Экспертная система выбор ноутбука
Этапы проектирования интеллектуальных систем. Разработка дерева решений для экспертной системы "Выбор ноутбука", его преобразование в правила. Создание правил, их соответствие путям, ведущим к возможным целям дерева решений. Применение дерева решений.
Рубрика | Программирование, компьютеры и кибернетика |
Вид | курсовая работа |
Язык | русский |
Дата добавления | 27.09.2014 |
Размер файла | 237,0 K |
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
по дисциплине: "Интеллектуальные информационные системы"
на тему: "Разработка экспертной системы "Выбор ноутбука".
Содержание
-
Введение
- 1. Этапы проектирования интеллектуальных систем
- 2. Разработка экспертной системы "Выбор ноутбука"
- 2.1 Постановка задачи
- 3. Разработка дерева решений
- 3.1 Преобразование дерева решений в правила
- 3.2 Пример создания правил
- Список использованной литературы
Введение
Одним из основных препятствий на пути внедрения систем искусственного интеллекта является сама причина необходимости их внедрения, т.е. недостаток интеллекта естественного.
Современная экономика, характеризующаяся высокой динамичностью, глобализацией всех процессов, ориентацией на потребителя, возрастающей конкуренцией, проведением непрерывных инноваций, требует применения адекватных методов и средств оптимального управления предприятиями.
Ключевым вопросом эффективного применения этих методов и средств является организация и обработка знаний о возможностях и потенциале предприятия, которые становятся его интеллектуальным капиталом. Развивающаяся в настоящее время в менеджменте концепция управления знаниями предприятия предполагает использование современных информационных технологий, базирующихся в первую очередь на достижениях научного направления "Искусственный интеллект".
В связи с этим интеллектуальные информационные системы (ИИС) в экономике призваны освятить вопросы разработки и эффективного применения интеллектуальных информационных технологий в решении различных классов экономических задач в условиях неопределенности и динамичности среды функционирования предприятий, к которым относятся:
· экономический анализ;
· обоснование стратегических решений;
· инвестиционное проектирование;
· планирование, реорганизация и мониторинг бизнес-процессов;
· адаптация корпоративных информационных систем;
· создание и организация доступа к корпоративной памяти (хранилищу знаний).
1. Этапы проектирования интеллектуальных систем
Проектирование интеллектуальных систем - это итеративный и эволюционный процесс, в котором участвуют несколько специалистов: эксперт, обладающий знаниями о предметной области и желающий помочь работе по созданию системы, а также специалисты в области искусственного интеллекта - инженеры знаний, аналитики и программисты. В зависимости от объема и трудоемкости работ группа может состоять из трех - шести человек.
При оценке проблемной области на этапе проектирования интеллектуальных систем необходимо учитывать следующие факторы: легкость сбора данных, представимость данных, оправданность затрат на разработку интеллектуальных систем, наличие экспертов, наличие необходимых ресурсов (компьютеров, программистов, программного обеспечения и т.д.).
После анализа проблемной области и определения целесообразности внедрения интеллектуальной системы в этой сфере приступают непосредственно к проектированию системы.
Существуют различные взгляды на определение числа этапов проектирования интеллектуальных систем. Это зависит от многих факторов, в частности от характера функций будущей интеллектуальной системы, области использования, наличия развитых инструментальных средств и т.д.
Процесс построения систем разделяется на пять этапов (рис.1):
1. Идентификация определения задач и идентификация их характеристик. На этом этапе устанавливаются задачи, которые предполагается решать, их характеристики и особенности. Разрабатывается техническое задание на проектируемую систему. Далее очерчивается круг пользователей системы. Эти сведения помогут в дальнейшем правильно определить область знаний эксперта, определить функции системы и, как следствие, уровень необходимых знаний. В результате вырабатываются определенные требования.
