Большая Энциклопедия Нефти и Газа

Продукционное правило

Продукционное правило — это упорядоченная пара цепочек символов, содержащая левую и правую части, — посылку и следствие. На множестве правил задано отношение порядка. База данных продукционной системы есть просто набор символов. В ходе работы с правилами производятся просмотр левых частей правил и сравнение их с символами из базы данных. [2]

А, он уда ляется из стека и заменяется символами правой части продукционного правила , а левой части которого стоит символ А. Таким образом, если продукция имеет вид л — — XV Z, первым должен поступить в стек символ 2, затем Y и, наконец, X. Выбор символа выполняется на основе, обращения синтак си ческой таблицы, содержащей позиции для каждого сочетания нетерминального символа, и предварительно просматриваемой комбинации из Ъ символов. Синтаксический анализ завершается успешно, когда входная последовательность исчерпывается и стек оказывается пустым. [3]

Еще одним понятием, широко используемым в различных задачах искусственного интеллекта, является продукционное правило , или продукция. Во многих случаях условие применимости можно задать в виде образца, считая продукцию применимой к ситуации, если ситуация сопоставима с этим образцом. Побочный эффект, возникающий при этом сопоставлении, может быть использован второй частью продукции. Такой подход позволяет использовать для описания продукций тот же теоретический аппарат, что и для работы с образцами. [4]

Деревья решений — метод структурирования задачи в виде древовидного графа, вершины которого соответствуют продукционным правилам , позволяющим классифицировать данные или осуществлять анализ последствий решений. Этот метод дает наглядное представление о системе классифицирующих правил, если их не очень много. Простые задачи решаются с помощью этого метода гораздо быстрее, чем с использованием нейронных сетей. Для сложных проблем и для некоторых типов данных деревья решений могут оказаться неприемлемыми. Кроме того, для этого метода характерна проблема значимости. Одним из последствий иерархической кластеризации данных является то, что для многих частных случаев отсутствует достаточное число обучающих примеров, в связи с чем классификацию нельзя считать надежной. [5]

Следует отметить, что конечные автоматы, программы, исчисление предикатов и системы с продукционными правилами с теоретической точки зрения эквивалентны друг другу, поскольку их можно свести к универсальной машине Тьюринга, хотя их Эксплуатационные характеристики сильно различаются. [7]

Введенная в РДО-методе модификация продукций позволяет устранить недостатки продукционных систем, связанные с их статичностью, сохраняя в то же время известные преимущества продукционных систем: универсальность ( возможность описания широкого класса сложных систем применительно к различным задачам исследования); гибкость ( простота настройки); независимость формата продукционного правила и механизма поиска решений от физического смысла представляемых знаний; модульность ( продукционные правила независимы друг от друга, что позволяет вводить или удалять правило из базы знаний, не затрагивая остальные); соответствие процедурного характера описания знаний в продукционных системах дискретным процессам, имеющим место в сложной системе, что позволяет естественно использовать их для построения последовательности некоторых действий. [9]

Нетрудно видеть, что описанный алгоритм, в сущности, соответствует упрощенному алгоритму нечеткого логического вывода ( см. разд. Причем непротиворечивость нового продукционного правила относительно набора правил из базы знаний гарантируется предложенной процедурой ее пополнения. [11]

Данный пример наводит на мысль, что продукционные правила до некоторой степени сходны со связями стимул — реакция в традиционном направлении психологии бихевиоризме. Стимул есть аналог условной части продукционного правила , а реакция — аналог действия в продукционном правиле. [12]

Все рассмотренные ранее способы представления знаний использовали частный случай управляемых образцами модулей. Действительно, каждый модуль представлялся в виде продукционного правила . Сложность правил была весьма ограничена, что позволяло выразить их в виде, понятном эксперту. Если же преобразования, выполняемые модулем, очень сложны, то для их представления приходится прибегать к процедурной форме. Каждый источник знания состоит из программы-условия, которая определяет, применим ли ИЗ к текущему состоянию классной доски, и программы-действия, производящей результаты. [13]

Все рассмотренные ранее способы представления знаний использовали частный случай управляемых образцами модулей. Действительно, каждый модуль представлялся в виде продукционного правила . Сложность правил была весьма ограничена, что позволяло выразить их в виде, понятном эксперту. Если же преобразования, выполняемые модулем, очень сложны, то для их представления приходится прибегать к процедурной форме. Каждый источник знания состоит из программы-условия, которая определяет, применим ли ИЗ к текущему состоянию классной доски, и программы-действия, производящей результаты. [14]

