Forward chaining
http://dbpedia.org/resource/Forward_chaining an entity of type: Software
Le chaînage avant est une méthode de déduction qui applique des règles en partant des prémisses pour en déduire de nouvelles conclusions. Ces conclusions enrichissent la mémoire de travail et peuvent devenir les prémisses d'autres règles. Par opposition, le chaînage arrière part des conclusions pour essayer de « remonter » aux axiomes. Le chaînage avant est utilisé en intelligence artificielle, dans un système expert à base de règles, dans un moteur de règles, ou encore dans un système de production.
rdf:langString
Il forward chaining o forward reasoning (lett. risp. "incatenamento in avanti" e "ragionamento in avanti") è uno dei due principali metodi di ragionamento usati da un motore inferenziale. Può essere descritto logicamente come la ripetuta applicazione del modus ponens. L'opposto del forward chaining è il backward chaining.
rdf:langString
전방 추론(前方 推論)은 후방 추론과 달리 자료 위주의 추론 방법이다. 가능한 결론의 종류가 많은 경우에 적합하다.
rdf:langString
Wnioskowanie w przód (Modus Ponendo Ponens) – progresywny algorytm sztucznej inteligencji służący do tworzenia nowych zdań logicznych na podstawie istniejącej bazy faktów, aksjomatów.
rdf:langString
Als Vorwärtsverkettung (engl.: forward chaining oder forward reasoning) bezeichnet man eine Strategie zur Verknüpfung von Regeln in einem System zur Ableitung logischer Folgerungen, einer sogenannten Inferenzmaschine. Auf der Basis einer Regel, die in der Form wenn Faktum, dann Folgerung Eine verwandte Inferenz-Strategie besteht in der Rückwärtsverkettung.
rdf:langString
Encadenamiento delantero (o razonamiento delantero) es uno de los dos métodos principales de razonamiento a la hora de usar un motor de inferencia. Puede ser descrito lógicamente como aplicación repetitiva de modus ponens. Encadenamiento delantero es una estrategia de implementación popular para sistemas expertos y sistemas de producción. El opuesto de encadenamiento delantero es encadenamiento trasero. Motores de razonamiento iterarán a través de este proceso hasta que un meta está logrado.
* Ana croa
* Ana come moscas
rdf:langString
Forward chaining (or forward reasoning) is one of the two main methods of reasoning when using an inference engine and can be described logically as repeated application of modus ponens. Forward chaining is a popular implementation strategy for expert systems, business and production rule systems. The opposite of forward chaining is backward chaining. Inference engines will iterate through this process until a goal is reached.
rdf:langString
前向き連鎖（Forward Chaining）は、（人工知能において）推論規則を使う時の二種類の主要な推論手法のひとつである。もう一方は後向き連鎖である。 前向き連鎖は使用可能なデータからスタートし、推論規則を使って最適解に達するまでさらにデータを（例えばエンドユーザーから）引き出していく。前向き連鎖を使う推論エンジンは、推論規則を検索し、条件部（IF節）が真であることが分かっている規則を探し出す。見つけた規則の帰結部（THEN節）は、データセットへの新たな情報として追加される。 例として、ペットのフリッツの体色を決定することを目標とし、鳴くこと（訳注: "croak" はガーガー、ゲロゲロ鳴くこと）とハエを食べることを事実とする。ルールベースに以下の規則があるとする。 1.
* IF節: フリッツは鳴き、ハエを食べる — THEN節: フリッツはカエルである。 2.
* IF節: フリッツはカエルである — THEN節: フリッツは緑色である。 前向き連鎖の推論はしばしばデータ駆動型と呼ばれる。一方、後向き連鎖はゴール駆動型と呼ばれる。前向き連鎖のアプローチはCLIPSなどのエキスパートシステムで普通に使用されている。前向き連鎖の利点として、新たなデータ（事実）を得ることで新たな推論が開始できるため、後向き連鎖に比較して変動のある状況に対応しやすいという点が挙げられる。
rdf:langString
Прямий вивід є одним із двох основних методів міркування при використанні правил виводу (в галузі штучного інтелекту) і можуть бути описані логічно, як повторне застосування modus ponens. Прямий вивід - популярна стратегія міркування експертних систем, системи правил для бізнесу і виробництва. Протилежним до методу прямого виводу є метод зворотного виводу. Механізм виводу буде ітераційно повторювати цей процес, доки мета не буде досягнута. Наприклад, метою є визначення кольору тварини, яка квакає і їсть мух. База правил виводу містить наступні чотири правила:
rdf:langString
rdf:langString
Vorwärtsverkettung
rdf:langString
Encadenamiento delantero
rdf:langString
Forward chaining
rdf:langString
Forward chaining
rdf:langString
Forward chaining
rdf:langString
Chaînage avant
rdf:langString
전방 추론
rdf:langString
前向き連鎖
rdf:langString
Wnioskowanie w przód
rdf:langString
Прямий вивід
xsd:integer
568962
xsd:integer
1114759606
rdf:langString
Als Vorwärtsverkettung (engl.: forward chaining oder forward reasoning) bezeichnet man eine Strategie zur Verknüpfung von Regeln in einem System zur Ableitung logischer Folgerungen, einer sogenannten Inferenzmaschine. Auf der Basis einer Regel, die in der Form wenn Faktum, dann Folgerung repräsentiert wird, kann eine einfache Schlussfolgerung gezogen werden. Häufig will man jedoch komplexere Schlussfolgerungen aus mehreren gegebenen Regeln ziehen. Eine Möglichkeit hierzu besteht in der Verkettung von Regeln. Die Vorwärtsverkettung geht dabei transitiv vor, d. h. aus einem Faktum wird anhand einer Regel und einer Inferenzmethode (z. B. modus ponens) eine Schlussfolgerung gezogen, die wiederum als Prämisse und mittels einer weiteren Regel für eine weitere Schlussfolgerung verwendet wird usw. Da von einem meist fallspezifischen Faktum ausgegangen wird, bezeichnet man diese Inferenzstrategie auch als datengetriebene Inferenz. Eine verwandte Inferenz-Strategie besteht in der Rückwärtsverkettung.
