سیستمهای خبره وطراحی یک سیستم خبره تجاری فرضی

سیستمهای خبره وطراحی یک سیستم خبره تجاری فرضی رحمت ذوالفقاری ZOLFAGHARI@CE.SHARIF.EDU

:es 1) - سیستم هایی هستند بر پایه دانش که از دانش ذخیره شده درخود استفاده میکنند تابه عنوان مشاور عمل نمایند که با استفاده از دانش ورویهء استنتاجی به حل مسائل میپردازد. 2) - سیتم هایی هستند که درمحیط برنامه سازی منطقی نوشته میشوند . 3) - تقلیدی از نیروی فکر و مغزانسان است که از طریق آن سعی میشود رفتار انسان شبیه سازی شود .

سیستم های خبره شاخه ای از علم هوش مصنوعی است كه سابقه آن به جنگ جهانی دوم بر می گرددکه تلاشهايي در جهت توسعه تكنيكهای خاص كامتيوتری انجام گرفت .

:(es کاربردها ی سیستم های خبره ( 1)- مسایل ساخت یافته : مانند سیستم بیمه اتومبیل 2)- مسایل نیم ساخت یافته : مانند پیش بینی نوسانات بازارسهام (که سیستم مکا شفه ای و از آمارو احتمالات استفاده میشود). سیستم های خبره ازبايگاه دانش موجود در خود استفاده ميكنند كه شامل دو بخش ميباشند: 1)- قوانين:عمومي بوده كه تمام متخصصين روی آن اتفاق نظر دارند 2)-ابتكاري واكتشافي: مانند قوانين منطق و حدس هاي مناسب .

بطور كلي سطح كارايي سیستم های خبره وابستهبه كميت و كيفيت پایگاه دانش ميباشد .

مزاياي يك سیستم خبره : تقليد رفتارانسان - پاسخ سريع به مديران – جمع اوري اطلاعات و قرار دادن در فرم هاي مناسب تعامل با كاربر- انجام كارهاي پيجيده با دقت بالا – ارايه راه حل متنوع و هوشمندانه – نگهداري دانش – توزيع دانش – امکان دسترسی به دانش – رقابت اقتصادی . • تاکنون بیشتر کاربردهای esها در انجام وظایف تکراری واداری مانند تجارت و پزشکی بوده است. • معایب سیستم های خبره : هزینه سنگین – تغییر پیوسته دانش و قدیمی شدن پایگاه دانش es - عدم پاسخ گویی به تمام نیازها .

روش es با روشهای الگوریتمی متفاوت می باشد . • روشهای الگوریتمی روش گام به گام می باشد مانند تولید لیست حقوق کارمندان. • ولی es دارای روش آزمون وخطاست . با اتکا به تعدادی منبع برای یک هدف از پیش تعین شده را حل میکند مثلا” تشخیص نقص کامپیوتر یا جستجوی اتوموبیل برای جای پارک که بر پایه جستجو فضای حالت میباشد (که جستجو میتواند کور کورانه یا ذهنی باشد )

معماری سیستم خبره مساله پایگاه دانش و حقایق قاعدها توصیف مساله در قالب اعمال وضعیت مشخص کردن دامنه جستجو موتور استنتاج و کنترل استنتاج مشخص کردن دانش که برای جستجو است تیین پایگاه دانش و موتو جستجو زیر سیستم یادگیری ودانش زیر سیستم تشریح واسط کاربر پیاده سازی و تست سیستم خبره یا مهندس دانش کاربر سیستم خبره بر پایه دانش

- قاعده ای : پرکاربردترین – استفاده از منطق - مفهومی - چارچوبی مثال جمله ای : - یک فرد 18سال مذکر باید به سربازی برود - علی 18 سال دارد - علی مذکر است پردازش در es نتیجه گیری : علی باید سربازی برود

گزاره ای : که علاوه برمنطق جمله ای استفاده از روابط و سورهای ریاضی در واقع این قاعده ها در پایگاه دانش es میباشد این قاعده ها دارای 2 بخش می باشد: مقدم (اگر ) تالی (آنگاه) مثال : اگر معدل زیر 12 آنگاه مشروطی.

