У статті запропоновано знання-інтенсивну, онтологічно орієнтовану архітектуру бази випадків інтелектуальної системи фізичної безпеки житлового комплексу, побудованої на основі підходу Case-Based Reasoning (CBR). Обґрунтовано доцільність використання CBR для реалізації ситуаційно-обізнаних систем безпеки, які потребують прийняття рішень у реальному часі, інкрементального навчання та пояснюваності дій. Архітектура ґрунтується на багаторівневій організації знань із використанням базової онтології GFO та доменних онтологій безпеки, що забезпечує семантичну узгодженість, підтримку просторово-часового моделювання та міждоменне міркування. Запропоновано ієрархічну структуру бази випадків, яка охоплює рівні конкретних екземплярів випадків, прототипових випадків, концептуальних випадків та мета-випадків, що дозволяє здійснювати як операційне, так і інтерпретативне міркування, прогнозування розвитку ситуацій і узагальнення досвіду. Процедурні знання виділено в окрему базу та організовано за чотирирівневою структурою (цілі, стратегічні процедури, тактичні методи, операційне виконання), що забезпечує модульність, адаптивність і підтримку керування цілями. Для формального опису динаміки випадків і логічного міркування запропоновано комбіноване використання Situation Calculus та Event Calculus: перший використовується для моделювання агентно-орієнтованого планування та реакцій, другий − для реконструкції часової еволюції подій і аналізу причинно-наслідкових зв’язків. Представлено концептуальну структуру інтелектуальної системи фізичної безпеки, що інтегрує сенсорні дані, онтологічні моделі, модулі оперативного й аналітичного міркування та механізми життєвого циклу випадків. Запропонована архітектура забезпечує підтримку семантичного пошуку випадків, адаптації рішень, оцінювання ризиків і пояснюваності прийнятих рішень. Отримані результати формують основу для створення гібридних інтелектуальних систем безпеки, здатних поєднувати символічне міркування, експериментальне навчання та сучасні засоби штучного інтелекту.
- Aamodt, A., & Plaza, E. (1994). Case-based reasoning: Foundational issues, methodological variations, and system approaches. AI Communications, 7(1), 39–59. https://doi.org/10.3233/AIC-1994-7104
- Bergmann, R. (2002). Experience management: Foundations, development methodology, and internet-based applications. Springer.
- Burov, E., Zhovnir, Y., Zakhariya, O., & Kunanets, N. (2025). Situation anticipation and planning framework for intelligent environments. Radio Electronics, Computer Science, Control, 2, 94–109. https://doi.org/10.15588/1607-3274-2025-2-8
- Chourib, I., Guillard, G., Farah, I. R., & Solaiman, B. (2022). Structured case base knowledge using unsupervised learning. 1–6.
- Doherty, P., Kvarnström, J., Lifschitz, V., van Harmelen, F., & Porter, F. (2006). The Handbook of Knowledge Representation, 709–757.
- Doshi-Velez, F., & Kim, B. (2017). Towards a rigorous science of interpretable machine learning. arXiv Preprint arXiv:1702.08608.
- El-Sappagh, S. H., & Elmogy, M. (2015). Case Based Reasoning: Case Representation Methodologies. International Journal of Advanced Computer Science and Applications (IJACSA), 6(11), Article 11. https://doi.org/10.14569/IJACSA.2015.061126
- Kolodner, J. L., Hmelo, C. E., & Narayanan, N. H. (1996). Problem-based learning meets case-based reasoning.
- Kwok, K., & Virdi, S. (2022). AI-based situation awareness assessment. Journal of Physics: Conference Series, 012011. IOP Publishing.
- Leake, D., Wilkerson, Z., & Crandall, D. J. (2023, December 11). Combining Case-Based Reasoning with Deep Learning: Context and Ongoing Case Feature Learning Research. Neuro-Symbolic Learning and Reasoning in the era of Large Language Models. https://openreview.net/forum?id=nc9XqnaLys
- Li, O., Liu, H., Chen, C., & Rudin, C. (2018). Deep Learning for Case-Based Reasoning Through Prototypes: A Neural Network That Explains Its Predictions. Proceedings of the AAAI Conference on Artificial Intelligence, 32(1). https://doi.org/10.1609/aaai.v32i1.11771
- Mueller, E. T. (2014). Commonsense reasoning: An event calculus based approach. Morgan Kaufmann.
- Munir, A., Aved, A., & Blasch, E. (2022). Situational awareness: Techniques, challenges, and prospects. AI, 3(1), 55–77. https://doi.org/10.3390/ai3010005
- Muñoz-Avila, H., Jaidee, U., Aha, D. W., & Carter, E. (2010). Goal-Driven Autonomy with Case-Based Reasoning. 228–241. https://doi.org/10.1007/978-3-642-14274-1_18
- Natalis, K., Christou, D., Kondapalati, V. (2025). Review of Case-Based Reasoning for LLM Agents: Theoretical Foundations, Architectural Components, and Cognitive Integration. https://arxiv.org/html/2504.06943v2
- Nwiabu, N., Allison, I., & Oyeneyin, B. (2021). Modelling case-based reasoning in situation-aware disaster management. Communications of the IIMA, 19(1), 2.
- Odekerken, D., Bex, F., & Prakken, H. (2023). Justification, stability and relevance for case-based reasoning with incomplete focus cases. 177–186.
- Pradeep, P., Caro-Martínez, M., & Wijekoon, A. (2024). A practical exploration of the convergence of case-based reasoning and explainable artificial intelligence. Expert Systems with Applications, 255(part D). https://doi.org/10.1016/j.eswa.2024.124733g
- Schank, R. C. (1999). Dynamic memory revisited. Cambridge University Press.
- Smiti, A., & Elouedi, Z. (2020). Dynamic maintenance case base using knowledge discovery techniques for case based reasoning systems. Theoretical Computer Science, 817, 24–32. https://doi.org/10. 1016/j.tcs.2019.06.026
- Smyth, B., & Cunningham, P. (1996). The utility problem analysed: A case-based reasoning perspective. 392–399.
- Wiratunga, N., Abeyratne, R., Jayawardena, L., Martin, K., Massie, S., Nkisi-Orji, I., Weerasinghe, R., Liret, A., & Fleisch, B. (2024). CBR-RAG: Case-Based Reasoning for Retrieval Augmented Generation in LLMs for Legal Question Answering. https://openreview.net/forum?id=QeHGEPDfaR
- Wu, Y., & Zhou, J. (2023). A contextual information-augmented probabilistic case-based reasoning model for knowledge graph reasoning. International Conference on Case-Based Reasoning. https://doi.org/10.1007/978-3-031-40177-0_7
- Yan, A., & Cheng, Z. (2024). A review of the development and future challenges of case-based reasoning. Applied Sciences, 14(16), 7130. https://doi.org/10.3390/app14167130