Инструментальные средства

Проблемно-ориентированные средства (для задач)

1. Задачи анализа:интерпретация, мониторинг, классификация

2. Задачи синтеза:прогнозирование, планирование, проектирование

3. Комбинированные задачи:обучение, управление

Динамические ЭС (ЭС РВ)

G2  GDA (G2 Diagnostic Assistant) – для решения задач со сложными процессами.

RTWorks

Talarian

Solaris

Sun

Sun 1000

ReThink

NeurOnlin

Коммерческая продукция.

1. G2  NASA / Space Shuttle - система для мониторинга, диагностики и управления маневровыми двигателями. (38 маневренных двигателей. За 1 сек. опрашивает 16000 датчиков).

2. INTELSAT - система моинторинга сети спутников.

3. SIRA - мониторинг состояния газопроводов.

Классификация ЭС как приложений

1. По типу приложения

2. По типу проблемной области

3. По стадии существования

4. По типу использованной ВС

I. По типу приложения

1. Взаимодействие с внешними программными средствами

(ЭТ, СУБД, датчики, контроллеры)

Изолированные/интегрированные

2. Возможность модификации

Закрытые/открытые системы. Открытые – более развитые, но и дороже.

3. Переносимость + масштабируемость

Не переносимые (м) / переносимые (м)

4. По архитектуре

Централизованные/децентрализованные

МАС (мультиагентные системы)

II. По типу приложения

Проблемная область = f (Предметная область, Решаемая задача)

Тип(Проблемная область) = f (Тип(Предметная область), Тип(Решаемая задача))

1. Тип предметной области

• Характеристика предметной области: статическая/динамическая

• Способ описания исходных данных (элементов БД): фиксированные/изменяемые

фиксированные - элемент {<атрибут, значение>}

изменяемый – используется классификация ISA, Part of

• Способ организации БЗ: неструктурированная/структурированная

неструктурированная – продукционная модель

структурированная – сети, фреймы, объектно-ориентированные модели

2. Тип решаемой задачи

• Характеристика решаемой задачи: хорошо формализованная / плохо форм.

хорошо формализованная – в замкнутой форме, обычно задачи оптимизации (математической)

плохо формализованные – задачи анализа: интерпретация, диагностика, мониторинг; задачи синтеза: прогнозирование, планирование, проектирование; задачи комбинированные: обучение, управление

• Тип используемых увтерждений

3. Отношение к реальному времени

Не РВ/РВ:

• псевдореальное время (нет жестких ограничений на время)

• мягкое РВ (время ответа системы 0,5-1 сек.)

• жесткое РВ (время ответа системы  0,5 сек.)

Статические проблемные области

Статические предметные области, знания не структурированы или слабо структурированы, решаются статические задачи анализа и используются частные или специальные утверждения.

Динамические проблемные области

Динамические предметные области, изменяемый состав элементов, структурированная организация знаний, состав элементов может меняться, решаются задачи в открытой форме.

III. По стадии существования

Концепция прототипирования

ДП (демонстрационный прототип)

РП (рабочий прототип)

ПС (промышленная система) – то, что уже отдается заказчику

КВ (коммерческая версия), интерфейс, реклама

IV. По типу используемой ВС

Методы обработки плохо определённой информации в ИС

Природа неопределённости:

1. Неопределённость в исходной информации (в данных).

Она возникает, поскольку информация не достоверна, а правдоподобна.

2. Неопределённость в знаниях.

P_i = (C_i R_i, K_i), где K_i – коэффициент правдоподобия.

3. Неопределённость в постановке цели.

Цель может задаваться не функцией, которую необходимо минимизировать или максимизировать, а качественно.

Из 1), 2)  Если P_i = (C_i R_i, K_i), и C_i задано с коэффициентом уверенности K(C_i), тогда K(R_i) = f(K(C_i), K_i).

Теоретико-вероятностная модель (Метод Байеса)

Модификация схемы Байеса

Шанс априорной справедливости гипотезы H:

Апостериорный шанс –

R(H/E) = 1 => E нейтрально по отношению к гипотезе H.

R(H/E) < 1 => E – контр свидетельство для H.

R(H/E) > 1 => E – свидетельство по отношению к гипотезе H.

Свидетельство E_i предпочтительнее, чем E_j , то есть

- нижний уровень правдоподобия. (около 0.2)

- верхний уровень правдоподобия.

- отбрасывание H,

- принятие H.

- либо принятие H с коэффициентом уверенности, либо поиск дополнительных свидетельств.

Что делать, если свидетельств не хватает?

;

При условии независимости свидетельств справедливо:

Обозначим:;;

Это классическая схема Байеса при наличии ряда свидетельств.

Свидетельства необходимо подбирать по степени их важности.

- важность свидетельства

Пример. Хотим построить консультирующую систему.

База знаний. Пусть в БЗ заносится такая информация:

<>

–имя гипотезы

– априорная вероятность,

– количество свидетельств, которые привлекаются,

– номер свидетельства,

– вероятность выполнения свидетельства, при выполнении гипотезы.

– вероятность выполнения свидетельства, при не выполнении гипотезы.

эти свидетельства идут по убыванию важности.

База данных.

<, название, источник получения>

<Грипп, p, 2, {(1, 0.99, 0.01),(2,0.9,0.1)}>

<1, высокая температура, осмотр пациента>

<2, кашель, осмотр пациента >

Рассмотрим два случая.

1) Эпидемии нет. P=0.01.

а) Пришел пациент, у которого только E₁

б) Только E₂

в) E₁и E₂

2) Эпидемия. P=0.1.

а) Пришел пациент, у которого только E₁

б) Только E₂

в) E₁и E₂