
- •Куперштейн л.М.
- •Та інтелектуальних систем
- •Рецензент: к.Т.Н., доцент Ревенок в.І.
- •Тема 1. Програмне забезпечення системного оброблення інформації
- •1.2 Системне програмування
- •1.3 Поняття мови програмування та їх історичний розвиток
- •1.4 Етапи підготовки програми
- •1.5. Поняття операційної системи
- •Тема 2. Засоби створення програмних додатків
- •2.1. Класифікація засобів розробки додатків
- •2.2. Класифікація додатків, що використовують бази даних
- •Тема 3: Структурована мова запитів sql
- •3.1. Компоненти скбд
- •3.2. Основні поняття sql
- •3.3. Типи даних sql
- •Символьні дані
- •Точні числа
- •Закруглені числа
- •Дата і час
- •3.4 Базові команди sql
- •Розділ group by
- •Розділ having
- •4.2. Перенесення додатку на інший комп'ютер.
- •5.3. Сталі та змінні.
- •5.4.Типи даних
- •5.5. Представлення значень у комп’ютері.
- •6.1.Арифметичні операції над даними
- •6.3.Команда присвоєння, суміщена з арифметичною операцією. Математичні функції
- •7.1. Умовні оператори Оператор if
- •7.3. Оператори вибору Оператор switch
- •Оператор break
- •Оператор continue
- •Оператор повернення
- •Оператор goto
- •Помічений оператор
- •Порожній оператор
- •Тема 9. Вступ до проблеми штучного інтелекту
- •9.1. Поняття та проблеми штучного інтелекту
- •Проблеми штучного інтелекту
- •9.2. Представлення знань
- •9.3. Рішення задач
- •9.4. Експертні системи
- •9.5. Засоби спілкування з еом на природній мові. Навчання.
- •9.6. Когнітивне моделювання. Обробка візуальної інформації і робототехніка
- •Тема 10. Експертні системи як різновид систем штучного інтелекту
- •10.1. Сучасний рівень розвитку експертних систем. Критерії вибору задач, що реалізуються методами і засобами штучного інтелекту
- •10.2. Ведення в експертні системи
- •10.3. Класифікація експертних систем
- •10.4. Інструментальні засоби для побудови експертних систем
- •Тема 11. Методологія проектування експертних систем
- •11.1. Етапи проектування експертних систем
- •Тема 12. Технологія проектування експертних систем на основі продукційної моделі
- •12.1. Продукційна модель експертних систем
- •Представлення знань.
- •12.2. Особливості організації логічного висновку
- •Запит користувача
- •12.3. Організація пошуку рішень у простих та складних ес
- •12.4. Приклади використання пм
- •Тема 13. Технологія проектування експертних систем на основі логічної моделі подання знань
- •13.1. Поняття логічної моделі знань
- •13.2. Характеристика мови предикатів першого порядку. Особливості подання знань
- •13.3. Апарат логічного висновку
- •13.4. Особливості машинної реалізації мови предикатів першого порядку
- •Тема 14. Поняття семантичної мережі та її використання в експертних системах.
- •14.1. Поняття та компоненти семантичних мереж
- •14.2. Класифікація семантичних мереж
- •14.3. Побудова та використання семантичних мереж
- •Тема 15. Технологія проектування експертних систем на основі фреймової моделі подання знань
- •Структура фрейма
- •15.2.Базові елементи фреймів
- •15.3. Загальний вигляд фреймової моделі.
- •Тема 16. Характеристика програмних засобів створення експертних систем
- •16.1. Експертна система «експерт»
- •16.2. Практична робота з системою «експерт». Робота користувача по створенню власної бази знань
- •16.3. Представлення знань і формування бази знань в системі internist
- •Тема 17: Базові концепції нейронних мереж
- •17.1. Історія нейронних мереж
- •17.2. Нейрон. Штучний нейрон. Принцип роботи
- •17.3. Активаційна функція та її різновиди
- •Лінійна функція активації з насиченням Лінійна передавальна функція
- •17.4. Обґрунтованість застосування нейромереж
- •Машина фон Неймана у порівнянні з біологічною нейронною системою
Тема 16. Характеристика програмних засобів створення експертних систем
План
16.1. Поняття та структура експертної системи «ЕКСПЕРТ».
16.2. Практична робота з системою «ЕКСПЕРТ». Робота користувача по створенню власної бази знань.
16.3. Представлення знань і формування бази знань в системі INTERNIST.
