- •Б.С. Падун
- •«Искусственные подсистемы сапр»
- •Содержание
- •Глава 1. Развитие и понятия систем искусственного интеллекта, экспертных 7
- •Глава 2. Основные понятия инженерного проектирования 29
- •Глава 3. Построение машин логического вывода 33
- •Глава 4. Представление знаний в системе автоматизации проектирования 51
- •Введение в1. Необходимость создания экспертных систем в технологии
- •В3. Связь курса с другими дисциплинами
- •Глава 1. Развитие и понятия систем искусственного интеллекта, экспертных систем и сапр тпп
- •1.1. Искусственный разум
- •В2. Цель и задачи курса
- •1.2. Система искусственного интеллекта
- •1.3. Определение и основные свойства экспертной системы
- •Системы ии
- •Системы, основанные на знаниях;
- •Экспертные системы
- •1.4. Основные характеристики экспертной системы
- •1.5. Структура экспертной системы
- •Пользователь
- •Экспертная система
- •Механизм вывода (общие знания о решении задачи)
- •1.6. Развитие сапр тпп
- •Средства организации диалога с технологом
- •1.7. Классификация экспертных систем
- •1.7.1. Классификация по решаемым задачам
- •Программные средства проектирования алгоритмов и программ решения задач тпп (преподавание и усвоение знаний)
- •Экспертные системы
- •По задачам
- •По типу вм
- •1.7.2. Классификация по связи с реальным временем
- •1.7.3. Классификация по типу эвм
- •1.7.4. Классификация по степени интеграции с другими программами
- •Глава 2. Основные понятия инженерного проектирования
- •2.1. Базовые понятия проектирования
- •2.2. Особенности инженерного проектирования
- •Решить, что делать на I-ой операции Выполнить o (I)
- •2.3. Замечания к процессу инженерного проектирования
- •Глава 3. Построение машин логического вывода
- •3.1. Типология систем проектирования
- •3.1.1. Простые системы проектирования
- •3.1.2. Системы с адаптацией
- •3.1.3. Модельные системы проектирования
- •3.1.4. Семиотические системы
- •3.2 Примеры построения структур систем, решающих технологические задачи
- •Сфера функционирования Производственная среда Изделие Технологическая система
- •Система проектирования оснащения
- •Производственная среда
- •Технологическая система
- •Система проектирования производственных подразделений
- •Производственная среда
- •Технологическая система
- •3.3. Классификация теорий решения задач
- •Теория решений
- •3.4. Формальные и семиотические системы
- •Множество ппс
- •Множество вс
- •Множество а
- •3.5 Теория проектирования технологических процессов (школа н.Г. Бруевича)
- •Глава 4. Представление знаний в системе автоматизации проектирования
- •4.1. Реляционные языки
- •4.1.2. Функциональные классы в естественных языках
- •4.1.3. Шкалирование квантификаторов
- •4.1.4. Семантические сети
- •4.1.3. Фреймовые представления
- •4.2. Предикатные языки
- •4.2.1. Продукционные модели
- •4.2.2. Формальные логические модели
- •4.1. Логико-лингвистические модели
- •Организация процесса принятия решений в экспертных системах
- •Экспертная система
- •Пользователь
- •Данные и знания
- •Модели представления знаний
- •Продукционные модели
- •Семантические сети
- •Формальные логические модели
Организация процесса принятия решений в экспертных системах
В ЭС существует несколько методов представления знаний. Наиболее распространенными являются правила, фреймы и семантические сети.
1.При использовании правил процесс принятия решений реализуется так называемой цепочкой выводов. Основные компоненты цепочки выводов следующие:
1) определение целей;
2) определение подхода к решению;
3) определение фактов;
4) получение данных;
5) достижение целей с помощью правил и механизма вывода;
6) извлечение новых фактов для верификации целей с помощью механизма вывода.
Существует два важнейших способа использования правил в ЭС, основанных на правилах:
1) прямая цепочка рассуждений;
2) обратная цепочка рассуждений (см. рис.20).
Прямая цепочка рассуждений строится по схеме:
1) определение целей;
2) определение фактов, имеющих отношение к поставленным целям;
3) получение данных, соответствующих фактам, характерным для заданной ситуации или объекта;
4) оценка данных, используя правила и механизм вывода.
Как видно, эта цепочка позволяет перейти от данных к логическому заключению переходом от одного шага к другому, как представлено на рис.20.
Обратная цепочка рассуждений строится по схеме:
1) определение цели;
2) формирование заключения;
3) получение данных, соответствующих заключению;
4) подтверждение фактов, имеющих отношение к поставленной цели.
Т.е. в этом процессе заключение используется для поиска подтверждающих его данных.
Рис.20. Конфигурация и работа экспертной системы.
