Реферат Принципы построения экспертных систем студент группы и-8-7 Ярповецкий О. С. Москва 2008 - umotnas.ru o_O
Главная
Поиск по ключевым словам:
страница 1
Похожие работы
Название работы Кол-во страниц Размер
Реферат Безопасность электронных платежных систем студент группы... 1 165.73kb.
Программа по дисциплине представление знаний в информационных системах... 1 58.51kb.
Реферат Иммунология слизистых оболочек студент 5 курса 16 группы... 1 196.69kb.
Реферат уксусная кислота 1 67.6kb.
Реферат на тему : " 1915 год и Армения ". студ группы К1-1 Суварян Р. 1 173.19kb.
Перечень молодёжных инновационных проектов, претендующих на участие... 1 63.55kb.
Конференция «Формирование сети федеральных университетов: ключевые... 1 95.01kb.
Программа дисциплины «Алгебры Ли и группы Ли» 1 84.41kb.
Реферат по физике на тему " Волны в упругой среде. Волновое уравнение". 1 190.9kb.
Лабораторная работа №3 Принципы построения сетей tcp/ip copyright (c) 1 425.99kb.
Лабораторная работа №40 Определение постоянной в законе Стефана Больцмана... 1 58.13kb.
«Методы моделирования данных в аналитических информационных системах» 3 408.24kb.
Викторина для любознательных: «Занимательная биология» 1 9.92kb.

Реферат Принципы построения экспертных систем студент группы и-8-7 Ярповецкий О. - страница №1/1

Московский Государственный Технологический Университет

«Станкин»


Реферат
Принципы построения


экспертных систем

Выполнил: студент группы И-8-7

Ярповецкий О.С.

Москва 2008

Современные экспертные системы - особые компьютерные программы, моделирующие действия эксперта-человека при решении задач в какой-либо предметной области на основе накопленных знаний, составляющих Базу Знаний.

Идея смоделировать действия человека не нова, и трудно найти такую область деятельности, в которой ее не пытались бы реализовать (кран - "длинная железная рука" и пр.). Первая промышленная революция XVIII в. во многом основывалась на подобных механизмах (прядильные, чесальные машины и т.п.). Но то были попытки моделирования физической деятельности.

Создание ЭС 4-го поколения стало возможным благодаря стремительному прогрессу в разработке компьютеров (и, в частности, повышение их быстродействия), а также совершенствованию математического аппарата. В итоге создателям ЭС по обе стороны океана (в США, Европе и России) удалось изготовить принципиально иные ЭС - они не только выполняли сложные расчеты и поиски, а, извлекая данные из памяти, выдавали рекомендации и принимали решения. Т.е. почти являлись экспертными системами в современном смысле этого слова
Подлинный прорыв (а фактически - появление тех самых экспертных систем, которые и работают с кадрами сегодня), произошел во второй половине 90-х годов, когда резко увеличился объем памяти, сохраняемой на диске компьютера, и упала ее цена. Это дало возможность сначала в США (фирма "American Research"), а спустя некоторое время в России, (НПО "ЭТАЛОН", а для гражданских нужд - Центр "Хобби") разработать экспертные системы 5-го поколения – прецедентные экспертные системы. Такие системы в корне отличаются от своих предшественниц тем, что их Базу знаний образуют не только логические правила, а и т.н. "база прецедентов" - результаты обследования реальных людей и информация о последующей успешности / неуспешности их деятельности.

Иными словами, прецедентные экспертные системы кроме "Базы знаний" имеют еще и «Базу прецедентов». В первых прецедентных системах приходилось создавать несколько "Баз прецедентов" для смежных областей, затем российским разработчикам удалось соединить прецеденты различных областей в одной БП и учитывать корреляцию между ними при принятии решений ЭС - это позволило таким системам работать в реальном времени.

Помимо этого, лучшие экспертные системы 5-го поколения могут сами выделять наиболее характерные для группы работников качества, степень их выраженности и т.п. и создавать нелинейные модели должностей (т.н. "многомерные многофакторные профили").

Экспертные и автоматизированные системы управления не нашли своего полного и приемлемого воплощения в программных продуктах. Это обусловлено чрезвычайной сложностью задач подобного рода. Особенно трудно создавать такие системы на персональных компьютерах, которые имеют не очень высокие вычислительные мощности и ресурсы. Камнем преткновения остался до конца не раскрытый механизм принятия решения экспертом-специалистом.

В качестве критериев, по которым можно судить о возможности создания экспертной системы следует отметить следующие:


  • Необходимость символьных рассуждений, очевидно, нет смысла разрабатывать экспертную систему для численных расчетов, например, для преобразований Фурье, интегрирования, решения систем алгебраических уравнений и др.

