Phương pháp suy diễn trên mô hình COKB dựa trên tri thức Bài toán mẫu và Ứng

dụng
Đỗ Văn Nhơn, Nguyễn Đình Hiển
Đại học Công nghệ thông tin - ĐHQG Tp. HCM {nhondv, hiennd}@uit.edu.vn

Tóm tắt. Trong khoa học về trí tuệ nhân tạo, có nhiều phương pháp để biểu diễn tri thức nhưng những phương pháp này lại không hiệu quả trong việc biểu diễn và suy luận trên các tri thức phức tạp. Ontology, một hướng tiếp cận hiện đại, đã và đang được nghiên cứu phát triển do khả năng ứng dụng của nó trong việc biểu diễn các tri thức. Đặc biệt, ontology về tri thức các đối tượng tính toán COKB-ONT (Computational Objects Knowledge Bases Ontology) là một ontology có thể sử dụng rất hiệu quả trong việc thiết kế các hệ cơ sở tri thức phức tạp, như các miền tri thức về Hình học, Giải tích, Vật lý… Bên cạnh đó, các phương pháp suy diễn cũng đóng một vai trò quan trọng trong các hệ cơ sở tri thức, nhưng nghững phương pháp suy diễn hiện nay vẫn còn mang tính khái quát cao, chưa thể mô phỏng được lối tư duy của con người. Trong thực tế, khi giải quyết một bài toán, chúng ta thường không tìm ngay một lời giải mới mà trước tiên ta sẽ tìm những bài toán liên quan với bài toán ấy để từ đó có cách giải quyết phù hợp. Trong bài báo này, chúng tôi sẽ trình bày mô hình mở rộng mô hình KBCO, trong đó có sử dụng các bài toán mẫu như là các tri thức đã có sẵn về bài toán được đặt ra, mô phỏng tối ưu hơn cho tri thức con người. Từ đó, chúng tôi ứng dụng mô hình này trong việc xây dựng chương trình giải toán hình học phẳng cấp THCS. Từ khóa: trí tuệ nhân tạo, biểu diễn tri thức, phương pháp suy diễn tự động.

1 Giới thiệu
Trong Khoa học trí tuệ nhân tạo, mô hình và các phương pháp biểu diễn tri thức là một bước quan trọng trong việc thiết kế các hệ cơ sở tri thức và các hệ chuyên gia. Ngày nay, có nhiều phương pháp mô hình hóa tri thức đã được đề xuất và ứng dụng. Trong các sách [5], [7], [8] chúng ta đã biết những phương pháp để biểu diễn tri thức trong việc thiết kế hệ cơ sở tri thức, như mạng ngữ nghĩa, mạng nơron, đồ thị khái niệm... Nhưng những phương pháp đó đều vấp phải những hạn chế khiến cho việc mô tả các tri thức mang tính tổng quát đều rất khó khăn, đặc biệt là trong các lĩnh vực toán học, như Hình học phẳng, Hình học giải tích, Đại số, … Ontology COKB-ONT được trình bày trong [1], [10] là một công cụ tốt và hữu dụng trong việc xây dựng các hệ thống cơ sở tri thức trong thực tế. Và ontology này cũng được ứng dụng trong việc xây dựng các hệ thống giáo dục thông minh.

