2.2.2知识表示与问题求解(产生式法)答辩.ppt

* 例-动物识别系统 图中最上层的结点称为“假设”或“结论” 中间结点称为“中间假设”；终结点（叶结点）称为“证据”或“事实” 每个“结论”都是本问题的一个目标，所有“假设”构成了本问题的目标集合 2.2.2 产生式知识表示法 产生式系统的应用举例 * 例-动物识别系统 推理机的工作过程详解 2.2.2 产生式知识表示法 产生式系统的应用举例 (1) 先从规则库中取出第一条规则r1，检查其前提是否可与综合数据库中的已知事实相匹配。r1的前提是“有毛发”，但事实库中无此事实，故匹配失败。然后取r2，该前提可与已知事实“有奶”相匹配，r2被执行，并将其结论“该动物是哺乳动物”作为新的事实加入到综合数据库中。此时，综合数据库的内容变为： 动物有暗斑，有长脖子，有长腿，有奶，有蹄，是哺乳动物 * 例-动物识别系统 推理机的工作过程详解 2.2.2 产生式知识表示法 产生式系统的应用举例 (2) 再从规则库中取r3，r4，r5，r6进行匹配，均失败。接着取r7，该前提与已知事实“是哺乳动物”相匹配，r7被执行，并将其结论“该动物是有蹄类动物” 作为新的事实加入到综合数据库中。此时，综合数据库的内容变为： 动物有暗斑，有长脖子，有长腿，有奶，有蹄，是哺乳动物，是有蹄类动物 * 例-动物识别系统 推理机的工作过程详解 2.2.2 产生式知识表示法 产生式系统的应用举例 (3) 此后，r8，r9，r10均匹配失败。接着取r11，该前提 “该动物是有蹄类动物 AND 有长脖子 AND 有长腿 AND 身上有暗斑” 与已知事实相匹配，r11被执行，并推出“该动物是长颈鹿”。 由于“长颈鹿”已是目标集合中的一个结论， 即已推出最终结果，故问题求解过程结束。 * 现改变初始条件，即初始综合数据库包含有如下事实： f1：某动物有毛发。 f2：吃肉。 f3：黄褐色。 f4：有黑色条纹。 求通过产生式系统得到的目标结果，即该动物是什么？ 该系统的运行结果为：该动物是老虎 例题-动物识别系统 2.2.2 产生式知识表示法 产生式系统的应用举例 * 动物分类-推出老虎的正向推理树 食肉动物 哺乳动物 有毛发 吃肉 黄褐色 有黑色条纹 老虎 例-动物识别系统 2.2.2 产生式知识表示法 产生式系统的应用举例 * 动物分类-推出老虎的反向推理树 2.2.2 产生式知识表示法 例-动物识别系统 产生式系统的应用举例 * 2.2.2 产生式知识表示法 产生式表示法的特点（优点） 清晰性：格式固定、形式简单。 模块性： 知识单元（规则）独立，知识库与推理机分离，知识库维护方便。 自然性：表达因果关系自然，符合思维习惯。 表示能力强：不仅能表示确定性知识，而且能表示不确定性知识 产生式表示法已经成为人工智能中应用最多的一种知识表示 法，许多成功的专家系统都用它来表示知识。 * 基于产生式规则的二维不规则零件的排料算法 徐彦欣 - 小型微型计算机系统, 1998 - 一个基于产生式系统的花稿轮廓识别方法 汪向前， 朱桂林 - 计算机辅助设计与图形学学报, 一种基于产生式规则的造林专家系统的设计与实现 丁全龙， 吴保国 - 农业网络信息, 2006 - 基于产生式规则轧制力传感器故障诊断系统 葛芦生， 龚幼民 - 工业仪表与自动化装置, 2001 - 扩展产生式规则的网络故障诊断专家系统 刘培奇， 李增智， 赵银亮 - 西安交通大学学报, 2004 - 2.2.2 产生式知识表示法 产生式表示法的特点 * 2.2.2 产生式知识表示法 产生式表示法的特点 R 传感器 对象 知识库(KB) 控制规则集(CRS) 特征识别与信息处理(FRIP) 推理机构(IE) S I U K Y G U e 专家控制器(EC) KB存放工业过程控制的领域知识，DB和LA组成 CRS是对受控过程的各种控制模式和经验的归纳和总结 FR＆IP实现对信息的提取与加工，为决策和学习提供依据 工业专家控制器 * 2.2.2 产生式知识表示法 产生式表示法的特点（缺点） 效率较低：各规则之间的联系必须以综合数据库为媒介。并且，其求解过程是一种反复进行的“匹配—冲突消解—执行”过程。这样的执行方式将导致执行的低效率。 不便于表示结构性知识：：由于产生式表示中的知识具有一致格式，且规则之间不能相互调用，因此那种具有结构关系或层次关系的知识则很难以自然的方式来表示。 * 一个老农携带一只狼、一头