
- •Структура интеллектуальной вычислительной системы.
- •Соотношение между бз и бд.
- •Модели представления знаний.
- •Экспертные системы.
- •Нечеткие знания
- •Метод mycin использования нечетких знаний
- •Субъективный байесовский метод
- •Экспертные системы как эволюционные динамические системы
- •Составные продукции
Экспертные системы.
Экспертная система – это интеллектуальная программа, способная делать логические выводы на основании знаний в конкретной предметной области и обеспечивающая решение специфических задач.
При разработке ЭС принято делить ее на три основных модуля:
база знаний - выделенные и определенным образом структурированные знания о предметной области;
машина логического вывода - общие знания о нахождении решения задач. Механизм вывода, как правило, содержит:
а) интерпретатор, определяющий, каким образом применять правила для вывода новых знаний;
б) диспетчер, устанавливающий порядок применения правил.
интерфейс с пользователем - осуществляет обмен информацией между пользователем и системой и дает пользователю возможность наблюдать за процессом решения задачи.
С точки зрения информационной структуры, экспертная система, как правило, состоит из трех основных компонент:
База правил – БЗ системы, содержащая множество правил продукционного типа.
Рабочая память (РП) (память для кратковременного хранения) – память, содержащая факты, являющиеся предпосылкой решения задачи, и результаты выводов, полученных на их основе.
Механизм вывода – процедура, реализующая некоторый способ применения правил, и порядок их использования для обеспечения логического вывода.
База знаний состоит из конечного набора правил П={P1,…Pm}
и конечного набора фактов А = {а1,...,аn}, которыми может оперировать система.
Условие применимости любого из правил Рi П Рi : ai1ai2...ais am,
состоит в одновременном наличии фактов ai1, ai2, ais в РП.
Где - конъюнкция(“И”); am – новый факт, выведенный из фактов-условий ai1,...,ais .
Прямая цепочка рассуждений (ПЦР) - это способ вывода, основанный на использовании информации из рабочей памяти и левой части правила для получения информации, содержащейся в правой части, и установления некоторого факта. В системах с прямым выводом по известным фактам отыскивается заключение, которое из этих фактов следует. Если такое заключение удается найти, то оно заносится в РП.
Обратная цепочка рассуждений (ОЦР) – это способ вывода, основанный на анализе правой части правила для установления оптимальной цепочки правил, относящихся к установлению только заданного конечного факта. В системах с обратным порядком вывода вначале выдвигается гипотеза, а затем механизм вывода как бы возвращается назад, переходя к фактам, пытаясь найти те, которые подтверждают гипотезу. Если она оказалась правильной, то выбирается следующая гипотеза, детализирующая первую и являющаяся по отношению к ней подцелью. Далее отыскиваются факты, подтверждающие истинность подчиненной гипотезы.
Стратегии управления выводом:
поиск в глубину - в качестве очередной подцели выбирается та, которая соответствует следующему, более детальному, уровню описания задачи. Например, диагностирующая система, сделав на основе известных симптомов предположение о наличии определенного заболевания, будет продолжать запрашивать уточняющие признаки и симптомы этой болезни до тех пор, пока полностью не опровергнет выдвинутую гипотезу.;
поиск в ширину - система вначале проанализирует все симптомы, находящиеся на одном уровне пространства состояний, даже если они относятся к разным заболеваниям, и лишь затем перейдет к симптомам следующего уровня детальности.;
разбиение на подзадачи - подразумевает выделение подзадач, решение которых рассматривается как достижение промежуточных целей на пути к конечной цели. Примером, подтверждающим эффективность разбиения на подзадачи, является поиск неисправностей в компьютере – сначала определяется отказавшая подсистема (питание, память, т.д.), что значительно сужает пространство поиска.;
альфа-бета алгоритм позволяет уменьшить пространство состояний путем удаления ветвей, неперспективных для успешного поиска. Широкое применение в основном в системах, ориентированных на различные игры, например в шахматных программах..
Конфликтный набор (КН) – это набор правил логического вывода, которые на некотором этапе вывода могут быть применены одновременно.
Разрешение конфликта – процедура выбора одного правила из конфликтного набора (КН).
Для этого используются два метода:
установка ограничений на генерацию конфликтного набора;
Используются метаправила, в условной части которых содержатся условия, по которым некоторая категория правил не рассматривается.
Правила группируются по атрибутам. Для каждой группы правил указывается условие (метаправило), в каком случае применять правила этой группы. Это условие касается содержимого рабочей памяти. Если выполняется условие метаправила, то в конфликтный набор включаются только правила из группы, (относящейся) определяющейся метаправилом.
использование того или иного алгоритма разрешения конфликтов.
Правила применяются по порядку их следования в БП.
Первым применяется правило с более жесткой условной частью (например, имеющее много условий в правой части). Считается, что в этом случае содержимое вывода будет более высокого уровня (“качественней”).
Правила применяются в зависимости от их приоритета.
Алгоритм RETE. При добавлении в РП нового образца проверяются правила, в которых он используется. Если этот образец удовлетворяет части правила, то он запоминается именно в этом качестве. Если образец позволяет удовлетворить левую часть всего правила, то это правило включается в конфликтный набор. Иными словами, при добавлении нового образца в РП все правила, которые содержат этот образец, упрощаются (т.е. из них удаляется, по крайней мере, одно условие).