Đây là một bài toán có liên quan mà bạn đã có giải rồi. trong thực tế.Bạn có biết bài toán ào có liên quan không ? . Với cách tổ chức tri thức theo mô hình này. chính là quá trình con người đang tìm kiếm lại những bài toán. giao tiếp. Bên cạnh đó. chúng ta thường không tìm ngay một lời giải mới mà theo G. Sự mở rộng này cho ontology COKB-ONT là rất cần thiết trong việc mô tả các tri thức của con người. Có thể sử dụng nó không ? Có thể sử dụng kết quả của nó không ? Hay sử dụng phương pháp ?” Việc đặt những câu hỏi như vậy.Bạn đã gặp bài toán này lần nào chưa ? Hay đã gặp bài toán này ở dạng hơi khác ? . chúng tôi sẽ mở rộng mô hình COKB thành mô hình COKB sử dụng các mẫu bài toán để có thể mô phòng được tư duy của con người về việc tìm kiếm các mẫu bài toán trong quá trình suy luận để giải quyết bài toán. trước tiên chúng ta cần phải thực hiện: “. thử nhớ lại một bài toán quen thuộc có cùng ẩn hay có ẩn tương tự. những dạng toán như vậy được gọi là mẫu bài toán. suy diễn. ta có thể thiết kế được mô hình biểu diễn vấn đề tổng quát hơn. R. Những bài toán. Bên cạnh đó. 2. những dạng toán đã được gặp để từ đó đề xuất cách giải quyết cho phù hợp. và trên cơ sở đó thiết kế được các thuật giải tổng quát mô phỏng hành vi suy luận giải quyết vấn đề dựa trên tri thức của con người. . Rules ) (1) (2) C là một tập hợp các khái niệm về các C-Object (khái niệm về C-Object được định nghĩa trong [2]). khi tìm thấy bài toán liên quan.1 Mô hình ontology COKB-ONT Mô hình ontology COKB-ONT là một hệ thống gồm 6 thành phần : K = (C.Xét kỹ cái chưa biết (ẩn). H. ta phải xác định xem liệu có thể dùng kết quả của bài toán ấy để giải quyết vần đề không. Trong bài báo này. như: biểu diễn. Polya [6]. So với các cách biểu diễn tri thức khác thì phương pháp biểu diễn dựa trên mô hình COKB tỏ ra hiệu quả hơn về nhiều mặt. . Ops. khi giải quyết một bài toán. 2 Mô hình ontology COKB-ONT và Bài toán Ontology COKB-ONT được đề cập đến trong [10] là một mô hình thể hiện một cách đầy đủ và toàn diện kiến thức thực tế của con người. mô hình mở rộng này cũng được ứng dụng trong việc biểu diễn tri thức về Toán Hình học phẳng ở THCS và từ đó thiết kế hệ thống giải toán tự động trên miền tri thức này.Tuy nhiên. H là một tập hợp các quan hệ phân cấp giữa các loại đối tượng. Funcs.

Sự kiện loại 7: Sự kiện về tính xác định của một hàm. Sự kiện loại 3: Sự kiện về tính xác định của một đối tượng hay của một thuộc tính của đối tượng thông qua biểu thức hằng. Mỗi đối tượng thuộc C là một lớp các đối tượng tính toán có cấu trúc nhất định và được phân cấp theo sự thiết lập của cấu trúc các đối tượng (xem [1] và [2]). ta có mô hình bài toán của ontology COKB-ONT gồm 3 thành phần: . Trong mô hình COKB-ONT. Sự kiện loại 9: Sự kiện về sự bằng nhau giữa một đối tượng với một hàm. Sự kiện loại 5: Sự kiện về sự phụ thuộc giữa các đối tượng và các thuộc tính của các đối tượng thông qua một công thức tính toán hay một đẳng thức theo các đối tượng hoặc các thuộc tính. Sự kiện loại 6: Sự kiện về một quan hệ trên các đối tượng hay trên các thuộc tính của các đối tượng. Sự kiện loại 2: Sự kiện về tính xác định của một đối tượng hay của một thuộc tính của đối tượng. Rules là tập hợp các luật. Sự kiện loại 11: Sự kiện về sự phụ thuộc của một hàm theo các hàm hay các đối tượng khác thông qua một công thức tính toán       2. Ops là một tập hợp các toán tử.(3) (4) (5) (6) R là tập hợp các khái niệm về các loại quan hệ trên các C-Object. Sự kiện loại 4: Sự kiện về sự bằng nhau của một đối tượng hay một thuộc tính của đối tượng với một đối tượng hay một thuộc tính khác. Funcs là một tập hợp các hàm. Sự kiện loại 10: Sự kiện về sự bằng nhau của một hàm với một hàm khác.2 Mô hình bài toán Dựa vào mạng các các đối tượng tính toán trong [11]. ta có 11 loại sự kiện như sau:      Sự kiện loại 1: Sự kiện thông tin về loại của đối tượng. Sự kiện loại 8: Sự kiện về tính xác định của một hàm thông qua một biểu thức hằng.

