- •И.В. Романова Интеллектуальные подсистемы сапр
- •Оглавление
- •6. Представление знаний и процедуры выводов с помощью
- •Введение
- •Глава 1. Искусственный интеллект как научное направление
- •1.1. Что такое Искусственный интеллект
- •И как должна себя вести интеллектуальная система?
- •1.2. История развития ии
- •1.3. Направления исследований в области ии
- •Глава 2. Общие сведения о системах искусственного интеллекта
- •2.1. Обобщенная схема системы искусственного интеллекта
- •2.2. Этапы разработки систем искусственного интеллекта
- •Глава 3. Представление знаний
- •3.1. Данные и знания
- •3.2. Модели представления знаний
- •3.3. Продукционная модель
- •3.4. Логические модели
- •3.5. Семантические сети
- •3.6. Фреймовые модели
- •Глава 4. Вывод на знаниях
- •4.1. Машина вывода
- •4.2. Стратегии управления выводом
- •4.3. Прямой и обратный вывод
- •4.4. Методы поиска в глубину и ширину
- •4.5. Графы и/или
- •Глава 5. Нечеткие знания
- •5.1. Основы теории нечетких множеств
- •5.2. Операции с нечеткими знаниями
- •Глава 6. Представление знаний и процедуры выводов с помощью логики предикатов
- •6.1. Понятие формальной системы
- •6.2. Исчисление высказываний
- •6.3. Исчисление предикатов первого порядка
- •6.4. Доказательство методом резолюции
- •Глава 7. Прикладные интеллектуальные системы
- •7.1. Введение в экспертные системы. Определение и структура
- •7.2. Классификация систем, основанных на знаниях
- •7.3. Трудности разработки экспертных систем
- •Формирование базы знаний экспертной системы и механизма логического вывода
- •Глава 8. Способы интеллектуализации сапр
- •8.1. Архитектура интеллектуальных сапр
- •8.2. Основные концепции интеллектуальных caпp
- •Вопросы для контроля
- •Библиографический список
Формирование базы знаний экспертной системы и механизма логического вывода
База знаний экспертной системы реализует функции представления знаний и управления ими. Для формализации знаний определим ключевые понятия, отношения и характеристики, которыми оперирует эксперт в процессе решения задачи.
Для принятия решения эксперту необходимо проанализировать состояние атмосферы и процессы, происходящие в ней. Определим основные метеорологические элементы и явления погоды, влияющие на условия взлета и посадки самолетов: атмосферное давление; температура воздуха; видимость; влажность воздуха; облака; осадки; ветер; туман; метель; пыльная буря; град; шквал.
Таким образом, в результате анализа предметной области, очевидно, что информация, участвующая в принятии решений экспертной системой, большого объема, разнопланова и разнородна. Часть данных – это точные числовые значения, часть – словесные описания, наблюдения. Источниками этой информации являются приборы, наблюдения метеорологов, данные самолетов-разведчиков погоды и т.д. Чтобы работать с таким количеством информации необходимо понимать её структуру.
Основной целью создания ЭС является простота и удобство представления знаний.
Для организации знаний в разработанной автором экспертной системе предлагаем использовать продукционные модели.
При формировании механизма логического вывода будем использовать байесовский подход. Этот метод основан на применении теории вероятностей. Байесовский подход позволяет вычислить относительное правдоподобие конкурирующих гипотез, исходя из значений вероятности свидетельства.
Модуль приобретения знаний
Модуль приобретения знаний является важной частью ЭС. С его помощью знания в БЗ пополняются, уточняются, корректируются и обновляются. Все операции со знаниями выполняет эксперт. В нашем случае это специалист метеорологической службы. Для корректной работы разработанной ЭС необходим опытный эксперт в этой области.
Для работы с базой знаний автор разработал модуль приобретения знаний, предоставляющий возможность дистанционного манипулирования знаниями.
Эта составляющая экспертной системы позволяет автоматизировать процесс управления знаниями в БЗ и решить кадровый вопрос.
Сбор, корректировку и обновление знаний в базе знаний экспертной системы предлагаем осуществлять с помощью сервера.
Опишем принципы организации модуля приобретения знаний.
Специалист – эксперт ответственный за сбор, отправку и пополнение знаний, на своей локальной машине, подключенной к сети Интернет, запускает браузер и в строке адреса вводит адрес web-сервера ЭС.
На сервере ЭС устанавливаем специализированное программное обеспечение: программный web-сервер Apache, работающий по принципам клиент-серверной технологии; .php – интерпретатор; база данных MySQL; PhpMyAdmin система управления базами данных MySQL.
С
ЭС
ЭС
ЭС
После отображения в браузере клиента форм ввода информации, специалист-эксперт заносит требуемые сведения и нажимает кнопку «Добавить запись». Информация уходит на сервер, проверяет права удалённого пользователя с помощью специального скрипта do_authuser.php на предмет того, предоставлены ли данному пользователю полномочия по работе с базой данных MySQL, имеет ли он право вносить свою информацию, видоизменять базу данных, выполнять запросы и.т.п.
В случае успешной идентификации и аутентификации клиента ЭС (если присланные логин и пароль имеются в соответствующей данному пользователю строке таблицы базы MySQL в кэшированном, зашифрованном виде) присланная информации заносится в соответствующие таблицы и разделы определённого сегмента базы данных MySQL посредством специального скрипта do_addrecord.php.
Далее осуществляется анализ собранной данной системой информации. Модуль сбора знаний ЭС является по своей сути средством мониторинга.
Для анализа собранной информации может использоваться язык запросов к базе данных MySQL или внешняя статистическая обработка программой SPSS. Во втором случае база данных должна быть отконвертирована в соответствующий формат. Операция конвертации, а также все манипуляции с информационными базами осуществляются посредством системы управления базами данных PHPMyAdmin.