专家系统
第12章_专家系统
专家系统的结构
概念结构 实际结构 网络与分布式结构 黑板模型
概念结构
实现推理的程序 用户通过界面向系 。使用知识库中 统提出或回答问题， 统提出或回答问题， 的知识进行推理 向系统提供原始数 而解决问题的， 而解决问题的， 知识库是以某种 据和事实。 据和事实。系统通 是专家的思维机 表示形式存储于 过界面向用户提出 制。 计算机中的知识 回答结果。 回答结果。 的集合。 的集合。包括专 推理过程中， 推理过程中 家知识、 ，回答 家知识、领域知 why之类的问题 之类的问题； 之类的问题 识和元知识。 识和元知识。 ；
推理结束后， 推理结束后，回答 管理知识库的建立。 how之类问题存放 之类问题。 之类问题 全局数据库， 全局数据库， 删除重组，知识的 删除重组， 初始证据事实、 初始证据事实、推 获取、 获取、知识的检查 理结果和控制信息 的场所。 的场所。
实际结构
（1）实际问题错综复 杂，可能需要多次推 理，所以知识库是多 层的或多块的。 （2）实际问题往往 不仅需要推理，而且 还需要做一些处理， 所以增加处理模块。
3.推理网络 在PROSPECTOR中，判断性知识用规则表 示。每条规则的形式如下： E→H(LS，LN) 推理网络中每条规则的LS、LN及每个语义 空间H的P(H)均由领域专家在建造知识库时提 供。 除了表示规则的弧外，推理网络中还有代 表先后顺序的弧(用虚线表示，见图8-10)，其 意义如下：
专家系统设计与实现
12.5.1 一般步骤与方法 由于专家系统也是一种计算机应用系统， 所以，一般说来，其开发过程也要遵循软件工 程的步骤和原则，即也要进行系统分析、系统 设计等几个阶段的工作。但又由于它是专家系 统，而不是一般的软件系统，所以，又有其独 特的地方。如果我们仅就“纯专家系统”而言， 则其设计与实现的一般步骤可如图8―13所示。
专家系统
特征识别与信息处理(FR＆IP)部分的作用是实现 对信息的提取与加工，为控制决策和学习适应提供依 据。它主要包括抽取动态过程的特征信息，识别系统 的特征状态，并对特征信息作必要的加工。
设U为专家控制器的输出集， E为专家控制器的输入集， I为推理机构的输出集，K为经验知识集：
E = (R, e, Y, U)，e = R – Y
式中，Ｒ为参考控制输入，ｅ为误差信号，Ｙ为受控输出， Ｕ为控制器的输出集。专家控制器的模型表示为
U = f (E,K,I)
智能算子f为几个算子的复合运算：f=g·h·p，其中： g:E→S；h:S×K→I；p:I→U
专家系统所要解决的问题一般没有算法解，并 且经常要在不完全、不精确或不确定的信息基础 上做出结论。
第一代专家系统只能利用人类专家的启发式知 识，即只能利用浅层表达方式和推理方法。
但遇到新问题时，还必须利用掌握的深入表示 事物的结构、行为和功能等方面的基本模型等深 层知识，得出新的启发式浅层知识。
智能程序：旨在模拟人类专家的智能程序应当 兼备浅层和深层两类知识。即不但采用基于规则 的方法，还必须采用基于模型的原理构成新一代 专家系统。
知识工程是指由知识工程师从人类专家那里抽 取他们求解问题的过程、策略和经验规则，然后 把这些知识建造在专家系统之中。
目前，专家系统在各个领域中已经得到广 泛应用，如医疗诊断、语音识别、图像处理、 金融决策、地质勘探、是有化工、军事、计 算机设计等。
专家系统具有启发性，能够运用人类专 家的经验和知识进行启发式搜索、试探性 推理、不精确推理或不完全推理
人工智能专家系统
人工智能专家系统人工智能（Artificial Intelligence，简称AI）专家系统是一种基于计算机技术和人类专家经验的智能化系统。
它能够模拟和实现人类专家在特定领域的问题解决能力，可以用于辅助决策、问题诊断和解决方案推荐等方面。
本文将从专家系统的定义、原理、组成和应用等四个方面进行论述。
一、专家系统的定义专家系统是一种基于知识工程的人工智能系统，它通过模拟和利用领域专家的经验和知识来解决特定领域的问题。
专家系统主要由知识库、推理机和用户界面三部分组成。
知识库存储了经验和知识，推理机则对知识进行推理和运算，用户界面则提供了用户与系统进行交互的接口。
二、专家系统的原理专家系统的原理可以概括为知识获取、知识表示、知识推理和知识应用四个步骤。
知识获取是指将专家的经验和知识进行提取和整理，并存储到系统的知识库中；知识表示是指将知识以适当的形式进行表达和组织，以便系统能够理解和推理；知识推理是指根据系统中的知识，通过推理机对问题进行分析和推理；知识应用是指将推理得到的结果转化为实际解决方案，供用户使用。
三、专家系统的组成专家系统主要由知识库、推理机和用户界面三部分组成。
知识库是专家系统存储知识和经验的地方，常见的形式包括规则库、案例库和模型库等。
推理机是专家系统进行推理和运算的核心组件，它能够根据知识库中的知识进行逻辑推理和问题求解。
用户界面则提供了用户与系统进行交互的接口，使用户能够方便地向系统提供问题并获取解决方案。
四、专家系统的应用专家系统在各个领域都有广泛的应用。