2. Выделение главных концепций предметной области, которые отражают знания круга экспертов. Это дает возможность анализировать тип знаний, которыми оперирует эксперт в процессе принятия решений. Инженер знаний определяет формальные средства представления знаний и процедуры получения решений, в наибольшей степени соответствующие характеру рассуждений эксперта при выводе решения.
Таким образом, в результате выполнения этого этапа выявляется и формулируются понятия, определяющие выбор характерной схемы представления знаний эксперта о предметной области.
3. Выбор формализма представления знаний и определение механизма вывода решений. Эти компоненты моделирования в значительной степени влияют на успешное решение поставленной задачи по проектированию системы.
Разработанная структура для представления знаний является основой для реализации следующего этапа - непосредственного построения базы знаний системы.
4. Выбор или разработка языка представления знаний. После того как правила сформулированы и представлены на выбранном языке представления, они заносятся инженером знаний в БЗ.
5. Тестирование системы.
Работоспособность системы определяется путем решения конкретных проверочных задач. При выявлении различных недостатков происходит обращение к тому или иному этапу разработки в зависимости от характера недостатков. При отсутствии каких-либо знаний в системе или их недостаточной определенности возвращаются к этапу 4 и по возможности вносят поправки. В случае если какие-либо знания, представленные экспертом практически невозможно представить в пределах формализма выбранной модели представления знаний, то возвращаются к этапу 3 и выбирают альтернативные модели или схемы представления знаний. Возможно, что причиной возврата может служить недостаточно адекватный базовый механизм логического вывода. Возникают ситуации, когда требуется переформулирование проблемы, так как исходная постановка задачи была неправильной.
Рис. 1. Этапы проектирования ИИ
Приведенная схема последовательности работ, на наш взгляд, достаточно полно и подробно раскрывает процесс проектирования ИИ, но некоторые важные этапы, связанные с созданием ряда функциональных модулей систем ИИ, не рассмотрены. Более подробный перечень работ при проектировании интеллектуальных систем:
· извлечение знаний из эксперта и передача их системе;
· выбор способа представления знаний в системе;
· выбор стратегии вывода (управления);
· выбор подсистемы объяснения;
· выбор подсистемы взаимодействия с пользователем;
· выбор адекватных средств реализации системы. Однако здесь, уже отсутствуют некоторые важные этапы, описанные выше.
Как уже отмечалось, содержание работ, число этапов проектирования интеллектуальных систем, последовательность их выполнения зависят от целого ряда объективных и субъективных факторов. Однако многие этапы и содержание работ являются общими и необходимыми для интеллектуальных систем практически всех типов. Ниже приводится перечень таких этапов и их составляющих:
1. Описание проблемной области: определение проблемной области, показывающее важность проблемы для всей организации; определение проблемных экспертов, желающих передать экспертизы (знания) базе знаний; подготовка и объявление плана развития.
2. Персонал: определение группы проектировщиков и соответствующих заданий; назначение квалифицированного руководителя проекта; установление и проведение в жизнь твердой линии управления.
3. Принятие проекта: проведение организационного заседания; обсуждение основного подхода к проблеме; подготовка специального плана развития; подготовка к монтажу необходимых технических средств и инструментария.
4. Прототип системы: развитие системного прототипа: тестирование; получение дополнительной информации о проблемной области по результатам тестирования.
5. Развитие полной системы: расширение базы знаний прототипа; оценивание структуры интерфейса пользователя; объединение средств обучения пользователей и документации.
6. Верификация системы: вовлечение в процесс проверки экспертов и потенциальных пользователей; обеспечение функционирования системы в соответствии с проектом.
7. Интеграция системы: выполнение полной системы, как планировалось; обеспечение совместимости и взаимодействия системы с уже действующими.
8. Поддержка системы: обеспечение непрерывной поддержки системы; модернизация БЗ в случае поступления новой информации; сохранение ответственности за систему.
9. Документация: подготовка полной документации системы; подготовка руководства для пользователя; организация консультаций пользователям.
