Главная | Обратная связь | Поможем написать вашу работу!
МегаЛекции

Основные компоненты экспертных систем




Основными компонентами ИТ, используемой в ЭС, являются: интерфейс пользователя, база знаний, интерпретатор, модуль со­здания системы.

Рис. 9.1. основные компоненты ИТ экспертных систем

Интерфейс пользователя. Менеджер (специалист) использует интерфейс для ввода информации и команд в экспертную систему и получения выходной информации из нее. Команды включают в себя параметры, направляющие процесс обработки знаний. Информа­ция обычно выдается в форме значений, присваиваемых определенным переменным.

Руководитель может использовать четыре метода вводаинформации: меню, команды, естественный язык и собственный интерфейс,

Технология экспертных систем предусматривает возможность получать в качестве выходнойинформации не только решение, но и необходимые объяснения. Различают два вида объяснении:

- объяснения, выдаваемые, по запросам. Пользователь в любой момент может потребо­вать от экспертной системы объяснения своих действий;

- объяснения полученного решения проблемы. После получения решения пользователь может потребовать объяснений того, как оно было получено. Система должна пояс­нить каждый шаг своих рассуждений, ведущих к решению задачи.

База знаний. Она содержит факты, описывающие проблемную область, а также логи­ческую взаимосвязь этих фактов. Центральное место в базе знаний принадлежит правилам. Правилоопределяет, что следует делать в данной конкретной ситуации, и состоит из двух частей: условия, которое может выполняться или нет, и действия, которое следует про­извести, если условие выполняется. Все используемые в экспертной системе правила образуют систему правил, которая даже для сравнительно простой системы может содержать несколько тысяч правил.

Все виды знаний могут быть представлены с помощью одной либо нескольких семантических моделей. К наиболее рас­пространенным моделям относятся логические, продукционные, фреймовые и семантичес­кие сети

Интерпретатор. Это часть ЭС, производящая в определенном поряд­ке обработку знаний (мышление), находящихся в базе знаний. Технология работы интер­претатора сводится к последовательному рассмотрению совокупности правил (правило за правилом). Если условие, содержащееся в правиле, соблюдается, выполняется определен­ное действие, и пользователю предоставляется вариант решения его проблемы.

Во многих экспертных системах вводятся дополнительные блоки: база данных, блок расчета, блок ввода и корректировки данных. Блок расчета необходим в си­туациях, связанных с принятием управленческих решений. При этом важную роль играет база данных, где содержатся плановые, физические, расчетные, отчетные и другие постоян­ные или оперативные показатели. Блок ввода и корректировки данных используется для оперативного и своевременного отражения текущих изменений в базе данных.

Модуль создания системы. Он служит для создания набора (иерархии) правил. Су­ществуют два подхода, которые могут быть положены в основу модуля создания системы: использование алгоритмических языков программирования и использование оболочек экс­пертных систем.

Для представления базы знаний специально разработаны языки Лисп и Пролог, хотя можно использовать и любой известный алгоритмический язык.

Оболочка экспертных систем представляет собой готовую программную среду, которая может быть приспособлена к решению определенной проблемы путем созда­ния соответствующей базы знаний. В большинстве случаев использование оболочек позво­ляет создавать экспертные системы быстрее и легче в сравнении с программированием.

 

Модели знаний

Знания – это выявленные закономерности предметной области (принципы, связи, законы), позволяющие решать задачи в этой области. Для хранения знаний используются базы знаний.

Знания могут быть классифицированы по следующим категориям:

- поверхностные – знания о видимых взаимосвязях между отдельными событиями и фактами в предметной области;

- глубинные – абстракции, аналогии, схемы, отражающие структуру и процессы в предметной области.

Существуют десятки моделей представления знаний для различных предметных областей. Большинство из них может быть сведено к следующим классам:

- продукционные;

- семантические сети;

- фреймы;

- формальные логические модели.

Продукционная модель, или модель, основанная на правилах, позволяет представить знания в виде предложений типа: Если (условие), то (действие).

Под условием понимается некоторое предложение-образец, по которому осуществля­ется поиск в базе знаний, а под действием — действия, выполняемые при успешном исходе поиска (они могут быть промежуточными, выступающими далее как условия, и терминаль­ными или целевыми, завершающими работу системы).