  • Наличие экспертов, компетентных в избранном круге вопросов, которые согласны сотрудничать при создании ЭС.

  • Поставленная проблема должна быть достаточно важной и актуальной. Это могут быть проблемы, требующие высокого уровня экспертизы, либо простые, но трудоемкие многократно повторяющиеся проверки. Нет смысла тратить время на решение проблем, которые возникают редко и могут быть разрешены человеком с обычной квалификацией.

  • Необходимо четко ограничивать круг решаемых задач, т.е. предметная область выбирается достаточно "узкой", чтобы избежать "комбинаторного взрыва" объема информации необходимой для компетентного решения поставленной задачи.

  • Необходима согласованность мнений экспертов о том, как следует решать поставленные задачи, какие факты необходимо использовать и каковы общие правила вынесения суждений. В противном случае невозможно расширить базу знаний за пределы опыта одного человека и осуществить сплав экспертных знаний из нескольких областей.

  • Должно быть достаточно исходных данных для проверки работоспособности экспертной системы в выбранной предметной области, чтобы разработчики смогли убедиться в достижимости некоторого заданного уровня ее функционирования.

  • Должна обеспечиваться возможность постепенного наращивания системы. База знаний должна легко расширяться и корректироваться, так как правила часто меняются с появлением новых фактов.

В сборе, оперативном уточнении, кодировании и распространении экспертных знаний.

В эффективном решении проблем, сложность которых превышает человеческие возможности и для которых требуются экспертные знания нескольких областей.

В сохранении наиболее уязвимой ценности коллектива - коллективной памяти.

Создание баз знаний открывает широкие возможности, которые обусловлены безошибочностью и тщательностью, присущими ЭВМ и синтезом знаний экспертов. Если база знаний объединяет информацию по нескольким дисциплинам, то такой "сплав" знаний приобретает дополнительную ценность.

Экспертная система позволяет решить проблему сохранения экспертных знаний, связанную с утратой наиболее квалифицированных экспертов в результате их продвижения по службе, смерти, перехода на другую работу или выхода на пенсию, а также позволит сделать знания легко доступными для тех, кто займет места ушедших экспертов

Системный подход к построению экспертных систем требует определить средства, инструмент и подход для решения поставленной задачи; разработать модель системы, ее внутренние связи и закономерности, принципы развития и модификации системной модели.

Для персонального компьютера из систем управления базами данных особо не приходится. Наиболее распространенные решения: FoxPro, CLIPPERMS Access.

FoxPro хорош всем, работает и в DOS'е и в WINDOWS'е, но имеет медленный и слаборазвитый механизм обработки макросов.

ACCESS - это современный графический пакет, обладает почти всеми инструментами современного проектирования корпоративных баз данных, но очень медленно обрабатывает сложные SQL запросы на средних и больших базах данных.

CLIPPER имеет мощный механизм блоков кода, но неустойчиво работает с большими базами данных, довольно часто разрушаются индексные файлы. Имеет широкие возможности для создания всех необходимых инструментов современного проектирования.

Возьмём за основу экспертную систему для конечного пользователя, с характеристиками, присущими объектной базе данных и относительно небольших размеров. Для реализации этого проекта выберем CLIPPER. На данном этапе важно выработать системный подход и разработать мощную программную идею. Перенос программной идеи с одной платформы на другую осуществить гораздо проще, чем перенести программный код.

Рассмотрим базовые характеристики экспертной системы

Экспертная система должна иметь единый стиль программного интерфейса и программирования на всех этапах жизни этого продукта. Вся информация, связанная с экспертной системой и её поддержкой, оформляется исключительно в виде баз данных. Следует иметь единое логическое описание всех разделов и структур, как системы, так и ее поддержки, единый словарь, единую библиотеку и единый интерпретатор.

Одно из самых наглядных и распространенных представлений о наблюдаемых процессах - таблицы и диаграммы. В большинстве случаев экспертная оценка осуществляется именно через таблицы и их сравнение. База данных является разновидностью таблицы, имеющей компьютерное представление и программное управление. Для понимания поверхностных связей сложной структуры базы данных представим простую схему, которая отображает взаимодействие реального мира и эксперта. Например, схему, состоящую из объекта наблюдения, которым являться человек, его здоровье или служебная карьера, методами исследования, механизмами формализации наблюдаемых фактов и системы экспертных запросов по формализованным фактам. Некоторые ключевые факты образуют карточку и определяют уникальность объекта, другие факты характеризуют методы воздействия и способы исследования объекта, основная по объему часть фактов оформляется в виде формализованного документа. Все эти факты доступны для экспертного запроса любой сложности.

