第一讲专家系统概论约3学时分析.doc

主 要 内 容 第1讲：绪论：专家系统概论 第一部分 知识表示第2讲：产生式系统 第3讲：框架 第二部分 不确定性处理 第4讲：确定性理论 第5讲：Prospector 中的主观贝叶斯方法 第6讲：经典证据理论 简化证据理论 面向有序命题的简化证据理论 贝叶斯网 第7-20讲：粗糙集理论 第一讲 专家系统概论 知识工程的含义和发展 专家系统（ES，Expert System）的定义 知识的定义 知识的阈值 知识的类型 常用的知识表示形式 专家系统（基于知识的系统） 的体系结构 一个基于规则的专家系统的体系结构 专家系统（ES）的主要特征 专家系统的类型 简单的专家系统示例——动物识别专家系统ANIMAL 知识工程的含义和发展 知识工程（Knowledge Engineering，KE）是研究如何运用人工智能（Artificial Intelligence，AI）的方法和技术建造专家系统（Expert System ， ES）的一门工程性学科。 与建造ES有关的理论、方法、技术都是KE研究的内容； KE是AI的应用分支，因此KE也被称为“应用AI”。 (一) 萌芽期 此时AI的研究处于低谷期, E．Feigenbaum（费根鲍姆）认为仅仅研究一般性问题的求解方法不够, 智能程序还应有领域专门知识; 1965年，费根鲍姆和R.Linday(林赛)开发了DENDRAL系统,该系统可以通过分析图谱推断出物质结构,第一次把AI和领域专门知识有机结合起来; 同年，E．Feigenbaum（费根鲍姆）首次提出了Expert System的概念； (二) 形成期(1965~1977) 1965~1977年，建造了一大批ES系统，并开始研制ES的开发工具，积累了很多经验； 最著名的有：1976年，MIT E. Shortliff 博士研制的 MYCIN系统、半自动知识获取工具Teiresias、开发工具EMYCIN；　 但在建造ES的方法论上还存在很多问题，认为应把ES建造提高到工程的高度来认识； 1975年， 美国J.Mecarthy（麦卡锡，AI的开创者）提出“认识论工程”； 1977年，英国D.Michie（米奇，AI的先驱）扩充了“认识论工程”的概念，直接使用了“知识工程”一词； 1977年，Feigenbaum在第5届国际人工智能联合会IJCAI-5上做了特邀报告“AI的艺术：KE的课题及实例研究”，他被誉为知识工程的鼻祖。 （三）发展期 KE的理论、方法不断的丰富，派生出许多新的研究领域 知识表示的研究； 推理方法的研究； 不确定性和模糊性处理的研究 确定性因子理论贝叶斯方法证据理论贝叶斯网可能性理论（模糊集合论、粗糙集、可能性逻辑） 云模型非数值方法工程方法控制方法 知识获取方法的研究 数据挖掘 ( (结构化机器学习 Ontology(本体论)的研究 分布式人工智能（Distributed Artificial Intelligence ，DAI）的研究 智能主体（Agent）的研究 Intelligent Agent, Multi-agent system, Mobile agent, Web Intelligent agent,  Intelligent Information Agent(I2A) 专家系统开发工具、环境、平台的研究 神经网络，多神经网络集成 专家系统（ES，Expert System）的定义： 专家系统，是一个智能程序，它能对那些需要专家知识才能解决的应用难题，提供相关领域权威专家水平的解答（Michie , 1979 ; Feigenbaum , 1977 ; Hayes-Roth , 1983）。 专家系统，可以说是一个运用知识进行推理的计算机程序。推理就是使用某种符号逻辑，从一些事实得到结论的过程。 知识的定义 知识是特定领域中的描述、关系和过程； 描述：识别和区分知识库中的对象和对象类； -----个体刻画 关系：知识库中对象之间依赖性、关联性； ---对象间联系的刻画 过程：推理中，规定要执行的动作； ---用符号描述操作 对象：知识库中最小单位的知识片，可能是：假设、事实、证据、结果、知识元、断言等。 从广义上来说，专家系统中的知识（表层知识）包括两种：一种是事实；另一种是经验，即一种好的猜测和判断，也称之为启发式知识。 知识的阈值 ⑴ 问题：ES拥有知识的数量与其所具有的问题求解能力之间的关 系。 回答：系统拥有的领域专门知识越多，其问题求解能力就越强。 ⑵ 知识原理：一个系统显示出高水平的智能，其