在医疗领域，专家系统可以用于辅助疾病诊断和治疗方案选择；在金融领域，专家系统可以用于风险评估和投资决策；在工业领域，专家系统可以用于故障诊断和维修指导。
此外，专家系统还可以应用于法律、教育、交通等领域，为人们提供更加智能化和便捷化的服务。
综上所述，人工智能专家系统是一种基于计算机技术和人类专家经验的智能化系统。
它能够模拟和实现人类专家在特定领域的问题解决能力，具有广泛的应用前景。
第七章 专家系统
(a) 系统处理的数据随时间变化，而且可 能是不准确和不完全的。
(b) 系统需要有适应时间变化的动态模型， 能够从不完全和不准确的信息中得出预报， 并达到快速响应的要求。
预测专家系统的例子有气象预报、军事 预测、人口预测、交通预测、经济预测和谷 物产量预测等。例如，恶劣气候(包括暴雨、 飓风、冰雹等)预报、战场前景预测和农作物 病虫害预报等专家系统。
❖ 当前提为真时，该规则将前提与一个行为结 合起来，否则与另一个行为结合起来，并且 可以用一个-1到+1之间的数字来表示在该前 提下行为的可信程度。如一条判断细菌类别 的规则可表示如下：
❖ 其含意如下： 如果培养物的部位是血液 细菌的类别确不知道 细菌的染色是革蓝氏阴性 细菌的外形是杆状 病人被严重地烧伤 那么以不太充分的证据(可信程度0.4)说
7.1 专家系统概述
❖ 研究背景
专家系统（expert system expert system），是人工 智能应用研究领域中非常活跃和非常广泛的课题 之一。
❖ 定义
专家系统是一个含有大量的某个领域专家水平的 知识与经验智能计算机程序系统，它能够利用人 类专家的知识和解决问题的方法来处理该领域问 题。
(4) 解释器(explanator) 解释器能够向用户解释专家系统的行为，
包括解释推理结论的正确性以及系统输出其 它候选解的原因。
(5) 接口(interface) 接口又称界面，它能够使系统与用户进
行对话，使用户能够输入必要的数据、提出 问题和了解推理过程及推理结果等。系统则 通过接口，要求用户回答提问，并回答用户 提出的问题，进行必要的解释。
监视专家系统可用于核电站的安全监视、 防空监视与警报、国家财政的监控、传染病 疫情监视及农作物病虫害监视与警报等。粘 虫测报专家系统是监视专家系统的一个实例。
专家系统的名词解释
专家系统的名词解释
专家系统是一种人工智能系统,通过学习和分析大量专家知识和经验,为非专家用户提供智能化的建议和决策支持。
专家系统通常由以下几个部分组成:
1. 专家知识库:存储了专家的经验和知识,包括领域知识、规则、方法、技能等。
2. 模型:对专家知识库进行建模,建立一个可以识别和提取知识的方法,以便系统能够从数据中学习。
3. 推理引擎:根据用户提供的问题或输入,通过模型对专家知识库进行推理,并生成相应的建议或决策。
4. 用户界面:提供一个友好的用户界面,让用户可以方便地获取和使用系统提供的建议和决策。
专家系统的应用非常广泛,例如医疗诊断、金融风险评估、工业过程控制、项目管理等。
在医疗领域,专家系统可以帮助医生为患者提供个性化的治疗方案,在金融领域,专家系统可以帮助银行家评估投资风险并提供合适的投资建议,在工业领域,专家系统可以帮助工程师制定优化的工艺方案。
虽然专家系统已经取得了很大的进展,但仍然存在一些挑战和限制,例如知识库的更新和维护、模型的可解释性和安全性等。
因此,未来专家系统的发展将更加注重智能化、自动化和可解释性,以提高系统的实用性和可靠性。
第二章 专家系统概述
启发性 透明性 灵活性
第五节 专家系统分类
可按不同的标准进行分类.例如: 可按不同的标准进行分类.例如: 应用领域分类 可分为医疗,勘探,数学, 分类. 按应用领域分类.可分为医疗,勘探,数学,物 理,化学,气象,生物等; 化学,气象,生物等; 知识表示技术分类 基于规则的,逻辑的, 分类. 按知识表示技术分类.基于规则的,逻辑的,语 义网络,框架的专家系统等; 义网络,框架的专家系统等; 推理策略分 正向,反向,双向等; 按推理策略分.正向,反向,双向等; 采用不精确推理技术分 确定理论, 按采用不精确推理技术分.确定理论,主观 Bayes,模糊理论,D/S理论推理技术ES; 理论推理技术ES Bayes,模糊理论,D/S理论推理技术ES; 结构分 单和群ES ES; 按结构分.单和群ES;
第三节 专家系统的功能与结构
3.1: 3.1:功能
专家系统应当具备以下几个功能: 专家系统应当具备以下几个功能: 存储专业领域知识; 存储专业领域知识; 存储具体问题求解过程中的初始数据和推理过程中的各信息 与数据; 与数据; 利用已有知识解决专业问题; 利用已有知识解决专业问题; 对推理过程和结论作出必要的解释; 对推理过程和结论作出必要的解释; 提供用户接口; 提供用户接口; 提供知识获取,知识库修改完善等维护手段; 提供知识获取,知识库修改完善等维护手段;
事实:客观事物的状态,属性,特征及事物间关系. 事实:客观事物的状态,属性,特征及事物间关系. 信念:主要指事实的含义规则,语义说明. 信念:主要指事实的含义规则,语义说明. 启发式: 启发式:指能表达前提和结论间因果关系的一种形 式.
