_________Одеська національна академія харчових технологій_________

(повне найменування вищого навчального закладу)

Кафедра _______«Інформаційно-комунікаційних технологій» __ ______

Конспект лекцій навчальної дисципліни

__________________ Експертні системи ______________________

(шифр і назва навчальної дисципліни)

напрям підготовки________6.050102 «Комп’ютерна інженерія»_________________

(шифр і назва напряму підготовки)

спеціальність _________ 6.05010201 «Комп’ютерні системи та мережі»_________

(шифр і назва спеціальності)

спеціалізація________ _____________________________________________ ________

(назва спеціалізації)

факультет___ інформаційних технологій та кібербезпеки ___

(назва інституту, факультету, відділення)

Розробник:

асистент каф. інформаційно-комунікаційних технологій,

к.т.н. Сахарова С.В.

2013 рік

Програма навчальної дисципліни

Змістовий модуль 1. Основні поняття експертних систем та об’єктна-орієнтований підхід при створенні експертної системи.

Тема 1. Експертні системи, основні поняття і визначення. Поняття експерт, експертна система, система прийняття рішень, інтелектуальна система, система обробки інформації, система штучного інтелекту. Визначення експертної системи. Умови, при яких комп’ютерну програму можна назвати експертною. Поняття данні, знання, база даних, база знань, метаданні, метазнання.

Тема 2. Експертні системи – основні задачі та архітектура. Перелік типових завдань, що вирішуються експертними системами. Характеристики та признаки експертних систем. Архітектура експертної системи. Базові функції експертних систем: придбання знань, передача знань, представлення знань, керування процесом пошуку рішення, пояснення прийнятого рішення. Синтаксис та семантика. Приклади відомих експертних систем та світові виробники експертних систем.

Тема 3. Об’єктно-орієнтований підхід при створенні експертної системи. Типи відносин. Поняття модель, об’єкт, клас, екземпляр класу, атрибут, метод, абстракція. Переваги застосування об’єктно-орієнтованого підходу при створенні експертної системи. Основні принципи об’єктно-орієнтованого підходу при створенні експертної системи. Основні типи відносин між класами та об’єктами.

Тема 4. Об’єктно-орієнтований підхід при створенні експертної системи. Типи діаграм. Представлення відносин між об’єктами та класами у вигляді UML-діаграм. Діаграми класів, прецедентів, станів, діяльності, послідовності дій, компонентів, розгортання. Поняття прецедент, варіант використання, актор.

Змістовий модуль 2. Подання знань в інтелектуальних системах.

Тема 5. Представлення знань: принципи та методи. Знання, представлення знань. Моделі представлення знань: декларативні та процедурні моделі представлення знань. Поняття представлення, опис, синтаксис семантика.

Тема 6. Моделі представлення знань. Моделі представлення знань: факти та правила, логіка предикатів, семантичні мережі, нейронні мережі, фрейми. Поняття нейрон, штучний нейрон, математична модель нейрону, нейронна мережа.

Тема 7. Оперативна аналітична обробка даних. Поняття OLAP – система. Три рівня інформаційних систем: рівень делатізованих даних, рівень агрегованих даних, рівень закономірностей. Багатовимірне (кубічне) подання даних. Технологія багатомірних баз даних. Багатовимірна таблиця «об'єкт - властивість - час». Вимоги Е.Ф.Кодда. Основні OLAP-операції.

Тема 8. Поняття вимірювання: типи шкал, факти і параметри, ієрархія вимірювань. Типи шкал: абсолютна шкала, шкала відносин, шкала інтервалів, шкала порядку і шкала найменувань. Поняття шкала, вимірювання, факт, подія, миттєвий знімок, сукупні миттєві знімки. Адитивні, напівадитивні, неадитивні параметри.

Змістовий модуль 3. Інтелектуальна обробка даних.

Тема 9. Задачі галузі інтелектуальної обробки інформації. Загальна характеристики задач інтелектуальної обробки інформації: класифікація, розпізнавання образів, вибір, прийняття рішень, формування висновків, побудова прогнозу, кластерний аналіз (формування класів). Поняття складного об’єкту. Аналіз та оцінка об’єкту.

Тема 10. Таксономія. Поняття таксон, кластер, клас. Формулювання задачі таксономії. Основні цілі при вирішенні завдань таксономії. Гіпотеза компактності. Гіпотеза λ-компактності. λ-відстань.

Тема 11. Задача кваліметрії. Формулювання задачі кваліметрії. Особливості задачі кваліметрії. Поняття еталону. Структура моделі представлення знань. Формування множини властивостей, вимог, вагових коефіцієнтів. Формування вектора критичності. Формування еталону.

Тема 12. Задача класифікації. Формулювання задачі класифікації. Особливості задачі класифікації. Послідовність формування шаблону вимог в задачі класифікації. Оцінка якості навчання до створення проекту. Інтерпретація інтегральних характеристик в задачі класифікації. Три пункту анализу моделі. Особливості візуалізації результатів.

Тема 1. Экспертные системы, основные понятия и определения

В начале восьмидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название "экспертные системы" (ЭС). Цель исследований по ЭС состоит в разработке программ, которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом. Исследователи в области ЭС для названия своей дисциплины часто используют также термин "инженерия знаний", введенный Е.Фейгенбаумом как "привнесение принципов и инструментария исследований из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов".

