Экспертные системы icon

Экспертные системы



НазваниеЭкспертные системы
Дата конвертации10.07.2012
Размер146,04 Kb.
ТипРеферат
Экспертные системы


Министерство общего и профессионального образования Российской Федерации Воронежский Государственный Университет Юридический факультет Заочное отделение Реферат по информатике На тему: «Экспертные системы» Выполнил: Студент 3 курса ___________________ группы___________ Проверил: _________________ Воронеж- 98 Компьютеризация общества - одно из основных направлений научно-технического прогресса - вызвала существенные изменения в технологииразработки и использования программных средств. Эти изменения были подготовлены всем развитием теории и практикиискусственного интеллекта (ИИ), наиболее существенным результатом которогоявился переход к так называемой новой информационной технологии и создание«экспертных систем (ЭС). Первые ЭС- медицинские mycin и dendral для приложений по химии появилисьв середине 70-х годов в рамках исследовательских программ по искусственномуинтеллекту. Уже первые ЭС оказались полезными. Медицинская ситсема mycinуспешно вписалась в клиническую практику, помогая в выборе лекарствбольным с бактеремией, менингитом, циститом. Идеологию ЭС можно выразить формулой: знание+ вывод=система. ЭСпредполагает взаимодействие блоков. Главные из них – база знаний и механизмвывода. Суть происшедших технологических изменений заключается в появлениинового класса инструментальных средств ИИ, который стал основой созданияконечных программных продуктов на основе принципиально другой технологии, сновыми качественными возможностями создаваемых продуктов, эти изменениясущественно повышают интеллект программ, новые средства заменили целуютехнологическую цепочку (рис. 1.1), в которой между конечным пользователеми ЭВМ находилось несколько посредников. Рис. 1.1 Технология разработки программного обеспечения: первая - классическая; вторая - с использованием оболочек экспертных систем Эти изменения стали возможными благодаря двум основным факторам:выделению в алгоритме программы некоторой универсальной части (логическоговывода) и отделению ее от части, зависящей от предметной области (базызнаний) (рис. 1.2); повышению уровня взаимодействия пользователя икомпьютерной программы, т.е. появлению интеллектуального интерфейса впрограммах ИИ. Рис. 1.2. Различие структур обычной программы и программы ИИ: первая- обычная программа; вторая - программа ИИ Более полно различия программ ИИ и обычных программ иллюстрирует табл. 1. 1 . Таблица 1.1. Сравнительная характеристика программ ИИ|Характеристика Программа ИИ Обычная ||программа ||Тип обработки символьная ||цифровая метод ||Метод эвристический ||алгоритмический ||Определение шагов неявное ||точное решения ||Искомые решения удовлетворительные оптимальные ||Разделение управле- раздельно ||смешано ||ния и данных ||Модификация частая ||редкая | Как видно из таблицы, обычные программы имеют фиксированнуюпоследовательность шагов, точно определяемых программистом, и путемобработки числовой информации ищут оптимальное решение, в то время какпрограммы ИИ, подобно человеку, пользуются для нахожденияудовлетворительного решения методом проб и ошибок. При этом производитсяпреимущественно символьная обработка содержимого базы знаний. Различия эти,разумеется, не абсолютны, а лишь наиболее характерны для обоих типовпрограмм. Различие в структуре и частоте модификаций влияет на различиятехнологий разработки обычных программ и программ ИИ. Все различия,приведенные для программ ИИ, в целом характерны и для экспертных систем. Изменение в структуре и повышение вследствие этого общего интеллектакомпьютерных программ является ключевым для определения экспертныхсистем, и это естественно, так как, для того чтобы стало возможным повыситьинтеллект программ, необходимо усложнить их организацию и структуру. Такимобразом, можно попытаться дать определение экспертной системы. Экспертная система - это компьютерная программа, которая моделируетрассуждения человека-эксперта в некоторой определенной области и используетдля этого базу знаний, содержащую факты и правила об этой области, инекоторую процедуру логического вывода. Для того чтобы пользователь мог эффективно взаимодействовать сэкспертной системой, ее интерфейс должен выполнять две основные функции:давать советы и объяснения пользователю и управлять приобретением знаний. Взаимодействие эксперта, пользователя и структурных частей системы можнопредставить в виде следующей базовой структуры экспертной системы,приведенной на рис. 1 . 