حال اجرای این قاعده 2 راه دارد: 1- پیش رو : از حالت اولیه رسیدن به هدف “مثال پاسخگویی تلفنی یک زنجیره پیش رو است “سیستم در ابتدا به مشتری اطلاع میدهد . با فشار هر کلید توسط کار بر سیستم به شاخه موردنظر میرود وکار را ادامه میدهد . برای امور مشترکین کلید1 را فشار دهید 2- پس رو: کار بر سوال به سیستم میدهد وسعی میکند جواب آن را بیابد سئوال : بهترین حرکت را از سیستم میپرسد ؟ سیستم حالتهای مختلف را با هم مقایسه میکند وبهترین حرکت را مشخص می کند. مانند: بازی شطرنج

کاربرد قوانین در نمایش دانش سیستم های خبره: سیستمهای خبره به خاطر پردازش دانش با برنامه های رایج متفاوتند. این دانش در کامپیوتربه صورت قوانین نمایش داده میشود. (که ترکیبی از ( and,or,if,then,else مثال : اگر متقاضی خانه را دوست دارد وخانه ارزش بازدید دارد پس متقاضی را راهنمایی کنید.

مجموعه قوانین در این روش پایگاه دانش نامیده میشود . چون es ها از قوانین استفاده میکنند سیستمهای متکی به دانش نامند. نمایش دانش : 1)- استنتاجی قیاسی مانند: تقاضا برای خانه 2) – استنتاجی استقرایی مثال: - حیوانات غذا می خورند. - همه کانگورها غذا می خورند. (استفاده از ذهن و حواس پنجگانه)

سیستمهای متداول قرا ردادی میباشند. تفاوت esها وسیستم های قراردادی: سیستمهای قراردادی : الگوریتمی – دستکاری داده ها داده به صورت آرایه ورکورد – داده و کنترل مرتبط (الگوریتم + داده) Es : هیوریستیک – سمبل ها – دانش به صورت قانون موتور استنتاج جدا از دانش ( استنتاج + دانش)

اکتساب دانش : - دستی : مصاحبه کار شناسان و طراحی توسط مهندسین دانش - نیم خودکار : طراحی پایگاه توسط کارشناسا ن - خودکار : طراحی پایگاه توسط کارشناسان و مهندسین دانش انواع مصاحبه: -جهت دهنده : متخصص در صحبت آزاداست مهندس دانش فقط با سوالات کلی متخصص را هدایت میکند. - ساخت یافته : دستیابی به جزئیات بیشتر و مفاهیمی که مطرح شده است. - متفکرانه : از متخصص خواسته می شود تمام افکارش را در مورد کارش بیان کند.

مهندس دانش باید : توانایی تشخیص صحیح و کامل دانش - توانایی بازنمایی دانش( گذاشتن در پایگاه ) – استنتاج (طراحی نرم افزاری که با دانش پایگاه واطلاعات کاربر کمک به کاربرکند) – تبیین وتوجیه

ابزارهای توسعه سیستم خبره ابزارهای سیستم ابزارهای کمکی ساخت سیستم –ابزارهای پشتیبانی توسعه – نرم افزارهای توسعه سیستم موتورهای استقراری ابزارهای مصنوئی – پوسته ها – زبانهای برنامه سازی ویرایشگرها- امکانات توضیح – ابزارهای کمکی- ,ورودی و خروجی Kee,loops, art_im Vp_expert crystal زبانهای هوش مصنوعی C,ada,smaltalk Lisp,prolog

قیمت تخفیف تحویل خلوص کد بلندمدت اعتبار استاندارد الف d= ب 2100 2150 2150 1950 1900 20% 5% 10% 2%4% 15 30 14 20 40 90% 90.5% 96% 94% 98% بله بله خیر بله بله 5-10 40-50 20-30 10-15 5-10 دارد دارد نسبتا دارد ندارد ندارد ایران ایرن و ایزو ایران --- ایران پ ت ث مقادیر کمی مقادیر کیفی

قیمت تخفیف تحویل خلوص کد بلندمدت اعتبار استاندارد --- + -- + + + + + شاخص بار معنایی خیر بلی 7 1 3 5 9

