实例讲解专家系统工作原理

实例讲解专家系统工作原理

寿光中学王建强

根据视频和拓展资料理解学习，对专家系统工作原理知识学习总结如下：

一、专家系统的构成

一般完整的专家系统应包括人机接口、推理机、知识库、数据库、知识获取器和解释机构六部分。

用户领域专家知识工程师

二、专家系统的工作原理

一般的专家系统是通过推理机与知识库和综合数据库的交互作用来求解领域问题的，其大致过程如下：

1）根据用户的问题对知识库进行搜索，寻找有关的知识；（匹配）

2）根据有关的知识和系统的控制策略形成解决问题的途径，从而构成一个假设方案集合；

3）对假设方案集合进行排序，并挑选其中在某些准则下为最优的假设方案；（冲突解决）4）根据挑选的假设方案去求解具体问题；（执行）

5）如果该方案不能真正解决问题，则回溯到假设方案序列中的下一个假设方案，重复求解问题；

6）循环执行上述过程，直到问题已经解决或所有可能的求解方案都不能解决问题而宣告“无解”为止。

1、正向推理

在专家系统中，对知识应用的顺序和选择过程称为控制策略，它决定着如何推理以及采用何

种推理方式。正向推理(Forward Reasoning)和反向推理(Reverse Reasoning)就是两种重要的控制策略。

上图所示实例中，知识库中的规则： IF 苏格拉底=TURE THEN 男人=TURE. IF 男人=TURE THEN 人类=TURE. IF 人类=TURE THEN 会死的=TURE. 解释机构：顺序规则 建议取得由来。 显示:

会死的 = TRUE 应用规则:

IF 人类 = TRUE

THEN 会死的 = TRUE .

显示:

男人 = TRUE 应用规则:

IF 苏格拉底 = TRUE THEN 男人 = TRUE .

显示:

人类 = TRUE 应用规则:

IF 男人 = TRUE THEN 人类 = TRUE .

底

你说:

苏格拉底 = TRUE

建议证实.

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。

（3）用更新后的综合数据库中的事实，重复上面两个步骤，直到某个事实就是意想中的结论或是不再有新的事实产生为止。

【实例讲解】

实例1：动物识别专家。

在推理过程中，会同时推出几个结论。如：

有毛发、会吃肉、有斑点——首先推出金钱豹

有黑色条纹——再推出老虎