3. Рис. 1.1. Базовая структура ЭС Из рисунка следует, что у экспертной системы должно быть два режимаработы: режим приобретения знаний и режим решения задач. В режимеприобретения знаний эксперт общается с экспертной системой припосредничестве инженера знаний, в режиме решения задач в общении сэкспертной системой участвует пользователь, которого интересует результат испособ его получения. Экспертная система в отличие от решения задач поалгоритму не исключает пользователя из решения, а, наоборот, сохраняет заним инициативу. В то же время ЭС не является просто пассивным источникомполезной информации подобно книжному справочнику или базе данных. В нужныемоменты ЭС подсказывает необходимое направление решения задачи, развиваетцепочки умозаключений, объясняет свои действия. Искусственный интеллект давно стал источником новых технологическихприемов, решений, которые широко вошли в практику программирования, так, вработах по искусственному интеллекту берут свое начало такие идеи, какразделение времени, обработка списков, редактирование и отладка программ вдиалоговом режиме, эвристическое программирование, графический интерфейс,использование полиэкранного дисплея и манипулятора типа 'мышь' и др. С точки зрения решения основной задачи экспертных систем: кодированиязнаний о предметной области и их использования для решения проблем в этойобласти наиболее существен опыт исследователей искусственного интеллекта врешении задач представления знаний и распознавания образов. Объем знаний, необходимых для любого значительного приложенияэкспертных систем, обычно очень велик и поэтому для выборки, обновления иподдержания таких больших объемов знаний экспертным системам необходимыхорошие модели представления знаний. Кроме того, удачная модельпредставления может значительно облегчить построение логического вывода.в экспертных системах наиболее часто используется представление знаний ввиде продукционных правил, фреймов. Используются также семантические сети,предложения Пролога и комбинированные представления. Каждая из этих моделей имеет свои преимущества и недостатки, например, семантическая сетьхранит связанную информацию вместе, но в ней затруднено построение выводовиз этой информации. С другой стороны. Пролог имеет готовый механизм дляпостроения логических выводов, но не хранит связанную информацию вместе.Большие базы знаний хранятся обычно на дисках и только необходимая вданный момент часть - в оперативной памяти. Создание эффективныхбаз знаний для хранения правил, фреймов и т.д. является актуальнойзадачей. В целом представление знаний является наиболее важной проблемой припостроении экспертных систем и более подробно она будет рассмотрена ниже. Традиционно процесс распознавания разделяется на два этапа: обучение исобственно распознавание. Первый этап индуктивный, второй - дедуктивный. На первом этапе обрабатываются данные многочисленных наблюдений надотдельными представителями исследуемого класса объектов и на основеполученных результатов строится некоторое решающее правило. Второй этап предполагает применение описанного привила дляраспознавания интересующих нас, но непосредственно не измеряемых свойствдругих объектов данного класса. На этапе обучения выявляются некоторые закономерности, присущиеисследуемому классу, и совокупность этих закономерностей служит далеемоделью предметной области, которая в формализованном виде составляетоснову базы знаний, на основе модели решаются задачи распознавания свойствконкретных объектов, очевидна связь обучения и решения задач с описаннымиранее режимами работы ЭС. Описанная схема распознавания в той или иноймере характерна для многих задач, решаемых экспертными системами. Экспертные системы ориентированы на решение широкого круга задач внеформализованных областях, решение задачи распознавания образов в такихобластях предполагает составление описаний объектов и правил, определяющихпо этим описаниям принадлежность объектов к тем или иным классам.Процедуры применения таких правил к каким-либо объектам в экспертныхсистемах подчиняются различным стратегиям. Наиболее часто применяютсястратегии прямого или обратного вывода. Используются также комбинированныестратегии, стратегии на основе так называемой доски объявлений. Прямойвывод - это вывод, направляемый целями (правилами) к данным. Обратный вывод- это вывод, направляемый данными к целям. В сложных экспертных системах(например, понимания речи) ни один из источников знаний системы не можетгарантировать единственности и правильности получаемых им результатов, длятого чтобы ошибка одного источника знания не влияла роковым образом наработу других, источники знания должны рассматриваться как независимые.