Подобным образом создаются продукционные правила для человека, перевозящего козу и капусту на другой берег. Отметим, что команда writelist в каждом продукционном правиле печатает трассу текущего правила. Команда reverse print stack применяется в заключительном состоянии пути для того, чтобы распечатать путь найденного решения. [15]

www.ngpedia.ru

Продукционная модель знаний

Продукционные модели можно считать наиболее распространенными моделями представления знаний. Продукционная модель – это модель, основанная на правилах, позволяющая представить знание в виде предложений типа:

Продукционная модель обладает тем недостатком, что при накоплении достаточно большого числа (порядка нескольких сотен) продукций они начинают противоречить друг другу.

В общем случае продукционную модель можно представить в следующем виде:

  • – имя продукции;
  • – сфера применения продукции;
  • – условие применимости продукции;
  • – ядро продукции;
  • – постусловия продукции, актуализирующиеся при положительной реализации продукции;
  • – комментарий, неформальное пояснение (обоснование) продукции, время введения в базу знаний и т. д.;

Системы обработки знаний, использующие продукционную модель получили название «продукционных систем». В состав экспертных систем продукционного типа входят база правил (знаний), рабочая память и интерпретатор правил (решатель), реализующий определенный механизм логического вывода. Любое продукционное правило, содержащееся в базе знаний, состоит из двух частей: антецендента и консеквента. Антецедент представляет собой посылку правила (условную часть) и состоит из элементарных предложений, соединенных логическими связками «и», «или». Консеквент (заключение) включает одно или несколько предложений, которые выражают либо некоторый факт, либо указание на определенное действие, подлежащее исполнению. Продукционные правила принято записывать в виде антецедент-консеквент.

Примеры продукционных правил:

Любое правило состоит из одной или нескольких пар «атрибут-значение». В рабочей памяти систем, основанных на продукционных моделях, хранятся пары атрибут-значение, истинность которых установлена в процессе решения конкретной задачи к некоторому текущему моменту времени. Содержимое рабочей памяти изменяется в процессе решения задачи. Это происходит по мере срабатывания правил. Правило срабатывает, если при сопоставлении фактов, содержащихся в рабочей памяти, с антецедентом анализируемого правила имеет место совпадение, при этом заключение сработавшего правила заносится в рабочую память. Поэтому в процессе логического вывода объём фактов в рабочей памяти, как правило, увеличивается (уменьшаться он может в том случае, если действие какого-нибудь правила состоит в удалении фактов из рабочей памяти). В процессе логического вывода каждое правило из базы правил может сработать только один раз.

Существуют два типа продукционных систем – с «прямыми» и «обратными» выводами. Прямые выводы реализуют стратегию «от фактов к заключениям». При обратных выводах выдвигаются гипотезы вероятностных заключений, которые могут быть подтверждены или опровергнуты на основании фактов, поступающих в рабочую память. Существуют также системы с двунаправленными выводами.

Основные достоинства систем, основанных на продукционных моделях, связаны с простотой представления знаний и организации логического вывода. К недостаткам таких систем можно отнести следующее:

  • отличие от структур знаний, свойственных человеку;
  • неясность взаимных отношений правил;
  • сложность оценки целостного образа знаний;
  • низкая эффективность обработки знаний.

При разработке небольших систем (десятки правил) проявляются в основном положительные стороны продукционных моделей знаний, однако при увеличении объёма знаний более заметными становятся слабые стороны.

www.aiportal.ru

Продукционное правило и пример

Два следующих примера иллюстрируют общий принцип работы продукционных систем, причем в неблагоприятных случаях, когда процедуры являются итерационными. Эти примеры являются классическими и показывают, что всегда можно, не вводя дополнительных переменных, четко разделить операции в элементарных модулях, выраженных в форме условных правил. Во втором примере, где в отличие от первого все сделано

для полного разделения правил и их управляющей структуры, мы приведем хорошо известное свойство продукционных систем.

Пример 1. Инверсия цепочки символов с помощью алгоритма Маркова.

Символы являются управляющими и не могут замещаться. х и у могут унифицироваться с любой непустой цепочкой символов. Список правил упорядочен сверху вниз. Правило которое определяет пустое действие, отмечает конец процедуры.

Инверсия цепочки символов слова для предыдущей системы Маркова:

При выполнении этой процедуры берутся последовательно все символы цепочки и помещаются слева от уже инвертированных, а затем удаляются управляющие символы.

