Дисциплина : Экспертные системы

систем 2. Структура экспертных систем 3. Этапы разработки экспертных систем

4. Интерфейс с конечным пользователем 5. Представление знаний В ЭС 6. Уровни представления и уровни детальности

Кафедра «КРЭМС»

[Электронный ресурс] : учебное пособие / Е. В. Боровская, Н.

А. Да- выдова. — 3-е изд. (эл.). — Электрон. текстовые дан. (1 файл pdf : 130 с.). — М. : Лаборатория знаний, 2016. – Режим доступа: http://files.pilotlz.ru/pdf/cE421-8-ch.pdf – Загл. с экрана.
2. Информационные технологии : учебник / Ю. Ю. Громов, И. В. Дидрих, О. Г. Иванова, М. А. Ивановский, В. Г. Однолько. [Электронный ресурс]: Учебные пособия – Тамбов : Изд-во ФГБОУ ВПО «ТГТУ», 2015. – 260 с. – Режим доступа: http://www.tstu.ru/book/elib/pdf/2015/gromo – Загл. с экрана.
 
2 Дополнительная литература

1. Гаскаров, Д.В. Интеллектуальные информационные системы: учебник для вузов / Д.В. Гаскаров. М.: Высш. шк., 2003. – 431 с. ил.
2. Коробова, Б.Л. Принятие решений в системах, основанных на знаниях: учеб. пособие / Б.Л. Коробова, Г.В. Артёмов. Тамбов: ТГТУ, 2005. – 80 с.
3. Коробова, И.Л. Методы представления знаний: метод. указания / И.Л. Коробова. Тамбов: ТГТУ, 2003. – 24 с.
 
3 Периодическая литература
1. РАДИОТЕХНИКА: науч.-технический журн. / Изд-во «Радиотехника». – Издается с 1937 г. – 12 раз в год.
2. ЭЛЕКТРОНИКА: науч.-технический журн. / Изд-во «Техносфера». – Издается с 1996 г. – 8 раз в год.
3. МИКРОЭЛЕКТРОНИКА: науч.-технический журн. / Изд-во «Наука». – Издается с 1972 г. – 6 раз в год.
4. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И ПРИНЯТИЕ РЕШЕНИЙ: науч.-технический журн. / Изд-во «Институт системного анализа РАН». – Издается с 2008 г. – 4 раза в год.
 
4 Интернет - ресурсы: выделенные ресурсы представлены ниже.
1. Единое окно доступа к образовательным ресурсам window.edu.ru
2. Научная электронная библиотека www.elibrary.ru
 

т.е. ЭС не отвергают и не заменяют традиционного подхода к

разработке программ, ориентированного на решение формализованных задач.
Неформализованные задачи обычно обладают следующими особенностями:
ошибочностью, неоднозначностью, неполнотой и противоречивостью исходных данных;
ошибочностью, неоднозначностью, неполнотой и противоречивостью знаний о проблемной области и решаемой задаче;
большой размерностью пространства решения, т.е. перебор при поиске решения весьма велик;
динамически изменяющимися данными и знаниями.
Экспертные системы и системы искусственного интеллекта отличаются от систем обработки данных тем, что в них в основном используются символьный (а не числовой) способ представления, символьный вывод и эвристический поиск решения (а не исполнение известного алгоритма).
Экспертные системы применяются для решения только трудных практических (не игрушечных) задач.

эксперта-человека.
Решения экспертных систем обладают "прозрачностью", т.е. могут быть объяснены пользователю

на качественном уровне. Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях. Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом. Необходимо отметить, что в настоящее время технология экспертных систем используется для решения различных типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление ) в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, химия, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др.

основных компонентов (рис. 1.):
решателя (интерпретатора);
рабочей памяти

(РП), называемой также базой данных (БД);
базы знаний (БЗ);
компонентов приобретения знаний;
объяснительного компонента;
диалогового компонента.

Решатель, используя исходные данные из рабочей памяти и знания из БЗ, формирует такую последовательность правил, которые, будучи примененными к исходным данным, приводят к решению задачи.
База данных (рабочая память) предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи. Этот термин совпадает по названию, но не по смыслу с термином, используемым в информационно-поисковых системах (ИПС) и системах управления базами данных (СУБД) для обозначения всех данных (в первую очередь долгосрочных), хранимых в системе.
База знаний (БЗ) в ЭС предназначена для хранения долгосрочных данных, описывающих рассматриваемую область (а не текущих данных), и правил, описывающих целесообразные преобразования данных этой области.

Объяснительный компонент объясняет, как система получила решение задачи (или почему

она не получила решение) и какие знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату.
Диалоговый компонент ориентирован на организацию дружественного общения с пользователем как в ходе решения задач, так и в процессе приобретения знаний и объяснения результатов работы.