chúng ta thường không lập tức tìm ngay một cách giải quyết hoàn toàn mới. .O = {O1. . khi gặp một vấn đề cần phải giải quyết.. . F là tập hợp các sự kiện giữa các CObjects. Ops. Hay nói cách khác Kp chính là tri thức hạn chế của tri thức K. trong mô hình biểu diễn tri thức của chúng ta cần phải mô phỏng được tư duy này của con người để trong quá trình suy diễn có thể mau chóng tìm kiếm và sử dụng lại các kết quả đã biết.  Cp C  Hp H  Rp R  Opsp  Ops  Funcsp  Funcs  Rulesp  Rules Các thành phần của Kp được định nghĩa như trong mô hình COKB. .1. R. và G là tập hợp các mục tiêu của bài toán. Funcs. Opsp. (O. . . F) là một mạng các đối tượng tính toán. . Đặt L = O  F. Funcsp.. tri thức con của tri thức K là tri thức được biểu diễn bằng mô hình COKB bao gồm có các thành phần sau: Kp = (Cp. các thành phần này chỉ chứa một số các yếu tố nhất định.Chứng minh một quan hệ giữa các đối tượng.1 Miền tri thức con của miền tri thức được đặc tả bằng mô hình COKB Cho tri thức K = (C. Mục tiêu của bài toán có thể là: . Rp. Hp. .Xác định một đối tượng. Như vậy. f2. . . Rules) như định nghĩa tại mục 2. 3. H. Trong đó: O là tập hợp gồm n C-Objects. . On}. Hoặc ta xác định xem có thể dựa vào các kết quả từ các vấn đề cũ để tiếp tục giải quyết vấn đề đã được đặt ra hay không. O2.Xác định thuộc tính của đối tượng. thì việc giải quyết bài toán mới sẽ trở nên chính xác và hiệu quả hơn. Goal = { g1.Tính giá trị các tham số . bài toán có thể được kí hiệu thành L → G 3 Mô hình ontology COKB-ONT sử dụng mẫu bài toán: Trong tư duy của con người. gk }. F = {f1. g2. Rulesp ) Trong đó.. . Tuy nhiên.Tính giá trị của hàm số trên các đối tượng. mà ta thường tìm xem trước đây ta đã giải quyết một vấn đề nào giống như vậy chưa ? Nếu có. fm}. .

Tiêu chuẩn bài toán mẫu Trong quá trình suy luận trên tri thức để giải quyết vấn đề.Loại bài toán về xác định đối tượng Ví dụ: Bài toán xác định mặt phẳng trong hình học giải tích ba chiều. giải tích ba chiều. [“THUOC”.[C. “MATPHANG”]} Fp = {A = [a1. bài toán mẫu chính là yếu tố giúp cho việc suy luận trở nên nhanh chóng và hiệu quả. Dựa trên các tri thức thực tế đã được xem xét. [B. ta có:  = 0. nghĩa là card(Op) <=  ) .  = 5 3. Goalp) Trong đó.c3]}.c2. như trong miền tri thức Toán hình học phẳng cấp THCS. A.Tiêu chuẩn 2: Bài toán có số lượng đối tượng ít (nhỏ hơn  đối tượng. C.. hình học phẳng). [“THUOC”.) là các hằng số phụ thuộc vào miền tri thức. gồm 3 thành phần: (Op. nếu gặp một bài toán ta sẽ tìm xem bài toán đó đã được giải chưa.3. cần phải có các tiêu chuẩn để một bài toán được xem là bài toán mẫu. Fp.5.B. (. B.c2. điện xoay chiều).a2.”DIEM”]. Q].a3) B(b1. Trong không gian mẫu các hệ thống các bài toán phổ biến của miền tri thức.Tiêu chuẩn 3: Lời giải của bài toán ngắn (nhỏ hơn  bước) Trong đó.2 Bài toán mẫu Mô hình bài toán mẫu Cho tri thức con Kp. Fp.b2. C = [c1. Chẳngng hạn.C.Tiêu chuẩn 1: Tần suất sử dụng bài toán mẫu trong tri thức cao. Bài toán S1: “Cho ba điểm trong không gian có tọa độ là: A(a1. Do vậy. Op và Fp chỉ chứa các loại đối tượng cũng như các sự kiện đã được đặc tả trong Kp .”DIEM”] [Q.c3) . Xác định mặt phẳng P đi qua ba điểm A. hoặc ta có thể áp dụng các bài toán đã biết để giải quyết bài toán mới không. Goalp) với: Op = { [A. Vì vậy.a3] . tri thức về đại số.3 Các loại Bài toán mẫu Bài toán mẫu được chia thành hai loại sau: . Q]} Goalp = {Q} . B = [b1.b2. [“THUOC”. chúng tôi đề ra các tiêu chuẩn sau để một bài toán được xem là bài toán mẫu: .b3) C(c1.a2. tri thức về vật lý (điện một chiều. thì tần suất xuất hiện của bài toán >  . như tri thức về các loại hình học (giải tích hai chiều.b3]. khi đó bài toán mẫu chính là bài toán được biểu diễn dưới dạng mạng các đối tượng tính toán được đặc tả dựa trên tri thức Kp. Q].” Khi đó bài toán mẫu S1 sẽ được đặc tả như sau: S1 = (Op.”DIEM”].  = 5.