Средства
построения
Система
программирования для построения ЭС
Экспертная система
Поддерживающие
средства
Решающие задачи
проблемной области средства
Пользователь
Рис.19. Соотношение между средствами построения и ЭС.
6. Отличие экспертных систем от традиционных программ и программных систем
Для ЭС существенным является как построена база знаний и состав свойств базы знаний, как построен механизм вывода новых знаний.
База знаний в ЭС содержит факты (данные) и правила (или другие представления знаний), использующие эти факты как основу для принятия решений. Например,
Факт: токарно – револьверный многооперационный автомат с ЧПУ модели
11Б40ПФ4 предназначен для двухсторонней обработки деталей из прутков в автоматическом цикле, штучных заготовок – в полуавтоматическом. Наибольший диаметр обрабатываемой детали: из прутка – 40мм, в патроне – 125мм, наибольшая длина – 100мм.
Правило: если штучная заготовка имеет предельные размеры по D<=125мм, по
L<=100мм, по массе <=10кг, то для ее обработки могут использоваться следующие
модели токарных патронных и патронно – центровых станков: 11Б40ПФ4, КТ – 141,
ИРТ180ПМФ4, 1П717Ф3, 1В340030, 1П420ПФ40.
Основными свойствами базы знаний являются: - высококачественный опыт,
прогностические возможности,
институциональная память,
обучение и
тренировка.
Высококачественный опыт может представлять уровень мышления наиболее квалифицированных экспертов в конкретной проблемной области, что ведет к решениям творческим, точным и эффективным. Именно высококачественный опыт в сочетании с умением его применять делает систему рентабельной, способной заслужить признание на рынке. Этому способствует также гибкость системы. Система может наращиваться постепенно в соответствии с нуждами заказчика. Это означает, что можно вначале вложить сравнительно скромные средства, а потом наращивать возможности системы по мере необходимости.
Прогностические способности позволяют ЭС функционировать в качестве модели решения задачи в конкретной проблемной области, давая ожидаемые ответы и показывая, как изменятся эти ответы в новых ситуациях. ЭС может объяснить подробно, каким образом новая ситуация привела к изменениям. Это позволяет пользователю оценить возможное влияние новых факторов или информации и понять, как они связаны с решением. Аналогично, пользователь может оценить влияние новых стратегий или процедур на решение, добавляя новые правила или изменяя уже существующие.
Институциональная память – это база знаний, которая отражает для конкретного предприятия или отрасли текущую политику или способы действия группы специалистов. Этот набор знаний становится сводом очень квалифицированных мнений и постоянно обновляющимся справочником наилучших стратегий и методов, используемых персоналом предприятия или отраслью. Ведущие специалисты уходят, но их опыт остается.
Обучение и тренировка ведущих специалистов и руководящих работников позволяет организовать процесс обучения, так как ЭС содержат необходимые знания и способы объяснить процесс своего рассуждения. В качестве инструмента обучения ЭС обеспечивает новых служащих обширным багажом опыта и стратегией, по которым можно изучать рекомендуемую политику и методы. Систему можно также адаптировать для обучения новичков конкретным задачам, например, изучение теории резания, проектирование технологических процессов и т.д.
Выделение знаний о проблемной области облегчает разработчику (инженеру знаний) создание процедур для манипулирования ими. То, каким образом система использует свои знания, имеет первостепенное значение, поскольку ЭС должна иметь не только адекватные знания, но и средства эффективно их использовать, чтобы ее можно было считать умелой в рекламной области. Поэтому механизм вывода в экспертной системе содержит интерпретатор, определяющий, каким образом применять правила для вывода новых знаний, и диспетчер, устанавливающий порядок применения этих правил (см. рис.7), т.е. механизм вывода должен содержать знания о том, как эффективно использовать знания о проблемной области. Часто бывает ясно, как могут быть записаны знания в виде фактов и правил, но далеко не ясно, каким образом конструировать и использовать так называемый механизм вывода. Это происходит по причине отсутствия простого и общего метода организации логического вывода. Его структура зависит от специфики проблемной области и от структуры и организации ЭС. Поэтому использование языков высокого уровня (например, EMYCIN) для построения ЭС может стать эффективным, так как ограничивает возможность проектировщика при создании ЭС. Предпочтительнее использовать языки низкого уровня (например,LISP). В настоящее время создаются инструментальные средства, которые имеют в своем составе встроенные механизмы вывода, но позволяют разработчику модифицировать или переопределять их для большего соответствия с проблемной областью (например, HEARSAY – 3).
Л Е К Ц И Я N3
7. Схема разработки экспертных систем (искусственного интеллекта)
8. Уровни разработки экспертных систем
Представление знаний и вывод на знаниях.
