Читайте также:
|
1. Представление и использование знаний: Пер. с япон./Под ред. Х. Уэно,
М. Исидзука.- М.: Мир, 1989.
2. Долин Г. Что такое ЭС// Компьютер Пресс. – 1992. – №2
3. Сафонов В.О. Экспертные системы - интеллектуальные помощники
специалистов.- С.-Пб: Санкт-Петербургская организация общества “Знание”
России, 1992.
4. Шалютин С.М. “Искусственный интеллект”. – М.: Мысль, 1985.
5. В. Н. Убейко. Экспертные системы.- М.: МАИ, 1992.
Д. Элти, М. Кумбс. Экспертные системы: концепции и примеры.- М.: Финансы и
статистика, 1987.
6. Экспертные системы: концепции и примеры/ Д. Элти, М. Кумбс.-М.:
Финансы и статистика, 1987.
Примеры экспертных систем.
Первую экспертную систему, которую назвали Dendral, разработали в Стэнфорде в конце 1960-х гг. Эта была экспертная система, определяющая строение органических молекул по химическим формулам и спектрографическим данным о химических связях в молекулах. Ценность Dendral заключалась в следующем. Органические молекулы, как правило, очень велики и поэтому число возможных структур этих молекул также велико. Благодаря эвристическим знаниям экспертов-химиков, заложенных в экспертную систему, правильное решение из миллиона возможных находилось всего за несколько попыток. Принципы и идеи, заложенные в Dendral оказались настолько эффективными, что они до сих пор применяются в химических и фармацевтических лабораториях по всему миру.
Экспертная система Dendral одной из первых использовала эвристические знания специалистов для достижения уровня эксперта в решении задач, однако методика современных экспертных систем связана с другой разработкой – Myсin. В ней использовались знания экспертов медицины для диагностики и лечения специального менингита и бактериальных инфекций крови.
Экспертная система Mycin, разработанная в том же Стэнфорде в середине 1970-х гг., одной из первых обратилась к проблеме принятия решений на основе ненадежной или недостаточной информации. Все рассуждения экспертной системы Mycin были основаны на принципах управляющей логики, соответствующих специфике предметной области. Многие методики разработки экспертных систем, использующиеся сегодня, были впервые разработаны в рамках проекта Mycin.
На сегодняшний день создано уже большое количество экспертных систем. С помощью них решается широкий круг задач, но исключительно в узкоспециализированных предметных областях. Как правило, эти области хорошо изучены и располагают более менее четкими стратегиями принятия решений.
Экспертная система MOLGEN, предназначенная для планирования экспериментов в исследованиях по молекулярной генетике, имеет многоуровневую организацию, в которой каждый более верхний уровень управляет расположенными ниже уровнями. Такой вид организации экспертной системы получил в литературе название метауровневой архитектуры (meta-level architecture). Идея состоит в том, что в дополнение к представлению «первого уровня» проблемы в предметной области добавить еще более высокие уровни, представляющие такие понятия, как возможные действия с объектами предметной области, критерии выбора и комбинирования таких действий.
В терминологии системы MOLGEN уровни управления называются пространствами планирования (planning space). Программа использует три таких пространства, каждое из которых имеет собственные объекты и операторы, которые взаимодействуют друг с другом с помощью протоколов передачи сообщений.
Nereid. Разработчиком данной экспертной системы является NTT Data, The Tokai Bank, Science Univercity of Tokyo.
Данная система была разработана для поддержки принятия решений для оптимизации работы с валютными опционами.
Система облегчает дилерскую поддержку для оптимального ответа из возможных представленных вариантов. Nereid более практична и дает лучшие решения, чем обычные системы принятия решений. Данная система разработана с использованием фреймовой системы CLP, которая легко интегрирует финансовую область в приложение ИИ. Предложен смешанный тип оптимизации, сочетающий эвристические знания с техникой линейного программирования.
CLIPS. Суть технологии CLIPS заключается в том, что язык и среда CLIPS предоставляют пользователям возможность быстро создавать эффективные, компактные и легко управляемые экспертные системы. При этом пользователь применяет множество уже готовых инструментов (встроенный механизм управления базой знаний, механизм логического вывода, менеджеры различных объектов CLIPS и т. д.) и конструкций (упорядоченные факты, шаблоны, правила, функции, родовые функции, классы, модули, ограничения, встроенный язык COOL и т. д.). Так же CLIPS предоставляет возможность разбиения базы данных и решения задачи на отдельные независимые модули. Экспертная система CLIPS применяется как в системах, ориентированных на различные игры, так и в нечётких системах для формализации знаний.
CODES. Экспертная система помогает разработчику базы данных, желающему использовать подход IDEF1 для определения концептуальной схемы базы данных. Хотя в качестве подхода IDEF1 полезна, сложность ее правил часто сдерживает ее применение. Разработчик описывает, какие свойства и взаимосвязи желательны в базе данных, под руководством системы CODES, осуществляемым в форме диалога. Затем система применяет свои знания в виде правил и эвристик IDEF1 для построения концептуальной схемы разрабатываемой базы данных. Знания в CODES представлены в виде правил с применением обратной цепочки рассуждений в качестве стратегии управления. CODES реализована на языке UCI LISP. Она была разработана в Университете штата Южная Калифорния и доведена до уровня демонстрационного прототипа.
FALCON. Экспертная система определяет вероятные причины отклонений параметров процесса от нормы на химическом заводе, интерпретируя данные, состоящие из числовых значений показаний приборов, положения переключателей и состояния аварийных датчиков. Система интерпретирует данные, используя знания о последствиях нарушения нормального режима работы данного аппарата или агрегата и о том, как нарушения на входе этого аппарата приводят к нарушениям на выходе. Знания представляются двумя способами: в виде набора правил, применение которых контролируется прямой цепочкой рассуждений, и в виде сети, воплощающей причинно-следственную модель процесса. Система реализована на языке Лисп и была разработана в Университете штата Делавэр. Она доведена до уровня демонстрационного прототипа.
SIAP обнаруживает и идентифицирует различные типы океанских судов, используя преобразованные в цифровую форму данные от сетей гидрофонов. Данные имеют вид сонограмм, являющихся аналоговыми записями спектров принятой датчиками звуковой энергии. Для их интерпретации система применяет знания о характерных особенностях сонограмм различных типов кораблей. SIAP пытается идентифицировать суда и сгруппировать их в более крупные единицы, например флоты. Система обеспечивает анализ в режиме реального времени и корректировку ситуации с учетом непрерывно поступающих данных. Знания представлены в виде правил в рамках архитектуры доски объявлений с применением иерархически организованной схемы управления. На этапе предварительного изучения система называлась HASP [или SU/X]; и на ее основе была разработана система SIAP. Она реализована на языке INTERLISP и создана совместными усилиями Станфордского университета и компании Systems Control Technology. Она доведена до уровня исследовательского прототипа. (Surveillance Integration Automation Project)
Дата добавления: 2014-12-19; просмотров: 163 | Поможем написать вашу работу | Нарушение авторских прав |
| <== предыдущая лекция | | | следующая лекция ==> |
| Глава III. Модели представления знаний | | | Экспертные системы |