При использовании продукционной модели база знаний состоит из набора правил. Программа, управляющая перебором правил, называется машиной вывода. Чаще всего вывод бывает прямой (от данных к поиску цели) или обратный (от цели для ее подтвержде­ния — к данным). Данные — это исходные факты, на основании которых запускается ма­шина вывода — программа, перебирающая правила из базы.

Продукционная модель чаще всего применяется в промышленных экспертных систе­мах. Она привлекает разработчиков своей наглядностью, высокой модульностью, легкостью внесения дополнений и изменений и простотой механизма логического вывода.

Семантическая сеть — это ориентированный граф, вершины которого — понятия, а дуги — отношения между ними.

Понятиями обычно выступают абстрактные или конкретные объекты, а отношения — это связи типа: "это" ("is"), "имеет частью" ("has part"), "принадлежит", "любит". Харак­терной особенностью семантических сетей является обязательное наличие трех типов отно­шений:

- класс — элемент класса;

- свойство — значение;

- пример элемента класса.

Выделяют несколько классификаций семантических сетей:

- по количеству типов отношений (однородные – с единственным типом отношений; неоднородные – с различными типами отношений);

- по типам отношений (бинарные – в которых отношения связывают два объекта; n-арные – отношения, связывающие более двух понятий).

Наиболее часто в семантических сетях используются следующие отношения:

- связи типа “часть-целое”;

- функциональные связи;

- количественные;

- пространственные;

- временные;

- атрибутные связи;

- логические связи.

Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, соответствующей поставленному вопросу.

Основное преимущество этой модели – в соответствии современным представлениям об организации долговременной памяти человека. Недостаток модели – сложность поиска вывода на семантической сети.

Под фреймом понимается абстрактный образ или ситуация. В психологии и филосо­фии известно понятие абстрактного образа. Например, слово "комната" вызывает у слушаю­щих образ комнаты: "жилое помещение с четырьмя стенами, полом, потолком, окнами и дверью, площадью 6-20 м2 ". Из этого описания ничего нельзя убрать (например, убрав окна, мы получим уже чулан, а не комнату), но в нем есть "дырки", или "слоты", — это незаполненные значения некоторых атрибутов — количество окон, цвет стен, высота потолка, покрытие пола и др.

В теории фреймов такой образ называется фреймом. Фреймом называется также и формализованная модель для отображения образа.

Структуру фрейма можно представить так:

ИМЯ ФРЕЙМА:

(имя 1-го слота: значение 1-го слота),

(имя 2-го слота: значение 2-го слота),

…………………..

(имя N-ro слота: значение N-ro слота).

Различают фреймы-образцы, или прототипы, хранящиеся в базе знаний, и фреймы - экземпляры, которые создаются для отображения реальных ситуаций на ос­нове поступающих данных.

Модель фрейма является достаточно универсальной, поскольку позволяет отобразить все многообразие знаний о мире через:

- фреймы-структуры, для обозначения объектов и понятий (заем, залог, вексель);

- фреймы-роли (менеджер, кассир, клиент);

- фреймы-сценарии (банкротство, собрание акционеров, празднование именин);

- фреймы-ситуации (тревога, авария, рабочий режим устройства) и др.

Важнейшим свойством теории фреймов является заимствованное из теории семантических сетей наследование свойств.

Основным преимуществом фреймов как модели представления знаний является спо­собность отражать концептуальную основу организации памяти человека, а также ее гибкость и наглядность.

В представлении знаний выделяют формальные логические модели, основан­ные на классическом исчислении предикатов I порядка, когда предметная область или задача описывается в виде набора аксиом. Эта логическая модель применима в основном в иссле­довательских "игрушечных" системах, так как предъявляет очень высокие требования и ограничения к предметной области. В промышленных же экспертных системах используются различные ее модификации и расширения.

Модели знаний – продукционная, фреймовая, семантических сетей – обладают практически равными возможностями представления знаний. Дополнительно каждая модель знаний обладает следующими свойствами:

- продукционная модель позволяет легко расширять и усложнять множество правил вывода;

- фреймовая модель позволяет усилить вычислительные аспекты обработки знаний за счет расширения множества присоединенных процедур;

- модель семантических сетей позволяет расширять список отношений между вершинами и дугами сети, приближая выразительные возможности сети к уровню естественного языка.

 

Поделиться:





Воспользуйтесь поиском по сайту:



©2015 - 2024 megalektsii.ru Все авторские права принадлежат авторам лекционных материалов. Обратная связь с нами...