Однако, так как все источники знания решают общую задачу, от нихтребуется взаимодействие. Чтобы удовлетворить эти требования, был предложенмеханизм доски объявлений. На доске объявлений записываются промежуточные гипотезы и результатыработы ЭС в виде плана, заявок, решений. План описывает способ, которым ЭС будет искать решение задачи. Текущийплан включает такие элементы, как цели, состояние задач. Заявки содержат информацию о потенциальных действиях, ожидающихвыполнения, которые обычно соответствуют правилам из базы знаний. Решения представляют гипотезы и решения, выдвинутые в качестве возможныхкандидатов, вместе с зависимостями, связывающими одно решение с другим. Интерпретатор базы знаний определяет, какую заявку следует обработатьследующей, и выполняет заявку путем применения соответствующего правилаиз базы знаний. В общем случае интерпретатор выявляет выполнимость условий применения правила, связывает переменные в этих условиях на доскеобъявлений, а затем осуществляет те изменения на доске, которыепредписываются этим правилом. Например, план может рекомендовать сначалаобработать все данные некоторого уровня, затем сформулироватьперспективные гипотезы, уточняя и развивая каждую из них до тех пор, покане останется одна, после чего все время будет уделено этой единственнойгипотезе до получения окончательного решения. Таким образом, экспертная система - это компьютерная программа снекоторыми отличиями в структуре и характеристиках по сравнению страдиционными программами. Наличие базы знаний и относительно универсального интерпретатораделает принципиально возможным создание новых экспертных систем для новыхприложений путем разработки новой базы знаний без измененияинтерпретатора. Процесс разработки экспертной системы, таким образом,можно свести (при наличии готового интерпретатора) к процессу разработкибазы знаний. Такая технология получила название технологии "пустыхоболочек", когда однажды разработанная экспертная система используется вкачестве оболочки для новых знаний, как правило, различные приложениясущественно различаются, и поэтому для ее реализации необходимо иметьбольшой набор оболочек с различными моделями представления знаний иразличными механизмами логического вывода. Для разработки ЭС используются те же языки и системы программирования,что и для обычных программ, но наличие таких специфических для ИИструктурных частей, как логический вывод, естественно-языковыйинтерфейс, делает предпочтительным использование для разработки ЭС такихязыков ИИ, как Липс, Пролог и специальных средств поддержки разработки. Особенно перспективной для экспертных систем оказалась реализацияязыка Пролог. Основная идея логического программирования состоит вотделении логики программы от управления ходом вычислений, что делаетпроцесс создания программы более прозрачным. Целью поддержки разработки является облегчение творческого иинтеллектуального пути от идеи к ее описанию в доступной ЭВМ форме,специфика средств, языков программирования и пользовательских интерфейсовоказывают существенное влияние на технологию создания ЭС: разработчикуприходятся тратить больше времени на перевод идеи на язык ЭВМ, чем надоводку самой идеи. Поддержка разработки должна освободить пользователяот как можно большего числа деталей и позволить ему сосредоточиться наидее.Эволюция средств разработки ЭС может быть разбита на четыре этапа (рис.1.4). Для этой эволюции характерны две тенденции: увеличение степениохвата этапов жизненного цикла ЭС; движение от использования дискретныхсредств ко все более интегрированным целостным системам. Рис. 1.4. Этапы развития средств разработки ЭС Существуют различные средства поддержки разработки программ. Трансляторы языков программирования и отладчики для контроля за состоянием программво время выполнения были в числе первых таких средств. Отладчики наряду сэкранными редакторами и в настоящее время остаются наиболее частоиспользуемыми средствами. К другим популярным средствам относятсяпрограммы 'красивой' печати, поддержка управления конфигурацией,программа перекрестных программных ссылок и трассировщик выполнения. Перечисленные средства являются дискретными и независимыми.Программист мог работать только с одним средством. Например, во времяотладки надо было воспользоваться отладчиком для определения ошибки,затем окончить отладку, чтобы вызвать редактор для исправления ошибки.После этого надо было компилировать программу и вызывать отладчик длядальнейшей отладки (цикл редактирования - компилирования - прогона).