Экспертные системы - характеристика, назначение, основные компоненты, классификация

Автор работы: Пользователь скрыл имя, 26 Апреля 2013 в 09:13, курсовая работа

Краткое описание

При создании ЭС возникает ряд затруднений. Это прежде всего связано с тем, что заказчик не всегда может точно сформулировать свои требования к разрабатываемой системе. Также возможно возникновение трудностей чисто психологического порядка: при создании базы знаний системы эксперт может препятствовать передаче своих знаний, опасаясь, что впоследствии его заменят “машиной”. Но эти страхи не обоснованы, т. к. ЭС не способны обучаться, они не обладают здравым смыслом, интуицией. Но в настоящее время ведутся разработки экспертных систем, реализующих идею самообучения. Также ЭС неприменимы в больших предметных областях и в тех областях, где отсутствуют эксперты.

Вложенные файлы: 1 файл

ДИПЛОМ-Экспертные системы характеристика, назначение, основные компоненты, классификация.doc

— 388.00 Кб (Скачать файл)

Введение

 

 

    Экспертные  системы (ЭС) возникли как значительный  практический результат в применении  и развитии методов искусственного  интеллекта (ИИ)- совокупности научных  дисциплин, изучающих методы решения  задач интеллектуального (творческого)  характера с использованием ЭВМ.

    Область ИИ имеет более  чем сорокалетнюю историю развития. С самого начала в ней рассматривался  ряд весьма сложных задач, которые,  наряду с другими, и до сих  пор являются предметом исследований: автоматические доказательства  теорем, машинный перевод (автоматический перевод с одного естественного языка на другой), распознавание изображений и анализ сцен, планирование действий роботов, алгоритмы и стратегии игр.

    ЭС - это набор программ, выполняющий функции эксперта при решении задач из некоторой предметной области. ЭС выдают советы, проводят анализ, дают консультации, ставят диагноз. Практическое применение ЭС на предприятиях способствует эффективности работы и повышению квалификации специалистов.

   Главным достоинством  экспертных систем является возможность накопления знаний и сохранение их длительное время. В отличии от человека к любой информации экспертные системы подходят объективно, что улучшает качество проводимой экспертизы. При решении задач, требующих обработки большого объема знаний, возможность возникновения ошибки при переборе очень мала.

   При создании ЭС возникает ряд затруднений. Это прежде всего связано с тем, что заказчик не всегда может точно сформулировать свои требования к разрабатываемой системе. Также возможно возникновение трудностей чисто психологического порядка: при создании базы знаний системы эксперт может препятствовать передаче своих знаний, опасаясь, что впоследствии его заменят “машиной”. Но эти страхи не обоснованы, т. к. ЭС не способны обучаться, они не обладают здравым смыслом, интуицией. Но в настоящее время ведутся разработки экспертных систем, реализующих идею самообучения. Также ЭС неприменимы в больших предметных областях и в тех областях, где отсутствуют эксперты.

    Экспертная система состоит из базы знаний (части системы, в которой содержатся факты), подсистемы вывода (множества правил, по которым осуществляется решение задачи), подсистемы объяснения, подсистемы приобретения знаний и диалогового процессора .

    При построении подсистем вывода используют методы решения задач искусственного интеллекта.

 

Глава 1. Экспертные системы, их особенности, структура.

Применение  экспертных  систем. История развития.

 

    1. Определение экспертных систем. Главное достоинство и назначение экспертных систем.

 

Знания, которыми обладает специалист в какой-либо области (дисциплине), можно разделить на формализованные (точные) и неформализованные (неточные). Формализованные знания формируются в книгах и руководствах в виде общих и строгих суждений (законов, формул, моделей, алгоритмов и т.п.), отражающих универсальные знания. Неформализованные знания, как правило, не попадают в книги и руководства в связи с их конкретностью, субъективностью и приблизительностью. Знания этого рода являются результатом обобщения многолетнего опыта работы и интуиции специалистов. Они обычно представляют многообразие эмпирических (эвристических) приемов и правил1.

В зависимости  от того, какие знания преобладают  в той или иной области (дисциплине), ее относят к формализованным (если преобладают точные знания) или к неформализованным (если преобладают неточные знания) описательным областям. Задачи, решаемые на основе точных знаний, называют формализованными, а задачи, решаемые с помощью неточных знаний, — неформализованными. (Речь идет не о неформализуемых, а о неформализованных задачах, т.е. о задачах, которые, возможно, и формализуемы, но эта формализация пока неизвестна.)

