ứng dụng mạng ngữ nghĩa để giải bài toán tam giác

Để xây dựng các hệ chuyên gia và các hệ giải bài toán dựa trên tri thức người taphải thiết kế một cơ sở tri thức cho hệ thống và một động cơ suy diễn để giải quyết vấn đề dựa trên tri th

CHƯƠNG 1: MỞ ĐẦU

1.1. Giới thiệu đề tài

Việc ứng dụng tri thức nhân loại vào trong ngành công nghệ thông tin để góp phầnđưa ra những lời giải cho nhiều vấn đề khó được xem là một giải pháp và cần thiết và có

ý nghĩa Các tri thức nhân loại đều có thể được xây dựng thành một hệ thống hoàn chỉnh

và ứng dụng trong nhiều ngành khác nhau dưới sự hỗ trợ của công nghệ thông tin Việcchuyển đổi tri thức nhân loại thành các hệ thống vẫn đang được thực hiện, những tri thức

đó đã và đang được ứng dụng rộng rãi trong quá trình phát triển của xã hội

Để xây dựng các hệ chuyên gia và các hệ giải bài toán dựa trên tri thức người taphải thiết kế một cơ sở tri thức cho hệ thống và một động cơ suy diễn để giải quyết vấn

đề dựa trên tri thức, đặt biệt là các hệ giải toán dựa trên tri thức, vấn đề là làm sao để thiết

kế mô hình nhằm biểu diễn cơ sở tri thức thể hiện đầy đủ miền tri thức và được mô tả đầy

đủ các khía cạnh của tri thức trong lĩnh vực nó cần biểu diễn, mô hình này còn hướng đếnviệc tạo điều kiện thuận lợi cho việc thiết kế, cài đặt để xây dựng một công cụ suy diễn

dễ dàng truy cập phục vụ tốt quá trình suy luận khai thác ứng dụng

Trong khoa học về trí tuệ nhân tạo có nhiều phương pháp để biểu diễn tri thức vàphương pháp cho hiệu quả cao trong viêc biểu diễn và suy luận dựa trên các bài toán tổngquát, mỗi phương pháp điều có ưu, nhược điểm riêng của từng phương pháp trong phầntrình bày này người viết đề xuất một mô hình biểu diễn tri thức gọi là mạng ngữ nghĩa kếthợp với một số thuật toán được ứng dụng trong giải “bài toán tam giác” của chương trìnhphổ thông

Về nghiên cứu tài liệu: tìm hiểu các khái niệm và các kiến thức có liên trên các

sách chuyên ngành, các bài báo đăng trên các tạp chí khoa học ,…

1.4. Bố cục bài thu hoạch

Nội dung của bài thu hoạch bao gồm 5 chương:

Chương 1: Mở đầu

Giới thiệu tổng quan về đề tài, phạm vi và phương pháp thực hiện đề tài.Cuối cùng là đề ra bố cục trình bày của bài thu hoạch

Chương 2: Các khái niệm về trí tuệ nhân tạo và cơ sở tri thức

Trình bày các khái niệm cơ bản về trí tuệ nhân tạo và cơ sở tri thức

Chương 3 : Các khái niệm liên quan đến biểu diễn tri thức

Đây là chương mô tả về các khái niệm và các kỹ thuật biểu diễn tri thức

Chương 4: Minh họa chương trình ứng dụng mạng ngữ nghĩa để giải bài toán tam giác

CHƯƠNG 2: CÁC KHÁI NIỆM VỀ TRÍ TUỆ NHÂN TẠO VÀ CƠ SỞ TRI THỨC

2.1. Trí tuệ nhân tạo và trí tuệ tự nhiên

Tư duy là một quá trình phức tạp, cần thiết để giải quyết các vấn đề của thế giớiphức tạp Các máy móc thiết bị có khả năng hỗ trợ con người để xử lý những vấn đề phứctạp này có thể coi là các công cụ trí tuệ hỗ trợ khả năng tư duy của con người Nhu cầucần có các công cụ như vậy sẽ phát triển khi những dạng mới của sự phức hợp này pháttriển, ví dụ như các dạng của xã hội thông tin kết nối mạng toàn cầu ngày càng gia tăng