Программист вынужден был вводить дополнительные команды и терять время назапуск и окончание работы системных средств. Прерывание процесса отладкина редактирование, повторную компиляцию и повторный запуск программысерьезно затруднял процесс обдумывания задачи программистом. Следующим шагом в развитии средств разработки был интегрированныйнабор средств, названный 'инструментальным ящиком', каждое средствопроектировалось с учетом остальных, поэтому система обеспечивалавозможность обращения к другим средствам. Например, такие системы, как Turbo-Prolog, Interlisp-D, позволяютпрограммисту запустить программу сразу после ввода ее в систему. В ответ наошибку системой вызывается отладчик, чтобы дать возможность программистуизучить причину сбоя. Программист может затем отредактироватьпрограмму и продолжить ее выполнение. этот подход сокращает время наисправление мелких ошибок в программе для экспериментальногопрограммирования (метод проб и ошибок), обычно применяемогоспециалистами по искусственному интеллекту. Проектирование больших программных средств является сложной проблемой.разбиение жизненного цикла на несколько этапов (анализ требований,спецификации, проектирование, реализация, тестирование и отладка, работа исопровождение) направлено на уменьшение сложности проектирования путемизолирования и упорядочения важных задач в процессе разработки. Interlisp-D, Turbo Prolog поддерживают только этапы реализации иотладки. Исследования показывают, что наибольший вклад в стоимостьжизненного цикла дает этап сопровождения. Не менее важное значение имеютсредства этапа требований и спецификаций, потому что любую ошибку вспецификациях очень трудно и дорого исправлять на позднейших этапахжизненного цикла. Таким образом, анализ жизненного цикла важен для любойчасти программного обеспечения, которая предназначена для использованияконечными пользователями на заметном интервале времени. Успех методов искусственного интеллекта в различных областяхмотивировал их применение в разработке программного обеспечения.Показательными системами являются проект 'Помощник программиста' вМассачусетском технологическом институте, проект "Пси' в Станфордскомуниверситете, в этих проектах осуществляется попытка моделировать знания,которыми пользуется программист для понимания, проектирования, реализации исопровождения программы. Эти знания могут быть использованы экспертнымисистемами для частичной автоматизации процесса разработки программ. В заключение отметим некоторые особенности этапов жизненного циклаэкспертных систем. Тестирование экспертных систем отличается от тестирования обычныхсистем. Во-первых, экспертные системы часто обладают недетерминированнымповедением, потому что стратегия разрешения конфликтов может зависеть отпараметров времени выполнения. Это делает поведение невоспроизводимым, и,следовательно, более трудным для отладки. Во-вторых, для правил в отличие от процедур в традиционномпрограммном обеспечении нет никаких точных отношений ввода-вывода. этозатрудняет применение для тестирования анализа ввода-вывода. В-третьих, число способов, которыми могут быть активизированыправила, слишком велико, чтобы пользоваться средствами покрытия ветвей ипутей. Макетирование является единственным эффективным способом тестированияэкспертной системы. Сопровождение и модификация - важная часть разработки экспертныхсистем. Правила базы знаний эволюционируют с накоплением опыта ихприменения, и, следовательно, модифицируются чаще, чем алгоритмы. Правиламогут также зависеть от времени, поэтому их достоверность может такжеизменяться со временем. С разработкой и использованием экспертных систем тесно связаны такиепонятия, как знания и базы знаний. Особая роль знаний в экспертныхсистемах обусловлено, прежде всего, областью их применения, экспертныесистемы предназначены для решения трудноформализуемых задач или задач, неимеющих алгоритмического решения в узкоспециализированных предметныхобластях деятельности человека, экспертные системы позволяютаккумулировать, воспроизводить и применять знания, которые сами по себеобладают огромной ценностью. Источниками знаний для конкретной ЭС могут быть учебники, спавочники,материалы конкретных исследований в проблемной области и т.п. самиразработчики могут иметь теоретические знания и практический опыт в даннойобласти. Но классическим источником знаний является эксперт- профессионал вданной предметной области. Таким образом приобретение знаний требует учётачеловеческого фактора. Для успешного решения этой проблемы необходимысовместные усилия математиков, программистов, психологов. На настоящий момент нет готовых систем, позволяющих исключить человекаиз цепочки, причастной к формированию БЗ, однако имеются теоретическиеисследования и исследовательские разработки, наличие которых позволяетвыделить три класса способов приобретения знаний: 1. Традиционный диалог эксперта с инженером по знаниям, в котором все знания предоставляются экспертом. 