南邮自动化人工智能6--专家系统

问题
再设计
改进
知识化
知识
概念化
概念
结构
形式化 规则化
规则
合法化
形式
重新阐述
图6.3建立专家系统的步骤
6.1 专家系21统概述
建立系统的一般步骤如下
设计初始知识库
➢问题知识化 ➢知识概念化 ➢概念形式化 ➢形式规则化 ➢规则合法化
原型机（prototype）的开发与实验 知识库的改进与归纳
22
6.2基于规则的专家系统
28
6.4 基于模型的专家系统
1. 基于模型专家系统的提出 ❖ 关于人工智能的一个观点(定性模型化) ❖ 综合各种模型的专家系统比基于逻辑心
理模型的系统具有更强的功能，从而有 可能显著改进专家系统的设计 ❖ 在诸多模型中，人工神经网络模型的应 用最为广泛
6.4 基于模型的专29 家系统
2. 基于神经网络的专家系统
且已知P(E1)= P(E2)= P(H3)=0.6, P(H1)=0.091, P(H2)=0.01, 又由用户告知：
P(E1| S1)=0.84, P(E2|S2)=0.68, P(E3|S3)=0.36 请用主观Bayes方法求P(H2|S1, S2, S3)=?
32
解：(1) 由r1计算O(H1| S1) 先把H1的先验概率更新为在E1下的后验概率P(H1|
• 推理机 借助于把存放在工作存储器内的问题 事实和存放在知识库内的规则结合起来，建立 人的推理模型，以推断出新的信息
6.2 基于规则的专24 家系统
2.基于规则专家系统的结构
解释器
外部程序
用户界面
开发界面
用户
知识工程师
图6.5 基于规则专家系统的结构
25
6.3 基于框架的专家系统
• 1. 面向目标编程与基于框架设计
• 神经网络模型从知识表示、推理机制到控制方 式，与目前专家系统中的基于逻辑的心理模型 有本质的区别
• 三种神经网络模型与专家系统集成模式
• 神经网络支持专家系统 • 专家系统支持神经网络 • 协同式的神经网络专家系统
6.4 基于模型的专30 家系统
神经网络专家系统的基本结构
专家
神经网络
用户
知识库
O(H1| S1,S2)= (O(H1| S1) / O(H1)) × (O(H1| S2) / O(H1)) × O(H1)
= (0.15807 / 0.10011) × (0.34163) / 0.10011) × 0.10011
接口
解释器
事实 规则
知识库
计划
执行器
议程
中间解 黑板
调度器 协调器
图6.2则为理想专家系统的结构图
6.1 专家系18统概述
一般应用程序与专家系统的区别：
一般应用程序
专家系统
把其应用领域wenku.baidu.com问题
把问题求解的知识 求解知识单独组成一
隐含地编入程序。
个实体,即为知识库。
把知识组织为两级： 将知识组织成三级；
• 例子 粘虫测报专家系统
6.1 专家系12统概述
7. 控制专家系统 (expert system for control)
• 任务 自适应地管理一个受控对象或客体的全 面行为，使之满足预期要求
• 特点 控制专家系统具有解释、预报、诊断、 规划和执行等多种功能
• 例子 空中交通管制、商业管理、自主机器人 控制、作战管理、生产过程控制和生产质量控 制等
6.1 专家系11统概述
6.监视专家系统 (expert system for monitoring)
• 任务 对系统、对象或过程的行为进行不断观 察，并把观察到的行为与其应当具有的行为进 行比较，以发现异常情况，发出警报
• 特点
• 系统应具有快速反应能力 • 系统发出的警报要有很高的准确性 • 系统能够动态地处理其输入信息
• 任务 通过对已知信息与数据的分析与解释， 确定它们的涵义；
• 特点
数据量很大，常不准确、有错误、不完全 能从不完全的信息中得出解释，并能对数据做出某些假设 推理过程可能很复杂和很长
• 应用 语音理解、图象分析、系统监视、化学 结构分析和信号解释等
6.1 专家系7 统概述
2. 预测专家系统 (expert system for prediction)
= 0.091 + (0.90918 –0.091) / (1 – 0.6)) × (0.68 – 0.6) =0.25464 O(H1| S2) = P(H1| S2) / (1 - P(H1| S2)) =0.34163
34
(3) 计算O(H1| S1,S2)和P(H1| S1,S2) 先将H1的先验概率转换为先验几率 O(H1) = P(H1) / (1 - P(H1)) = 0.091/(1-0.091)=0.10011 再根据合成公式计算H1的后验几率
由于P(E2|S2)=0.68 > P(E2)，使用P(H | S)公式的后半部分，得 到在当前观察S2下的后验概率P(H1| S2)和后验几率O(H1| S2)
P(H1| S2) = P(H1) + ((P(H1| E2) – P(H1)) / (1 - P(E2))) × (P(E2| S2) – P(E2))
P(H1| S1) = P(H1) + ((P(H1| E1) – P(H1)) / (1 - P(E1))) × (P(E1| S1) – P(E1))
= 0.091 + (0.16682 –0.091) / (1 – 0.6)) × (0.84 – 0.6)
=0.091 + 0.18955 × 0.24 = 0.136492 O(H1| S1) = P(H1| S1) / (1 - P(H1| S1))
• 任务 通过对过去与现在已知状况的分析，推 断未来可能发生的情况。
• 特点
• 系统处理的数据随时间变化，且可能是不准确和不 完全
• 系统需要有适应时间变化的动态模型
• 例子 有气象预报、军事预测等
6.1 专家系8 统概述
3. 诊断专家系统 (expert system for diagnosis)
• 特点
• 同时具有诊断和调试等功能 • 具有良好的人机界面
• 例子 MACSYMA符号积分与定理证明系统， 计算机程序设计语言和物理智能计算机辅助 教学系统等
10. 修理专家系统 (expert system for repair)