Этапы создания интеллектуальных систем не являются четко очерченными и подробно регламентированными. Между некоторыми из них трудно провести временную и содержательную границу. Они в какой-то степени приблизительно описывают процесс проектирования интеллектуальных систем.
Задачи каждого этапа могут быть решены только при совместной работе заказчика (пользователя) ИИС и разработчика. Особенно велик удельный вес работ заказчика на первом этапе, поскольку только он может определить, какие физические величины используются для описания ИО, какие используются при этом физические и математические модели и что является целью функционирования ИИС (целью измерения или целью обработки полученных результатов). На последующих этапах основная роль принадлежит разработчику, однако и на этих этапах необходимо учитывать мнение заказчика, в первую очередь в части эргономических свойств ИИС.
Стадии существования интеллектуальных систем (или жизненные циклы системы) соответствуют уровню готовности системы, завершенности ее функциональных возможностей, реализуемых инструментарием. Определяют следующие стадии существования интеллектуальных систем: демонстрационный прототип; исследовательский прототип; действующий прототип; промышленная система; коммерческая система.
Демонстрационный прототип - это состояние разработанности системы, когда она решает некоторую часть проблемных задач. При разработке демонстрационного прототипа стремятся достичь противоречивых целей: с одной стороны, система на стадии демонстрационного прототипа должна выполнять задачи, которые бы довольно полно характеризовали ее возможности, с другой стороны, эту стадию стремятся пройти как можно быстрее. Работа демонстрационного прототипа может быть признана удовлетворительной, если он оперирует минимальным набором правил, достаточным для решения некоторых задач. Время разработки колеблется от двух месяцев до года.
Исследовательский прототип проектируется в течение 1,5-2 лет. На этой стадии развития системы ее БЗ уже содержит несколько сотен правил, которые достаточно адекватно описывают предметную область.
Действующий прототип интеллектуальных систем осуществляет качественный вывод решений на расширившемся пространстве правил, достигшем порядка 1000. Поэтому для вывода сложных решений требуются большие ресурсы времени и памяти.
Промышленные системы обеспечивают высокий уровень качества решения проблем предметной области при значительных уменьшениях времени решения и требуемой памяти. Количество правил возрастает не столь значительно по сравнению с действующим прототипом. На этой стадии происходит преобразование действующего прототипа за счет расширения числа правил и совершенствования интеллектуальных систем на базе использования более эффективных, инструментальных средств. Это требует примерно 3-4 года.
Коммерческая система предназначена в основном для продажи. Она является либо проблемно-ориентированной, либо проблемно-независимой.
Современные ИИС обладают большой гибкостью, когда на базе одних и тех же аппаратных средств (измерительных каналов и средств вычислительной техники) можно решать различные измерительные задачи, часть которых могла не ставиться на начальном этапе разработки ИИС. Эта специфика ИИС должна учитываться при их проектировании. В частности, должна предусматриваться возможность подключения новых измерительных каналов, а возможно, и разработка этих каналов. При этом мнение заказчика в части возможного развития ИИС также является определяющим.
Современный интерес к системам управления знаниями со стороны разработчиков корпоративных ИС справедливо обусловлен следующими причинами:
· работники предприятия тратят слишком много времени на поиск необходимой информации;
· опыт ведущих и наиболее квалифицированных сотрудников используется только ими самими;
· ценная информация захоронена в огромном количестве документов и данных, доступ к которым затруднен;
· дорогостоящие ошибки повторяются из-за недостаточной информированности и игнорирования предыдущего опыта.
Изучение же и овладение практическими методами и приемами инженерии знаний может существенно повысить качество проектируемых экспертных систем.
2. Разработка экспертной системы "Выбор ноутбука"
Прежде всего, поставим задачу, для решения которой будет разрабатываться экспертная система. Подходящей задачей, при решении которой можно использовать обратную цепочку рассуждений, может быть задача, вытекающая из следующей ситуации: в компьютерный магазин пришёл человек, который желает приобрести ноутбук. Менеджер магазина обладает знаниями в данной области. Ему нужно решить какой ноутбук предложить покупателю.