2. Автоматическая генерация знаний, которая позволяет часть правил получать автоматически. 3. Построение индивидуальной модели исследования предметной области конкретным экспертом, позволяющей организовать целенаправленный процесс исследования этой области на основе индивидуальных представлений данного эксперта.При разработке ЭС необходимо начинать работу с создания «бумажной» еёмодели. Эта модель формируется в процессе общения с экспертом. При этомвыделяются основные понятия, которыми оперирует эксперт, формируетсятезаурус системы. После этого на нескольких несложных примерах подробноанализируется метод, которым эксперт решает такого рода задачи. Такимобразом разрабатывается алгоритм задачи. В базе знаний в некотором закодированном виде хранятся формализованныезнания эксперта. На современном этапе развития ЭС используется несколькоформ представления знаний. Выделим из них четыре основные:1.«Тройка» объект- атрибут- значение, например: дом- цвет- зелёный; пациент- температура- высокая. Эта форма представления знаний определяет «объект»,обладающий некоторыми атрибутами (свойствами), которые могут приниматьзначения из известного набора.2.Правила продукций в виде: Если пациент болен гриппом И стадия заболеванияначальная, ТО температура высокая с вероятностью = 0.95 И головная больесть с вероятностью = 0.8.Правило продукции состоит из двух частей: посылки (ЕСЛИ) и заключения (ТО),каждая из которых состоит из конъюнкции утверждений более низкого уровнядетализации.3.Фрейм. Представляет собой именованную таблицу с некоторым количествомслотов- ячеек, имевших свои имена и получающих в процессе работы машинывывода некоторые значения. В качестве значений могут присутствоватьконстанты, ссылки на фреймы более высокого или более низкого уровня, атакже некоторые вычислительные процедуры. 4.Семантическая сеть. Это ориентированный граф, вершины которогосоответствуют объектам (событиям), а дуги описывают отношения междувершинами. Первая из указанных форм представления знаний («тройка») являетсянаиболее ранней формой, своего рода переходной, от представления данных кпредставлению знаний. Наилучшая область применения «тройки»-диагностические ЭС в предметной области с большим количествомлегкокластеризуемых объектов, в каждом классе которых имеется большоеколичество общих атрибутов. Примером такой области может служитьдиагностика сложных технических систем.Представление знаний с помощью правил продукции – самая распространённаяформа реализации БЗ. С помощью продукций можно описать практически любуюсистему знаний. На них основаны все ранние ЭС, такие, как MYCIN, а такжеподавляющее большинство современных ЭС в различных предметных областях. Всоответствии с этой формой реализации БЗ сделано большинство систем -«оболочек» и многие инструментальные среды. В целом продукционная формапредставления знаний является естественной и удобной для формализациизнаний, полученных у эксперта. Фрейм- структуры в определённой степени стали развитием методаэлектронных таблиц в области обработки знаний. Это вторая по частотевстречаемости в конкретных реализациях ЭС форма представления знаний. Фрейм–структуры наиболее разумно применять в предметной области с чётковыраженной иерархической структурой. Семантические сети изначально возникли как модель долговременнойчеловеческой памяти в психологии. Большой интерес к работе с семантическимисетями проявляют разработчики систем взаимодействия на естественных языках. На современном этапе работ в области ЭС нередко используется смешаннаяформа представления знаний. Такие ЭС называются гибридными.Литература1. Экспертные системы. «Вычислительная техника и её применение».- 1990г, №10.2. Экспертные системы для персональных компьютеров: методы, средства, реализации: Справочное пособие/ В.С. Крисевич, Л.А. Кузьмич и др.- Мн.: Выш. шк., 1990г.3. Экспертные системы. Принципы работы и примеры/ Под ред. Р. Форсайта. – М.: Радио и связь, 1987г.-----------------------Конечный пользовательаналитикпрограммистОператор ЭВМЭвмОбычная программаКонечный пользовательоператорИнженер знанийАналитик,Программист,операторЭвмПрограммаИИПрограммаВходные данныеИнтерпретатор базы знанийБаза знанийВходные данныеБаза знанийПриобретениеЗнанийИНТЕРФЕЙСПОЛЬЗОВАТЕЛЯОбъясненийВопросыответыМеханизмвыводаэкспертпользовательДискретные средстваИнтегрированныйнабор средствСредства поддержкижизненного циклаИнтеллектуальныеСредства поддержкижизненного цикла