Máy móc có khả năng xử lý thông tin một cách trí tuệ cần phải thực hiện việc nàynhư cách thức con người tư duy Thứ nhất là, cần có những tiền đề để con người có thểgiao lưu một cách tự nhiên với máy móc Thứ hai là, con người phải phát triển cácphương pháp tinh vi hiện đại để giải quyết các vấn đề của thế giới phức tạp và cần thíchứng với một số phương pháp này "Máy móc tư duy tự nhiên" có kỹ năng toán học thôngthường có thể ảnh hưởng đến năng lực trí tuệ của con người

Máy móc tư duy tự nhiên cần có các giải pháp phần mềm cũng như các giải phápphần cứng mới, rất có thể sẽ dựa trên cơ sở công nghệ nano Tuy nhiên, trong bài này, sẽtập trung vào các nguyên lý của "điện toán tự nhiên" (do máy móc tư duy tự nhiên thựchiện), không phụ thuộc vào việc thực hiện về phần cứng hay phần mềm

Năng lực của máy móc ngày nay còn xa mới bằng năng lực của con người Tuynhiên, điện toán tự nhiên còn chưa đạt đến giới hạn của nó Các cách tiếp cận hiện naycùng với các khái niệm và ý tưởng mới hứa hẹn mang lại những tiến bộ đáng kể trongtương lai gần Viễn cảnh của điện toán tự nhiên như là một khái niệm mới thể hiện trongbài này dựa trên cơ sở sự hiểu biết của con người về những nguyên lý tư duy của conngười kết hợp với các nguyên lý chức năng của các hệ thống tế bào sinh học

2.2. Các tiếp cận đã được xác lập

Lĩnh vực trí tuệ nhân tạo có nhiều cách tiếp cận khác nhau để mô hình hóa quátrình tư duy tự nhiên Các cách tiếp cận này gồm có các mạng ngữ nghĩa (SemanticNetworks), mạng Bayesian (Bayesian Networks) và otomat dạng ô (CellularAutomata) ; nhưng các ví dụ nổi bật nhất là mạng nơron và hệ thống chuyên gia Đồngthời, các công cụ lập trình hiện đại cũng thường liên quan đến điện toán tự nhiên trongviệc hỗ trợ cho các nhà lập trình thiết lập mã cho những vấn đề ngày càng phức tạp.Những nguyên lý cơ bản của các cách tiếp cận được trình bày dưới đây sẽ là nhữngyếu tố cơ bản của điện toán tự nhiên trong tương lai Trong phần "mạng tam giác 3chữ S", sẽ trình bày cách thức có thể kết hợp chúng với nhau thành một công cụ và cóthể bổ sung thêm những khía cạnh mới như thế nào

2.2.1. Hệ chuyên gia

Các hệ thống chuyên gia thể hiện logic tư duy của con người theo cấu trúc quyếtđịnh kiểu hình cây Cấu trúc này đáp ứng được các hệ thống quy mô vừa Tuy nhiên,cách tiếp cận này còn bị hạn chế đối với những cấu trúc phức tạp Các khía cạnh củamạng, như các mối liên quan, sự trừu tượng hoá và sự không chắc chắn - có thể là đặctrưng quan trọng nhất của năng lực con người trong việc giải quyết những vấn đề phứctạp - đã không được mô phỏng một cách đầy đủ

2.2.2. Hệ thống nơron

Các hệ thống nơron tập trung vào khía cạnh mạng Chúng thể hiện dạng rất cơ bảncủa điện toán tự nhiên Về cơ bản, các mạng nơron mô phỏng chức năng cơ bản của cấutrúc micro và nano của bộ não, các nơron và các liên kết của chúng Các tín hiệu đầu vàothường liên kết với mạng này và truyền trong toàn mạng theo một phương thức xác định

Có thể kiểm soát cách thức truyền tín hiệu bằng đánh giá mối liên hệ giữa các nút Đánhgiá này có thể được điều chỉnh tự động bằng các phương tiện của mọt quy trình huấnluyện (means of a training procedure)

Giải quyết các nhiệm vụ khó, như nhiệm vụ nhận dạng (khó xử lý bằng các thuậtngữ logic), là điểm mạnh của mạng nơron Tuy nhiên, những nhiệm vụ cực kỳ phức tạpđòi hỏi phải có số lượng lớn các khái niệm phức tạp đan xen với nhau, (giống như nhữngnhiệm vụ trong bộ não người), cũng có thể được phát triển tự động Điều này cũng tương

tự như sự tái hiện lại sự phát triển của tư duy từ lúc khởi đầu

2.2.3. Mạng ngữ nghĩa và mạng Bayesian

Các mạng này có nhiều nét giống như mạng nơron vì chúng đều sử dụng phươngpháp xác xuất Tuy nhiên, các nút (và trong một số trường hợp là các liên kết), kết nối vớibiểu hiện ngữ nghĩa của cá thể, tức là chúng có tên hoặc biểu hiện liên quan với chúng