Каждому объекту соответствует карточка с набором односложных атрибутов (фактов), в достаточной мере описывающая данный объект. Эти атрибуты образуют картотеку исследуемых объектов. Каждому исследованию соответствует свой набор односложных атрибутов. Такое описание позволяет накапливать статистическую информацию для экспертного запроса, как по картотеке, так и по исследованиям, проводить по атрибутам быстрый поиск и идентификацию объекта. Набор атрибутов пользователь определяет и заполняет в том объеме, который считает достаточным для своей работы. Набор атрибутов формируется динамически и каждый вновь включенный атрибут автоматически становится ключевым для поиска. Набор атрибутов исследуемого объекта может задаваться группой пользователей в том объеме, который им необходим для полноты информации. Это должно осуществляться как минимум через два списка атрибутов. Один список пользовательский. Второй список библиотечный для согласованного ведения карточки и стыковки вводимых данных. Метод исследования объекта определяется исходя из интересов пользователя. Этот метод определяет составные части объекта, порядок исследования, формализации данных и так далее.

Формализация данных должна придерживаться некоторых общих правил независимо от метода исследования. Например, на каждую составную часть исследования составляется описание и заключение. Должна допускаться вариация описаний и заключений. При необходимости, эти компоненты могут произвольно дополняться новыми компонентами.

Построение системы на вышеперечисленных постулатах должно иметь механизм подготовки формализованных документов и элементы экспертной оценки формализованных данных на этапе их ввода через формализованный документ и на стадии анализа этих данных. Экспертная оценка должна опираться как минимум на несколько видов подсистем разной степени сложности. Тогда можно надеяться на составление заключения на основе первичных описаний. Для этого введем понятие интеллектуальности и попробуем задать шкалу интеллектуальности экспертной оценки.

Первая степень - это когда результат может быть получен методом сверки введенных значений с таблицей или номограммой.

Вторая степень - позволяет пользователю по введенному описанию составной части исследования получить возможность подсказки для заключения, если для этого есть необходимость и время для ожидания формирования такой подсказки.

Третья степень - использование сложных методов формирования комплексного заключения, базирующихся на системе принятия решений, теории вероятности, функций предпочтения и так далее.

Открытая стиль сложной структуры базы данных, атрибутов картотеки и исследований формируется с помощью ассоциативных списков.

Ведение описаний и заключений проводится с помощью формализованного документа. Формализованный документ - документ, составленный с помощью заранее систематизированных и подготовленных лексем. Альтернативные лексемы объединяются в меню. Список меню образует бланк документа. Бланки статически, а при необходимости динамически, формируют документ.

Первая и вторая степень интеллектуальности системы реализуется программными методами, и не имеют больших затруднений, остальные требуют изучения механизма принятия решения экспертом-специалистом.

Что следует понимать под изучением механизма принятия решения экспертом. Некоторый статистический материал, накопленный на базе медсанчасти корпорации "Киевгорстрой" (МСЧ КГС), свидетельствует, что эксперт-специалист сознательно или бессознательно скрывает, как он достигает своей оценки, исследуя исходный материал.

Например, в кабинете ультразвуковой диагностики МСЧ КГС за три года было обследовано 10 000 человек, составлено более 30 000 описаний и заключений. Все исследования имеют формализованный характер, что позволяет сравнивать эти исследования и сопоставлять их. Описания и заключения составляются на основе просмотра эхограмм ультразвукового аппарата, как в реальном масштабе времени, так и в записи (на видеомагнитофоне, в памяти компьютера). Заполнение описаний и заключения ведется по канонам, принятым в этом разделе медицины.

Анализ описаний и заключений показал, что их качество (полнота описаний и частота выбора однотипных нозологий в заключении) меняется со временем. Это зависит от школы специалиста, от опыта, который со временем приобретается, от качества формализации знаний в виде используемого формализованного документа. Но самое интересное наблюдение состоит в том, что информация описания, определяющее заключение в описательной части теряется. Это подтверждается тем, что целый ряд не родственных заключений имеют абсолютно одинаковые описания. И даже эксперт-специалист по одному описанию не в состоянии повторить заключение в таком виде, как оно было сделано без дополнительного просмотра эхограмм в записи.

Отсюда напрашивается вывод, что экспертная система должна создать такие условия работы специалисту, при которых вся доступная для него информация должна быть отображена в описательной части, доже подразумеваемая или интуитивная.

Для этого необходимо использовать современные тенденции создания программных приложений, опирающиеся на использование объектно-ориентированные методы программирования и объектно-ориентированные базы данных. Здесь поможет моделирование программного приложения.

