- •Введение
- •Глава 1 системы, основанные на знаниях
- •1.1. История создания искусственного интеллекта
- •1.2. Процесс мышления
- •1.3. Основные понятия и классификация систем, основанных на знаниях
- •1.4. Экспертные системы как элемент искусственного интеллекта
- •1.5. Теоретические аспекты извлечения знаний
- •1.6. Коммуникативные методы извлечения знаний
- •1.7. Текстологические методы извлечения знаний
- •Глава 2 модели представления знаний
- •2.1. Представление знаний и выводы в экспертных системах
- •2.2. Модель представления знаний средствами логики предикатов первого порядка
- •2.3. Представление знаний продукционными правилами
- •2.4. Модель представления знаний в виде фреймов
- •2.5. Представление знаний в виде семантической сети
- •2.6. Модель доски объявлений
- •2.7. Модель представления знаний в виде сценария
- •Глава 3 архитектура и технология разработки экспертных систем
- •3.1. Основные положения
- •3.2. Технология разработки экспертной системы
- •3.3. Механизм вывода (интерпретатор правил)
- •3.4. Взаимодействие пользователей с экспертной системой
- •3.5. Подсистема анализа и синтеза сообщений
- •3.6. Морфологический анализ входных сообщений
- •3.7. Синтаксический анализ входных сообщений
- •3.8. Семантический анализ входных сообщений
- •3.9. Синтез выходных сообщений
- •3.10. Диалоговая подсистема
- •3.11. Объяснительные способности эс
- •Глава 4 применение нечеткой логики в эксперТнЫх системах
- •4.1. Предпосылки возникновения нечеткой логики
- •4.2. Нечеткая логика
- •4.3. Нечеткие подмножества
- •4.4. Нечеткие правила вывода в экспертных системах
- •4.5. Задания для разработки экспертных систем
- •Глава 5 ГенетическиЙ алгоритм
- •5.1. Предисловие
- •5.2. Генетический алгоритм
- •5.3. Параметры и этапы генетического алгоритма
- •5.3.1. Кодирование информации и формирование популяции
- •5.3.2. Оценивание популяции
- •5.3.3. Селекция
- •5.3.4. Скрещивание и формирование нового поколения
- •7.3.5. Мутация
- •5.4. Настройка параметров генетического алгоритма
- •5.5. Канонический генетический алгоритм
- •5.6. Пример работы и анализа генетического алгоритма
- •5.7. Общие рекомендации к программной реализации генетического алгоритма
- •5.8. Задания для лабораторных работ
- •Глава 6 искусственные нейронные сети
- •6.1. Биологические нейронные сети
- •6.2. Формальный нейрон
- •6.3 Нейронные сети
- •6.4. Обучение инс
- •8.5. Алгоритм обратного распространения ошибки
- •6.6. Работа нейронной сети
- •6.7. Пример работы и обучения нейронной сети
- •6.8. Программная реализация
- •6.9. Задания для лабораторных работ
- •Заключение
- •Приложение 1 Контрольные вопросы
- •Приложение 2 Темы рефератов и индивидуальных заданий Темы рефератов
- •Темы индивидуальных заданий
- •Приложение 3 Ресурсы в сети Интернет
- •Список литератуРы
- •Оглавление
Глава 3 архитектура и технология разработки экспертных систем
3.1. Основные положения
ЭС представляют собой класс компьютерных программ, которые выдают советы, проводят анализ, выполняют классификацию и ставят диагноз. Они ориентированы на решение задач, обычно требующих проведения экспертизы человеком-специалистом. В отличие от машинных программ, использующих процедурный анализ, ЭС решают задачи в узкой предметной области (конкретной области экспертизы) на основе дедуктивных суждений.
Все ЭС состоят по крайней мере из трех основных элементов: базы знаний, машины вывода и интерфейса пользователя (рис. 3.1).