Vì vậy, các mạng này có ưu điểm là có thể tiếp cận cục bộ trong cấu trúc nội tại củachúng đến con người Một nhược điểm so với mạng nơron là phải thiết kế cấu trúc mạngbằng cách thủ công Tuy nhiên, sau đó có thể kiểm tra tính hợp lý của cấu trúc này và sửađổi khi cần thiết vì các nút và các liên kết mang ý nghĩa ngữ nghĩa mà con người hiểuđược Đối với những mạng lớn và phức tạp có thể có những hạn chế như khó kiểm soátđược tính năng tổng thể của toàn mạng

Cấu trúc mạng Baysian có thể thiết kế bằng cách thủ công và kiểm chứng đánh giábằng cách huấn luyện Không giống như mạng nơron, đánh giá của các liên kết đến mộtnút không được coi là liên kết độc lập Về mặt kỹ thuật, có thể xử lý vấn đề này bằng cácmatrix đánh giá ở các nút thay vì đánh giá các liên kết Kết quả là số lượng các đánh giá

có thể sẽ rất lớn

Trong mạng ngữ nghĩa, các liên kết cũng như các nút có thể mang một ý nghĩa Ví

dụ, các sự kiện đơn giản như "chân là một bộ phận của cơ thể người" và "nam giới cụ thể

hơn là người" có thể biểu hiện bằng các liên kết thứ bậc như "là một bộ phận của" và "cụthể hơn là"

Nói chung, mạng ngữ nghĩa và mạng Baysian sử dụng các thuật toán mà thế giớiđang dùng trên các mạng để tính toán các trị số kích thích của các nút Một số mạng ngữnghĩa được gắn với các quy trình ("procedural attachments") tại các nút, chúng sẽ đượckích hoạt khi sự kích thích nút vượt quá ngưỡng cho phép

Không thể viết một chương trình phức tạp hợp lý mà không có lỗi và cũng khôngthể kiểm soát được các chương trình như vậy hoạt động như thế nào Do đó, các chươngtrình cần phải được gỡ rối, thử nghiệm tính năng và luôn luôn sửa đổi Nếu các nhà lậptrình phải viết các chương trình này bằng ngôn ngữ của máy, gần như là sẽ không thểthực hiện được

Các ngôn ngữ máy tính hiện đại cho phép các nhà lập trình viết mã ở cấp độ caohơn, tức là có thể tư duy nhiều cách hơn và bộ vi xử lý phải làm việc ít hơn Do đó, ngônngữ lập trình hiện đại là công cụ phản ảnh tư duy của con người ở một chừng mực nào đó

và như vậy thiết lập nên một loại điện toán tự nhiên

Nếu con người ra lệnh cho máy tính thực hiện một nhiệm vụ nào đó theo cách tựnhiên, thì người ta gọi đấy là máy tư duy tự nhiên Nhìn lại lịch sử của ngôn ngữ lậptrình, người ta thấy xu hướng phát triển theo hướng này Các ngôn ngữ định hướng vàođối tượng và các ngôn ngữ hiện đại khác thực sự đã sử dụng nhiều khái niệm tự nhiênnhư các lớp (Classes) và tính kế thừa (Inheritance)

2.2.5. Otomat dạng ô (Cellualar automata)

Otomat dạng ô là công cụ tính toán các tình huống phức tạp ý tưởng hàm chứatrong otomat dạng ô hoặc máy dạng ô rất tự nhiên: các đối tượng gần nhau có ảnh hưởngđến nhau Người ta đã sử dụng một số lượng lớn các ô như vậy theo cách bố trí hình họcđều Các ô thường ở trạng thái rời rạc, bị ảnh hưởng bởi những mối quan hệ của chúngvới các ô lân cận Otomat dạng ô có thể được coi là mạng sơ đẳng, nhưng tính năng động

của chúng có thể cực kỳ phức tạp Về nguyên tắc, bất kỳ một loại điện toán nào đều cóthể thực hiện bằng các máy như vậy

