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:

1. Задание

2. Режим эксперта

3. Режим консультации

4. 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.

1. В правилах есть часть REASON, где можно написать объяснения правила < 255 символов.

2. 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.

3. 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:

1. нечеткая, в том числе немонотонная, логика – основана на понятии степени принадлежности элемента множеству;

2. логика с изменяющимися правилами в процессе вывода;

3. нечеткие рассуждения на основе факторов уверенности (Стенфордская школа);

4. 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