Экспертные системы

Автор: Пользователь скрыл имя, 01 Декабря 2011 в 21:35, реферат

Описание работы

Экспертная система разработана для имитации процесса принятия решения экспертом- человеком. Для создания такой системы специалисты опрашивают эксперта в специализированной предметной области и пытаются на основе их логики принятия решения сформировать множество утверждений типа «если - то» или правил вывода. Экспертная система использует так называемую машину вывода для автоматического выполнения цепочки рассуждений при наличии параметров решения в узкой области, диагностируя задачу и рекомендуя соответствующие действия.

Скачать полностью (25.42 Кб) Сколько стоит заказать работу?
Работа содержит 1 файл

Эволюция систем приобретения знаний.doc

— 106.50 Кб (Скачать)

    Компьютерные  системы, которые могут лишь повторять  логический вывод эксперта, принято  относить к ЭС 1-го поколения. Однако, при решении сложных интеллектуальных задач явно не достаточно возможностей системы, имитирующей деятельность человека. Необходимо, чтобы подобная система выступала в роли помощника и советчика, способного проводить анализ нечисловых данных, выдвигать гипотезы, оценивать достоверность фактов, самостоятельно пополнять свои знания. Наличие таких возможностей является характерным для ЭС 2-го поколения. Эти системы называют партнерскими, или усилителями интеллектуальных способностей человека. Их общими особенностями являются умение обучаться и развиваться, т.е. эволюционизировать.

    Проведем  сравнительный анализ ЭС двух поколений  по следующим критериям:

  1. представление знаний
  2. механизм вывода
  3. интерфейс пользователя
  4. объяснение полученных результатов
  5. приобретение знаний и обучение.

 

Таблица 2

Сравнительный анализ экспертных систем двух поколений

Критерий Экспертные  системы 1-го поколения Экспертные  системы 2-го поколения
Представление знаний
  • Функционирование системы осуществляется на основе знаний, полученных от эксперта; полученные в процессе эксплуатации знаний не накапливаются.
  • Использование какой - либо одной из следующих моделей представления знаний: фреймы, семантические сети или продукции.
  • Методы представления знаний позволяют описывать только статические предметные области.
 
 
 
      
  • Используются  не поверхностные знания в виде эвристических  правил, как в ЭС первого поколения, а глубинные, представляющие собой теории предметных областей и общие стратегии решения проблем.
  • Знания организованы в виде составных иерархических представлений, включающих сети фреймов, продукции и логические модели.
  • Система имеет не только модель предметной области, но и модель самой себя, что позволяет ей эффективно определять границы своей компетентности.
  • ЭС может решать задачи динамических предметных областей, т.е областей,  знания о которых могут изменяться непосредственно в процессе вывода.
  • Система включает средства для одновременной работы с несколькими моделями предметной области, отличающимися друг от друга уровнями детализации.
Механизм вывода
  • Получения новых заключений с помощью вывода на знаниях.
  • Реализация вывода только при условии полноты знаний и данных.
  • Скачкообразная потеря способности ЭС находить решение даже при незначительном выходе задач за пределы области ее компетентности.
  • Неспособность найти приближенный ответ, если для вывода точного решения ответа нет всех требуемых данных или отсутствуют подходящие правила вывода.
  • Несоответствие схемы вывода ЭС схеме рассуждений эксперта.
  • Отсутствие средств имитации процессов, протекающих в предметной области, что не позволяет задавать вопросы вида «Что будет, если...».
  • Замена принятого в ЭС 1-го поколения вывода решения на его обоснование, т.е. вместо дедукции используется аргументация, что более свойственно человеческим рассуждениям.
  • При обосновании решения основной операцией становится поиск аргументов, подтверждающих утверждение, которое система должна отвергнуть, либо доказать.
  • Сочетание достоверного (дедуктивного) и правдоподобного вывода, т.е. вывода, в котором каждому получаемому заключению присваивается некоторый вес, характеризующий степень его достоверности.
Интерфейс пользователя
  • Отсутствие средств настройки на конкретного пользователя.
  • Жесткость диалога - ответы пользователя должны быть представлены в строго определенном виде и формате.
  • Получаемые от пользователя в процессе  работы сведения не запоминаются .
  • Несогласованность  вопросов, задаваемых системой пользователю в процессе проведения экспертизы, хотя каждый вопрос вполне логичен, в их последовательности  может отсутствовать целенаправленность.
  • Избыточность совокупности вопросов ЭС, адресованных пользователю, невозможность построить для каждой экспертизы оптимальную серию вопросов.
  • ЭС включает модель пользователя, которая дает возможность организовывать взаимодействие с ним в оптимальной форме, т.е. в форме, при которой решение задачи будет получено за минимальное время. В такой модели учитываются особенности работы конкретного пользователя, специфика решаемых задач  и типичные для него сценарии диалога.
Объяснение  полученных результатов
  • Механистичность построения объяснений, формулируемых  путем объединения аргументации, которая содержится в каждом из применяемых правил.
  • Несовершенство механизма объяснения полученного решения, состоящее в том, что пользователь получает либо тривиальную аргументацию, либо она не удовлетворяет всех потребностей пользователя.
  • Возможность формирования более интеллектуальной системы объяснения;
Приобретение  знаний и обучение
  • Пополнение знаний  системы и контроль их непротиворечивости «вручную».
  • Несовпадение структуры знаний о предметной области в ЭС с их организацией у эксперта; это приводит к появлению пробелов в знаниях ЭС.
  • Отсутствие способности к обучению.
  • Имеются средства управления процессом наполнения ЭС знаниями и настройки на предметную область, позволяющие выбирать модель представления знаний, в наибольшей степени соответствующую структуре знаний эксперта.
  • ЭС имеет средства для самостоятельного извлечения знаний из базы данных и выдвижения гипотез и построения  их обоснований; обучаться на примерах.
  • Система способна анализировать имеющиеся у нее знания, обнаруживая противоречия между старыми и новыми знаниями, устанавливать факт их ошибочности. Для разрешения противоречий или при необходимости получить недостающие данные система по собственной инициативе обращаться к пользователю. В этом проявляется одно из важнейших свойств ЭС второго поколения - их активность. 
 