二:算法和启发式程序
算法是为求解一类问题而规定的一个可被机 械执行的确定步骤的有穷序列,具有如下性质: 械执行的确定步骤的有穷序列,具有如下性质: 通用性:能求解问题范围内的全部问题; 通用性:能求解问题范围内的全部问题; 确定性:算法中的问题求解状态, 确定性:算法中的问题求解状态,求解步骤应该 是精确唯一的. 是精确唯一的. 有效性:问题范围内的任何具体问题带入算法后, 有效性:问题范围内的任何具体问题带入算法后, 都可经有限步骤,达到期望结果. 都可经有限步骤,达到期望结果.
第8章 专家系统
2.专家系统的知识表示和推理
2.1 知识表示
知识表示是一种用来在专家系统的知识库中对知识编码的 方法。
2.1.1 知识的类型
◆过程性知识。描述如何解决问题，提供如何做事的建议。
◆陈述性知识。描述问题的相关已知信息，包括断定为真或 假的简单语句和一组更完整地描述一些对象或概念的语句。 ◆启发式 知识。描述引导推理过程的规则。它是经验性的， 并且表示专家通过求解过去问题的经验编译知识。专家将获 取有关问题的基本知识，如基本法则、函数关系等，并且把 它编译成简单的启发信息，以辅助问题求解。 ◆结构知识。描述知识的结构。这类知识描述专家对此问题 的整体智力模型。
(2)从处理问题的方法看，专家系统则是靠知识和 推理来解决问题（不像传统软件系统使用固定的算法 来解决问题），所以，专家系统是基于知识的智能问 题求解系统。
(3)从系统的结构来看，专家系统则强调知识与推 理的分离，因而系统具有很好的灵活性和可扩充性。
(4)专家系统一般还具有解释功能，即在运行过程 中一方面能回答用户提出的问题，另一方面还能对最后 的输出（结论）或处理问题的过程作出解释。
◆例子 ：VAX计算机结构设计专家系统、花布立体感图 案设计和花布印染专家系统、大规模集成电路设计专 家系统以及齿轮加工工艺设计专家系统等。
规划专家系统
◆任务 ：寻找出某个能够达到给定目标的动作序列或步 骤。
◆特点 ：所要规划的目标可能是动态的或静态的，需要 对未来动作做出预测，所涉及的问题可能很复杂，要 求系统能抓住重点，处理好各子目标间的关系和不确 定的数据信息，并通过实验性动作得出可行规划 。
站进行被修设备的调整、测量与试验。在这方面的实 例还比较少见。
教学专家系统
◆任务：根据学生的特点、弱点和基础知识，以最适当的 教案和教学方法对学生进行教学和辅导。
专家系统
从数据库中挖掘的规则可以有以下多种表达形式：关联 规则、特征规则、异常规则、转移规则、序列规则、分类和 聚类等。 数据挖掘的应用对象是大规模数据库，目标是发现数据 库中规律性的知识。数据挖掘提取的知识可以表示为概念、 规律、模式、约束和可视化。 在知识获取技术方面，基于数据挖掘的专家系统可以极 大缓解专家系统的知识瓶颈问题。它不再是知识工程师从领 域专家中提取规则，将其转换为知识，而是从领域专家提供 的大量数据中自动获取知识。数据挖掘中的数据预处理模块 可以在知识的获取中减小噪声数据的影响，提高知识获取的 正确性。 在推理技术方面，数据挖掘技术是以数据库系统、数据 仓库统计学等为基础的。而数据仓库主要特点就是：它是面 向主题的，库中的数据是多维的。数据挖掘器在推理时可以 根据不同需要将不同维度内的运行状态参数综合起来一起分 计算，即运用数据挖掘算法来进行全方位推理。这可以克服
你说: 苏格拉底 = TRUE 建议证实.