На первый взгляд задача не очень сложная, но на решение менеджера влияет много факторов. Допустим, клиент в данной области не разбирается и менеджеру следует не употреблять в разговоре терминов, касающихся каких-то отдельных тонкостей инструмента.
Поскольку в задаче надо выбрать один из нескольких возможных вариантов (ноутбуков), для её решения можно воспользоваться обратной цепочкой рассуждений. В действительности ответ уже существует. Если менеджер понимает что нужно клиенту, то без труда сможет подобрать для него подходящий ноутбук. Менеджеру необходимо задать клиенту такие вопросы, ответы на которые дадут возможность сделать правильный выбор.
Итак, задача поставлена. Теперь нужно наглядно ее представить. Для описания подобных задач обычно используются диаграммы, которые называются деревьями решений. Деревья решений дают необходимую наглядность и позволяют проследить ход рассуждений.
3. Разработка дерева решений
Дерево решений - это ориентированный граф, вершинами которого являются условия и выводы, а дугами результат выполнения (проверки) условий.
Диаграммы называются деревьями решений потому, что, подобно настоящему дереву, имеют ветви. Ветви деревьев решений заканчиваются логическими выводами. Многие задачи сложны, и их непросто представить (или для их решения не собираются использовать экспертную систему). Дерево решений помогает преодолеть эти трудности.
На рисунке показано дерево решений для примера с выбором ноутбука. Видно, что диаграмма состоит из кружков и прямоугольников, которые называются вершинами. Каждой вершине присваивается номер. На вершины можно ссылаться по этим номерам. Линии, соединяющие вершины, называются дугами или ветвями. Кружки, содержащие вопросы, называются вершинами решений. Прямоугольники содержат цели диаграммы и означают логические выводы. Линии (стрелки) показывают направление диаграммы. Многие вершины имеют сразу по нескольку ветвей, связывающих их с другими вершинами. Выбор выходящей из вершины ветви определяется проверкой условия, содержащегося в вершине.
Общая цель системы, в которой реализованы обратные рассуждения, - получить окончательный ответ.
дерево решение экспертная система
3.1 Преобразование дерева решений в правила
Как уже говорилось, правило ЕСЛИ-ТО состоит из двух частей. Часть ЕСЛИ может включать несколько условий, которые связываются между собой логическими операторами И, ИЛИ и НЕ. Часть ТО правила включается в работу только в том случае, если истинны все условия в условной части. В дереве решений обеим частям правила соответствуют связанные между собой вершина решения (кружок) и вершина логического вывода (прямоугольник). Условная часть содержит все вершины решения, находящиеся на пути к логическому выводу, т.е. каждая вершина решения на пути к выводу - это одно условие части ЕСЛИ. Вывод же составляет часть ТО правила.
Длинную фразу "Какой ноутбук вы хотите?” можно заменить переменной, принимающей значения "Рабочий" или "Игровой”. В действительности все вершины содержат переменные, имеющие уникальные имена. Список имен переменных, текст, который они заменяют, и номера вершин сводят в таблицу, (табл.1). Использование переменных вместо полного текста упрощает формирование и запись правил.
Соглашение об использовании материалов сайта
Просим использовать работы, опубликованные на сайте, исключительно в личных целях. Публикация материалов на других сайтах запрещена.
Данная работа (и все другие) доступна для скачивания совершенно бесплатно. Мысленно можете поблагодарить ее автора и коллектив сайта.