Применение  экспертных систем

ЭС нашли применение и уже активно используются в  следующих отраслях:

  1. бухгалтерский учет и управление финансами – разрешение на предоставлении кредитов, консультации по вопросам налогообложения и инвестиций.
  2. стратегия – консультация юристов по поводу планирования приобретений; планирование проекта; анализ результатов.
  3. производство - процессы мониторинга и контролирования качества продукции; анализ неисправностей в больших системах; планирование размещения оборудования.
  4. HRM - обучение в отдельных областях; определение квалификации кандидатов на получение должности.
  5. маркетинг – определение приемлемых скидок для покупателей, выбор модели долгосрочного прогнозирования сбыта.

Таблица 3

Классификация экспертных систем 

№№ Признак классификации Подклассы Краткая характеристика
 Объем базы знаний

(Динамически  меняющиеся значения, т.к. развивается аппаратная и программная составляющие)

 Небольшие

Средние

большие

 (менее 500 правил)

От 500 до 10 тыс.

 правил

Более 10 тыс. правил -

 Методика разработки Системы, создающиеся  с помощью языков программирования

ЭС, разрабатываемые  при помощи оболочек

 LISP,Prolog 

Exsys

 Используемый  при разработке подход Основанные  на правил 

Интегрированные 

Основанные на примерах

   Наилучшее решение, если декларативные и процедурные  знания могут быть представлены в  виде продукций

  Могут сочетаться различные методики проектирования и поиска в них

  Генерируют  правила, основываясь на некотором  множестве ситуаций, такие системы называются индукционными

 Используемый  подход к имитации человеческого способа рассуждения Дедуктивные 
 
 
 

Индуктивные

   Примеры дедуктивного рассуждения в системах с базами знаний: объединение (интеграция отдельных частей в единое целое), планирование (последовательность событий, необходимая для решения выполнения задачи), проектирование (применение известных принципов для создания чего-то нового)

  Примеры индуктивного рассуждения в системах с базами знаний: постановка диагноза) (определение причин задачи, тестирование (определение соответствия каким-либо критериям), прогнозирование (экстраполяция известных результатов на будущее)

 Способ работы Автономные

Встроенные

   Самостоятельна

  Является  частью некоторой другой системы, доступ к ней осуществляется по мере необходимости

 По областям применения Медицинские 

Финансовые

Образовательные 

Производственные 

Общественные

   Используются  при диагностике, анализе симптомов и определении методов терапии

  Используются  при управлении денежными средствами

  Предназначены для разработки и непосредственного  осуществления процесса обучения

  Предназначены для повышения эффективности  различных стадий производственного процесса

  Предоставляют разнообразные интеллектуальные услуги (от игр до юридических консультаций)

 Предназначение Совещательные и консультативные

Экспертные системы, заменяющие «живое» принятие решений

Экспертные системы  для создания нового опыта в конкретной предметной области

  

Информация о работе Экспертные системы