H] } Fp = {[“DUONGCAO”. Ops.H]. . Mô hình cũng mô phỏng tốt tư duy của con người trong quá trình tìm lời giải cho bài toán. Rules. 4 Các định lý và Thuật giải 4. ….C].. A1 = f1(A0). A2 = f2(A1) . Am = fm(Am-1) và D(A) = Am Ta có: A0 A1  A2  …  Am = D(A)  F . Ops. DOAN[B.1 Định lý cơ sở : Định nghĩa 4. 3. Một cách tương tự. f2. Xác định: A0 = A. fm] là danh các các luật thuộc F  O. R.chieudai}. khi đó ta có các định nghĩa sau: (a) Với mỗi sự kiện f  F. với mỗi đối tượng tính toán Oi  O. Funcs.chieudai = c .1: Cho (O. ta có f(A) là hợp của tập A và tập các thuộc tính của M có thể được suy diễn từ A bởi sự kiện f. cũng như trong việc mô hình hóa các bài toán phức tạp và thiết kế cơ chế suy diễn tự động trên miền tri thức.C]] .chieudai = a } Goalp = {DOAN[A. Tính độ dài AH” Khi đó bài toán mẫu S2 sẽ được đặc tả như sau: S2 = (Op.4 Mô hình ontology COKB-ONT sử dụng bài toán mẫu: Mô hình ontology COKB-ONT sử dụng bài toán mẫu (COKB-SP) gồm 7 thành phần được định nghĩa như sau: (C. TAMGIACVUONG[A. R. BC = a. H. (b) Giả sử D = [f1. Oi(A) là hợp của tập A và tập các thuộc tính của M có thể được xác định bởi đối tượng Oi từ các thuộc tính trong A. DOAN[A.B.. Goalp) với: Op = { TAMGIACVUONG[A. Giả sử A là một tập con của M.C].. Funcs. (Giải tam giác vuông) Bài toán S2: “Cho tam giác ABC vuông tại A..B. Rules) là tri thức được biểu diễn theo mô hình COKB  Sample là tập hợp các bài toán mẫu trên miền tri thức Mô hình COKB-SP là phương pháp rất hiệu quả trong việc thiết kế các cơ sở tri thức thực tế.Loại bài toán về tính giá trị các thuộc tính của đối tượng Ví dụ: Bài toán tìm giá trị các yếu tố của tam giác vuông. F) là một mạng các đối tượng tính toán. Sample) Trong đó:  (C.H]. H. DOAN[A. AH là đường cao (H thuộc BC). Fp.B]. DOAN[A. Cho AB = c. M là tập các thuộc tính.