rdf:langString
Forward chaining (or forward reasoning) is one of the two main methods of reasoning when using an inference engine and can be described logically as repeated application of modus ponens. Forward chaining is a popular implementation strategy for expert systems, business and production rule systems. The opposite of forward chaining is backward chaining. Forward chaining starts with the available data and uses inference rules to extract more data (from an end user, for example) until a goal is reached. An inference engine using forward chaining searches the inference rules until it finds one where the antecedent (If clause) is known to be true. When such a rule is found, the engine can conclude, or infer, the consequent (Then clause), resulting in the addition of new information to its data. Inference engines will iterate through this process until a goal is reached.
rdf:langString
Encadenamiento delantero (o razonamiento delantero) es uno de los dos métodos principales de razonamiento a la hora de usar un motor de inferencia. Puede ser descrito lógicamente como aplicación repetitiva de modus ponens. Encadenamiento delantero es una estrategia de implementación popular para sistemas expertos y sistemas de producción. El opuesto de encadenamiento delantero es encadenamiento trasero. Encadenamiento delantero empieza con los datos disponibles y usa las reglas de razonamiento para extraer más información (de un usuario final, por ejemplo) hasta que una meta está logrado. Un motor de razonamiento que usa encadenamiento delantero busca las reglas de razonamiento hasta que busca uno en que el antecedente (la cláusula ‘si’) está sabido como la verdad. Cuando una regla así está buscado, el motor puede concluir, e inferir, el consecuente (la cláusula ‘entonces’), que resulta en la adición de nueva información a sus datos. Motores de razonamiento iterarán a través de este proceso hasta que un meta está logrado. Por ejemplo, supone que el objetivo es para concluir el color de una mascota que se llama Ana, dado que croa y come moscas y que la base de reglas contiene las cuatro reglas siguientes: 1.
* Si X croa y X come moscas - Entonces X es una rana 2.
* Si X pia y X canta - Entonces X un canario 3.
* Si X es una rana - Entonces X es verde 4.
* Si X es un canario - Entonces X es amarillo Vamos a ilustrar encadenamiento delantero por seguir el modelo de una computadora así como evalúa las reglas. Supongamos los siguientes hechos:
* Ana croa
* Ana come moscas Con encadenamiento delantero, el motor de inferencia puede deducir que Ana es verde en una serie de pasos: 1. Ya que la base de dados indica que “Ana croa” y “Ana come moscas”, el antecedente de regla #1 se satisface por substituir Ana por X y el motor de inferencia concluye:Ana es una rana2. El antecedente de regla #3 es entonces satisfecho por sustituir Ana para X, y el motor de inferencia concluye:Ana es verdeEl nombre “encadenamiento delantero” viene del hecho que el motor de razonamiento empieza con los datos y razona su camino hacia la respuesta, en lugar de encadenamiento trasero, que trabaja al contrario. En este ejemplo, la segunda y la cuarta reglas no fueron usado para resolver que Ana es verde. Debido a que los datos determinan cuáles reglas se seleccionan y usan, se dice que este método se dirige por los dados, en contraste con el encadenamiento trasero que se dirige por los metas. El enfoque de encadenamiento delantero a menudo es utilizado por sistemas expertos, como CLIPS. Una de las ventajas de encadenamiento delantero sobre encadenamiento trasero es que la recepción de dados nuevos puede desencadenar inferencias nuevas, que hace que el motor se adapte mejor a situaciones dinámicas en que es probable que las condiciones cambien.
rdf:langString
Le chaînage avant est une méthode de déduction qui applique des règles en partant des prémisses pour en déduire de nouvelles conclusions. Ces conclusions enrichissent la mémoire de travail et peuvent devenir les prémisses d'autres règles. Par opposition, le chaînage arrière part des conclusions pour essayer de « remonter » aux axiomes. Le chaînage avant est utilisé en intelligence artificielle, dans un système expert à base de règles, dans un moteur de règles, ou encore dans un système de production.