Пример 2. Имеются три следующих правила, в которых через и обозначены произвольные последовательности точек, возможно пустые [Post, 1936]:

Символ является незамещаемой константой. Входная последовательность имеет вид

Эти три правила выполняют умножение двух целых чисел представленных в единичной системе. В данном случае правила унифицированы с входной последовательностью в произвольном порядке. Кроме того, они рассматриваются как продукционные, и унификация должна производиться с их левыми частями (разд. 7.3.4). Таким образом, если входная последовательность имеет вид то последовательно получим

Замечание. С момента появления информатики мы привыкли мыслить в терминах процедур, а не в терминах перезаписи. Поэтому не удивительно и заранее ясно, что продукционные системы для нас в некотором роде чужеродны. Но как вы думаете, не напоминает ли приведенный выше пример манеру счета маленьких детей?

В обоих приведенных примерах механизм вычислений представляется громоздким. Более предпочтительным был бы формализм языков программирования, так как эти ситуации являются явно алгоритмическими. В отличие от этого формализм продукционных правил, представляющий собой множество неупорядоченной информации, обладает преимуществом, которое заключается в повествовательном типе формулировок, независимых одна от другой, как в случаях утверждения наблюдаемых фактов или правил решения математических теорем, грамматических правил, постановки медицинского диагноза, химических исследований, разработке фюзеляжей самолетов, электронных схем (разд. 7.2). И не исключено, что после определенного числа попыток будет сформирован пакет правил и оформлен в виде законченной процедуры.

lib.alnam.ru

Продукционные правила для представления знаний.

Дата добавления: 2013-12-23 ; просмотров: 3732 ; Нарушение авторских прав

Рассмотрим пример создания экспертной системы на основе использования продукционных правил. Правила типа «если-то», называемые продукциями, являются одним из наиболее популярных формализмов представления знаний. Каждое такое правило есть условное утверждение, однако, существуют различные варианты их интерпретации:

Продукции обладают следующими свойствами:

· Модульность: каждое правило описывает небольшой, относительно независимый фрагмент знаний;

· Возможность инкрементного наращивания: добавление новых правил в базу знаний независимо от существующих правил;

· Удобство модификации (следствие модульности): старые правила можно изменять и заменять на новые независимо от других правил;

· Прозрачность системы как следствие применения правил.

Последнее свойство — это способность системы к объяснению принятых решений и полученных результатов. Применение «если — то» правил облегчает получение ответов на вопросы типа: «как?» и «почему?».

«Если — то»- правила часто применяют для определения логических отношений между понятиями предметной области. Про чисто логические отношения можно сказать, что они принадлежат к «категорическим знаниям», то есть соответствующие им отношения абсолютно верны. Однако, в некоторых предметных областях преобладают вероятностные («мягкие») знания. Эти знания являются «мягкими» в том смысле, что говорить об их применимости к любым практическим ситуациям можно только до некоторой степени. В таких случаях используют модифицированные «если — то» – правила, дополняя их логическую интерпретацию вероятностной оценкой или использовать нечёткие продукционные правила.

Например, если условие A, то заключение B с вероятностью F.

Проиллюстрируем использование правил типа «если — то» на примере «игрушечной» базы знаний, помогающей идентифицировать животных по их основным признакам в предположении, что задача идентификации ограничена только небольшим числом разных животных.

Правило 1: если

Животное «имеет» шерсть

Животное «кормит детенышей» молоком

Правило 2: если

Животное «имеет» перья

Животное «летает » и

Животное «откладывает яйца»

Правило 3: если

Животное это млекопитающее и

Животное «ест» мясо

Правило 4: если

Животное это хищник и

Животное «имеет» «рыжий цвет» и

Животное «имеет» «темные пятна»

Правило 5: если

Животное это хищник и

Животное «имеет» «рыжий цвет»

Животное «имеет» «черные полосы»

Правило 6: если

Животное это птица и

Животное «не может» «летать»

Правило 7: если

Животное это птица и

Факт: Х это животное: — принадлежит (Х, [гепард, тигр, пингвин, альбатрос]).

можно_спросить (Животное, «кормит детенышей», Чем).

можно_спросить (Животное, «откладывает яйца»).

можно_спросить (Животное, «ест», Что).

можно_спросить (Животное, «не может», Что делать ).

можно_спросить (Животное, «плавает»).

можно_спросить (Животное, «летает»).

