9.2. Экспертные системы Принципы построения и функционирования экспертных систем

Экспертные системы имеют в своем составе два основных блока:

• базу знаний (БЗ);

• машину логического вывода (МЛВ).

Система, состоящая из этих блоков, показана на рис.9.4.

Рис. 9.4.Структура экспертной системы

База знаний содержит факты и знания. Машина логического вывода на основе прямой или обратной цепочки рассуждений дает ответы на вопросы, интересующие пользователя.

Рассмотрим простейший пример работы экспертной системы, реализующей прямую цепочку рассуждений, в частности, от симптомов к болезни.

Пусть в базе знаний содержатся декларативные знания в виде трех факторов:

1. у пациента высокая температура;

2. у пациента болит голова;

3. у пациента болит горло.

Процедурные знания представлены двумя правилами-продукциями типа «ЕСЛИ-ТО»:

1. ЕСЛИ у пациента высокая температура и болит голова, ТО – это грипп.

2. ЕСЛИ у пациента высокая температура и болит горло, ТО – это ангина.

Пользователю компьютер задает вопросы, соответствующие фактам 1, 2 и 3. Пользователь на каждый вопрос дает ответ типа «да» или «нет». В зависимости от комбинации этих ответов машина логического вывода формирует соответствующие решения.

Если комбинация ответов имеет вид «да, да, нет» - то решение – грипп.

При комбинации ответов «да, нет, да», решение – «ангина».

При других комбинациях ответов, машина выдает решение – «не знаю».

Пример применения экспертных систем в экономике и финансах – экспертная система для кредитных операций

В такой системе используются знания трех видов. Самым важным из них являются знания об обеспечении клиента. Различные типы обеспечения делятся по категориям. К обеспечению первого класса относят депозиты. Наличные товары – пример обеспечения второго класса, а обеспечение закладными относится к категории неликвидов.

Очень важными являются знания о финансовом состоянии клиента. Двумя наиболее существенными факторами финансовой характеристики клиента являются собственные средства и текущая валовая прибыль от продаж.

Третья категория знаний – об ожидаемых доходах банка.

В соответствии с этими знаниями формируются три модуля базы знаний: обеспечение, финансовое положение и доход банка.

Машина логического вывода оперирует с продукционными правилами, например следующего вида:

1. Если: обеспечение – превосходное,

финансовые условия – хорошие,

доход – приемлемый,

То: дать кредит.

2. Если: обеспечение – хорошее,

финансовые условия – хорошие,

доход – приемлемый,

То: рекомендуется получить дополнительные данные о клиенте.

3. Если: обеспечение – умеренное,

финансовые условия – средние,

То: в кредите отказать.

Один из вариантов реализации системы – с помощью языка ПРОЛОГ.

Представление знаний в экспертных системах

Знания, с которыми экспертная система осуществляет логический вывод должны быть представлены в определенной форме.

Существуют две категории методов представления знаний в экспертных системах

• когнитивные;

• логические.

Когнитивные методы основаны на изучений принципов вербальных (т е. словесных) и наглядно-образных форм представления знаний в процессе человеческого мышления. К их числу относятся представление знаний в виде:

• продукционной модели;

• фреймов;

• семантической сети.

Логические методы основаны на использовании какой-либо формальной логической системы, в частности, на использовании логики предикатов.

Продукционная модель представляет знания в виде правил типа:

ЕСЛИ (условие), ТО (заключение).

Применительно к рассматриваемому примеру распознавания типа летательного объекта, продукционная модель имеет следующий вид:

ЕСЛИ объект имеет

• крылья;

• хвост;

• шасси;

• двигатель,

ТО – это самолет.

Продукционные модели являются наиболее распространенными в экспертных системах. Для логического вывода знания, как правило, представляются в виде правил-продукций.

К недостаткам продукционных правил относятся:

• отсутствие ясности взаимных отношений правил;

• сложность оценки целостного образа знаний;

• уменьшение скорости логического вывода при существенном увеличении количества правил.

В случае увеличения объема знаний при решении сложных задач требуется группировка знаний и использование более крупных и наглядных, чем правила, структур.

К числу таких структур относятся фреймы. Фрейм может быть представлен в виде структуры следующего вида:

,

где

f– имя фрейма

<S_i,V_i> -i-ый слот

S_i– имяi-ого слота

V_i– значениеi-ого слота.

Фрейм может иметь иерархическую структуру.

Пример представления знаний с помощью фреймов показан на рис. 9.5.

Фрейм «Самолет»

Это есть	Летающий объект
Имеет	Крылья
	Хвост
	Шасси
	Двигатель

Рис. 9.5. Представление знаний с помощью фреймов

Семантическая сеть отображает совокупность объектов предметной области и отношений между ними.

При этом объектам соответствуют вершины сети, а отношениям - соединяющие их дуги.

Основными являются отношения типа «является» и «имеет». Соответствующий пример представлен на рис.9.6.

Рис. 9.6.Представление знаний с помощью семантической сети

Представление знаний с помощью логики предикатов.

Предикат — это функция, которая в зависимости от входящих в него элементов принимает значение «истинно» или «ложно».

Бинарный предикат Q (x,у) характеризует отношение двух объектов.

Например, предикат имеет (х, крылья) = 1, если х – самолёт.