Нажми чтобы узнать.

Похожие:

Экспертные системы iconПрограмма дисциплины Экспертные системы и системы поддержки принятия решений  для направления 080500. 62 «Менеджмент»

Экспертные системы iconИнтеллектуальные и экспертные системы

Экспертные системы iconЭкспертные системы на базе vp-expert

Экспертные системы iconКазпотребсоюза Карагандинский экономический университет Кафедра ивс тематика курсовых работ по курсу «Базы данных и экспертные системы»
Разработка экспертной системы с применением субд производства продукции промышленного класса
Экспертные системы iconКазпотребсоюза Карагандинский экономический университет Кафедра ивс тематика курсовых работ по курсу «Базы данных и экспертные системы»
Разработка экспертной системы с применением субд производства продукции промышленного класса
Экспертные системы iconПрограмма-минимум кандидатского экзамена по специальности 05. 13. 12 «Системы автоматизации проектирования» по физико-математическим и техническим наукам Введение
В основу настоящей программы положены следующие дисциплины: автоматизация проектирования систем; системное программное обеспечение;...
Экспертные системы iconГосударственный университет- высшая школа экономики Факультет бизнес информатики Программа дисциплины «Экспертные системы»

Экспертные системы iconНациональный исследовательский университет Высшая школа экономики Факультет бизнес информатики Программа дисциплины «Экспертные системы и системы поддержки принятия решений»
Тема Аналитический обзор существующих систем поддержки принятия решений (сппр)
Экспертные системы iconПрограмма дисциплины «Нечеткая логика, генетические алгоритмы и экспертные системы поддержки принятия решений на финансовых рынках» для направления 080102. 65 «Мировая экономика» подготовки специалиста

Экспертные системы iconПрограмма дисциплины Информационные технологии управления знаниями для направления 080600. 68 «Бизнес-информатика»
Методы извлечения и структурирования знаний. Модели представления знаний. Экспертные системы и базы знаний
Разместите кнопку на своём сайте:
Документы


База данных защищена авторским правом ©rushkolnik.ru 2000-2015
При копировании материала обязательно указание активной ссылки открытой для индексации.
обратиться к администрации
Документы