Традиционное  программирование в качестве основы для разработки программы использует алгоритм, т.е. формализованное значение. Поэтому до недавнего времени считалось, что ЭВМ не приспособлены для решения неформализованных задач. Расширение сферы использования ЭВМ показало, что неформализованные задачи составляют очень важный класс задач, вероятно, значительно больший, чем класс формализованных задач. Неумение решать неформализованные задачи сдерживает внедрение ЭВМ в описательные науки. По мнению авторитетов, основной задачей информатики является внедрение ее методов в описательные науки и дисциплины. На основании этого можно утверждать, что исследования в области ЭС занимают значительное место в информатике.2

К неформализованным  задачам относятся те, которые  обладают одной или несколькими из следующих особенностей:

а) алгоритмическое решение задачи неизвестно (хотя, возможно, и существует) или не может быть использовано из-за ограниченности ресурсов ЭВМ (времени, памяти);

б) задача не может быть определена в числовой форме (требуется символьное представление);

в) цели задачи не могут быть выражены в терминах точно определенной целевой функции.

Как правило, неформализованные задачи обладают неполнотой, ошибочностью, неоднозначностью и (или) противоречивостью знаний (как данных, так и используемых правил преобразования).

Экспертные  системы не отвергают и не заменяют традиционного подхода к программированию, они отличаются от традиционных программ тем, что ориентированы на решение неформализованных задач и обладают следующими особенностями:

  1. алгоритм решения не известен заранее, а строится самой ЭС с помощью символических рассуждений, базирующихся на эвристических приемах;
  2. ясность полученных решений, т.е. система «осознает» в терминах пользователя, как она получила решение;
  3. способность анализа и объяснения своих действий и знаний;
  4. способность  приобретения   новых  знаний   от  пользователя-эксперта, не знающего программирования, и изменения в соответствии с ними своего поведения (открытая система);
  5. обеспечение   «дружественного»,   как   правило,   естественно-языкового (ЕЯ) интерфейса с пользователем.

Обычно к  ЭС относят системы, основанные на знании, т.е. системы, вычислительная возможность которых является в первую очередь следствием их наращиваемой базы знаний и только во вторую очередь определяется используемыми методами. Методы инженерии знаний (методы ЭС) в значительной степени инвариантны тому, в каких областях они могут применяться. Области применения ЭС весьма разнообразны: военные приложения, медицина, электроника, вычислительная техника, геология, математика, космос, сельское хозяйство, управление, финансы, юриспруденция и т.д. В настоящее время ЭС используются при решении задач следующих типов: принятие решений в условиях неопределенности (неполноты информации), интерпретации символов и сигналов, предсказание, диагностика, конструирование, планирование, управление, контроль и др.

 

 

  1.2. Отличительные особенности. Экспертные системы первого и второго поколения.

 

  1. Экспертиза может  проводиться  только в одной  конкретной области. Так, программа,  предназначенная для определения конфигурации систем ЭВМ, не может ставить медицинские диагнозы.

  2. База знаний и  механизм вывода являются различными  компонентами. Действительно, часто  оказывается возможным сочетать  механизм вывода с другими  базами знаний для создания  новых ЭС. Например, программа анализа  инфекции в крови может быть  применена в пульмонологии путем замены базы знаний, используемой с тем же самым механизмом вывода.

  3. Наиболее подходящая  область применения - решение задач дедуктивным методом. Например, правила или эвристики выражаются в виде пар посылок и заключений типа  “если-то”.

  4. Эти системы могут объяснять  ход решения задачи понятным  пользователю способом. Обычно мы  не принимаем ответ эксперта, если на вопрос “Почему ?”  не можем получить логичный  ответ. Точно так же мы должны  иметь возможность спросить систему,  основанную на знаниях, как было получено конкретное заключение.       

  5.  Выходные результаты являются  качественными (а не количественными).

  6. Системы, основанные на  знаниях, строятся по модульному  принципу, что позволяет постепенно  наращивать их базы знаний.

