Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 Budownictwo i Architektura

1 2014

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: wnioskowanie przy niepełnej wiedzy

Sortuj według:

Ogranicz wyniki do:

Wnioskowanie w systemach z wiedzą niepełną w przedsięwzięciach inżynieryjnych

Szelka J., Wrona Z.

Budownictwo i Architektura

2014

Vol. 13, nr 4

407--415

Rozwiązanie sytuacji problemowej w obszarze przedsięwzięć inżynieryjnych wymaga często wykorzystania metod heurystycznych. W procesie wnioskowania zazwyczaj wykorzystuje się typowe, charakteryzujące się znaczną dostępnością, narzędzia reprezentacji i przetwarzania wiedzy – regułowe systemy ekspertowe. Do istotnych ograniczeń tego typu systemów należy jednak zaliczyć możliwość wnioskowania jedynie w tych przypadkach, dla których wiedza o sytuacji problemowej jest kompletna. Warunek ten nie zawsze udaje się spełnić, a szczególnie trudne staje się to w sytuacjach kryzysowych, często nietypowych i obarczonych dodatkowymi ograniczeniami. Choć wypracowano wiele różnorodnych rozwiązań pozwalających na skuteczne wnioskowanie w warunkach niepełnej wiedzy, to dotychczasowe przypadki ich wykorzystania w procesach wnioskowania inżynierskiego należy uznać za nieliczne. Zasadną wydaje się próba oceny możliwości zastosowania tego typu rozwiązań w przedsięwzięciach inżynieryjnych, w kontekście specyfiki tych przedsięwzięć.

A substantial number of engineering problems can be qualified as heuristic ones. Inference processes, allowing for their solution, are most frequently performed with rule-based expert systems. Such systems, however, are significantly limited by their possibility of inference only if complete knowledge is possessed, which is not always the case in practice (in particular in crisis situations). It is then indispensable to employ other methods and tools. Given the specificity of engineering projects, it seems that case-based reasoning (CBR) is an appropriate solution in this respect. In conjunction with rule-based inference mechanisms, it may constitute a complementary solution, allowing for efficient inference in problem situations in which the level of knowledge completeness varies.