Если переписать данные правила в виде настоящих прологовских правил, то они примут вид:

Животное это млекопитающее :- Животное «имеет» «шерсть»,

Животное «кормит детенышей» «молоком».

Животное это хищник :- Животное это млекопитающее,

Животное «ест» «мясо».

Животное это тигр:- животное это хищник, животное «имеет» «рыжий цвет», животное «имеет» «черные полосы».

life-prog.ru

5.3 Представление знаний правилами продукций

5.3. Представление знаний правилами продукций

Продукционная модель в силу своей простоты получила наи­более широкое распространение. В этой модели знания представ­ляются в виде совокупности правил типа «ЕСЛИ — ТО». Системы обработки знаний, использующие такое представление, получили название продукционных систем (ПС). В состав экспертной системы продукционного типа входят база правил, база фактических дан­ных (рабочая память) и интерпретатор правил, реализующий оп­ределенный механизм логического вывода. Любое продукцион­ное правило, содержащееся в БЗ, состоит из двух частей: антеце­дента и консеквента. Антецедент представляет собой посылку правила (условную часть) и состоит из элементарных предложе­ний, соединенных логическими связками И, ИЛИ. Консеквент (заключение) включает одно или несколько предложений, кото­рые выражают либо некоторый факт, либо указание на определен­ное действие, подлежащее исполнению. Продукционные правила принято записывать в виде АНТЕЦЕДЕНТ ® КОНСЕКВЕНТ.

В работах Ньюэлла и Саймона ПС использовалась для представления модели человеческого поведения при решении задач. Продукции соответствуют навыкам решения задач в долгосрочной памяти человека. Подобно навыкам в долгосрочной памяти эти продукции не изменяются при работе системы. Они вызываются «по образцу» для данной специфической проблемы, а новые навыки могут быть добавлены к существующей базе знаний без соответствующей команды записи. Рабочая память продукционной системы соответствует краткосрочной памяти, или текущей области внимания человека, и описывает текущую стадию решения задачи. Содержание рабочей памяти после решения задачи не сохраняется.

Примеры продукционных правил:

ЕСЛИ «двигатель не заводится» И «стартер двигателя не рабо­тает», ТО «неполадки в системе электропитания стартера»;

ЕСЛИ «животное имеет перья», ТО «животное — птица».

Антецеденты и консеквенты правил формируются из атрибу­тов и значений, например:

Двигатель Не заводится

Стартер двигателя Не работает

Животное Имеет перья

Любое правило состоит из одной (или нескольких) пары ат­рибут — значение. В рабочей памяти продукционной системы хра­нятся пары атрибут — значение, истинность которых установлена в процессе решения конкретной задачи к некоторому текущему моменту времени. Содержимое рабочей памяти изменяется в процессе решения задачи. Это происходит по мере срабатывания правил. Правило срабатывает, если при сопоставлении фактов, содержащихся в рабочей памяти, с антецедентом анализируемого правила имеет место совпадение, при этом заключение сработав­шего правила заносится в рабочую память. Поэтому в процессе логического вывода объем фактов в рабочей памяти, как прави­ло, увеличивается (уменьшаться он может в том случае, если дей­ствие какого-нибудь правила состоит в удалении фактов из рабо­чей памяти). В процессе логического вывода каждое правило из базы правил может сработать только один раз.

При описании реальных знаний конкретной предметной об­ласти может оказаться недостаточным представление фактов с помощью пар атрибут—значение. Более широкие возможности имеет способ описания с помощью триплетов объект—атри­бут—значение. В этом случае отдельная сущность предметной об­ласти рассматривается как объект, а данные, хранящиеся в рабо­чей памяти, показывают значения, которые принимают атрибуты этого объекта.

собака — кличка — Граф;

собака — порода — ризеншнауцер;

собака — окрас — черный.

Одним из преимуществ такого представления знаний являет­ся уточнение контекста, в котором применяются правила. На­пример, правило, относящееся к объекту «собака», должно быть применимо для собак с любыми кличками, всех пород и окрасок. С введением триплетов правила из базы правил могут срабаты­вать более одного раза в процессе одного логического вывода, по­скольку одно правило может применяться к различным экземп­лярам объекта (но не более одного раза к каждому экземпляру).

ПС обеспечивает управление процессом решения задачи по образцу и состоит из набора продукционных правил, рабочей памяти и цикла управления «распознавание-действие».