Группа экспертов или иной источник экспертизы обеспечивает загрузку в базу знаний фактов, наблюдений и способов анализа ситуаций. Пользователь запрашивает систему о конкретных проблемах через интерфейс, который допускает общение с использованием обычных выражений. В мощных интеллектуальных системах существует интерфейс на естественном языке, который позволяет задавать вопросы и получать ответы на обычном английском или русском языках. В случае обычных интеллектуальных систем пользователю предоставляется не столь изысканный, но тем не менее «дружественный» интерфейс. Информация, содержащаяся в базе знаний, обрабатывается с помощью машины вывода, которая использует эмпирические ассоциации или правила «ЕСЛИ … ТО» для формирования и проверки возможных решений. Интерфейс пользователя в доступной форме передает полученные результаты оператору.
База знаний (БЗ) содержит известные факты, выраженные в виде объектов, атрибутов и условий. Помимо описательных представлений о действительности, она включает выражения неопределенности, представляющие собой ограничения на достоверность фактов. В этом отношении база знаний отличается от традиционной базы данных (БД). При обработке информации в БД пользуются заранее определенными логическими правилами. Соответственно база знаний, представляющая более высокий уровень абстракции, имеет дело с классами объектов, а не с самими объектами.
Рис. 3.1. Структура экспертной системы
База знаний создается консультантами, авторами учебников, исследователями, либо самими экспертами, либо на основе их работы. В поисках источника для наполнения базы знаний жизненный опыт важнее, чем высокий интеллект. Эксперт, который исходит из продолжительных наблюдений за событиями в некоторой конкретной области знания, скорее всего, создаст более полезную БЗ, чем гениальный аналитик, который больше полагается на интуитивное проникновение в сущность явлений. Предположим, например, вы строите ЭС выбора компьютера для различных применений. Блестящий инженер-конструктор, отлично владеющий методами разработки интерфейсов, на практике будет менее полезен, чем консультант по применениям, который наблюдал большое количество установленных систем, выполняющих предназначенные для них задачи.
Главным в ЭС является механизм, осуществляющий поиск в БЗ по правилам рациональной логики, для получения решений. Этот механизм, называемый машиной вывода, приводится в действие при получении запроса пользователя и выполняет следующие задачи:
-
сравнивает информацию, содержащуюся в запросе пользователя, с информацией базы знаний;
-
ищет определенные цели или причинные связи;
-
оценивает относительную определенность фактов, основываясь на соответствующих коэффициентах доверия, связанных с каждым фактом.
Как следует из ее названия, машина вывода предназначена для построения заключений. Ее действие аналогично рассуждениям эксперта-человека, который оценивает проблему и предлагает гипотетические решения. В поиске целей на основе предложенных правил машина вывода обращается к БЗ до тех пор, пока не найдет вероятный путь к получению приемлемого результата. Например, программа медицинской диагностики сначала пытается выделить болезнетворный орган или организм, анализируя список на первый взгляд не связанных симптомов, а затем определяет курс эффективной терапии.
Задача интерфейса пользователя состоит в организации обмена информацией между оператором и машиной вывода. Интерфейс с использованием естественного языка создает видимость произвольной беседы, применяя повседневные выражения в правильно построенных предложениях. Очевидно, что чем более естественен такой интерфейс, тем выше требования к внешней и оперативной памяти. Следовательно, системы, предоставляющие пользователю максимум удобств, расходуют больше ресурсов основной машины, доступных с удаленных рабочих станций.
Инструментальные средства, предназначенные для работы на персональных компьютерах, имеющих ограниченные возможности, неизбежно приносят «дружественность» интерфейса в жертву эффективности ЭС в целом.
Интерфейс прямого ввода должен уметь распознавать язык или по крайней мере достаточное количество ключевых слов и фраз, чтобы улавливать их связь с рассматриваемой проблемой и ее предполагаемыми решениями.
Более мощные ЭС объясняют, почему задан тот или иной вопрос и как был сделан соответствующий вывод. Эти объяснения получаются на основе эвристических правил, с помощью которых происходит управление взаимодействием машины вывода с БЗ.