rdf:langString
Il forward chaining o forward reasoning (lett. risp. "incatenamento in avanti" e "ragionamento in avanti") è uno dei due principali metodi di ragionamento usati da un motore inferenziale. Può essere descritto logicamente come la ripetuta applicazione del modus ponens. L'opposto del forward chaining è il backward chaining.
rdf:langString
전방 추론(前方 推論)은 후방 추론과 달리 자료 위주의 추론 방법이다. 가능한 결론의 종류가 많은 경우에 적합하다.
rdf:langString
前向き連鎖（Forward Chaining）は、（人工知能において）推論規則を使う時の二種類の主要な推論手法のひとつである。もう一方は後向き連鎖である。 前向き連鎖は使用可能なデータからスタートし、推論規則を使って最適解に達するまでさらにデータを（例えばエンドユーザーから）引き出していく。前向き連鎖を使う推論エンジンは、推論規則を検索し、条件部（IF節）が真であることが分かっている規則を探し出す。見つけた規則の帰結部（THEN節）は、データセットへの新たな情報として追加される。 例として、ペットのフリッツの体色を決定することを目標とし、鳴くこと（訳注: "croak" はガーガー、ゲロゲロ鳴くこと）とハエを食べることを事実とする。ルールベースに以下の規則があるとする。 1.
* IF節: フリッツは鳴き、ハエを食べる — THEN節: フリッツはカエルである。 2.
* IF節: フリッツはカエルである — THEN節: フリッツは緑色である。 事実（フリッツが鳴くこととハエを食べること）が知識ベースに加えられ、IF節がそれに一致する規則をルールベースから探す。1つめの規則が見つかり、その前提は真であるため、結論部分（フリッツはカエルである）も知識ベースに加えられる。さらにルールベースが検索され、2つめの規則が新たに知識ベース内の事実と一致し、その結論部分（フリッツは緑色）が知識ベースに加えられる。その後、さらなる一致は見つからないが、当初の目標であったフリッツの体色を推論することができた。 前向き連鎖の推論はしばしばデータ駆動型と呼ばれる。一方、後向き連鎖はゴール駆動型と呼ばれる。前向き連鎖のアプローチはCLIPSなどのエキスパートシステムで普通に使用されている。前向き連鎖の利点として、新たなデータ（事実）を得ることで新たな推論が開始できるため、後向き連鎖に比較して変動のある状況に対応しやすいという点が挙げられる。
rdf:langString
Wnioskowanie w przód (Modus Ponendo Ponens) – progresywny algorytm sztucznej inteligencji służący do tworzenia nowych zdań logicznych na podstawie istniejącej bazy faktów, aksjomatów.
rdf:langString
Прямий вивід є одним із двох основних методів міркування при використанні правил виводу (в галузі штучного інтелекту) і можуть бути описані логічно, як повторне застосування modus ponens. Прямий вивід - популярна стратегія міркування експертних систем, системи правил для бізнесу і виробництва. Протилежним до методу прямого виводу є метод зворотного виводу. Метод прямого виводу починає з наявних даних і використовує правила виводу для отримання додаткових даних (наприклад, з користувача), доки мета не буде досягнута. Механізм логічного виводу, що використовує прямий вивід, шукає серед правил виводу перше правило, у якого антецедант (частина якщо) набув логічного значення "істина". Якщо таке правило знайдено, то можна перейти до виводу його висновку (частина тоді) і додавання нової інформації до даних механізму виводу. Механізм виводу буде ітераційно повторювати цей процес, доки мета не буде досягнута. Наприклад, метою є визначення кольору тварини, яка квакає і їсть мух. База правил виводу містить наступні чотири правила: 1.
* Якщо X квакає і їсть мух - Тоді X - це жаба 2.
* Якщо X щебече і співає - Тоді X - це канарка 3.
* Якщо X - жаба - Тоді X має зелений колір 4.
* Якщо X - канарка - Тоді X має жовтий колір По базі правил виводу буде здійснено пошук, буде вибрано правило №1, бо його антецедант (Якщо тварина квакає і їсть мух) відповідає нашим даним. Тепер висновок (Тоді X - це жаба) додається до даних. По базі правил виводу знову здійснюється пошук, цього разу механізм обере правило №3, тому що його антецедант (Якщо тварина - жаба) відповідає даними, які були щойно додані. Тепер новий висновок (Тоді тварина має зелений колір) додається до наших даних. Більше нічого не можна вивести з цих даних, але ми вже досягли своїх цілей визначення кольору тварини. Оскільки саме дані визначають, які правила будуть вибирані і використані, цей метод відноситься до методів керованих даними, на відміну від зворотного виводу, що відноситься до методів, керованих метою. Прямий вивід часто використовується в експертних системах, таких як CLIPS. Однією з переваг методу прямого виводу над зворотнім є те, що прийом нових даних може призвести до отримання нових висновків. Це робить механізм виводу краще пристосованим до динамічних ситуацій, в яких умови, швидше за все, зміняться.
xsd:nonNegativeInteger
4498