与家系统工作原理 ------正向推理(Forward Reasoning) (续) 总结：推理机的工作过程如下： （1）推理机将知识库中的规则前提与这些事实进行匹配；
一般是将每条规则的<前提>取出来，验证这些前提是否在
数据库中，若都在，则匹配成功；不然的话，则取下一条 规则进行匹配。 （2）把匹配成功的规则的<结论>作为新的事实添加到综合 数据库中。
在
此假设成立
结束
是
向用户提问
有此事实否？ 有 将事实记录数据库
无
找出规则之一的1个前提 作为新的假设 结束
或
反向推理原理图
与家系统工作原理 ------反向推理(Reverse Reasoning) （续）
该动物是金钱豹
专家系统概述
– 系统自身具有学习能力，能从系统运行中总结 出新知识，使知识库越来越丰富，完善。
➢ 具有灵活性
– 知识库—推理机分离。
2.专家系统的基本特征
➢ 具有透明性
– 透明性：是指系统自身及其行为能被用户所理 解。
– 解释机构：向用户解释它的行为动机及得出某 些答案的推理过程。
➢ 常规程序是精确的；专家系统不精确、模糊的。 ➢ 专家系统具有解释机构； 常规程序没有。 ➢ 常规程序与专家系统具有不同的体系结构。
4. 专家系统的分类
• 按专家系统的特性及处理问题的类型分类。
(1)解释型：从所得到的有关数据，经过分析、推理， 从而给出相应解释的一类专家系统。
• 特点：必须能处理不完全，甚至受到干扰的信息， 并能对所得到的数据给出一致且正确的解释。
1. 什么是专家系统
• 它是一个智能程序系统； • 它具有相关领域内大量的专家知识； • 它能应用人工智能技术模拟人类专家求解问题的
思维水平。 • 专家系统是一种具有大量专门知识与经验的智能 程序系统，它能运用领域专家多年积累的经验和 专门知识，模拟领域专家的思维过程，解决该领 域中需要专家才能解决的复杂问题。
– 详细设计要求完成的工作
• 进行模块化设计 • 模块间的界面要清晰，便于通信 • 便于实现
8. 专家系统的开发过程
• 知识获取
– 与领域专家交谈，抽取所需知识，掌握专家处 理问题的方法、思路
– 查阅有关文献、获得有关概念的描述、参数 – 对获得的知识进行分析、比较、归纳、整理、
找出知识的内在联系、规律 – 对所得知识进行检查 – 对确定下来的知识用总体设计时确定的知识表
第七章_专家系统
14
任务复杂程度和ES系 统体系结构间的相 关性 随问题求解 任务复杂程度的增 加，需要在体系结 构设计时渐增地采 用一些相适应的推 理技术。 不存在最好的 设计体系结构的通 用原则，再好的原 则也只能适用于一 定的范围。
3
1 ES系统的特点 1) 具有求解问题所需的专门知识：
应用领域的基本原理和常识——专门知识的主部，可以精确地定 义和使用，为普通技术人员所掌握，求解问题的基础；不与求解的问题 紧密结合，知识量大和推理步小，不能高效地支持问题求解。
领域专家求解问题的经验知识——对如何使用前者解决问题所作的 高度集中、抽象和浓缩的描述；使问题求解过程可以大踏步地发展， 高效高质地解决困难和复杂问题；使用这类知识的条件比较苛刻，条 件不满足时会导致不正确的解答甚至推理失败。
<条件> := <简单条件> |（$OR {<简单条件>}+）
简单条件常用7类函数表示：（SAME <对象> <属性> <值>）；
最常用的动作函数：(CONCLUDE <对象> <属性> <值> TALLY <结 论CF>)；
TALLY——存放规则前提的可信度(CF—Certainty Factor)；
用控制结构的基础上)， * 能适用于较宽广的应用领域， * 增加了ES系统的开发和维护困难。 开发工具箱(开发环境)： KEE
第8讲 专家系统
第8章 专家系统8.1 专家系统的概念8.1.1 什么是专家系统专家系统（Expert system)是一个智能计算 机软件系统。
人类专家的特点具有丰富的专业知识和实践经验。
具有独特的分析问题和解决问题的方法和策略。
专家系统应具备的要素应用于某专门领域 拥有专家级知识； 能模拟专家的思维； 能达到专家级水平。
8.1 专家系统的概念专家系统的特点专家系统善于解决不确定性的、非结构化的、没有算法解 或虽有算法解但实现困难的问题。
如：医疗诊断、地质勘 探、天气预报、管理决策等。
专家系统是基于知识的智能问题求解系统。
不同于常规程 序基于固定算法。
专家系统=知识+推理，常规程序=数据 结构+算法。
从系统结构看，专家系统的知识与推理是分离的，因而系 统具有很好的灵活性和可扩充性。
专家系统具有“自学习”能力，能不断地对自己的知识进行 总结、扩充和完善。
具有解释功能。
在运行过程中能回答用户的提问，并具有 透明性，能以用户所能理解的方式解释得到结论的推理过 程。
专家系统不像人类专家那样容易疲劳、遗忘和受环境影 响。
它的工作状态始终是稳定如一的。
而且能够突破人类 专家的时间和空间限制，永久保存，任意复制，在不同地 区和部门使用。
8.1 专家系统的概念专家系统的实用范围用专家系统来提高工作效率 人类专家的知识很快就要失传，必须通过专家系统 来收集、保存和应用 人类专家太少，必须建造专家系统来使专家们的知 识同时应用于不同的地点。
一些危险的工作环境需要专家系统来代替人类专 家。
8.1 专家系统的概念8.1.2 专家系统的类型1。
按用途分类解释型。
根据所得到的有关数据、经过分析、推理，从而 给出解释的一类专家系统。
诊断型。
根据输入信息推出相应对象存在的故障、找出产 生故障的原因并给出排除故障方案的一类专家系统。