2.3. Mạng tam giác 3 chữ S (triple-S network), máy fractal

Khi kết hợp tất cả các phương pháp nêu trên hoặc ít nhất là một số khía cạnh củachúng vào một công nghệ, người ta có thể tận dụng sức mạnh của từng cá thể để tạo nênmột máy mạnh hơn Một trong các loại máy như vậy là mạng tự tổ chức, ngữ nghĩa và tựtương tự, hoặc còn gọi là mạng tam giác ba chữ S (Self-organizing, Semantic, Self-similar Network) Mạng tam giác 3 chữ S về cơ bản là một loại mạng tri thức của thế giớitheo thứ bậc có chứa tri thức về các đối tượng, các thuộc tính và các mối quan hệ củachúng cũng như là tri thức xử lý điều cần làm khi một số đối tượng có trong thế giới thực

"Thế giới thực" ở đây có nghĩa là biến đổi đầu vào tương tác với mạng tam giác 3 chữ S.Đầu vào này có thể là một hình ảnh, văn bản hoặc bất kỳ một cấu trúc phức tạp nào

Có các nút và các liên kết mang ngữ nghĩa (giống như các mạng ngữ nghĩa) cũngnhư là các trình gắn thủ tục, gọi là Jani (Thần có hai mặt) Một số liên kết thể hiện logic

ES ("and", "or" và các chức năng phức tạp hơn) Các liên kết và các nút có mang cácđánh giá có thể huấn luyện được (giống như mạng nơron) Các liên kết có thể được nốivới nhau, tạo nên sự phụ thuộc giữa chúng (giống như mạng Bayesian)

Đặc trưng nổi bật nhất của mạng tam giác 3 chữ S là sự kết hợp cấu trúc thứ bậc

và số lượng lớn các trình gắn thủ tục Như vậy, sẽ tạo ra máy otomat dạng ô tổng quát:trạng thái (hoạt động) của Jani phụ thuộc vào trạng thái (kích thích) của nút mà nó gắnvới, trạng thái này lại phụ thuộc vào các trạng thái của các nút và các liên kết lân cận

Trong mạng tam giác 3 chữ S, các nút và các liên kết được nhóm thành các mạngcon Nếu những mạng con này cũng được coi là các nút với các trạng thái liên quan, cuốicùng ta sẽ có otomat dạng ô tổng quát, theo thứ bậc, có các đặc trưng tương tự theo thứbậc, gọi là máy fractal

Khi mạng này tương tác với các đầu vào phức tạp, tính kế thừa sẽ phát huy tácdụng: các đối tượng đầu vào kế thừa jani từ các nút và các liên kết phù hợp với nó nhất.Tính kế thừa này cũng có thể coi như là sự kích hoạt các trình gắn thủ tục Các đối tượng

ở đầu vào thay đổi trạng thái của chúng từng bước một, tuỳ theo ảnh hưởng của lánggiềng Một số jani thể hiện các thủ tục phân lớp, so sánh các lớp và các nấc với nhau,trong đó các jani tạo lập mạng hoặc tạo lập nhóm các đối tượng đầu vào Như vậy, trongthủ tục từng bước thay đổi phân loại và phân đoạn jani được kích hoạt sẽ biến đổi đầuvào ban đầu chưa được cấu trúc thành mạng thứ bậc Cấu trúc mạng đầu vào sẽ ngàycàng giống mạng tam giác 3 chữ S

Ví dụ, ban đầu một hình ảnh đầu vào có thể chỉ chứa các điểm khác nhau Trongtiến trình thủ tục, cấu trúc mạng, thứ bậc của hình ảnh sẽ phát triển từng bước để tạo ra

các dạng (như nhà cửa) với các đối tượng quanh đó (như đường sá), và cuối cùng làthành một thành phố

Với cách tiếp cận này, có thể tạo ra nhiều đối tượng và mối quan hệ hơn là cầnthiết Một số trong chúng sẽ bị bỏ đi Một số khác thích hợp với chúng hoặc hữu ích choviệc tạo ra các đối tượng theo cấp độ thứ bậc khác nhau được giữ lại Việc tạo ra các đốitượng và các quan hệ trên và theo các cấp độ thứ bậc khác nhau tương đương với việcbiến đổi thông tin thành tri thức Nó bao gồm ngữ cảnh vì nó được thể hiện bởi lánggiềng mạng cục bộ của đối tượng cụ thể

Sự tự động thay đổi thủ tục phân lớp và phân đoạn các đối tượng đầu vào là mộtkhía cạnh mới, gọi là điện toán tự tổ chức hoặc điện toán có xúc cảm Còn hai khía cạnhkhác là điện toán chung (generic computing) và điện toán tự tương tự Ba cơ chế này thểhiện các cơ chế quan trọng của tự nhiên

