Presentasi sedang didownload. Silahkan tunggu

Presentasi sedang didownload. Silahkan tunggu

Pertemuan 4. Eka Dyar W Outline Knowledge acquisition (penambahan pengetahuan)  Manual  Semi otomatis  Otomatis Knowledge representation.

Presentasi serupa


Presentasi berjudul: "Pertemuan 4. Eka Dyar W Outline Knowledge acquisition (penambahan pengetahuan)  Manual  Semi otomatis  Otomatis Knowledge representation."— Transcript presentasi:

1 Pertemuan 4

2 Eka Dyar W Outline Knowledge acquisition (penambahan pengetahuan)  Manual  Semi otomatis  Otomatis Knowledge representation

3 Knowledge Acquisition

4 Knowledge acquisition (1) Proses mentransfer pengetahuan seorang pakar ke knowledge engineer Knowledge engineer membuat rule dan disimpan ke data base Sumber: terdokumentasi dan tak terdokumentasi Merupakan tugas sulit, masalah komunikasi dan pemrosesan informasi

5 Knowledge acquisition (2) Terdiri atas :  Elicitation (mendapatkan)  Collection (pengumpulan)  Analysis (Analisis)  Modelling (Memodelkan)  Validation (Validasi)

6 Macam Manual  Interview / wawancara  Observasi  Case analysis, Critical incident analysis, Commentaries, Conceptual graph, Brainstorming, Prototyping, Multidimensional scaling, Johnson’s hierarchical clustering Semi otomatis  membangun basis knowledge dengan tanpa atau sedikit bantuan knowledge engineer Otomatis  peran dari pakar dan/atau knowledge engineer diminimalkan atau malah dihilangkan  ANN (Artificial Neural Network), Algoritma Induksi ID3  Case based reasoning (menyelesaikan masalah/cases berdasarkan pengalaman)

7 Kategori knowledge Declarative knowledge  Representasi deskriptif dari suatu knowledge, menceritakan kepada kita “apakah” (what) sesuatu itu. Diekspresikan dalam penyataan faktual. berjenis knowledge dangkal, atau level permukaan, informasi yang dapat diceritakan pakar secara verbal ex: Semantic Networks Procedural knowledge  mempertimbangkan perilaku dimana sesuatu bekerja di bawah keadaan tertentu, mengikutsertakan urutan langkah demi langkah dan jenis instruksi “bagaimana” (how-to). bisa juga mengikutsertakan penjelasan (explanation). ex: Production Rules

8 Metaknowledge  knowledge mengenai knowledge. mengacu pada knowledge mengenai sistem berbasis pengetahuan; yaitu, mengenai kemampuan reasoning (memberikan alasan/penjelasan)

9 Persoalan dalam knowledge acquisition Mengekspresikan knowledge: Sangat sulit bagi para pakar dalam mengekspresikan pengalamannya, khususnya pada pengalaman-pengalaman yang berasal dari sensasi, pertimbangan, ingatan indrawi, dan perasaan Transfer ke mesin: Manusia jelas sulit mengingat semua langkah-langkah antara yang digunakan otaknya dalam pentransferan atau pemrosesan knowledge. Sehingga, ada ketidaksesuaian diantara komputer dan pakar Jumlah partisipan: partisipan ini memiliki latar belakang yang berbeda, menggunakan istilah berbeda, dan memiliki ketrampilan dan knowledge yang berbeda pula

10 Struktur knowledge: Knowledge harus disusun menurut aturan tertentu (misal, sebagai rules/ aturan-aturan) Alasan lain:  Pakar memiliki keterbatasan waktu atau tak bersedia bekerja sama  knowledge yang relevan mungkin harus diperoleh dari pelbagai sumber  Masalah komunikasi antarpersonal yang mungkin ada diantara knowledge engineer dan pakar  Pakar memiliki knowledge yang sangat luas  Titel pakar tidak menjamin orang tersebut mengetahui semuanya

11 Knowledge representation

12 Metode yang digunakan untuk mengkodekan pengetahuan dalam sebuah sistem pakar

13 Model Semantic Network (Associative Network) Frames Script Propositional logic Predicates and terms Production Rules (Rule-Based System)

14 Jaringan Semantik Menyimpan pengetahuan deklaratif Merepresentasikan knowledge  graph Label atau graph berarah Struktur terdiri dari node (menggambarkan objek) dan arc – anak panah (menunjukkan hubungan) Hubungan  menyediakan struktur dasar untuk pengorganisasian pengetahuan

15 Contoh jaringan semantik sederhana fly canary wings bird IS-A HAS TRAVEL

16 Cara penambahan objek Objek yang sama Objek yang lebih khusus Objek yang lebih umum

17 Link Secara umum ada 2 tipe yang dipakai : IS-A (ISA)  adalah KIND OF (AKO)  jenis dari Tipe yang lain : IS  mendefinisikan suatu nilai HAS-A  mempunyai

18 Contoh jaringan semantik yang telah diperluas fly canary wings bird IS-A HAS TRAVEL TweetyIS-A penguin walk TRAVEL IS-A Animal IS-A AIR BREATHE

19 Overview jaringan semantik Dapat didefinisikan dengan berbagai jenis objek, atribut maupun konsep Tidak mempunyai standar dalam membuat jaringannya, bentuk dapat berbeda dari sistem ke sistem Jumlah detail yang dimasukkan ke dalam jaringan tergantung masalah yang dipecahkan Jaringan tidak dimasukkan begitu saja dalam bentuk grafik ke memori komputer, tetapi dalam bentuk objek dan hubungannya

20 Tugas Membuat jaringan semantik Jaringan semantik yang lebih luas Digambar dengan tangan Di kertas A4 Dikumpulkan di kuliah SBP selanjutnya

21 Eka Dyar W Sekian


Download ppt "Pertemuan 4. Eka Dyar W Outline Knowledge acquisition (penambahan pengetahuan)  Manual  Semi otomatis  Otomatis Knowledge representation."

Presentasi serupa


Iklan oleh Google