如医 疗诊断、机器故障诊断、产品质量鉴定等专家系统。
预测型。
根据相关对象的过去及当前状况来推测未来情况 的一类专家系统。
专家系统的概述及其应用
专家系统的概述及其应用什么是专家系统？专家系统是一种基于人工智能技术的计算机系统，旨在模拟人类专家在某个特定领域中的知识和推理能力。
它通过收集和组织领域专家的知识，并利用推理规则来解决特定问题，从而为用户提供专业的建议、解决方案和决策支持。
专家系统的构成和工作原理专家系统主要由三个部分组成：知识库、推理机和用户界面。
知识库存储了领域专家的知识和经验，可以分为规则库和事实库。
规则库中包含了一系列由领域专家提供的规则，规定了问题和解决方案之间的关系。
事实库则存储了用户输入的问题相关信息。
推理机是专家系统的核心，它通过运用专家提供的规则和事实库中的信息，利用推理机制对问题进行推理和决策。
用户界面则是用户与专家系统进行交互的界面，通常采用图形用户界面或自然语言界面。
专家系统的应用领域专家系统广泛应用于各个领域，以下列举几个常见的应用领域：1. 医疗领域：专家系统可以帮助医生进行疾病的诊断和治疗方案的选择。
它可以根据病人的症状和检查结果，利用医学专家提供的规则进行推理，给出专业的建议和治疗方案。
2. 金融领域：专家系统可以用于风险评估和投资决策。
它可以基于历史数据和金融专家的知识，分析市场趋势和风险因素，为投资者提供决策建议。
3. 工程领域：专家系统可以用于设计优化和故障诊断。
它可以根据工程专家的知识和经验，分析和优化设计参数，或者通过故障检测和推理，帮助工程师快速找到故障原因并提供解决方案。
4. 决策支持系统：专家系统可以作为一个决策支持工具，帮助管理者进行决策。
它可以根据专家的经验和问题的约束条件，通过推理和分析，给出最佳的决策方案。
专家系统的优势和局限专家系统具有以下几个优势：1. 提供专业的建议和解决方案：专家系统可以利用专家的知识和推理能力，为用户提供专业的建议和解决方案。
2. 可以处理复杂的问题：专家系统可以处理大量的知识和复杂的推理过程，帮助用户解决复杂的问题。
3. 可以提高工作效率：专家系统可以提供快速的问题解决方案，帮助用户提高工作效率。
第六章 专家系统
6.1.1 专家系统的特点
专家系统特点
具有求解问题所需的专门知识 具有专业知识的符号表示和推理能力 灵活性
6.1.1 专家系统的特点
专家系统的优点
能够高效率、和不知疲倦地工作。 不受周围环境的影响，也不可能遗漏忘记。 专家的专长不受时间和空间的限制 汇集多领域专家的知识和经验
; 都市发展策略: 减少失业率 ; 减少失业率策略: 吸引厂商 ; 吸引厂商策略: 降低通信成本 ; 吸引厂商策略: 充足的网络 ;降低通信成本策略: 民营化
;推理规则 ; 推出所有的 目标--策略 关系 (策略本身也是一种次目标) (defrule t-gs (gs ?x ?y) (gs ?y ?z) => (assert (gs ?x ?z)) ;已知之事实用 deffacts。后来推论所得者用assert。 (printout t "欲达成" ?x "可采取策略是：" ?z crlf) )
6.1.3 专家系统的结构
人机界面
接口，人与系统进行信息交流的媒介，为用户提
供了直观方便的交互作用手段
综合数据库
用于存储领域或问题的初始数据和推理过程中得
到的中间数据，即被处理对象的一些当前事实。
6.2专家系统的类型
基于规则的专家系统 基于框架的专家系统 基于模型的专家系统
6.2.1基于规则的专家系统
构造辅助工具
提供了一整套像积木块那样的组件，利用它能够"
装配" 成专家系统 AGE：由美国斯坦福大学用INTERLISP语言实现 的专家系统工具（WWW？） TEIRESIAS （WWW？）
6.5专家系统开发工具
专家系统
图6 反向推理原理图
3.正反向混合推理 基本思想： 先根据原始数据通过正向推理帮助推理提出假 设，再用反向推理进一步寻找支持假设的证据，反 复这个过程。根据问题已有数据进行推理，但不期 望这种推理能达到总目标；而同时从目标出发进行 反向推理，也不期望该推理一直进行到每个子目标 能被上下文匹配或否定，而是期望两种推理在某些 子目标处接合起来。 集中了正向和反向推理的优点，但其控制策略 较前两者复杂。适用于数据充分、解空间不大的精 确推理。
图5 正向推理原理图
2.反向推理 先提出假设，然后由此出发，进一步寻找支持假设的证据，即所谓目 标驱动方式，当证据与用户提出 的原始信息匹配时，推理成功。 推理过程： 由用户或系统首先提出一批假设，然后系统逐一验证这些假设的真假 性。 适用于结论单一或直接提出结论要求证实的系统，并且初始数据 （事实）量很大的场合。
决策型
控制型 调试型
通常完成实时控制任务 制定并实施纠正某类故障的规划，亦称为排错型或维 修型
YES/MVS TIMM/TUNER
3. 专家系统的工作原理
用户 领域专家（DE) 知识工程师(KE) 人 机 接 口
推理机
解释机
解释机制
知识获取机制
性能系统
综合数据 库
知识库
图2 专家系统的一般结构