6.1 专家系15统概述
• 任务 对发生故障的对象(系统或设备)进行处 理，使其恢复正常工作
• 功能 有诊断、调试、计划和执行等功能
• 例子 ACI电话和有线电视维护修理系统
6.1 专家系16统概述
6.1.3专家系统的结构和建造步骤
• 定义：指专家系统各组成部分的构造方法和组织形 式
• 专家系统结构图
专家知识 知识库
输入或提问
答案
推理机
图6.1专家系统结构简图
6.1 专家系17统概述
用户
人工智能
第6章 专家系统
6.1 专家系统概述 6.5 新型专家系统 6.2 基于规则的专家系统 6.6 专家系统设计 6.3 基于框架的专家系统 6.7 专家系统开发工具 6.4 基于模型的专家系统 6.8 小结
3
6.1 专家系统概述
• 专家系统(expert system)是人工智能应用研究最活跃 和最广泛的课题之一,是目前AI应用研究的主要领域 之一。
= 0.15807
33
(2) 由r2计算O(H1| S2) 先把H1的先验概率更新为在E2下的后验概率P(H1| E2) P(H1| E2)=(LS2 × P(H1)) / ((LS2-1) × P(H1)+1) =(100 × 0.091) / ((100 -1) × 0.091 +1) =0.90918
4. 设计专家系统 (expert system for design)
• 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
• 从多种约束中得到符合要求的设计 • 系统需要检索较大的可能解空间 • 能试验性地构造出可能设计，易于修改 • 能够使用已有设计来解释当前新的设计
• 例子 VAX计算机结构设计专家系统等
• 定义：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，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；专家系 统是一种模拟人类专家解决领域问题的计算机程序 系统。
6.1.1 专家系统特点
6.1 专家4系统概述
专家系统具有一些共同的特点和优点
• 专家系统具有下列3个特点：
1.基于规则的专家系统的工作模型
知识库 （规则）
工作存储器 （事实）
推理机
图6.4 基于规则的工作模型
6.2 基于规则的专23 家系统
基于规则的专家系统采用下列模块来建 立产生式系统的模型：
• 知识库 以一套规则建立人的长期存储器模型
• 工作存储器 建立人的短期存储器模型，存放 问题事实和由规则激发而推断出的新事实
6.1 专家系13统概述
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
6.1 专家系14统概述
9. 教学专家系统 (expert system for instruction)
• 基于框架的专家系统建立在框架的基础之上 • 基于框架的专家系统采用面向目标编程技术 • 基于框架的设计和面向目标的编程共享许多特征 • 在设计基于框架系统时，专家系统的设计者们把目标叫做框架
6.3 基于框架的专26 家系统
2. 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
数据级和程序级。
数据、知识库和控制。
19
专家系统的主要组成部分
• 知识库（Knowledge Base） • 综合数据库（Global Database） • 推理机（Reasoning Machine） • 解释器（Explanator） • 人机接口（Interface）
专家系统的建造步骤
6.1 专家系20统概述
• 任务 根据观察到的情况(数据)来推断出某个对象机 能失常(即故障)的原因
• 特点 • 能够了解被诊断对象或客体各组成部分的特性以 及它们之间的联系 • 能够区分一种现象及其所掩盖的另一种现象 • 能够向用户提出测量的数据，并从不确切信息中 得出尽可能正确的诊断
• 例子 有医疗诊断等
6.1 专家系9 统概述
推理机
图6.7 神经网络专家系统的基本结构
31
习题解答
设有如下推理规则 r1: IF E1 THEN (2, 0.00001) H1 r2: IF E2 THEN (100, 0.0001) H1 r3: IF E3 THEN (200, 0.001) H2 r4: IF H1 THEN (50, 0.1) H2
E1) P (H1| E1) = (LS1 × P (H1)) / ((LS1-1) × P (H1) +1) =(2 × 0.091) / ((2 -1) × 0.091 +1) =0.16682
由于P(E1|S1)=0.84 > P(E1)，使用P(H | S)公式的后半 部分，得到在当前观察S1下的后验概率P(H1| S1)和后验 几率O(H1| S1)
•启发性 •透明性 •灵活性
6.1 专家系5 统概述
6.1.2 专家系统的类型
优点:
▪ 解释专家系统 ▪ 预测专家系统 ▪ 诊断专家系统 ▪ 设计专家系统 ▪ 规划专家系统
▪ 监视专家系统 ▪ 控制专家系统 ▪ 调试专家系统 ▪ 教学专家系统 ▪ 修理专家系统
6.1 专家系6 统概述
1.解释专家系统 (expert system for interpretation)
6.1 专家系10统概述
5.规划专家系统 (expert system for planning)
• 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
• 例子 军事指挥调度系统、ROPES机器人规划 专家系统、汽车和火车运行调度专家系统等。
• 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
27
开发基于框架的专家系统的主要任务
• 定义问题 • 分析领域 • 定义类与特征 • 定义例子及其框架结构 • 确定模式及其匹配规则 • 规定事物的通信方法 • 设计系统界面 • 对系统进行评价 • 对系统进行扩展，深化和扩展知识