сложилась определенная технология их разработки, включающая шесть следующих этапов (рис.

1.4):
идентификацию, концептуализацию, формализацию, выполнение, тестирование, опытную эксплуатацию. На этапе идентификации определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.

понятия и их взаимосвязи, определяются методы решения задач.
На этапе

формализации выбираются ИС и определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.
На этапе выполнения осуществляется наполнение экспертом базы знаний. В связи с тем, что основой ЭС являются знания, данный этап является наиболее важным и наиболее трудоемким этапом разработки ЭС. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.

для формирования простого, ясного и выразительного графического интерфейса с пользователем

с элементами мультипликации. Предлагаемый инструментарий позволяет наглядно отображать технологические процессы практически неограниченной сложности на разных уровнях абстракции и детализации. Кроме того, графическое отображение взаимосвязей между объектами приложения может напрямую использоваться в декларативных конструкциях языка описания знаний.
RTworks не обладает собственными средствами для отображения текущего состояния управляемого процесса. Разработчик приложения вынужден использовать систему Dataview фирмы VI Corporation, что в значительной степени ограничивает его возможности.
Интерфейс с пользователем TDC Expert ограничен возможностями системы TDC 3000, т.е. взаимодействие с конечным пользователем ограничивается текстовым режимом работы.

представлении знаний, будем включать следующие:
определение состава представляемых знаний;
организацию

знаний;
представление знаний, т.е. определение модели представления.

Состав знаний ЭС определяется следующими факторами:
проблемной средой;
архитектурой экспертной системы;
потребностями и целями пользователей;
языком общения.

так и от требуемого уровня понимания.
С учетом архитектуры экспертной

системы знания целесообразно делить на интерпретируемые и неинтерпретируемые . К первому типу относятся те знания, которые способен интерпретировать решатель (интерпретатор). Все остальные знания относятся ко второму типу. Решатель не знает их структуры и содержания. Если эти знания используются каким-либо компонентом системы, то он не "осознает" этих знаний. Неинтерпретируемые знания подразделяются на вспомогательные знания, хранящие информацию о лексике и грамматике языка общения, информацию о структуре диалога, и поддерживающие знания. Вспомогательные знания обрабатываются естественно-языковой компонентой, но ход этой обработки решатель не осознает, так как этот этап обработки входных сообщений является вспомогательным для проведения экспертизы. Поддерживающие знания используются при создании системы и при выполнении объяснений. Поддерживающие знания выполняют роль описаний (обоснований) как интерпретируемых знаний, так и действий системы. Поддерживающие знания подразделяются на технологические и семантические. Технологические поддерживающие знания содержат сведения о времени создания описываемых ими знаний, об авторе знаний и т.п.

информацию о причинах ввода знаний, о назначении знаний, описывают способ

использования знаний и получаемый эффект. Поддерживающие знания имеют описательный характер.

могла управлять процессом поиска решения, была способна приобретать новые знания

и объяснять свои действия, она должна уметь не только использовать свои знания, но и обладать способностью понимать и исследовать их, т.е. экспертная система должна иметь знания о том, как представлены ее знания о проблемной среде. Если знания о проблемной среде назвать знаниями нулевого уровня представления, то первый уровень представления содержит метазнания, т.е. знания о том, как представлены во внутреннем мире системы знания нулевого уровня. Первый уровень содержит знания о том, какие средства используются для представления знаний нулевого уровня. Знания первого уровня играют существенную роль при управлении процессом решения, при приобретении и объяснении действий системы. В связи с тем, что знания первого уровня не содержат ссылок на знания нулевого уровня, знания первого уровня независимы от проблемной среды.

содержит сведения о знаниях первого уровня, т.е. знания о представлении

базовых понятий первого уровня.

Разделение знаний по уровням представления обеспечивает расширение области применимости системы. Выделение уровней детальности позволяет рассматривать знания с различной степенью подробности. Количество уровней детальности во многом определяется спецификой решаемых задач, объемом знаний и способом их представления. Как правило, выделяется не менее трех уровней детальности, отражающих соответственно общую, логическую и физическую организацию знаний. Введение нескольких уровней детальности обеспечивает дополнительную степень гибкости системы, так как позволяет производить изменения на одном уровне, не затрагивая другие. Изменения на одном уровне детальности могут приводить к дополнительным изменениям на этом же уровне , что оказывается необходимым для обеспечения согласованности структур данных и программ. Однако наличие различных уровней препятствует распространению изменений с одного уровня на другие.

Организация знаний в базе данных 3. Методы поиска решений в

экспертных системах 4. Инструментальный комплекс для создания статических экспертных систем (на примере интегрированного комплекса эко) 5. Средства представления знаний и стратегии управления 6. Инструментальный комплекс для создания экспертных систем реального времени (на примере интегрированной среды g2-gensym corp., Сша)