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
РАЗРАБОТКА ЭКСПЕРТНОЙ СИСТЕМЫ ПО ВЫБОРУ ИГРОВОЙ ВИДЕОКАРТЫ ДЛЯ КОМПЬЮТЕРА
Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF
На сегодняшний день из-за огромного выхода новых игровых тайтлов актуальна тема грамотного выбора видеокарты. Одним из самых популярных видов развлечений являются видеоигры. Приобретая видеокарту, покупатель должен быть уверен в покупке, но из-за незнания материальной части пользователь не всегда правильно подбирает ее, поэтому в дальнейшем могут возникать проблемы. Объектом исследования являются видеокарты разных компаний и вендеров, а предметом экспертная система по подбору игровой видеокарты [2].
Экспертная система необходима для управления сложными объектами и процессами, поведение которых трудно поддается формализации. Эффективность системы заключается в возможности сбора и обобщения огромного массива данных, а также в использовании опыта специалистов в требуемой области знания, преломленного в алгоритмы работы систем [1].
РАЗОРАБОТКА СЕМАНТИЧЕСКОЙ СЕТИ
Была использована иерархическая семантическая сеть, описывающая игровые видеокарты, были выделены 4 типа понятий предметной области: сущность (описывает абстрактный объект ПО), экземпляр (конкретный представитель сущности), свойство (характеристика сущности), значение (конкретное значение свойства). [3]
На рисунке 1 представлена семантическая сеть, описывающая понятия и характеристики.
Рисунок 1 – Семантическая сеть
РАЗРАБОТКА ЭКСПЕРТНОЙ СИСТЕМЫ
Экспертная система была разработана в экспертной оболочке ESWin [3]. Представленная программная оболочка предназначена для решения задач методом обратного логического вывода на основе интерпретации правил-продукций с использованием фреймов как структур данных, включающих в себя, в частности, лингвистические переменные. Создана база знаний, состоящая из набора фреймов и правил-продукций [4].
Необходимо отметить, что в базе знаний представлена цель «Выбор видеокарты», которая в свою очередь делится на три мета условия в зависимости от бюджета пользователя. Исходя из мета условий система будет выдавать различные вопросы, это нужно для того, чтобы покупать по характеристикам смог подобрать видеокарту которая подходит ему. Ниже представлен фрейм для представления цели и мета условий:
Далее по каждому из свойств, рассмотренных во 2 главе, были прописаны фреймы, пример фрейма «Производитель» представлен ниже.
Критерий [Выберите производителя] :(NVIDIA GeForce; AMD)
Для того чтобы описать отношения между объектами, событиями и другими понятиями необходимо прописать правила продукции, именно на их основе выполняется логический вывод. В условиях и заключениях правил присутствуют ссылки на фреймы и их слоты. Ниже представлено первое правило мета условия «Бюджетный сегмент» [5] .
EQ(Вендер.Критерий;ASRock) EQ(Тип памяти.Критерий;DDR3)
EQ(Объем памяти.Критерий;1GB) EQ(Частота памяти.Критерий;Не более 1000) EQ(Подключение к монитору.Критерий;DVI-D)
EQ(Частота GPU.Критерий;Не более 1000) EQ(Функции и возможности.Критерий;DirectX) DO
EQ(Бюджетный сегмент;ASRock NVIDIA GeForce GTX570 OC 8GB) 100
EQ(Бюджетный сегмент;ASRock NVIDIA GeForce GTX550Ti 2GB) 80
EQ(Бюджетный сегмент;ASRock NVIDIA GeForce GT120 1GB) 60
MS(Видеокарта под Бюджетный сегмент;Необходим блок питания до 300Ватт) ENDR
Всего экспертная система содержит 9999 правил.
ТЕСТИРОВАНИЕ ЭКСПЕРТНОЙ СИСТЕМЫ
Пользователь должен через панель меню «Решение» выбрать «Выбор задачи» (рисунок 2) или же из выпадающего списка на общем виде основного окна. Пользователь выбирает сегмент бюджета, далее необходимо нажать кнопку «Поиск решения».
Рисунок 2 – Выбор цели
Рассмотрим решение для цели «Бюджетный сегмент». Для начала пользователю нужно выбрать от какого производителя ему нужна видеокарта.
