RSS

Representasi Pengetahuan


      Representasi  Pengetahuan adalah Proses bagaimana pengetahuan direpresentasikan untuk membentuk sebuah Knowledge Base. Langkah awal dalam membangun sebuah program AI adalah membangun sebuah Knowledge Base. Dimaksudkan untuk menangkap sifat-sifat penting masalah dan membuat infomasi dapat diakses oleh prosedur pemecahan masalah. Bahasa representasi harus dapat membuat seorang programmer mampu mengekspresikan pengetahuan untuk mendapatkan solusi suatu masalah.

Karakteristik Representasi Pengetahuan:
- —  Dapat diprogramkan
- —  Dapat dimanfaatkan untuk penalaran, menggambarkan kesimpulan sebagai fungsi kecerdasan .

1.    Representasi Logika, Representasi ini menggunakan ekspresi-ekspresi dalam logika formal untuk merepresentasikan basis pengetahuan.

2.    Representasi Prosedural  ,  Menggambarkan pengetahuan sebagai sekumpulan instruksi untuk memecahkan suatu masalah. Dalam sistem yang berbasis aturan, aturan if-then dapat ditafsirkan sebagai sebuah prosedur untuk mencapai tujuan pemecahan masalah.
3.    Representasi Network, Menyatakan pengetahuan sebagai sebuah graf dimana simpul-simpulnya menggambarkan obyek atau konsep dalam masalah yang dihadapi, sedangkan lengkungannya menggambarkan hubungan antar mereka. Contohnya adalah Jaringan Semantik.

4.    Representasi Terstruktur, Memperluas network dengan cara membuat setiap simpulnya menjadi sebuah struktur data kompleks yang berisi tempat-tempat bernama slot dengan nilai-nilai tertentu. Nilai-nilai ini dapat merupakan data numerik atau simbolik sederhana, pointer ke bingkai (frame) lain, atau bahkan merupakan prosedur untuk mengerja kan tugas tertentu. Contohnya adalah skrip (script), bingkai (frame) dan obyek (object).

Representasi Pengetahuan 
Terdiri dari dua jenis yaitu :

2. Kalkulus predikatif (Predicate logic)



LOGIKA
Logika adalah representasi pengetahuan yang paling tua. Proses menarik kesimpulan dari fakta yang sudah ada . dijelaskan bahwa Input : premis-premis dan Ouput : kesimpulan.  
Logika terdiri dari: sintaks (simbol), semantik (fakta), dan proses pengambilan keputusan (inferensi). Proses penalaran dibagi menjadi 2 :
Deduktif (umum-khusus)

Induktif (khusus-umum)
Logika:
Logika Preposisi: and, or, not, implikasi, dan ekuivalensi
Logika Predikat: representasi fakta dalam bentuk well formed formula.

  Contoh Penalaran Deduktif
Premis mayor : Jika hujan turun saya tidak akan berangkat kuliah
Premis minor : Hari ini hujan turun
Konklusi : Hari ini saya tidak akan berangkat kuliah 

 
Contoh Penalaran Induktif
Premis -1 : Aljabar adalah pelajaran yang sulit
Premis -2 : Geometri adalah pelajaran yang sulit
Premis -3 : Kalkulus adalah pelajaran yang sulit
Konklusi : Matematika adalah pelajaran yang sulit
 

  • Digg
  • Del.icio.us
  • StumbleUpon
  • Reddit
  • RSS

0 komentar:

Posting Komentar