一个完整的专家系统通常由6个部分组成： 1.知识库 存放系统求解问题所需要的知识 2.推理机 负责使用知识库中的知识去解决实际问题 3.综合数据库 用于存放系统运行中所需要和产生的所有信息，包括问题的描述、 中间结果，解题过程的记录等信息。在专家系统中，数据的表示与组 织应做到与知识的表示组织相容。 4.知识 获取机制 负责管理知识库中的知识，包括根据需要修改、删除或添加知识及由此 引起怕一切必要的改动，维持知识库的一致性、完整等方面，是系统灵活 性的主要部件。 5.解析机制 负责回答用户提出的各种问题，包括系统与系统运行有关的问题和 与系统运行无关的关于系统自身的一些问题，是实现透明性的主要部件。 6.人机接口 把用户输入的信息转换成系统的内部表示形式，然后把这些内部表示 交给相应的部件去处理。系统输出的内部信息也由人机接口转换成用户 易于理解的外部表示显示给用户。
ExpertSystem
3. 基于框架专家系统的一般设计方法
基于框架专家系统的主要设计步骤与基于规则的 专家系统相似。主要差别在于如何看待和使用知 识 在设计基于框架的专家系统时，把整个问题和每 件事想像为编织起来的事物 在辨识事物之后，寻找把这些事物组织起来的方 法 对于任何类型的专家系统，其设计是个高度交互 的过程
11
8. 调试专家系统 (expert system for debugging)
任务：对失灵的对象给出处理意见和方法
特点：同时具有规划、设计、预报和诊断等专 家系统的功能 例子：在这方面的实例还比较少见
12
9. 教学专家系统 (expert system for instruction)
23
2. 基于框架专家系统的结构
名称 人类 特征 值 侧面
男人
女人
约翰 李勇 丽达 王红 规则 目标议程表
类（class） 槽(Slots) 子类（subclass) 例子(instances) 规则(rules) 目标议程表 (goal agenda)
24
图6.6 人类的框架分层结构
30
6.5 新型专家系统
6.5.1 新型专家系统的特征 并行与分布处理 多专家系统协同工作 高级语言和知识语言描述 具有自学习功能 引入新的推理机制 具有自纠错和自完善能力 先进的智能人机接口
31
6.5 新型专家系统
主要目的：把一个专家系统的功能经分解以后 分布到多个处理器上去并行地工作，从而在总 体上提高系统的处理效率。
AI研究的一种观点：AI是对各种定性模型（物理的， 感知的，认识的和社会的系统模型）的获得、表达及 使用的计算方法进行研究的学问。
专家系统
6.1.3 专家系统的特点与分类
1.专家系统的基本特点 1）具有领域专家级的专门知识 2）符号处理和启发式推理 3）具有灵活性 4）具有获取知识的能力 5）具有透明性 6）具有交互性 7）具有一定的复杂性和难度
专家系统种类
解决的问题 根据可得到数据分析这些数据所支持的问题状态 根据处理对象去和现在的情况，推测未来的演变结果 根据观察到的数据来推断一个对象系统的功能故障
6.2 专家控制系统
专家控制系统与一般专家系统的区别 专家控制（ Expert Control）是智能控制的一个重要 通常的专家系统只对专门领域的问题完成咨询的功能，起到辅助用 分支，又称专家智能控制。 专家控制系统应具有的特点： 户决策的作用，它的推理是基于知识基础的，其推理结果任然是知识条 1)在线控制的实时性； 目，或者新的知识条目，对原有知识条目的增加、删减和更改。而专家 2)现场运行的高可靠性和连续性； 控制则要求能独立地、自动地对控制动作进行决策，它的推理结果可以 3)控制的灵活性与应用的通用性； 是知识条目的更改，还可以是某种解析算法的激活，其功能要具有连续 4)优良的控制性能与自学习能力； 可靠性和足够的抗干扰能力。 5)维护的方便性； 通常的专家系统一般是以离线方式工作的，对运行速度要求不高； 6)建立合适的知识表达方法。 而专家控制则要求在线动态地采集数据、实时地分析处理数据并进行推 理决策，及时对过程采取控制，因此要求具有较高的实时性和灵活性。
定义6.2 专家系统使用人类专家推理的计算机模型来处理现实世界中需要专家 作出解释的复杂问题，并得出与专家相同的结论。 定义6.3 费根鲍姆构建的“专家系统”，即在机器智能与人类智慧结晶的专家 经验只是之间建造桥梁。
比较方面 用户界面
专家系统
三、构造
2、开发过程 （1）需求分析和可行性分析
需要考虑以下的需求：专家系统的目标，专家 系统的功能、性能的要求，领域专家求解问题的模 式等情况，用户的情况，硬件、软件环境，系统的 开发时间、进度要求等。 完成了需求分析，就可以进行系统开发的可行 性分析，并形成相应的书面文件（开发任务书，系 统规格说明书）。
（2）获取完备的知识
完备的知识是指数量上满足求解问题的需要， 质量上保证知识的一致性和完整性。
三、构造
1、构造原则 （3）知识库和推理机分离
不仅有利于对知识库的维护和管理，而且可以 把推理机设计得更灵活。
（4）选择、设计合适的知识表示模式
根据不同领域的特点，设计知识表示模式，使 之将领域知识充分的表达出来。
三、构造
2、开发过程 （9）系统维护
用户对系统试运行，如果用户发现新的问题或 提出新的要求，就需要对系统进行维护工作。
三、构造
3、评价
专家系统的评价贯穿于构造专家系统的整个过程， 可从以下几个方面对专家系统进行评价。 （1）知识的完备性
可从三个方面进行考察：①完备的知识；②知识系统的知识和 领域专家的知识的一致性；③知识的完整性。
知识库及其管理系统
二、基本结构
人机接口
一般用户，领域专家，知识工程师 和专 家系统的交互界面。
知识获取机构
把知识输入到知识库中，并维持知识的完 整性和一致性。
推理机
专家系统的核心部分。
二、基本结构
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