tồn tại một danh sách D = [f1. ta có thể tìm được lời giải của bài toán P qua những bước sau: Bước 1: Thu thập các phần tử từ giả thiết và kết luận của bài toán. Định nghĩa 4. Rules. Bổ đề: Cho mô hình COKB-SP K = (C.. do đó G  L. Funcs. Khi đó các khẳng định sau là tương đương: (i) Bài toán L → G giải được. vì vậy G  D(L). (ii) G  L (iii) Tồn tại một danh sách D thỏa mãn G  D(L) Chứng minh: * Sự tương đương của (i) và (iii) có thể được kiểm tra dễ dàng. theo bổ đề trên. Funcs. Khi đó. và bài toán L → G của mô hình.Bài toán L → G được gọi là giải được khi và chỉ khi tồn tại một danh sách D  F  O thỏa mãn D(L)  G. * (i) => (ii): Bài toán L → G là giải được. fk] thỏa mãn D(L) = L . Định lý 4. ta nói D là một lời giải của bài toán. fk] thỏa mãn D(L) = L .2 Thuật giải Thuật giải 4.2: Cho mô hình ontology COKB sử dụng bài toán mẫu K = (C. các đối tượng mới và đạt đến trạng thái mới của quá trình suy luận..1: Cho bài toán P= L→G trong mô hình ontology COKB sử dụng bài toán mẫu. * (ii) => (iii): Bài toán L → L giải được. Bước 4: Sử dụng các qui tắc heuristic để chọn lựa bước giải thích hợp nhằm phát sinh thêm sự kiện mới.. Rules. Ops. Samples). Khi đó. f2. theo định nghĩa 1.. Bước 5: Nếu bước 4 không thành công thì sử dụng một luật bất kì có thể áp dụng dụng được nhằm phát sinh thêm sự kiện mới. dựa vào định lý 4. Nếu G được xác định thì chuyển qua bước 8. R. f2. . R. Funcs. H. Bước 2: Tìm bài toán mẫu có thể áp dụng được. Nhưng G 4. bài toán L → L là giải được.1: Cho mô hình COKB-SP K = (C. Ops.. Samples). Tập L như thế được gọi là bao đóng của L. Khi đó.1. L là tập hợp lớn nhất thỏa mãn bài toán L → L giải được.. R.2. Samples). H.  L . H. tồn tại một danh sách D = [f1. .2.. các đối tượng mới và đạt đến trạng thái mới của quá trình suy luận. Ops. Bước 3: Kiểm tra mục tiêu G.2. Rules. theo định nghĩa 4. . dễ thấy rằng tồn tại du nhất một tập hợp L lớn nhất (theo nghĩa bao hàm) thỏa mãn bài toán L → L là giải được.

5 Ứng dụng Trên cơ sở hệ thống bài tập về hình học phẳng trong [4] và Kĩ thuật thiết kế hệ giải toán tự động trong [3].O p and S.Bước 6: Nếu ở bước 4 và bước 5 chọn được luật có thể áp dụng thì ta ghi nhận các thông tin của bước giải. ghi nhận đối tượng mới vào tập hợp các đối tượng. Thuật giải trên đã mô phỏng được một phần tư duy của con người khi tìm kiếm các mẫu bài toán liên quan đến bài toán đã cho.” . thì ta kết luận: không tìm thấy lời giải cho bài toán và dừng.Gp = loại của mục tiêu G then Sample_found ← true Else if S. Thuật giải 4. Qua đó. Bước 8: Rút gọn lời giải tìm được để có một lời giải tối ưu hơn bằng cách phân tích quá trình giải để xác định các sự kiện mới cần thiết sau mỗi bước giải. giúp cho quá trình suy luận của hệ thống trở nên nhanh chóng và hiệu quả hơn.Gp  L then Sample_found ← true end SP ← (SP – S) Until SP = {} or Sample_found Bước 3: if Sample_found then S là một bài toán mẫu của bài toán P. khi đó ta có thuật giải sau để tìm bài toán mẫu có thể áp dụng cho bài toán P như sau: Bước 1: SP ← Sample Sample_found← false Bước 2: Repeat Chọn S trong tập SP if (các sự kiện của L có thể áp dụng trong (S. từ đó loại bỏ các bước giải dư thừa.Fp)) then begin if loại của S. else Không tìm thấy bài toán mẫu. chúng tôi dùng mô hình COKB-ONT sử dụng Bài toán mãu để xây dựng hệ cơ sở tri thức và bộ suy diễn cho ứng dụng: “Chương trình giải toán tự động các bài toán hình học phẳng trong chương trình toán cấp THCS. ghi nhận các sự kiện mới vào tập các sự kiện đã biết và quay lại bước 2. Bước 9: Thể hiện lời giải. Bước 7: Nếu không tìm được luật ở bước 4 và bước 5.2: Cho bài toán P = L → G trên mô hình COKB-SP.

