Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
EXSP_LE1_1.DOC
Скачиваний:
2
Добавлен:
01.04.2025
Размер:
642 Кб
Скачать
☆

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.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]