专家系统-2哈尔滨工业大学管理学院阎相斌xbyan@产生式规则专家系统•产生式系统（Production System）是1943年Post提出的一种计算形式体系里所使用的术语，主要是使用类似于文法的规则，对符号串作替换运算。
从60年代开始，成为认知心理学研究人类心理活动中信息加工过程的基础，并用它来建立人类认知模型。
产生式系统形式上很简单，但在一定意义上模仿了人类思考的过程，因此它成为了专家系统的最基本的结构单元或基本模式。
产生式系统的基本组成•组成三要素：–一个综合数据库(Globle Database）—存放信息–一组产生式规则(Rules) —知识–一个控制系统(Control System/ControlStrategies) —规则的解释或执行程序，即控制策略•综合数据库：–是人工智能产生式系统所使用的主要数据结构，它用来表述问题状态或有关事实，即它含有所求解问题的信息。
•产生式规则：–其一般形式为“条件-> 行动”或“前提->结论”即表示成“if...then...”的形式；–“前提”规定了规则可应用的先决条件，“结论”描述了应用这条规则所采取的行动或得出的结论。
–一条产生式规则满足了应用的先决条件之后，就可对综合数据库进行操作，使其发生变化。
•控制系统或控制策略：–是规则的解释程序，规定了如何选择一条可应用的规则对综合数据库进行操作，即决定问题求解过程控制策略控制策略其作用是说明下一步应该选用什么规则，也就是如何应用规则。
通常从选择规则到执行操作分3步：匹配、冲突解决和操作。
(1) 匹配(2) 冲突解决当有一条以上规则的条件部分和当前数据库相匹配时，就需要决定首先使用哪一条规则，这称为冲突解决。
(3) 操作操作就是执行规则的操作部分，经过操作以后，当前数据库将被修改。
然后，其他的规则有可能被使用。
产生式系统的优点•在研究人类进行问题求解过程时，完全可以用一个产生式系统来模拟求解过程，即作为描述搜索的一种有效方法。
•可以用来模拟任一可计算过程，特别适合于模拟强数据驱动特点的智能行为：当一些新的数据输入时，系统的行为就改变•易于添加新规则去适应新的情况，而不破坏系统的其它部分产生式系统应用示例:传教士与野人问题•传教士与野人问题（M-C问题）问题：N个传教士，N个野人，一条船，可同时乘坐k个人乘渡。
问：传教士为安全起见，应如何规定摆渡方案，使得任何时刻，河两岸以及船上的野人数目总是不超过传教士的数目。
•以N=3，k=2为例求解。
图中L和R表示左岸和右岸，B=1或0表示有船或无船，约束条件是：两岸上M>=C,船上M+C<=2：左岸右岸L R L R m 3 0 m 0 3c 3 0 c 0 3B 1 0 B 0 1（初始状态）（目标状态）1，综合数据库（m, c, b)，其中：c≤m, c≤3, b ∈{0, 1}2，初始状态（3，3，1）3，目标状态（结束状态）（0，0，0）4，规则集IF (m, c, 1) THEN (m-1, c, 0) IF (m, c, 1) THEN (m, c-1, 0) IF (m, c, 1) THEN (m-1, c-1, 0) IF (m, c, 1) THEN (m-2, c, 0) IF (m, c, 1) THEN (m, c-2, 0)IF (m, c, 0) THEN (m+1, c, 1)IF (m, c, 0) THEN (m, c+1, 1)M-C问题（续４）IF (m, c, 0) THEN (m+1, c+1, 1)IF (m, c, 0) THEN (m+2, c, 1)IF (m, c, 0) THEN (m, c+2, 1)也可以定义为：IF (m, c, 1) AND 1 ≤i+j≤2 THEN (m-i, c-j, 0)IF (m, c, 0) AND 1 ≤i+j≤2 THEN (m+i, c+j, 0)M-C问题（续5）N＝3的M-C问题，状态空间的总状态数为4X4X2＝32，根据约束条件的要求，可以看出只有20个合法状态。
再进一步分析后，又发现有4个合法状态实际上是不可能达到的。
因此实际的问题空间仅由16个状态构成。
(0 0 1)达不到/(1 2 1)不合法问题状态空间图产生式规则知识允许有如下的特点：⒈相同的条件可以得出不同的结论。
⒉相同的结论可以由不同的条件来得到。
⒊条件之间可以是“与”（AND ）连接和“或”（OR ）连接⒋一条规则中的结论，可以是另一条规则中的条件。
if A then B , 简化为: A →B 产生式规则知识:由以上特点，规则集能做到：⒈能描述和解决各种不同的灵活的实际问题。
（由前三点特点形成）⒉能把规则集中的所有规则连成一棵“与、或”推理树（知识树）。
即这些规则集之间是有关联的（由后二个特点形成）。
产生式规则专家系统基本原理（1）正向推理正、反向推理过程一种简单的产生式系统基本原理正、反向推理过程（2）逆(反)向推理逆向推理是从目标开始，寻找以此目标为结论的规则，并对该规则的前提进行判断，若该规则的前提中某个子项是另一规则的结论时，再找以此结基本原理推理树（知识树）一棵树“与”“或”“与或”推理树。
3.1 基本原理3.1.2 推理树（知识树）“与、或”推理树。
GA B CI J K L M EX F W Z P Q基本原理反向推理过程1）推理树的深度优先搜索在计算机中实现时，利用规则栈来完成。
当调用此规则时，把它压入栈内（相当于对树的搜索），当此规则的结论已求出（yes或no）时，需要将此规则退栈（相当于对树的回溯）。
利用规则栈的压入和退出的过程，相当于完成了推理树的深度优先搜索和回溯过程。