AB  BC}  { góc ABC = 90o}. . đối tượng cấp 1 và đối tượng cấp. “Đường tròn” là các đối tượng cấp 2. f) Rules–tập hợp các luật: Các tính chất.tập quan hệ giữa các đối tượng tính toán: Ta có các loại quan hệ sau: . . C: DIEM. c: DOAN. hoặc quan hệ giữa các đối tượng cấp cao hơn. + Bài toán mẫu về: * Giải tam giác vuông.Quan hệ cấp 1: là quan hệ giữa các đối tượng cơ bản. C: DIEM.“Tam giác” .tập hợp các hàm: Tập Func gồm các hàm sau: + Trung điểm của đoạn thẳng. . “Tam giác vuông”. B: DIEM. đường tròn. “Đoạn”. g) Tập Sample– tập hợp các bài toán mẫu: + Bài toán mẫu về việc xác định loại của đối tượng: Xác định tam giác vuông. Hình chữ nhật. “Hình thang”. ví dụ như: . “Đoạn” là các đối tượng cấp 1. b: DOAN. Chẳng hạn: {a: DOAN. “Đường tròn”… .Quan hệ cấp cơ bản: là quan hệ giữa các đối tượng nền và quan hệ giữa các đối tượng cấp 1. định lý trong tri thức toán hình học phẳng ở cấp THCS có thể được biểu diễn bằng các luật trên các đối tượng tính toán. e) Tập Funcs. + Hình chiếu của một điểm trên đường thẳng. + Hàm đối xứng của một điểm qua một đường thẳng. BC = AC}  {ABC là tam cân tại C}. B: DIEM. “Tam giác”. “Tam giác đều” là những dạng của khái niệm “Tam Giác”.“Điểm” là đối tượng cơ bản. c) Tập R. b) Tập H tập quan hệ phân cấp giữa các đối tượng: Từ tập hợp các khái iệm về đối tượng tính toán ở trên ta có quan hệ phân cấp giữa các tượng. toán tử là quan hệ giữa các số thực nên ta có thể xem như Ops = {}.Quan hệ nền: là quan hệ giữa các số thực . “Đường thẳng”.“Tam giác cân”. {A: DIEM. c  a}  {c  b} {A: DIEM. “Góc”. a // b. mện đề.“Góc nhọn”. “Góc tù” là những dạng của khái niệm của “Góc” . “Tia”.1 Thiết kết hệ cơ sở tri thức cho miền tri thức hình học phẳng Tri thức về hình học phẳng được mô hình hóa bằng mô hình COKB-SP như sau: a) Tập C – tập các khái niệm đối tượng tính toán: Tập C gồm các khái niệm: “Điểm”. d) Tập Ops– tập hợp các toán tử: Trong miền tri thức hình học phẳng ở cấp THCS.5.“Tia”. .

” + Mô hình bài toán: O = { DUONGTRON[O. DOAN[B. DOAN[A.A.B.C]. DIEM] } F = { [“THUOC”. + Lời giải của chương trình: Bước 1: { [“DUONGKINH”. Bên cạnh đó. DOAN[B. TAMGIACVUONG[A.H]. [“THUOC”. DOAN[B. TAMGIACVUONG[A.C])}  {[“DUONGCAO”. [A. Lấy điểm A trên đường tròn. Cho AB = 4.3]] }  {TAMGIACVUONG[A.H].2.C]. H = HINHCHIEU(A. H].A. bằng cách tìm các mẫu bài toán có thể áp dụng được cho bài toán. Tính AH. DUONGTRON[O.C]} Bởi “Bài toán mẫu” : ["Xác định tam giác vuông”] Bước 2: { H = HINHCHIEU(A.C]]} Bởi “Luật suy diễn”: ["Tính chất của hình chiếu”] Bước 3: { [“DUONGCAO”. DOAN[B.C]) .4 như sau: (O.2 Thiết kế bộ suy diễn tự động của chương trình: Mô hình bài toán trên miền tri thức hình học phẳng được định nghĩa như trong mục 3.C]]. DOAN[B.dai = 4 5 } 3 Bởi “Bài toán mẫu” : ["Giải tam giác vuông"] .dai = 4. ta xây dựng bộ suy diễn của chương trình.dai = 4 }  {DOAN[A.dai = 6. DUONGTRON[O.B].C]. } Goal = {DOAN[A.B. DOAN[A.3]].3]].1 và 4. H là hình chiếu của A trên BC.B. DOAN[A. 5.dai = 6. DUONGTRON[O.dai}. DUONGTRON[O. DIEM].C].H]. 3) với tâm O và đường kính BC = 6. DOAN[B. Động cơ suy diễn này mô phỏng quá trình tìm lời giải bài toán tương tự như cách giải của con người.3]. Goal) Ví dụ: Bài toán P: ” Cho đường tròn (O.B]. trên cơ sở các thuật giải 4.3]] . TAMGIACVUONG[A.B. [“DUONGKINH”.C]. Việc này chính là việc tìm lại các kiến thức cũ đã biết để ứng dụng giải quyết bài toán. F. DOAN[B.* Giải tam giác cân. [H.C]. * Quan hệ giữa đường kính và dây cung trong đường tròn. DOAN[A.