16.1. Експертна система «експерт»
Експертна система "ЕКСПЕРТ" продукційного типу призначена для одержання консультації або рішення конкретної проблеми, що важко формалізувати, з будь-якої предметної області, знання для якої можна виразити за допомогою правил-продукцій наступного виду:
"ЯКЩО <умова> ТО <дія>".
Учені висловлюють припущення, що будь-які знання можна представити у формі правил-продукцій. Принаймні, не отримано жодного приклада, що спростовує це припущення.
Конкретна задача не обов'язково повинна бути поставлена в числовій формі. Часто може бути використане символьне представлення даних.
Знання, використовувані в експертних системах, можуть мати неповноту, неоднозначністю, суперечливістю, тому система постачена можливістю роботи з нечіткою логікою ("так", "так" з деяким коефіцієнтом довіри (кд), "ні").
Істотним є також конфігурація конкретної обчислювальної системи, на якій повинна бути встановлена експертна система. Система передбачає використання комп’ютеру середнього класу.
СТРУКТУРА СИСТЕМИ
Відповідно до концепцій проектування і функціонування продукційної експертної системи, вона складається з оболонки і бази знань.
База знань складається з правил, фактів, дозволених значень з лівих частин правил, а також питань для цих дозволених значень.
Оболонка складається з механізму ("машини") логічного висновку, підсистеми пояснень отриманого результату, інтерфейсу з користувачем. Інтерфейс користувача включає введення/коректування вхідних даних, включаючи даної бази знань, підсистему поповнення знань.
До складу оболонки продукційної експертної системи входять:
База знань;
Механізм логічного висновку;
Інтерфейс користувача;
Підсистема пояснень;
Підсистема поповнення знань;
Синтаксичний аналізатор;
Підсистема введення/коректування даних.
Розглянемо кожну з компонентів експертної системи докладніше.
База знань
Спочатку будемо представляти базу знань як набір правил виду:
ЯКЩО <умова> ТО <дія>.
<Умова> і <дія> повинні бути фактами бази знань і мати вигляд
"об'єкт=значення"
причому <дія> може бути кон’юнкцією таких фактів. У частині правила <дія> може знаходитися так званий коефіцієнт вірогідності, що допомагає обслуговувати експертною системою не цілком достовірні знання. Для обчислення коефіцієнта вірогідності використовуються методи математичної статистики, а також суб'єктивні оцінки експерта - фахівця в даній предметній області, притягнутого для наповнення конкретної бази знань. Роль експерта може зіграти довідник, якщо такий мається і задовольняє користувача.
Коефіцієнт вірогідності - змінна величина, що збільшується, якщо в базу знань додається факт, що підтверджує деяку подію (позитивний факт), і зменшується, якщо додається негативний факт. Така зміна коефіцієнта називається Байесовским оцінюванням.
Робота зі знаннями як із вхідними даними досить автономна, тому вона виконується в будь-якому текстовому редакторі.
Механізм логічного висновку.
Механізм логічного висновку є основним блоком експертної системи, без якого вона перетворилася б у звичайну програму. Логічний висновок є інтерпретатором правил. Він вибудовує них у ланцюжок, намагаючись досягти поставленої користувачем мети. У системі реалізований зворотний висновок (від мети до посилок). Пошук продовжується доти, поки ціль не буде досягнута з однієї з початкових посилок, або перегляд усіх правил для цієї мети завершиться невдачею.
Опишемо покроковий алгоритм такого пошуку.
1. Ціль шукається в заключній частині якого-небудь правила. Якщо такого правила не виявлено, то система повинна повідомити, що відповідь знайти неможливо.
2. Якщо правило виявлене, то всім змінним умови цього правила надати значення (у діалозі з користувачем, або скористатися її поточним значенням).
3. Цільову змінну, а також усі проміжні змінні, значення яких поки невідомі, складати в спеціально відведений для цього стек.
4. Правила 2-3 повторювати доти, поки всі змінні зі стека не одержать своїх значень (позитивне завершення пошуку мети). У противному випадку пошук мети закінчується невдачею.
Підсистема пояснень.
Підсистема пояснень, будучи утилітарної по своїй суті, виконує багато функцій. По-перше, вона підвищує рівень інтерфейсу з користувачем. По-друге, вона дозволяє контролювати хід міркувань експертної системи і пояснювати "несподівані" відповіді. По-третє, вона виявляє неоднозначності і протиріччя в базі знань експертної системи.
Даними експертної системи є:
1. Відповіді на запити системи.
2. Вміст бази знань.
Якщо перший вид даних - оперативний, то дані другого виду готуються заздалегідь. Передбачено діалоговий режим уведення знань з можливим повтором уведення, якщо помилка замічена користувачем.