Методика объектного подхода (МОП) позволяет заложить решение сложных и объемных задач, поэтому нелишне вспомнить ключевые понятия МОП.

Методика объектного подхода подразумевает прежде всего использование объектно-ориентированных языков программирования.

Все методические пособия по ООП направлены на то, чтобы выработать новый стереотип мышления программистов.

Пять ключевых компонент объектно-ориентированной парадигмы: объект, сообщение, класс, экземпляр объекта и метод.

Объект - это инкапсулированная абстракция, которая включает информацию о состоянии и четко определенное множество протокола доступа (сообщения, которые обрабатывает объект).

Сообщение - это специальный символ, идентификатор или ключевое слово с или без параметров, которое представляет выполняемое объектом действие.

Класс представляет определенный тип объектов и задается при помощи описания класса, которое определяет переменные состояния и протокол доступа к объектам данного класса. Классы организуются иерархически, причем подклассы наследуют свойства породивших их классов - это также и объекты.

Экземпляр объекта. Объекты принадлежат к какому-либо классу. Свойства экземпляра объекта определяются описанием класса.

Метод существует для каждого сообщения, определенного для некоторого класса. Метод определяет реакцию объекта на сообщение. Обычно состоит из ряда выражений и может использовать протокол из другого класса.

Некоторые принципы ООП реализуются непосредственно через компилятор соответствующего языка программирования, нам все принципы придется моделировать.

Объектом является форма базы данных. Эта форма порождает ряд сообщений, которые требуют метода обработки этого сообщения. Целесообразно объединить сообщение и метод в одно понятие и назвать вектором обработки события формы. Векторы обработки событий должны построить весь антураж формы на экране и отработать нажатие функциональных клавиши, присущих этой форме. Основные векторы формы должны быть четко оговорены и представлены в виде полей базы данных. Поскольку с базами данных трудно организовать иерархию, как это принято в ООП, выход из ситуации реализуем через сложную систему описания форм.

Мощный инструмент разработки экспертной системы получаем, если использовать сложную структуры данных, объединённую с ассоциативными базами данных. База данных экспертной системы должна быть представлена в виде множества фактов таким образом, чтобы получать четко структурированную информацию. Для этого используем абстракцию данных, которую применяем как процесс организации различных фрагментов информации, рассмотренных выше, в единые логические единицы (возможно, иерархические), придавая ей при этом некоторую концептуально осмысленную форму. Каждая информационная единица должна быть легко доступна в программе. В идеальном случае все детали реализации такой структуры должны быть невидимы пользователю этой структуры. Самое главное в этом процессе - дать пользователю возможность использовать информацию, не думая о деталях её действительного представления.

Теперь на новом уровне нжно объединить современные методы программирования, теорию принятия решения и системный подход к решению задачи.

Можно представить все с точки зрения языка Пролог. Всю Пролог-систему реализовать трудно, да и незачем. Язык Пролог как самостоятельный продукт программирования имеет низкоуровневый механизм доступа к файлам, объявления переменных и так далее. Все это отягощает Пролог-систему. Поэтому оставим только чистую логику. Ниже перечислены наиболее важные аспекты, позаимствованные у Пролога и немного подработанные под экспертную систему.

Пользователь должен иметь возможность задавать вопросы системе, касающиеся отношений (формальных параметров), определённые в программе.

Система отношений состоит из односложных атрибутов и формализованных документов.

Вопросы к системе строятся в виде экспертного запроса и образуют статистический отчет.

Если на вопрос существует несколько ответов, система найдёт столько из них, сколько пожелает пользователь.

Работа с системой состоит в заполнении формализованных документов и в постановке вопросов, касающихся этих документов.

Процедура заполнения документа - это множество предложений об одном и том же отношении.

Вопросы представляют собой запросы к базе данных. Ответы системы на вопрос - множество объектов, которые удовлетворяют запросу.

Рассмотрим объект данных системы. Объектами данных являются атрибуты и формализованный документ.

Атрибуты - это простая структура данных. Формализованный документ - сложная форма описания.

Таким образом, базу данных системы можно легко представить в виде «прологовских» терминов. А, используя такие механизмы Пролога, как вопросы и сопоставления, можно гибко и эффективно получать информацию из базы данных. Кроме того, можно использовать вспомогательные утилиты, еще больше облегчающие взаимодействие с базой данных. Абстракцию данных можно рассматривать как метод, который облегчает работу со сложными структурами данных.



Часто основным шагом на пути к решению оказывается обобщение задачи. Парадоксально, но рассмотрение более общей задачи позволяет облегчить формулировку решения.