làm cho quá trình suy luận của hệ thống trở nên thông minh hơn và mô phỏng cách giải giải quyết bài toán tương tự như của con người. Brooks/Cole (2000). Hóa học. 9. 6. Bên cạnh đó. 2. Kiến trúc hệ giải bài tập cho người học và kỹ thuật thiết kế. Đại học quốc gia – HCM (2001-2002). kết hợp hai chương trình giải toán tự động Đại số và Hình học này thành một chương trình hoàn thiện hỗ trợ cho việc học tập môn Toán ở cấp THCS. NXB Khoa học kỹ thuật (2005). 2008. 3. 8. NXB Giáo Dục (2000). đặc biệt là các tri thức về Toán học. mô hình mạng tính toán sử dụng bài toán mẫu cũng đã được nghiên cứu và ứng dụng để xây dựng hệ thống giải toán tự động môn đại số trong chương trình THCS. Mở rộng và phát triển mô hình tri thức các đối tượng tính toán. 7. Luận án tiến sĩ. Sowa. tập 1. Sách Giáo khoa Bài học và Bài tập các lớpTHCS. Knowledge Representation: Logical. “Handbook of Knowledge Representation”. 6. Đỗ Văn Nhơn. trong [12] và [13]. chính xác và phù hợp với cách suy nghĩ của con người. Xây dựng hệ tính toán thông minh – Xây dựng và phát triển các mô hình biểu diễn tri thức cho các hệ giải toán tự động. 4. Vật lý. Số 2(4) 2007. Chúng tôi sẽ tiếp tục nghiên cứu mô hình COKB-SP để hoàn thiện hơn chương trình giải toán Hình học phẳng. Kỷ yếu Hội thảo Quốc Gia Một số vấn đề chọn lọc của CNTT. Từ đó. Đại học sư phạm kỹ thuật TpHCM. Prentice Hall (2003). Philosophical and Computational Foundations. Giải một Bài toán trên Máy tính như thế nào. sự mở rộng của mô hình COKB bằng việc bổ sung thêm thành phần các bài toán mẫu trong cơ sở tri thức và cải tiến các thuật giải trên mô hình. 5. . mô hình mở rộng ấy được gọi là mô hình COKB-SP. NXB Giáo dục. Hoàng Kiếm & Đỗ Văn Nhơn. Lời giải của hệ thống tự nhiên. John F. Elsevier. Stuart Russell & Peter Norvig. Giải bài toán như thế nào. Chương trình giải toán tự động về Toán Hình học phẳng ở THCS được xây dựng bằng cách Ứng dụng mô hình COKB-SP cho việc biểu diễn tri thức trên miền tri thức này. G. Frank van Harmelem & Vladimir & Bruce. Đỗ Văn Nhơn. Hơn thế nữa. Polya. Kết luận Ontology COKB-ONT là một mô hình rất tốt cho việc biểu diễn các tri thức của con người. Tài liệu tham khảo 1. Nhà xuất bản Giáo dục (1997). Hoàng Kiếm. Artificial Intelligence – A modern approach (second edition).Mô hình COKB-SP được bổ sung thêm thành phần Bài toán mẫu giúp cho hệ thống suy diễn của mô hình mô phỏng được cách suy nghĩ của con người và đưa ra lời giải tự nhiên và chính xác. Tạp chí Khoa học Giáo dục kỹ thuật. Bộ Giáo dục và Đào tạo.

Singapore. August 2008. pp. Engineering and Technology. Nhon Do. Nhon Van Do. 2009. World Academy of Science. Paris. Engineering and Technology. Nhon Do & Hien Nguyen. 137-141. Volume 56. IMECS 2011. 2011 International MultiConference of Engineers and Computer Scientists. Hongkong . 11. 12. (ICEEEL 2010). 13. Computational Networks for Knowledge Representation. World Academy of Science.10. ISBN: 978-988-18210-3-4. Model for Knowledge Representation using Sample Problems and Designing a Program for automatically solving algebraic problems. vol. March 2011.”. “A reasoning method on Computation Network and Its applications. Nhon Do. ISSN: 2070370. Hien Nguyen. An ontology for knowledge representation and Applications. ISSN 2070 – 3724 (ICCSISE 2009). 32. engineer and technology. August 2009. . Proceeding of World Academy of science. 2010.

Sign up to vote on this title
UsefulNot useful