1 / 32

Systemy ekspertowe

Systemy ekspertowe. Etapy tworzenia systemu ekspertowego. zdefiniowanie problemu - identyfikacja gromadzenie wiedzy (inżynier wiedzy + ekspert w danej dziedzinie) formalizacja wiedzy (metody reprezentacji wiedzy) realizacja weryfikacja. Rodzaje systemów ekspertowych. systemy dedykowane.

hachi
Download Presentation

Systemy ekspertowe

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Systemy ekspertowe

  2. Etapy tworzenia systemu ekspertowego • zdefiniowanie problemu - identyfikacja • gromadzenie wiedzy (inżynier wiedzy + ekspert w danej dziedzinie) • formalizacja wiedzy (metody reprezentacji wiedzy) • realizacja • weryfikacja

  3. Rodzaje systemów ekspertowych systemy dedykowane są to systemy z zaszytą w nich wiedzą, tworzone na konkretne zamówienie systemy narzędziowe systemy z pustą bazą wiedzy, umożliwiające użytkownikowi wprowadzenie własnych informacji, z którymi ma pracować system (zwane czasem szkieletowymi)

  4. Ze względu na metodę prowadzenia procesu wnioskowania systemy ekspertowe dzieli się na: ·          z logiką dwuwartościową (Boole’a), ·          z logiką wielowartościową, ·          z logiką rozmytą. Ze względu na rodzaj przetwarzanej informacji systemy ekspertowe dzielą się na dwie grupy: ·          systemy z wiedzą pewną, czyli zdeterminowaną, ·          systemy z wiedzą niepewną, w przetwarzaniu której wykorzystuje się przede wszystkim aparat probabilistyczny.

  5. Maszyna wnioskująca(inference engine) Wnioskowanie w systemie ekspertowym jest procesem wyszukania konkluzji przy wykorzystaniu zbioru reguł i faktów w konkretnej sytuacji, w określonych warunkach.

  6. Zadania maszyny wnioskującej Maszyna wnioskująca ma dać odpowiedź na następujące pytania: 1. jak zacząć proces wnioskowania 2. którą regułę zastosować, gdy jest kilka reguł aktywnych 3. jak znaleźć następne reguły

  7. Podstawowe lematy logiki stosowane w algorytmach wnioskowania Modus ponens Modus tollens Syllogizm (przechodniość) Kontrapozycja

  8. Algorytmy wnioskowania - algorytm wnioskowania do przodu Wnioskowanie rozpoczyna się od analizy faktów. Na podstawie dostępnych reguł i faktów generowane są fakty tak długo, aż wśród nich znajdzie się poszukiwany przez użytkownika cel lub aż zabraknie reguł. fakty CEL reguły

  9. Algorytmy wnioskowania - algorytm wnioskowania wstecz W tym algorytmie zaczyna się od hipotezy i poszukuje się argumentów (dowodów), które ją potwierdzą lub obalą. ? fakty CEL reguły

  10. Przykład Baza wiedzy fakty: A, B, C, D, E reguły: R1: ifA and B then F R2: if C and D then G R3: if F and G then H R4: if E and H then CEL szukana: CEL

  11. Porównanie algorytmów • Wnioskowanie wstecz łatwo się programuje (rekurencja) • W przypadku wnioskowania wstecz generowana jest mniejsza liczba faktów, niż w przypadku wnioskowania do przodu (+/-) • Wnioskowanie mieszane jest przydatne w rozwiązywaniu problemów, wymagających bardzo skomplikowanej sieci zależności reguł. Wymaga jednak istnienia w systemie dodatkowych metareguł określających kiedy jakie wnioskowanie może być użyte oraz implementacji obu sposobów wnioskowania.

  12. Moduł objaśniający Zadanie: na żądanie uzasadnianie otrzymanych konkluzji. Odpowiedzi na pytania użytkownika • “jak?”- czyli prześledzenie procesu wnioskowania, który doprowadził do konkluzji. • “dlaczego?”- zadawane najczęściej wtedy, gdy system próbuje dowiedzieć się o jakąś dodatkową daną; jest to żądanie wyjaśnienia, do czego ta dana jest systemowi potrzeba. • “dlaczego nie?”- wyjaśnienie dlaczego dana została odrzucona lub nie wzięta pod uwagę. • “a co jeśli?”- system pokazuje wnioskowanie i odpowiedź przy założeniu zmiany faktu czy treści reguły.