CHƯƠNG 3: MẠNG NGỮ NGHĨA

3.1. Khái niệm

Mạng ngữ nghĩa là một công cụ trực quan giúp chúng ta biểu diễn được các mốiliên hệ giữa các tri thức tổng quát, các khái niệm, các sự việc mà chúng ta quan tâm.Mạng ngữ nghĩa là một phương pháp biểu diễn tri thức đầu tiên và cũng là phương pháp

dễ hiểu nhất đối với chúng ta

Để biểu diễn một mạng ngữ nghĩa thì người ta dùng phương pháp đồ thị Trong đóđỉnh là các đối tượng (khái niệm, tri thức, sự việc) nào đó, còn các cung giữa các đỉnh nóthể hiện các mối liên hệ giữa các đối tượng (khái niệm, tri thức, sự việc) này

Chẳng hạn : giữa các khái niệm chích chòe, chim, hót, cánh, tổ có một số mối

quan hệ như sau :

Chích chòe là một loài chim

Chim biết hót

Chim có cánh

Chim sống trong tổ

Các mối quan hệ này sẽ được biểu diễn trực quan bằng một đồ thị như sau :

Hình 3.1 : Đồ thị biểu diễn các mối quan hệ trong mạng ngữ nghĩa

Do mạng ngữ nghĩa là một loại đồ thị cho nên nó thừa hưởng được tất cả nhữngmặt mạnh của công cụ này Nghĩa là ta có thể dùng những thuật toán của đồ thị trênmạng ngữ nghĩa như thuật toán tìm liên thông, tìm đường đi ngắn nhất,… để thực hiệncác cơ chế suy luận Điểm đặc biệt của mạng ngữ nghĩa so với đồ thị thông thường chính

là việc gán một ý nghĩa (có, làm, là, biết, ) cho các cung.

Trong đồ thị tiêu chuẩn, việc có một cung nối giữa hai đỉnh chỉ cho biết có sự liên

hệ giữa hai đỉnh đó và tất cả các cung trong đồ thị đều biểu diễn cho cùng một loại liên

hệ, cùng lắm là trong đồ thị thông thường có thêm trọng số Trong mạng ngữ nghĩa, cung

nối giữa hai đỉnh còn cho biết giữa hai khái niệm tương ứng có sự liên hệ như thế nào.

Việc gán ngữ nghĩa vào các cung của đồ thị đã giúp giảm bớt được số lượng đồ thị cầnphải dùng để biễu diễn các mối liên hệ giữa các khái niệm Chẳng hạn như trong ví dụtrên, nếu sử dụng đồ thị thông thường, ta phải dùng đến 4 loại đồ thị cho 4 mối liên hệ :

một đồ thị để biểu diễn mối liên hệ "là", một đồ thị cho mối liên hệ "làm", một cho "biết"

và một cho "có"

Một điểm khá thú vị của mạng ngữ nghĩa là tính kế thừa Bởi vì ngay từ trong khái

niệm, mạng ngữ nghĩa đã hàm ý sự phân cấp (như các mối liên hệ "là") nên có nhiều đỉnh

trong mạng mặc nhiên sẽ có những thuộc tính của những đỉnh khác Chẳng hạn theomạng ngữ nghĩa ở trên, ta có thể dễ dàng trả lời "có" cho câu hỏi : "Chích chòe có làm tổkhông?" Ta có thể khẳng định được điều này vì đỉnh "chích chòe" có liên kết "là" vớiđỉnh "chim" và đỉnh "chim" lại liên kết "biết" với đỉnh "làm tổ" nên suy ra đỉnh "chíchchòe" cũng có liên kết loại "biết" với đỉnh "làm tổ" (kiểu "suy luận" mà ta vừa thực hiệnbắt nguồn từ thuật toán "loang" hay "tìm liên thông" trên đồ thị) Chính đặc tính kế thừacủa mạng ngữ nghĩa đã cho phép ta có thể thực hiện được rất nhiều phép suy diễn từnhững thông tin sẵn có trên mạng

Tuy mạng ngữ nghĩa là một kiểu biểu diễn trực quan đối với con người nhưng khiđưa vào máy tính, các đối tượng và mối liên hệ giữa chúng thường được biểu diễn dướidạng những phát biểu động từ (như vị từ) Hơn nữa, các thao tác tìm kiếm trên mạng ngữnghĩa thường khó khăn (đặc biệt đối với những mạng có kích thước lớn) Do đó, mô hìnhmạng ngữ nghĩa được dùng chủ yếu để phân tích vấn đề Sau đó, nó sẽ được chuyển đổisang dạng luật hoặc frame để thi hành hoặc mạng ngữ nghĩa sẽ được dùng kết hợp vớimột số phương pháp biểu diễn khác