    Компьютерные системы,  которые могут лишь повторить  логический вывод эксперта, принято  относить к ЭС первого поколения. Однако специалисту, решающему интеллектуально сложную задачу, явно недостаточно возможностей системы, которая лишь имитирует деятельность человека. Ему нужно, чтобы ЭС выступала в роли полноценного помощника и советчика, способного проводить анализ нечисловых данных, выдвигать и отбрасывать гипотезы, оценивать достоверность фактов, самостоятельно пополнять свои знания, контролировать их непротиворечивость, делать заключения на основе прецедентов и, может быть, даже порождать решение новых, ранее не рассматривавшихся задач. Наличие таких возможностей является характерным для ЭС второго поколения, концепция которых начала разрабатываться 9-10 лет назад. Экспертные системы, относящиеся ко второму поколению, называют партнерскими, или усилителями интеллектуальных способностей человека. Их общими отличительными чертами является умение обучаться и развиваться, т.е. эволюционировать.

    В экспертных системах  первого поколения знания представлены следующим образом:

1) знаниями системы являются  только знания эксперта, опыт  накопления знаний не предусматривается.

2) методы представления знаний  позволяли описывать лишь статические  предметные области.

3) модели представления знаний  ориентированы на простые области.

    Представление знаний  в экспертных системах второго  поколения следующее:

1) используются не поверхностные  знания, а более глубинные. Возможно  дополнение предметной области.

2) ЭС может решать задачи динамической базы данных предметной области.3

 

 

1.3.Области применения экспертных систем.

 

    Области применения  систем, основанных на знаниях,  могут быть сгруппированы в  несколько основных классов: медицинская  диагностика, контроль и управление, диагностика неисправностей в механических и электрических устройствах, обучение.

  а) Медицинская диагностика.

    Диагностические  системы используются для установления  связи между нарушениями деятельности  организма и их возможными  причинами. Наиболее известна диагностическая система MYCIN, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях. Ее первая версия была разработана в Стенфордском университете в середине 70-х годов. В настоящее время эта система ставит диагноз на уровне врача-специалиста. Она имеет расширенную базу знаний, благодаря чему может применяться и в других областях медицины.

  б) Прогнозирование.    

    Прогнозирующие  системы предсказывают возможные  результаты или события на  основе данных о текущем состоянии объекта. Программная система “Завоевание Уолл-стрита” может проанализировать конъюнктуру рынка и с помощью статистических методов алгоритмов разработать для вас план капиталовложений на перспективу. Она не относится к числу систем, основанных на знаниях, поскольку использует процедуры и алгоритмы традиционного программирования. Хотя пока еще отсутствуют ЭС, которые способны за счет своей информации о конъюнктуре рынка помочь вам увеличить капитал, прогнозирующие системы уже сегодня могут предсказывать погоду, урожайность и поток пассажиров. Даже на персональном компьютере, установив простую систему, основанную на знаниях, вы можете получить местный прогноз погоды.

  в) Планирование.

    Планирующие  системы предназначены для достижения конкретных целей при решении задач с большим числом переменных. Дамасская фирма Informat впервые в торговой практике предоставляет в распоряжении покупателей 13 рабочих станций, установленных в холле своего офиса, на которых проводятся бесплатные 15-минутные консультации с целью помочь покупателям выбрать компьютер, в наибольшей степени отвечающий их потребностям и бюджету. Кроме того, компания  Boeing применяет ЭС для проектирования космических станций, а также для выявления причин отказов самолетных двигателей и ремонта вертолетов4. Экспертная система XCON, созданная фирмой DEC, служит для определения или изменения конфигурации компьютерных систем типа VAX и в соответствии с требованиями покупателя. Фирма DEC разрабатывает более мощную систему XSEL, включающую базу знаний системы XCON, с целью оказания помощи покупателям при выборе вычислительных систем с нужной конфигурацией. В отличие от XCON система XSEL является интерактивной.

  г) Интерпретация.

    Интерпретирующие системы обладают способностью получать определенные заключения на основе результатов наблюдения. Система PROSPECTOR, одна из наиболее известных систем интерпретирующего типа, объединяет знания девяти экспертов. Используя сочетания девяти методов экспертизы, системе удалось обнаружить залежи руды стоимостью в миллион долларов, причем наличие этих залежей не предполагал ни один из девяти экспертов. Другая интерпретирующая система- HASP/SIAP. Она определяет местоположение и типы судов в тихом океане по данным акустических систем слежения.

Информация о работе Экспертные системы - характеристика, назначение, основные компоненты, классификация