- •ИиСиТ (Интелектуальные Информацияонные Системы и Технологии) Лекция №1
- •Лекция №2 Системы с интеллектуальным интерфейсом
- •Экспертные системы(эс)
- •Основные факторы, влияющие на целесообразность и эффективность разработки в экспертной системе
- •Лекция №3
- •Архитектура экспертных систем
- •Лекция №4
- •Классификация экспертных систем
- •Лекция №5 Технология создания экспертных систем Этапы создания экспертной системы
- •Этапы извлечения знаний инженерами знаний
- •Идентификация проблемной области
- •Лекция №6
- •Стратегия разработки экспертных систем
- •Этап: Построение концептуальной модели
- •Объектная модель
- •Лекция №7 Функциональная модель
- •Поведенческая модель
- •Лекция №8 Формализация базы знаний
- •Логическая модель
- •Лекция №9 Продукционные модели
- •Лекция №10 Динамические сети
- •Семантические сети
- •Лекция №11
Лекция №4
Механизм выбора – программный инструмент получает от интеллектуального интерфейса запрос, формирует из БЗ алгоритм решения задачи, выполняет этот алгоритм, а полученный результат представляется интеллектуальному интерфейсу для выдачи ответа на запрос пользователя. В основе использования любого механизма вывода лежит процесс нахождения в соответствии с поставленной целью некоторых единиц знаний, таких как: правила, объекты, прецеденты и связывает их при необходимости в цепочку рассуждений.
Механизм объяснения: в процессе или по результатам решения задачи, пользователь может запросить объяснение или обоснование хода решения. С этой целью система должна выдать цепочку рассуждений до требуемой контрольной точки, сопровождая выдачу объяснения заранее подготовленными комментариями.
Механизм приобретения знаний: БЗ отражает знания экспертов в данной проблемной области о действиях в различных ситуациях или процессах решения характерных задач. Выявлением подобных знаний и последующим их представлением в БЗ занимаются специалисты, называемые инженерами знаний(инженерами по знаниям). Для ввода знаний в базу и их последующего обновления экспертная система должна обладать механизмом приобретения знаний, чаще всего это интеллектуальный редактор, который позволяет вводить единицы знаний в базу и проводить их синтаксический и семантический контроль, например: На противоречивость.
Классификация экспертных систем
По степени сложности решаемых задач экспертные системы можно классифицировать следующим образом:
По способу формирования решения. Экспертные системы подразделяются:
Аналитические. Эти системы предполагают выбор решения из множества известных альтернатив(определение характеристик объектов)
Синтетические. Эти системы производят генерацию новых неизвестных решений(формирование новых объектов).
По способу учета временного признака:
Статические. Решают задачи при неизменяемых в процессе решения данных и знания.
Динамические(более сложные). Решают задачи, которые допускают изменения в процессе решения данных и знания.
По видам используемых данных и знаний:
Системы с детерминированными(четко определенными) знаниями.
Системы с не определенными знаниями. Под неопределенности понимается не полнота или отсутствие, недостоверность или не точность измерения, двусмысленность или многозадачность понятий и не чёткость(качественная оценка вместо количественной.)
По числу используемых источников знаний:
Знания, построенные с использованием одного.
Знания, построенные с использованием множества источников знания.
Классифицирующие ЭС – экспертные системы, решающие задачи распознавания ситуации, называются классифицирующими, поскольку определяют принадлежность анализируемой ситуации к некоторому классу ситуации. В качестве основного метода формирования решений используется метод логически-дедуктивного вывода от общего к частному. Когда, путем, подстановки исходных данных в некоторую совокупность взаимосвязанных общих утверждений получается частное заключение.
Доопределяющие ЭС – в этом случае, решение задач на основе неопределенных исходных данных, экспертная система должна доопределять недостающие знания, а в пространстве решений может получаться несколько возможных решений с различной вероятностью или уверенностью в необходимости их выполнения. В качестве методов работы с неопределенностями может использоваться вероятностный подход или метод нечетной логики.
Трансформирующие ЭС – в качестве методов решения задач трансформирующих ЭС используются разновидности гипотетического вывода:
Генерация и тестирование, когда по исходным данным осуществляется генерация гипотез, а затем проверка сформулированных гипотез на подтверждение вновь поступающими фактами.
Предположение и умолчание, когда по не полным данным подбираются знания об аналогичных классах объектов, которые в дальнейшем динамически адаптируются к конкретной ситуации в зависимости от ее развития.
Многоагентная система – для таких динамических систем характерна интеграция в БЗ нескольких разнородных источников знаний, обменивающихся между собой получаемыми результатами на динамической основе.