Список сокращений

БЗ – база знаний

ДР – дерево решений

ИИС – интеллектуальная информационная система

ННС – нейро-нечеткая сеть

Снлв – система нечеткого логического вывода

ФП – функция принадлежности

ЭС – экспертная система

Введение

Интеллектуальные информационные системы успешно применяются для решения практических задач в таких областях, как управление технологическими процессами, финансовый менеджмент, медицинская и техническая диагностика, биржевое прогнозирование, распознавание образов и других. Эффективное функционирование интеллектуальной системы в основном зависит от полноты и точности представления знаний в базе знаний. В лабораторном практикуме рассмотрены методики разработки баз знаний интеллектуальных информационных систем для различных моделей представления знаний, алгоритмы обнаружения знаний в данных на основе построения деревьев решений, а также принципы функционирования и обучения нейро-нечеткой сети в составе системы нечеткого вывода.

Базы знаний разрабатываются с применением инструментальных средств разработки интеллектуальных систем: оболочка экспертных систем ReSolver, система обнаружения знаний в данных и построения деревьев решений See5, программная среда Matlab с подсистемой Fuzzy Logic Toolbox.

Лабораторный практикум содержат порядок выполнения работ, контрольные вопросы и список литературы и предназначен для студентов старших курсов специальностей 220501 – Управление качеством, 351400 – Прикладная информатика (в экономике) и 080107 – Налоги и налогообложение.

Лабораторная работа № 1 изучЕние методики разработки баз знаний экспертных систем в пакете ReSolver

1. Цель работы

Целью работы является изучение методики разработки баз знаний экспертных систем (ЭС) в заданной предметной области с применением оболочки экспертной системы ReSolver.

2. Краткие теоретические сведения

Процесс проектирования базы знаний (БЗ) экспертных систем и алгоритмов поиска решений состоит в выборе формальных моделей представления знаний, построении структуры БЗ, создании процедур для решения задач наполнения базы знаний, разработке алгоритмов поиска нужных знаний, обучении системы новым знаниям.

Экспертные системы – это системы, основанные на знании, целью функционирования которых является формирование рекомендаций по решению проблем, интересующих пользователя, на основе накопленных знаний и опыта в конкретной предметной области [2,3].

Экспертная система включает следующие компоненты: база знаний, механизм логического вывода, интерфейс пользователя, компонент объяснения рекомендаций, компонент обучения, интеллектуальный редактор базы знаний (рис 1.1).

База знаний – совокупность знаний о предметной области, организованная в соответствии с принятой моделью представления знаний [2].

Алгоритм обработки знаний для решения проблем называется механизмом логического вывода и определяется моделью представления знаний. Механизм логического вывода активно использует информацию, содержащуюся в базе знаний, для поиска правил и формирования рекомендаций по принятию решений, в форме советов или команд управления.

Рис. 1.1. Обобщенная структурная схема ЭС

Для общения с экспертной системой создается интерфейс пользователя, обеспечивающий пользователю возможность в диалоге формулировать запросы к ЭС и вводить исходные данные по интересующей пользователя проблеме, а также представлять рекомендации ЭС. Для объяснения рекомендаций, формируемых ЭС, служит компонент объяснения рекомендаций ЭС, который обычно ссылается на правила, использованные механизмом вывода в процессе решения задач. Для накопления новых знаний служит компонент обучения.

Формализм описания знаний называется моделью представления знаний. Знания в ЭС могут быть представлены с помощью различных моделей: логической, продукционной, фреймовой, объектно-ориентированной. В большинстве ЭС знания представлены в форме правил продукций «ЕСЛИ…ТО». В ЭС выбор модели представления знаний определяет возможности используемой базы знаний [5,7].

К настоящему времени разработано значительное число разнообразных инструментальных средств для экспертных систем [2,3,9], включая языки представления знаний (Rule Markup Language, Semantic Web Rule Language), языки программирования систем искусственного интеллекта (PROLOG, LISP), а также оболочки ЭС (G2, See5, ReSolver и другие).

Экспертные системы могут быть разработаны для решения многих проблем, состоящих в осуществлении выбора среди определенного набора вариантов решений на основе логических рассуждений. В данной лабораторной работе изучается методика разработки базы знаний с применением оболочки экспертной системы ReSolver.