Работа ПС инициируется начальным описанием (состоянием) задачи. Из продукционного множества правил выбираются правила, пригодные для применения на очередном шаге. Эти правила создают так называемое конфликтное множество. Для выбора правил из конфликтного множества существуют стратегии разрешения конфликтов, которые могут быть и достаточно простыми, например, выбор первого правила, а могут быть и сложными эвристическими правилами. Продукционная модель в чистом виде не имеет механизма выхода из тупиковых состояний в процессе поиска. Она продолжает работать пока не будут исчерпаны все допустимые продукции. Практические реализации ПС содержат механизмы возврата в предыдущее состояние для управления алгоритмом поиска. Активизация правила означает выполнение его действия. При этом изменяется состояние рабочей памяти.

Рассмотрим простой пример работы ПС, которая сортирует строку, состоящую из символов a , b и c . В этом примере продукция является допустимой, если ее условие соответствует части строки в рабочей памяти. При выполнении правила подстрока, которая соответствовала его условию, заменяется строкой из правой части правила. В таблице представлено решение этой задачи.

Рассмотрим пример использования продукционных систем для решения шахматной задачи хода конем в упрощенном варианте на доске размером 3×3. Требуется найти такую последовательность ходов конем, при которой он ставится на каждую клетку только один раз (рис. 1).

move (1 , 8) move ( 6, 1)

move (1, 6) move ( 6, 7)

move (2, 9) move ( 7, 2)

move (2, 7) move ( 7, 6)

move (3, 4) move (8, 3)

move (3, 8) move (8, 1)

move (4, 9) move (9, 2)

move (4, 3) move (9, 4)

Рис. 5.2. Шахматная доска 3×3 для задачи хода конем

с допустимыми ходами

Записанные на рис.5.2 предикаты move ( x , y ) составляют базу знаний (базу фактов) для задачи хода конем. Продукционные правила – это факты перемещений move , первый параметр которых определяет условие, а второй параметр определяет действие (сделать ход в поле, в которое конь может перейти). Продукционное множество правил для такой задачи приведено ниже.

P 1: If (конь в поле 1) then (ход конем в поле 8)

P 2: If (конь в поле 1) then (ход конем в поле 6)
P 3: If (конь в поле 2) then (ход конем в поле 9)

P 4: If (конь в поле 2) then (ход конем в поле 7)

P 5: If (конь в поле 3) then (ход конем в поле 4)

P 6: If (конь в поле 3) then (ход конем в поле 8)

P 7: If (конь в поле 4) then (ход конем в поле 9)

P 8: If (конь в поле 4) then (ход конем в поле 3)

P 9: If (конь в поле 6) then (ход конем в поле 1)

P 10: If (конь в поле 6) then (ход конем в поле 7)

P 11: If (конь в поле 7) then (ход конем в поле 2)

P 12: If (конь в поле 7) then (ход конем в поле 6)

P 13: If (конь в поле 8) then (ход конем в поле 3)

P 14: If (конь в поле 8) then (ход конем в поле 1)

P 15: If (конь в поле 9) then (ход конем в поле 2)

P 16: If (конь в поле 9) then (ход конем в поле 4)

Допустим, необходимо из исходного состояния (поле1) перейти в целевое состояние (поле 2). Итерации ПС для этого случая игры показаны в табл. 5.2.

ПС могут порождать бесконечные циклы при поиске решения. В ПС эти циклы особенно трудно определить, потому что правила могут активизироваться в любом порядке. Например, если в 4-й итерации выбрать правило 8, то попадем в поле 3 и произойдет зацикливание. Самая простая стратегия разрешения конфликтов сводится к тому, чтобы выбирать первое соответствующее перемещение, которое ведет в еще не посещаемое состояние. Отметим, что конфликтное множество есть простейшая база целей.

Существуют два типа продукционных систем — с прямыми и обратными выводами. прямые выводы реализуют стратегию «от фактов к заключениям». При обратных выводах выдвигаются ги­потезы вероятных заключений, которые могут быть подтвержде­ны или опровергнуты на основании фактов, поступающих в ра­бочую память. Существуют также системы с двунаправленными выводами.

Основные достоинства продукционных систем связаны с простотой представления знаний и организации логического вывода. Перечислим основные преимущества ПС:

1. Разделение знания и управления. ПС – изящная модель разделения знания и управления в компьютерной программе. Управление обеспечивается циклом «распознание-действие» продукционной системы. При этом знания о методах решения задач сосредоточены непосредственно в правилах. Преимущество такого разделения заключается в простоте изменения базы знаний, при котором не требуется изменять код программы управления. И, наоборот, это позволяет изменять код управляющей части программы, не трогая набор правил вывода.

