- •4. Прямая цепочка рассуждений и алгоритм ее реализации.
- •Вопрос 6. Система guru. Основные характеристики и назначение системы. Функциональные возможности системы
- •Основные функциональные возможности guru
- •Вопрос 7. Основной интерфейс пользователя с системой guru. Понятие сеанса. Принципы построения меню Меню эксперта и пользователя. Вход в систему
- •Создание и редактирование набора правил в guru, используя команды меню
- •Выражения в системе guru
- •9. Синтаксис набора правил в guru и работа с правилами.
- •1. Работа с правилами в guru.
- •Приоитет и стоимость
- •2. Синтаксис набора правил
- •10 Функции системы guru
- •11. Команды ввода/вывода в guru. Создание форм. Работа с процедурами.
- •12. Операторы, макроопределения и шаблоны в guru.
- •13. Работа с таблицами и записями в guru.
- •14 Построение программы эс в guru.Объяснение полученного решения.
- •15. Нечеткая логика и ее применение в эс. Понятие степени принадлежности. Пример.
- •16. Методы работы с нечёткими правилами с использованием степени принадлежности
- •17. Работа с нечёткой логикой в guru.Оценка достоверности выражений и вывода.
- •18 Инструментальные средства создания продукционных экспертных систем.
- •19. Представление знаний с использованием семантических сетей. Определение сети. Структурообразующие операции. Классификация сетей.
- •Классификация сетей.
- •20. Семантические сети. Шкалы оценки семантической близости. Семантические группы понятий. Представление семантических групп в базе данных. Словарь системы.
- •Оценка близости сг в шкалах Осгуда.
- •21. Метод семантических групп. Представление связей. Вывод результата в семант. Сети.
- •Формализация сг. Логический вывод
- •22. Построение семантической сети, релевантной запросу. Вопросно-ответные системы. Языковые уровни. Проблемы организации естественно-языкового интерфейса.
- •Общая структура обработки вопроса
- •Структура сложных вопросов
- •Тезаурус. Принцип построения словаря.
- •Проблема формального представления смыслового содержания вопроса
- •23. Фреймовые модели представления знаний. Понятие фрейма и его структура. Примеры.
- •24. Реализация фреймовых систем. Связь с объектно-ориентированным программированием. Язык описания фреймов rll.
- •26 Язык представления знаний frl. Поддержка сети фреймов. Ако-связи. Поиск по образцу. Пример.
- •27. Динамические эс. Общая структура. Система g2. Общая характеристика. Состав подсистем. Технология разработки приложений.
- •33. Планировщик. Scheduler
14 Построение программы эс в guru.Объяснение полученного решения.
Построение экспертной системы.
Набор правил сохраняется в файле с расширением *. rss. После компиляции получается рабочий файл с расширением *.rsc.
Кроме того, есть файлы с расширением *.ipf, в них можно хранить формы, диалоги и т.д.
В программе необходимо предусмотреть главное меню с 4 омновными пунктами:
Задание
Режим эксперта
Режим консультации
Выход
В режиме эксперта требуется реализовать объяснение полученного решения, системы правил, редактирования правил в рамках задания.
В режиме консультации система задаёт вопросы и принимает ответы с помощью меню или полей ввода.
Объяснение полученного решения.
В правилах есть часть REASON, где можно написать объяснения правила < 255 символов.
В части THEN правила можно ввести дополнительный текст (завести переменную или даже массив переменных) .
ПРИМЕР: Введено нет диплома о в.о. Т.к. у вас нет диплома о в.о. по специальности, то возможны варианты: должность техника или отказать в приёме.
Этот текст можно записать в файл, имя которого храниться в утилитной переменной #DSOUT. Затем можно прочитать этот файл командой LIST.
Также можно накапливать объяснения по дереву принятия решений.
Пример: Топливо поступает в двигатель? Да
Двигатель вращается? Нет
Фары горят? Да
Неисправен стартер.
Объяснение: было установлено, что: Топливо поступает в двигатель, двигатель не вращается. Следовательно, сработало правило такое-то...
15. Нечеткая логика и ее применение в эс. Понятие степени принадлежности. Пример.
Большинство практических задач имеет нечетко определенные переменные, обладают неполнотой при подстановке, часть идентификации может отсутствовать или быть введена с ошибками.
Чтобы повысить устойчивость ЭС, были введены методы для работы с нечеткой логикой.
Имеется четыре основных подхода к работе с нечеткими переменными:
нечеткая, в том числе немонотонная, логика – основана на понятии степени принадлежности элемента множеству;
логика с изменяющимися правилами в процессе вывода;
нечеткие рассуждения на основе факторов уверенности (Стенфордская школа);
нечеткие рассуждения на основе теории вероятностей (формула Байеса, байесовский подход).
Понятие нечеткого множества впервые ввел математик Lotfi Zadeh (Лотфи Заде).
Он оперирует понятиями: true, false, unknown. Значение неизвестно вносит нечеткость в значение.
Мера правдоподобия: truth € [0,1]
0- false- шкала правдоподобия
1- true,
Truth (не х) = 1 – truth(х)
Truth (х or у) = max (truth(x), truth(y))
Truth (х and у) = min (truth(x), truth(y))
Пусть мы имеем множество:
S = {s1,s2,…,si,…,sn}, i=1,n
, U – подмножество
Т.о. в четкой логике мы рассматривали U: (проекцияS на B), B={0,1}
Проекция – это объединение множеств так, что образуются пары (Si, )
четкая логика
Zadeh предложил использовать термин нечеткое множество:
B=[0,1] – интервал от 0 до 1, включая 0 и 1.
S1, 0.3 – коэффициент =[0,1]
- число, которое характеризует степень принадлежности элемента i к множеству U(S)
Пример:
Пусть S – множество всех моделей, выделим среди них высоких: , высокий 200см (h>200)^ четко.
Низкорослые: h<150 до 200 определяем степень принадлежности:
График степени принадлежности высоких людей:
1
0,4
h, см
150
200
170
Пусть h=170 см
, следовательно, скорее низкий