  13. Obszary zastosowań • klasyfikacja – na podstawie przesłanek otrzymuje się wynik, określenie stanu czy klasy do którego obiekt należy (np. medycyna - MYCIN) • plan – poszukiwanie aranżacji, a często porządku elementów (lotnictwo - GATE) • prognoza – na podstawie istniejących danych przewiduje się stan przyszły (zarządzanie, inżynieria środowiska)

  14. Zastosowania • EXGAME- system ekspertowy zastępujący w grze biznesowej współgracza (International Journal of Intelligent Systems in Accounting, Finance & Management, vol. 7, 1, 1998) • FINEVA - System Wspomagania Decyzji w Analizie Finansowej z wbudowanym systemem ekspertowym(Expert Systems With Applications, vol. 12, 2, 1997) • EXSYS - narzędziowy system ekspertowy

  15. FINEVA kryteria oceny

  16. FINEVA - przykłady reguł R99: if solvency=very_satisfactory and Managerial-performance=satisfactory and (profitability=stisfactory or profitability=very-satisfactory) then financial-status=very-satisfactory R1607: if financial-status=very-satisfactory and (qualitative-evaluation=satisfactory or qualitative-evaluation=very satisfactory) then expert-system-evaluation=very satisfactory

  17. Eutro WODA - baza danych Tabela odcinków rzek Nazwa pola Opis Rkey identyfikator odcinka rzeki Rnam nazwa rzeki Isdat flaga określająca, czy dostępne są dane tego odcinka hpos punkt początkowy odcinka hdes punkt końcowy odcinka

  18. WODA - model złożony m. hydrauliczny m. termiczny m. biochemiczny

  19. WODA - model złożony Problemy: • zgodność danych wyjściowych i wejściowych • typ modelu (statyczne, dynamiczne, wzdłuż linii charakterystyk) • wykalibrowanie na odpowiednich odcinkach rzeki

  20. WODA - parametry modeli

  21. WODA - badanie zgodności rzek Q zgodność przepływu rzek A i X V zgodność prędkości średniej rzek A i X T zgodność typu rzek A i X R zgodność regulacji rzek A i X Z zgodność typu zanieczyszczeń rzek A i X S zgodność zacienienia rzek A i X G zgodność strefy klimatycznej rzek A i X W zgodność wysokości n.p.m. rzek A i X

  22. WODA - badanie zgodności rzek 1. wszystkie podobieństwa cząstkowe różne od zera Pi – podobieństwo parametru i 2. jedno z podobieństw cząstkowych równe zero - reguły 3. co najmniej dwa podobieństwa cząstkowe równe zero -rzeki niepodobne

  23. Baza wiedzy Fakty: typ silnika= odrzutowy pozycja skrzydeł=wysoka wybrzuszenia=brak

  24. Stany reguł i przesłanek

  25. Rozumowanie do przodu

  26. Rozumowanie do przodu

  27. Rozumowanie do przodu

  28. Rozumowanie do przodu C5A

  29. Rozszerzenia • logika rozmyta • sieci neuronowe • algorytmy genetyczne

  30. Literatura • J. J. Mulawka „Systemy ekspertowe”, WNT, 1996 • J. P. Ignizio „Introduction to Expert Systems”, McGraw-Hill, Inc., 1991 • A. Kwiatkowska „Systemy Wspomagania Decyzji dla inżynierów środowiska”, skrypt PW, w przygot.

  31. M. Pańkowska i H. Sroka „Systemy Informatyczne Bankowości”, Wydawnictwo Uczelniane Akademii Ekonomicznej im. Karola Adamieckiego w Katowicach • International Journal of Intelligent Systems in Accounting, Finance and Management, John Wiley & Sons, University of Southern California,

  32. Heurystyka heurisco (gr.) - odkrywać, znajdować • nauka o metodach i regułach rządzących dokonywaniem odkryć i tworzeniem wynalazków • metodologia twórczego rozwiązywania zadań • podejście mające na celu twórcze rozwiązanie problemu, zarówno logicznego, kierowniczego jak i matematycznego (np. rozwiązanie zadania, zbudowanie definicji) szczególnie przez eksperyment, często przy pomocy metody prób i błędów, odwoływania się do analogii, uogólnień • zbiór odkrywczych technik pozwalających na szybkie i skuteczne odnalezienie rozwiązań problemów dających się sformułować w sposób ilościowy, wykorzystujących przeważnie metody samouczenia się maszyn (np. poprzez sprzężenie zwrotne) w celu poprawy wyników

More Related