3.2. Các kỹ thuật biểu diễn tri thức

3.2.1. Bộ ba Đối tượng – Thuộc tính – Giá trị

Cơ chế tổ chức nhận thức của con người thường được xây dựng dựa trên các sự kiện (fact), xem như các đơn vị cơ bản nhất Một sự kiện là một dạng tri thức khai báo.

Nó cung cấp một số hiểu biết về một biến cố hay một vấn đề nào đó

Một sự kiện có thể được dùng để xác nhận giá trị của một thuộc tính xác định củamột vài đối tượng Ví dụ, mệnh đề "quả bóng màu đỏ" xác nhận "đỏ" là giá trị thuộc tính

"màu" của đối tượng "quả bóng" Kiểu sự kiện này được gọi là bộ ba Đối tượng-Thuộctính-Giá trị (O-A-V – Object-Attribute-Value)

Hình 3.2 : Biểu diễn tri thức theo bộ ba O – A - V

Một O-A-V là một loại mệnh đề phức tạp Nó chia một phát biểu cho trước thành

ba phần riêng biệt: đối tượng, thuộc tính, giá trị thuộc tính Trong các sự kiện O-A-V,

một đối tượng có thể có nhiều thuộc tính với các kiểu giá trị khác nhau Hơn nữa một

thuộc tính cũng có thể có một hay nhiều giá trị Chúng được gọi là các sự kiện đơn trị (single-valued) hoặc đa trị (multi-valued) Điều này cho phép các hệ tri thức linh động

trong việc biểu diễn các tri thức cần thiết

Các sự kiện không phải lúc nào cũng bảo đảm là đúng hay sai với độ chắc chắnhoàn toàn Vì thế, khi xem xét các sự kiện, người ta còn sử dụng thêm một khái niệm là

độ tin cậy Phương pháp truyền thống để quản lý thông tin không chắc chắn là sử dụng

nhân tố chắc chắn CF (certainly factor) Khái niệm này bắt đầu từ hệ thống MYCIN(khoảng năm 1975), dùng để trả lời cho các thông tin suy luận Khi đó, trong sự kiện O-A-V sẽ có thêm một giá trị xác định độ tin cậy của nó là CF

Ngoài ra, khi các sự kiện mang tính "nhập nhằng", việc biểu diễn tri thức cần dựavào một kỹ thuật, gọi là logic mờ (do Zadeh đưa ra năm 1965) Các thuật ngữ nhập nhằng

được thể hiện, lượng hoá trong tập mờ.

các luật được quản lý bằng một module gọi là bộ suy diễn.

Chiến lược

IF Máy không khởi động được

THEN Đầu tiên hãy kiểm tra hệ thống điện, sau đó kiểm tracác linh kiện trong CPU.

Các luật cũng có thể được phân loại theo cách thức giải quyết vấn đề Điển hìnhtheo phân loại này các luật theo cách thức diễn giải, chẩn đoán, và thiết kế

Diễn giải

IF Cao 1m65AND Nặng 65 kgAND Giới tính NamTHEN Phát triển bình thường

Chẩn đoán

IF Sốt caoAND hay hoAND Họng đỏTHEN Viêm họng

Thiết kế

IF Cao 1m75AND Da sẫmTHEN Chọn áo vải sángAND Chọn tấm vải khổ 1m403.2.2.2. Mở rộng cho các luật

Trong một số áp dụng cần thực hiện cùng một phép toán trên một tập hay các đối

tượng giống nhau Lúc đó cần các luật có biến

Ví dụ:

IF X là nhân viênAND Tuổi của X > 65THEN X xó thể nghỉ hưuKhi mệnh đề phát biểu về sự kiện, hay bản thân sự kiện có thể không chắc chắn,người ta dùng hệ số chắc chắn CF Luật thiết lập quan hệ không chính xác giữa các sự

kiện giả thiết và kết luận được gọi là luật không chắc chắn

Ví dụ:

IF Lạm phát CAOTHEN Hầu như chắc chắn lãi suất sẽ CAOLuật này được viết lại với giá trị CF có thể như sau:

IF Lạm phát caoTHEN Lãi suất cao, CF = 0.8