Программные средства (ПС), базирующиеся на технологии экспертных систем, или инженерии знаний (в дальнейшем будем использовать их как синонимы), получили значительное распространение в мире. Важность экспертных систем состоит в следующем:

• технология экспертных систем существенно расширяет круг практически значимых задач, решаемых на компьютерах, решение которых приносит значительный экономический эффект;

• технология ЭС является важнейшим средством в решении глобальных проблем традиционного программирования: длительность и, следовательно, высокая стоимость разработки сложных приложений;

• высокая стоимость сопровождения сложных систем, которая часто в несколько раз превосходит стоимость их разработки; низкий уровень повторной используемости программ и т.п.;

• объединение технологии ЭС с технологией традиционного программирования добавляет новые качества к программным продуктам за счет: обеспечения динамичной модификации приложений пользователем, а не программистом; большей "прозрачности" приложения (например, знания хранятся на ограниченном ЕЯ, что не требует комментариев к знаниям, упрощает обучение и сопровождение); лучшей графики; интерфейса и взаимодействия.

По мнению ведущих специалистов , в недалекой перспективе ЭС найдут следующее применение:

ЭС будут играть ведущую роль во всех фазах проектирования, разработки, производства, распределения, продажи, поддержки и оказания услуг;

технология ЭС, получившая коммерческое распространение, обеспечит революционный прорыв в интеграции приложений из готовых интеллектуально-взаимодействующих модулей.

ЭС предназначены для так называемых неформализованных задач, т.е. ЭС не отвергают и не заменяют традиционного подхода к разработке программ, ориентированного на решение формализованных задач.

Эксперт (от лат. expertus — опытный) лицо, обладающее специальными знаниями, специалист, приглашаемый или нанимаемый за вознаграждение, для выдачи квалифицированного заключения или суждения по вопросу, рассматриваемому или решаемому другими людьми, менее компетентными в этой области.

Задумайтесь над таким вопросом: "При выполнении каких условий компьютерную программу можно назвать экспертом?"

Такая программа должна обладать знаниями. Просто способность выполнять некоторый алгоритм, например производить анализ списка элементов на наличие какого-либо свойства, явно не отвечает этому требованию. Это все равно, что дать первому случайному прохожему список вопросов и ответов и ожидать от него успешного выполнения поиска и устранения неисправностей в системах определенного типа. Раньше или позже, но он обязательно столкнется с ситуацией, не предусмотренной в том списке, которым его снабдили.

Знания, которыми обладает программа, должны быть сконцентрированы на определенную предметную область. Случайный набор имен, дат и мест событий, сентенций из классиков и т.п. — это отнюдь не те знания, которые могут послужить основой для программы, претендующей на способность выполнить экспертный анализ. Знания предполагают определенную организацию и интеграцию — то есть отдельные сведения должны соотноситься друг с другом и образовывать нечто вроде цепочки, в которой одно звено "тащит" за собой следующее.

И, наконец, из этих знаний должно непосредственно вытекать решение проблем. Просто продемонстрировать свои знания, касающиеся, например, технического обслуживания компьютеров, — это далеко не то же самое, что привести компьютер в "чувство". Точно так же, получить доступ к оперативной документации — это совсем не то же самое, что заполучить в свое распоряжение специалиста (или программу), способного справиться с возникшими проблемами.

Определение экспертной системы

Экспертная система — это программа для компьютера, которая оперирует со знаниями в определенной предметной области с целью выработки рекомендаций или решения проблем.

Экспертные системы – это программные комплексы, аккумулирующие знания и опыт специалистов в некоторой предметной области с целью их тиражирования для консультации менее квалифицированных пользователей.

Экспертные системы – это класс программных систем, основанных на знаниях. Их вычислительные возможности определяются в 1-ю очередь наращиваемой базой знаний и только во 2-ю очередь используемыми методами.

Технология экспертных систем является одним из направлений искусственного интеллекта.

Перечень типовых задач, решаемых экспертными системами, включает:

• извлечение информации из первичных данных (таких как сигналы, поступающие от гидролокатора);

• диагностика неисправностей (как в технических системах, так и в человеческом организме);

• структурный анализ сложных объектов (например, химических соединений);

• выбор конфигурации сложных многокомпонентных систем (например, распределенных компьютерных систем);

• планирование последовательности выполнения операций, приводящих к заданной цели (например, выполняемых промышленными роботами).

Экспертные системы и системы искусственного интеллекта отличаются от систем обработки данных тем, что в них в основном используются символьный (а не числовой) способ представления, символьный вывод и эвристический поиск решения (а не исполнение известного алгоритма).

Знания - это сложно организованные данные, которые хранятся в памяти интеллектуальной системы и включает сведения об объектах и отношения предметной области, процессы взаимодействия объектов во времени и пространстве, правилах осуществления логического вывода.

Кроме понятия знаний в ИИ вводится понятие метазнания (знание о знании). Понятие "метазнания" указывает на знания, касающиеся свойств знаний. Это понятие необходимо для управления базой знаний, логическим выводом, отождествлением, обучением и т.д.. Следует отметить, что понятие "знание" и "метазнания" непосредственно связаны с понятиями "локальные цели" и "глобальные цели" системы. Особенно это касается метазнаний, именно на этом уровне описания предметной области и решаемой задачи должны быть формально представлены, описаны, учтены цели системы.

База данных (рабочая память) предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи. Этот термин совпадает по названию, но не по смыслу с термином, используемым в информационно-поисковых системах (ИПС) и системах управления базами данных (СУБД) для обозначения всех данных (в первую очередь долгосрочных), хранимых в системе.

База знаний (БЗ) в ЭС предназначена для хранения долгосрочных данных, описывающих рассматриваемую область (а не текущих данных), и правил, описывающих целесообразные преобразования данных этой области.