtained. The geometric interpretation of the n-dimensional network of bonds and its (n – 1)-dimensional layers is given. The formalization of the presentation of the study sample and the learning algorithm are presented. The mechanism of solving logical combinatorial problems is presented.The article presents examples of tasks that are traditional tests in systems of logical programming and production (expert) systems, as well as tasks from the resource bAbI of such classes: two supporting facts, two argument relations, positional reasoning.The efficiency of the proposed method has been experimentally proved.The prospects of further researches, which are connected with the creation of a lexical-syntactic analyzer for automatic representation of properties, their values and relations between them, are determined.The proposed method is universal and does not depend on the characteristics of the current task, such as the number of properties and their values У статті запропоновано формалізацію представлення в Erlang продукційної моделі представлення знань та відповідне представлення продукційних правил, умовна частина яких відповідає логіці першого порядку. Метою роботи є створення функції Erlang, яка не тільки представляє в базі знань правило висновування, а також виконує його активізацію при виклику.Наведено відомості про існуючі реалізації логічного висновування в Erlang за обома підходами до формування міркувань: логічним — Erlog та продукційним: ERESYE, SERESYE та RUNES ІІ. Обгрунтовано доцільність розроблення для Erlang власного механізму міркувань, що базується саме на властивостях цієї мови програмування.Визначено базові принципи концепції логічного висновування за продукційною моделлю, орієнтовані на ефективне використання вбудованого механізму співставлення Erlang, для прискорення логічного висновування. В запропонованій формалізації кожна одиниця представлення має два визначення за синтаксисами логіки та Erlang. Формалізацію відповідно до рівню об’єктів представлення розподілено на три частини: визначення базових елементів логіки, представлення умов логічного висновування (зразків і фактів), представлення безпосередньо компонентів продукційної моделі (правила, робочої пам’яті, конфліктного набору).На основі запропонованої формалізації продукційної моделі для Erlang розроблено функцію активації правила бази знань для ефективного логічного висновування. При виклику — у випадку успішної активації — ця функція повертає кортеж зі списку екземплярів поточного правила та показника його пріоритетності. Кожен елемент списку відповідає комбінації фактів робочої пам’яті, які були успішно узгоджені зі зразками умовної частини поточного правила. У випадку, коли жодного варіанту узгодження не існує, функція повертає кортеж з пустим списком.Наведено приклад створення та застосування функції активації для поточного правила Kamianets-Podilskyi National Ivan Ohiienko University 2020-05-21 Article Article application/pdf http://mcm-tech.kpnu.edu.ua/article/view/216500 10.32626/2308-5916.2020-21.125-139 Mathematical and computer modelling. Series: Technical sciences; 2020: Mathematical and computer modelling. Series: Technical sciences. Issue 21; 125-139 Математичне та комп'ютерне моделювання. Серія: Технічні науки ; 2020: Математичне та комп'ютерне моделювання. Серія: Технічні науки. Випуск 21; 125-139 2308-5916 10.32626/2308-5916.2020-21 uk http://mcm-tech.kpnu.edu.ua/article/view/216500/216571 Авторське право (c) 2021 Математичне та комп'ютерне моделювання. Серія: Технічні науки |