8、第八课专家系统与决策支持.pptVIP

为什么使用专家系统? 人机交互界面 知识库 推理机 专家系统的建立 专家系统外壳 人机界面 推理机 知识工程 知识获取 知识表达 知识表达方法 规则的表示方法 THEN ELSE 规则的结构树 推理机控制策略 规则执行的控制策略 反向推理 从假设，即要证明的结论出发，推测可能导致该结论的条件。 一个假设可以当作一个真伪尚未确定的事实。 正向推理 从已知事实出发到结论的推理。 反向推理 反向推理实例 元规则 元规则举例 元规则的层次 状态诊断专家系统 专家系统中推理的适用原则 何时使用基于规则的推理? 当在专业领域存在专家，并且该专家知识能够很好地解决问题时。 当需要给出必要的解释和推理索引时。 何时使用基于案例的推理? 当用户想要浏览相似的案例时。 当知识库拥有大量典型案例时。 在办公桌上有电话、计算机、铅笔、法律文件和 磁盘. 噪音? Yes No 黑色? 黄色? 黑色? 白色? 电话 计算机 磁盘 法律文件 铅笔 矩形? 圆柱形? 颜色? 颜色? 形状? 开始 Rule 1: IF 该物品产生噪声，并且颜色是黑色的。 THEN 是电话。 Rule 2: IF 该物品产生噪声，并且颜色是白色的。 THEN 是计算机 。 Rule 3: IF 该物品不产生噪声，且颜色是黑色的。 THEN 是磁盘 。 Rule 4: IF该物品不产生噪声，且颜色是黄色的，且形状是矩形的 。 THEN 是法律文件 。 Rule 5: IF该物品不产生噪声，且颜色是黄色， 且形状是圆柱形的。 THEN 是铅笔 。 使用何种策略? 何时使用反向推理? 当某个特定的结论需要验证时。 某些特定类型的问题: 如诊断问题。 例如. 我应当购买这辆大衣吗? 何时使用正向推理? 当你需要得到所有可能的结论时。 某些特定类型的问题: 预测和控制。 例如，我应当申请那种工作? 采用“目标驱动方式”. 如果需要部分信息，则程序将自动检查能够提供该信息的所有规则。 在获得第一规则前，程序将链接所有有关的规则 目标结论（假设）所需信息沿规则链，按逻辑反向传播. 规则 1: IF 今天很热 THEN 去海滩 程序需要知道如果今天热的条件. 程序将自动检查所有规则，以便找到能够说明今天很热的规则，来支持去海滩的假设。 规则 35: IF 是夏天 并且 是晴天 THEN 今天很热. 如果该规则通过检验，即“是夏天”且“是晴天”, 这两个条件 ，则规则1亦通过检验。该推理链连接了所有应用的规则，并得到了证实。 正向推理 采用“条件驱动方式”。 正向推理就是简单地依次检验现有条件。 亦可代替以用户询问信息的方式。 正向推理依赖于获得信息的次序，而反向推理与信息次序无关。 多数专家系统都采用正反向混合推理的方式.  元规则 ( 又称控制策略) 即如何应用推理策略的规则。 基于规则的专家系统是由不同的规则层构成。 元规则决定一般性规则的应用标准。 例如: 相同的条件在两条不同规则中，得到了相互矛盾的结论, 此时应当选择哪条规则呢？（冲突消解问题） 元规则可以激发最近经常使用的规则； 元规则可以激发特定优先级的规则。  规则: 如果信用纪录小于1年, 则申请者具有高的信贷风险. 如果申请者是医生 则申请者具有较低的信贷风险. 元规则: 如果存在一条以上的规则符合事实条件，请选用在时间上距当前最近事实所对应的规则。 事实: 某人 25岁， 某人仅具有6个月的信用记录， 某人一年内曾三次失业， 某人三个月前成为医生。 “某人是医生”是最近的事实, 因此该申请是低信贷风险的. 决策 信息 元—元规则 元规则 (关于如何应用规则的规则) 规则 (领域知识) 判定树 知识库在大多数情况下，可以判定树的形式构架。 判定树结构可以作为知识表达的模式，也可作为知识推理的模式。 它很大吗？ 它吱吱叫吗？ 可能是松鼠 可能是老鼠 它是长颈吗？ 它有长鼻子吗？ 可能是长颈鹿 可能是大象 它喜欢呆在水里吗？ 可能是犀牛 可能是河马 否 是 否 是 是 是 是 否 否 否 以动物分类为例 搜索策略 专家系统的推理过程，就是进行规则条件与事实的匹配过程。问题求解的目标就是寻找最好的搜索技术，能够给出一条有效的解题途径。搜索策略分为两大类： 盲目搜索。 启发式搜索。 盲目搜索 穷尽式搜索: 沿判定