Рисунок 3 – Выбор производителя
На рисунке 4 представлен следующий вопрос о выборе вендора видеокарты, также представлен комментарий на тот случай, если пользователь не разбирается в них.
Рисунок 4 – Вендер
Далее эксперту предстоит выбрать тип памяти в видеокарте (рисунок 5).
Рисунок 5 – Тип памяти
Рисунок 6 – Функции и возможности
Рисунок 7 – Вывод результата
Разработанная экспертная система позволяет пользователю наиболее эффективно и быстро подобрать видеокарту определенного ценового сегмента. Используя систему, пользователь даже с минимальными знаниями в данной предметной области сможет с легкостью подобрать себе видеокарту, а также получить дополнительную информацию, например, какой мощности необходим блок питания.
В дальнейшем данную систему можно развивать, чтобы она оставалась актуальной, например, расширить базу знаний или же сделать так, чтобы система высчитывала окончательную цену в зависимости от скидок.
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ
Этапы проектирования интеллектуальных систем. Разработка дерева решений для экспертной системы "Выбор ноутбука", его преобразование в правила. Создание правил, их соответствие путям, ведущим к возможным целям дерева решений. Применение дерева решений.
Подобные документы
Аналитический обзор системы управления курсами Moodle, программное построение ее модулей. Разработка структурной схемы и базы знаний экспертной системы. Создание дерева вопросов и выбор алгоритма поиска решений. Анализ возможных угроз и защита информации.
дипломная работа [534,7 K], добавлен 14.12.2013
Общая характеристика киноиндустрии как предметной области работы. Разработка базы данных и дерева вопросов для получения информации для выбора фильма. Программная реализация экспертной системы. Тестирование системы и создание руководства пользователя.
курсовая работа [1,9 M], добавлен 19.05.2014
Виды и основные функции интеллектуальных систем. Выбор инструментального средства для создания экспертной системы. Физическое проектирование базы данных. Использование среды EsWin 2.1 для разработки и тестирования экспертной системы выбора должности.
курсовая работа [615,8 K], добавлен 22.03.2016
Назначение экспертной системы. Разработка экспертной системы путем самостоятельного программирования в полном объеме простейшей ЭС в "GURU". Листинг экспертной системы по прогнозированию на бирже уровня цен, если валютный курс доллара падает или растет.
лабораторная работа [17,8 K], добавлен 15.01.2011
Рассмотрение нелинейных динамических структур данных в виде бинарного дерева. Построение дерева двоичного поиска. Реализация трех обходов дерева, выведение обходов на экран компьютера. Разработка текста программы. Симметричноправая прошивка дерева.
РАЗРАБОТКА ЭКСПЕРТНОЙ СИСТЕМЫ «НОУТБУКИ» НА ЯЗЫКЕ ПРОЛОГ
Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF
Экспертная система (ЭС) — компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные ЭС начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х получили коммерческое подкрепление. Предтечи экспертных систем были предложены в1832 году С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие находить решения по заданным условиям, например определять наиболее подходящие лекарства по наблюдаемым у пациента симптомам заболевания.
Этапы разработки ЭС представляются следующими видами деятельности:
Этап идентификации проблем — определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.
Этап извлечения знаний — проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.
Этап структурирования знаний — 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.
Этап формализации — 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.
Реализация ЭС — создается один или несколько прототипов ЭС, решающие требуемые задачи.
Этап тестирования — производится оценка выбранного способа представления знаний в ЭС в целом.
Структура ЭС интеллектуальных систем представляются в следующем виде:
Интеллектуальный редактор базы знаний;
Инженер по знаниям;
Рабочая (оперативная) память;
Решатель (механизм вывода);
Также существует несколько классификаций ЭС по следующим видам:
- По решаемой задаче;
- По связи с реальным временем.
К ЭС по связи с реальным временем:
Статические ЭС — это ЭС, решающие задачи в условиях, не изменяющихся во времени исходных данных и знаний.
Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.
Динамические ЭС — это ЭС, решающие задачи в условиях, изменяющихся во времени исходных данных и знаний.
Для удобства восприятия, данная классификация представлена в виде таблицы 1.
Таблица 1 – Классификация ЭС
По решаемой задаче
По связи с реальным временем
2 КЛАССИФИКАЦИЯ ПРОГРАММНЫХ СРЕДСТВ ДЛЯ РАЗРАБОТКИ ЭКСПЕРТНЫХ СИСТЕМ
По своему назначению и функциональным возможностям инструментальные программы, применяемые при проектировании экспертных систем, можно разделить на четыре достаточно больших категории.
1) Оболочки экспертных систем (expert system shells). Системы этого типа создаются, как правило, на основе какой-нибудь экспертной системы, достаточно хорошо зарекомендовавшей себя на практике. При создании оболочки из системы-прототипа удаляются компоненты, слишком специфичные для области ее непосредственного применения, и оставляются те, которые не имеют узкой специализации. Примером может служить система EMYCIN, созданная на основе прошедшей длительную «обкатку» системы MYCIN. В EMYCIN сохранен интерпретатор и все базовые структуры данных — таблицы знаний и связанный с ними механизм индексации. Оболочка дополнена специальным языком, улучшающим читабельность программ, и средствами поддержки библиотеки типовых случаев и заключений, выполненных по ним экспертной системой.
2) Языки программирования высокого уровня. Инструментальные средства этой категории избавляют разработчика от необходимости углубляться в детали реализации системы — способы эффективного распределения памяти, низкоуровневые процедуры доступа и манипулирования данными. Одним из наиболее известных представителей таких языков является OPS5. Этот язык прост в изучении и предоставляет программисту гораздо более широкие возможности, чем типичные специализированные оболочки. Следует отметить, что большинство подобных языков так и не было доведено до уровня коммерческого продукта и представляет собой скорее инструмент для исследователей.
3) Среда программирования, поддерживающая несколько парадигм (multiple-paradigm programming environment). Средства этой категории включают несколько программных модулей, что позволяет пользователю комбинировать в процессе разработки экспертной системы разные стили программирования. Среди первых проектов такого рода была исследовательская программа LOOP, которая допускала использование двух типов представления знаний: базирующегося на системе правил и объектно-ориентированного. На основе этой архитектуры во второй половине 1980-х годов было разработано несколько коммерческих программных продуктов, из которых наибольшую известность получили KEE, KnowledgeCraft и ART. Эти программы предоставляют в распоряжение квалифицированного пользователя множество опций и для последующих разработок, таких как КАРРА и CLIPS, и стали своего рода стандартом.
4) Дополнительные модули. Средства этой категории представляют собой автономные программные модули, предназначенные для выполнения специфических задач в рамках выбранной архитектуры системы решения проблем. Подобные модули управления семантической сетью можно использовать для распространения внесенных изменений на все компоненты системы.
Также средства разработки ЭС можно сгруппировать по следующему принципу:
Универсальные языки (высокого уровня);
Языки обработки символов (LISP, Smalltalk);
Языки обработки знаний (PROLOG);
Системы автоматизированной обработки (CLIPS, KEE);
Оболочки экспертных систем (EXPERT);
Интегрированные инструменты системы (KEATS).
3 РАЗРАБОТКА ЭС «НОУТБУКИ»
3.1. Формализация задачи – дерево решения задачи
Базируясь на знаниях эксперта графически диаграмму всех возможных исходов данной ЭС можно представить в виде рисунка 1.
Рисунок 1 – Дерево решения задачи
Но данная ЭС является неполной и должна быть более глубокой и, помимо процессора и видеочипа, определять количество оперативной памяти и емкость жесткого диска у определенного производителя. В этом случае для ноутбуков с процессором «AMD» и «Intel» должно быть построено свое «дерево решений», каждое из которых соответствует своему видеочипу, и будет уже представлено в виде «поддерева решений», которое можно представить в виде рисунка 3.