2. Естественное соответствие поиску в пространстве состояний. Компоненты ПС естественно отображаются в логическую структуру поиска в пространстве состояний. Последовательные состояния рабочей памяти составляют вершины графа пространства состояний. Правила вывода – набор возможных переходов между состояниями. Разрешение конфликтов обеспечивает выбор перехода (ветви) в пространстве состояний. Эти правила упрощают выполнение, отладку и документирование алгоритмов поиска.

3. Модульность продукционных правил. Важный аспект в моделировании ПС – это отсутствие синтаксического взаимодействия между продукционными правилами. Правила могут только влиять на активизацию других правил, изменяя образец в рабочей памяти. Правила не могут «вызывать» другие правила непосредственно, как подпрограммы. При этом они не могут устанавливать значения переменных в других продукционных правилах. Область действия переменных этих правил ограничена отдельным правилом. Эта синтаксическая независимость способствует разработке экспертных систем путем последовательного добавления, удаления или изменения знаний (правил) системы.

4. Управление на основе образцов. Задачи, решаемые с помощью программ ИИ, требуют особой гибкости при выполнении программы. Это вызвано еще и тем фактором, что правила в ПС могут запускаться в любой последовательности. Описание задачи, представляющее текущее состояние, определяет конфликтное множество и, следовательно, конкретный путь поиска и решения.

5. Возможности эвристического управления поиском.

6. Трассировка и трактовка. Модульность правил и итерационный характер их выполнения облегчает контроль за работой ПС. На каждой стадии «распознание-действие» рассматривается некоторое правило. Поскольку каждое правило соответствует отдельной «порции» знаний о методах решения задач, содержание правила должно давать ясную интерпретацию текущего состояния системы и действия. Более того, цепочка правил, используемых в процессе решения, отражает как путь на графе, так и цепочку рассуждений, приводящую к решению задачи человека-эксперта.

7. Независимость от выбора языка. Модель управления ПС не зависит от представления правил и рабочей памяти, если это представление поддерживает сравнение с образцами.

8. Правдоподобная модель решения задачи человеком.

К недостаткам систем продукций можно отнести следующие:

• отличие от структур знаний, свойственных человеку;

• неясность взаимных отношений правил;

• сложность оценки целостного образа знаний;

• низкая эффективность обработки знаний.

При разработке небольших систем (десятки правил) проявля­ются в основном положительные стороны систем продукций, од­нако при увеличении объема знаний более заметными становят­ся слабые стороны.

baumanki.net

Это интересно:

  • Федеральные законы по морскому праву Федеральный закон от 26 февраля 1997 г. N 30-ФЗ "О ратификации Конвенции Организации Объединенных Наций по морскому праву и Соглашения об осуществлении части XI Конвенции Организации Объединенных Наций по морскому праву" Федеральный […]
  • Комментарий к кодексу законов о труде рф Комментарий к кодексу законов о труде рф Постатейный Комментарий к КЗоТ Российской Федерации Подготовлен коллективом авторов в составе: М.О. Буянова, канд. юрид. наук, доцент - главы IV, V, VIII (ст.ст. 110-117), XIII, XVII (ст. ст. […]
  • Судебник 1497 право собственности Энгельман И.Е. О давности по русскому гражданскому праву: историко-догматическое исследование С конца XV столетия по 1497 год, т.е. до издания первого Судебника, сохранилось несколько правых грамот, из которых видно, каким образом […]
  • Аварии на морских и речных судах в россии Аварии на морских и речных судах в россии Безопасность человека на воде всегда была актуальной проблемой, но, несмотря на стремление специалистов повысить безопасность судоходства, число морских и речных катастроф не уменьшается. […]
  • Исковой срок при ликвидации Срок давности при ликвидации фирм Не выплатили компенсацию за отпуск.Прошло 2 года.Компании уже не существует. Что можно сделать? Спасибо. К сожелению, -уже ничего. Срок исковой давности по финансовым делам - 2 года. В бухучете […]
  • Апелляционная жалоба истца на заочное решение Апелляционная жалоба в суд общей юрисдикции на заочное решение суда Согласно ч. 2 ст. 237 Гражданского процессуального кодекса Российской Федерации заочное решение суда может быть обжаловано сторонами также в апелляционном порядке в […]