基本原理反向推理过程2）结点的否定yes和no。
或条件中间结点只有所有“或”分枝的回溯值均为no时，才能最后确定该中间结点为no。
2 不确定性推理(1) 事实的不确定性(2) 规则的不确定性(3)推理的不确定性2.1 可信度的计算公式1) 前提中AND（与）连接时CF(R)结论H的可信度为：2.1 可信度的计算公式2) 前提中OR（或）连接时:CF(R)把它转化成等价的两条规则，即CF(R)CF(R)则结论H的可信度计算分别有：合并为：对于多OR连接：依次分解、滚动式合并3.2 不确定性推理3.2.2 不确定性推理和确定性推理的区别•可信度的差别•推理过程的差别对于不确定性推理，当某个结论的可信度不为1时（即CF≠1），对于相同结论的其它规则仍然要进行推理，求该结论的可信度，并和已计算出该结论的可信度进行合并。
3.2 不确定性推理3.2.2 不确定性推理和确定性推理的区别对于确定性推理过程为：不确定性推理3.2.2 不确定性推理和确定性推理的区别对于不确定性推理时，该两规则均含可信度。
R1：A→G CF(0.8)；R2：B∧C→G CF(0.9)CF1(G)＝0.8×0.7＝0.56由于G的可信度不为1，还必须对结论G的其它规则进行推理。
再引用规则R，提问B和C？2CF2(G)＝0.9×MIN{0.7，0.8}＝0.63CF(G)＝CF1(G)+CF2(G)－CF1(G)×CF2(G)＝0.56+0.63－0.56×0.63＝0.843.3 解释机制解释机制有两种实现方法：•推理过程的全部解释•推理过程中正确路径的解释3.4 元知识元知识概念：关于知识的知识是元知识。
它包含概括性知识、总结性知识、关联性知识。
也即是对领域知识进行描述、说明、处理的知识。
领域级知识：特定领域的知识。
元级知识：说明如何运用领域知识的知识。
3.4 元知识3.4.1 元知识的作用1）指导规则的选择有一条以上规则的前提部分和当前事实匹配时，选择规则策略：MR1：如果某一规则的前提比另一规则的前提更专门，且两条规则冲突，则先选用更专门的规则。
MR2：按规则排列顺序，先选用前一条规则。
MR3：优先选用被满足的条件较多的规则。
MR4：首先选择执行代价小的规则。
如有两条规则A→H，A∧B→K，若A，B成立，应先选第2条。
3.4 元知识3.4.1 元知识的作用2 ）记录与领域知识有关的事实¾记录某种处理方法的平均运行时间；¾统计一个程序在运行过程中询问用户的次数；¾统计规则的成功与失败的比率等，提供有关与领域知识的信息。
3.4 元知识3.4.1 元知识的作用3）规则的论证指出某些规则存在的理由，如：R1：如果溢出液是硫酸，则用石灰。
4）检查规则中的错误……MR4：如果经过长期运行，一条规则从没有被触发，则询问专家该规则是否有用3.4 元知识3.4.2 元知识在专家系统中的应用1）元知识推理、两级推理专家系统元级推理机用户提出领域子目标元知识库结束领域推理机子目标完成领域事实推理结果领域知识库3.4 元知识3.4.2 元知识在专家系统中的应用2）黑板模型结构的专家系统黑板模型把一个问题的解空间组织成多个依赖于应用的的层次结构，层次结构中每一层上的信息都是部分解。
BBM对需要多方面专家参与的复杂问题求解特别有效。
各子任务之间的调度程序，是一种元级推理3.4 元知识3.4.2 元知识在专家系统中的应用2）黑板模型结构的专家系统知识源：应用领域的专门知识被划分成若干相互独立的知识源，每个知识源完成一种特定任务。
黑板：问题的解空间，以层次结构方式组织起来的动态库。
控制：动态地选择和激活适用的知识源，使之适时地响应黑板的变化。
——元级推理机3.4 元知识3.4.2 元知识在专家系统中的应用2）黑板模型结构的专家系统元级推理机独立知识源例：火灾原因分析：勘察现场、查找火源点；电气原因分析；易燃、易爆品；误操作；人为纵火……3.4 元知识3.4.2 元知识在专家系统中的应用2）黑板模型结构的专家系统优点：（1）将多种知识源组合在一起，实现问题求解。
（2）黑板结构适合于在多重抽象级上描述与处理问题。
（3）允许知识源共享黑板中各个层次的部分解，这对事先无法确定问题求解次序的复杂问题尤为有效。
（4）知识源相互独立并以数据驱动方式使用。
（5）适用于并行处理。
……3.5 应用举例例：有如下规则集和可信度：R1：A∧B∧C→G CF(0.8）R2：D∨E→A CF(0.7）R3：J∧K→B CF(0.8）R4：P∨Q→C CF(0.9）R5：F∨（R∧S）→D CF(0.6）已知事实及可信度F(0.4)，R(0.5)，S(0.6)，E(n)，J(0.4)，K(0.6)，P(n)，Q(0.4)。
对目标G进行推理求解。
3.5 应用举例解：第一步：把规则分解为只含AND(∧)连接的规则，消去OR(∨)连接的规则：R1 : A∧B∧C→G CF(0.8)R21: D→A CF(0.7)R22: E→A CF(0.7)R3: J∧K→B CF(0.8)R41: P→C CF(0.9)R42: Q→C CF(0.9)R51: F→D CF(0.6)R52: R∧S→D CF(0.6)3.5 应用举例方法1：用知识树推理GCB APKJEDQSRF 0.80.90.90.80.70.70.60.6(0.4)(0.6)(0)(0.4)(0.6)(0)(0.4)(0.5)产生式规则专家系统3.5 应用举例方法2：用规则栈推理定义逆向推理的规则栈和事实数据库• 1.专家系统的建造步骤(1) 设计初始知识库。