قیمت تخفیف تحویل خلوص کد بلندمدت اعتبار استاندارد الف • d= ب 2100 2150 2150 1950 1900 20 5 10 24 15 30 14 20 40 90 90.5 96 94 98 9 9 1 9 9 7.5 45 25 12.5 7.5 9 9 5 1 1 2 3 2 1 2 پ ث تبدیل مقادیر کمی مقادیرکیفی

d= بی مقیاس کردن 0.9047 0.8837 0.8837 0.9743 1 1 0.25 0.5 0.1 0.2 0.9333 0.4666 1 0.7 0.35 0.9137 1 0.9746 0.9543 0.9949 1 1 0.11 1 1 0.1666 1 0.5555 0.1111 0.1111 1 1 0.5555 0.1111 0.1111 0.6666 1 0.6666 0.3333 0.6666 - بار :: مولفه جدیید ستون:: بار + همان عدد در آن ستون کوچکترین عدد در آن ستون همان عدد در آن ستون بزرگترین عدد در آن ستون

Pij = rij ∑rij pij= 0.2048 0.2097 0.2097 0.1902 0.1853 0.4878 0.1219 0.2439 0.0478 0.0975 0.126 0.2521 0.1176 0.1680 0.3361 0.1888 0.2067 0.2014 0.1972 0.2056 0.2432 0.2432 0.0270 0.2432 0.2432 0.0769 0.4615 0.2564 0.1282 0.0769 0.36 0.36 0.2 0.04 0.04 0.2 0.3 0.2 0.1 0.2 ∑rij = 10 25 97.7 37 476.5 119 41 10250

EJ=-K{∑(PIJ ln(pij) ) ,k=1/ln4) DJ=1-EJ , WJ=DJ/(∑DJ) 1.1597 0.9557 1.1008 1.1603 1.0624 0.9836 0.9484 1.1231 Ej 0.1597 0.0443 0.1008 0.1603 0.0624 0.0164 0.0516 0.1231 Dj WJ 0.2222 0.0616 0.1402 0.2230 0.0868 0.0228 0.0718 0.1713 محاسبه اوزان شاخص

شاخص ها قیمت تخفیف تحویل خلوص کد بلندمدت اعتبار استاندارد اوزان مدیریت 6 2 3 6 5 3 5 3 33/5 33/6 33/6 33/3 33/2 33/5 33/3 33/3 (اوزان نهایی ) ｽJ ∑(ｽJ)= 33

W′J = ｽJ - WJ ∑ｽJ*WJ 0.2222 0.0616 0.1402 0.2230 0.0868 0.0228 0.0718 0.1713 WJ 0.1818 0.0909 0.0606 0.1515 0.1515 0.0909 0.0909 ｽJ 0.1818 0.403 0.0065 0.0155 ｽJ*WJ 0.0093 0.0254 0.0202 0.0052 0.0034 0.1528 W′J 0.3232- 0.2096- 0.6432- 0.7192 1.0568- 1.0296 0.3228 ∑ｽJ*WJ =0.125

* ماتریس بی مقیاس شده = نتیجه نهاییW′J الف - 2 D* 0.3232- 0.5422- 0.7192 ب - 3 0.6777- 0.3228 0.4183 1.0568- پ-1 = 0.2096- 1.1390- 1.0296 1.5641- ت - 4 0.1528 0.6432- ث - 5

1- سیستم های خبره و الگوی هوشمند تصمیم گیری دکترشعبان الهی ودکتر علی رجب زاده چاپ وزارت بازرگانی 2 – سیستم های خبره مولف : کیس دارلینکتون مترجم : مهندس همایون موتمنی 3 – تحقیق در عملیات و تصمیم گیریهای چند معیاره دکتر اصغر پور استاد دانشکده مدیریت دانشگاه تهران expert system for scientific computing E.N.Houstis, i.r.rice and r.v.chaevetsky(eds) Elsevier science publisher b.v(north holand) - 4

سیستمهای خبره وطراحی یک سیستم خبره تجاری فرضی

سیستمهای خبره وطراحی یک سیستم خبره تجاری فرضی

Presentation Transcript