Рисунок 2 – «Поддерево 1» решения задачи с CPU – AMD, GPU – AMD.
Аналогичным образом строятся «поддеревья» для ноутбуков с процессором «Intel».
Рисунок 3 – «Поддерево 2» решения задачи с CPU – Intel, GPU – AMD.
Рисунок 4 – «Поддерево 3» решения задачи с CPU – Intel, GPU – Intel.
Рисунок 4 – «Поддерево 4» решения задачи с CPU – Intel, GPU – nVidia.
3.2. Формирование правил – схема
На рисунке 5 графически представлено формирование правил для главного дерева.
Рисунок 5 – Формирование правил
На рисунке 6 графически представлено формирование правил для поддерева с процессором «AMD» и видеочипом «AMD».
Этапы проектирования интеллектуальных систем. Разработка дерева решений для экспертной системы "Выбор ноутбука", его преобразование в правила. Создание правил, их соответствие путям, ведущим к возможным целям дерева решений. Применение дерева решений.
Рубрика | Программирование, компьютеры и кибернетика |
Вид | курсовая работа |
Язык | русский |
Дата добавления | 27.09.2014 |
Размер файла | 237,0 K |
Подобные документы
Разработка и анализ подпрограммы построения двоичного дерева для массива целых чисел. Ознакомление с условиями переопределения ссылок. Исследование и характеристика понятия сильноветвящегося дерева - дерева, имеющего вершины со многими потомками.
практическая работа, добавлен 20.12.2021
Два способа уменьшения времени вычисления дерева решений для задач линейного параметрического программирования с помощью параллельных вычислений. Результаты применения обоих способов, направление дальнейших исследований: повышение мелкости подзадач.
статья, добавлен 23.10.2016
Сущность понятия "экспертная система", сферы и цели её применения. Структурные компоненты типичной экспертной системы. Особенности представления знаний в интеллектуальных системах в виде правил и фреймов. Этапы и участники разработки экспертной системы.
презентация, добавлен 28.03.2015
Причины перегрева для ноутбука. Анализ технических характеристик систем охлаждения портативного переносного компьютера. Особенности температурно-теплового режима. Защита системы охлаждения ноутбука от перегрева и обеспечение нормальной его работы.
контрольная работа, добавлен 02.08.2015
Сущность методов отсечения. Оптимизация решений с использованием метода ветвей и границ. Правила построения дерева вариантов. Способ оценки верхней границы решения. Особенности оптимизации решений с использованием методов динамического программирования.
курсовая работа, добавлен 17.07.2017
Функциональное устройство ноутбука. Его неисправности, их признаки и причины возникновения. Проведение профилактического обслуживания ноутбука. Инструкция по проведению диагностики и ремонта переносного компьютера. Правила организации рабочего места.
курсовая работа, добавлен 29.03.2022
Изучение теории продукционных моделей и экспертных систем, а также предметной области, необходимой для реализации экспертной системы. Проектирование и разработка экспертной системы определения неполадок в работе автомобиля по характерным признакам.
курсовая работа, добавлен 24.04.2020
Характеристика методов проектирования экспертной системы для выбора помещения для подбора помещения для аренды. Анализ предметной области, разработка документации по программному обеспечению. Основные понятия, классификация и структура экспертных систем.
курсовая работа, добавлен 05.05.2020
Функции управления экономическими системами. Назначение семантических сетей. Алгоритм построения бинарного дерева. Этапы разработки систем автоматического управления. Классификация автоматизированных рабочих мест. Основные блоки экспертной системы.
контрольная работа, добавлен 10.04.2009
Экспертные системы в информатике, особенности их применения. Основные компоненты типичной статической экспертной системы, режимы ее работы. Синтаксис языка для написания программ CLIPS: факты, правила, функции. Описание реализации экспертной системы.
Читайте также: