专家系统46861.pptVIP

专家系统 定义及组成 1968费根鲍姆 斯坦福大学 质谱仪分析分子结构 一个具有大量专门知识和经验、模拟人类专家解决领域问题的智能软件系统 知识库+推理机=专家系统 知识库 存贮和管理领域知识的存储器 知识的两种类型：与当前问题有关的知识， 推理时需要用到的知识 解决的关键问题：知识的获取与表达 推理机 推理机是控制和协调整个专家系统工作的“智能”机构。 它根据系统当前数据库中已知的事实，利用知识库中的知识，按一定的推理方法和控制策略进行推理，求得问题的解决方案或证明某个结论的正确性。 数据库是用于存放批照推理的初始数据、中间结果和最终结论的工作存贮器，也称为事实库、上下文或黑板。数据库是推理讥的一个工作区域，记录了整个推理过程中的题一步相关信息，为解释机构回答用户的咨询提供了依据。 解释器是一组人机交互程序。可以回答用户所提出的与系统推理有关的各种问题 人机接口也称用户界面。是人与系统进行信息交互的媒介 知识处理的基本问题 什么是知识？ 客观事物及其变化规律在人脑中的反映 数据、信息与知识 数据：事物属性、数量、位置及相互关系的抽象表示 信息：数据所表示的含义(或称数据的语义) 数据是信息的载体 知识：一个或多个信息的关联(关系或联系) 利用知识可以实现信息的变换和加工 分类 事实、规则（或法则）、规律(或定律)、方法和理论 数量性知识、符号性知识和样本性知识 事实性知识、过程性知识和控制性知识(元知识） 元知识：关于领域知识的背景知识，另一类是如何运用上述两种知识的知识，如搜索策略、求解策略、推理策略等。 知识处理三要素 知识的获取、知识的表达和知识的运用 知识的表达是知识的符号化和形式化的过程，处于三要素的中心地位，是知识处理中最热门的研究课题之一 知识获取被公认为是专家系统建造中的一个瓶颈 知识运用就是指应用所获取的知识对领域问题进行求解。包括推理、搜索、匹配、识别、管理和维护 知识的获取 知识从外部知识 源(领域专家、书籍、文献、图像、图片等)到计算机内部的转换过程称之为知识获取。 知识的获取通常是由领域专家、知识工程师与专家系统中的知识获取机构共同完成 获取步骤：抽取、转换、输入、验证 自动型知识获取 神经网络获取 采用神经元间权值的调整过程实现 神经网络对领域专家提供的大量实例进行学习．从实例中提取知识，并将知识用连接权值隐台地分布存贮在神经网络中。这种知识的获取方式在一定程度上克服了传统专家系统中存在的知识获取瓶颈问题 知识的表达 产生式表示法 美国逻辑学家坡斯特提出的一种计算模型 模型中的每一条规则称为一个产生式，故而也称产生式规则 条件—结论 情况—动作规则 优点：自然语言 容易实现 规则格式统一 模块化表述 便于解释 缺点：不适宜表达结构性、层次性知识 框架表示法 MIT 明斯基在1975年研究计算机视觉问题时提出来的一种知识表示方法，也称为框架理论。 框架理论认为．人类记忆和使用知识时，通常是把相关的一些信息组织在一起形成一个类似于框架的知识单元而存贮在大脑之中。当面临新事物时．就从头脑中取出一个相近的框架来进行匹配，如能匹配成功，就得到了对此新事物的认识。如不成功，修改框架，重新匹配 基本形式 框架推理 (1)通过value，default和AFO(或ISA)检索子(父)辈框架实现的继承推理。 (2)通过激活if-needed，if-added，if-removed等附加知识(过程)实现的知识(过程)推理。 神经网络表示法 就是将一系列领域知识处理成与神经网络的输入利输出相对应的一系列样本点，然后通过网络学习，建立这一系列领域知识与一组多层神经网络权值之间的一一对应关系，从而将一系列这类知识的表达转化为一组权值的表达。 网络由输入层、隐含层和输出层神经元组成，每个神经元对输入进行加权求和，对和进行阈值处理产生输出值。它利用多层误差修正梯度下降法进行离线学习，经过样本集支持下的若干次学习，网络各层之间的权重得到充分词整，从而获得并表达出样本中所蕴含的知识。 这种知识表示不是像传统专家系统那样以规则、框架等形式显式地表示，而是将知识以隐式方式分布地存贮在各权值中。 推理策略 正向推理 从己知的事实出发，按照一定的控制策略，利用产生式规则．不断地修改、扩充数据库，最终推断出结论。 适合于求解那种由已知 事实推断出各种可能结论 的问题，其优点在于推理 机可以很快做出反映，但 求解了许多无用的目标。 反向推理 首先提出假设，然后反向寻找支持这些假设的证据，故亦称目标驱动策略。系统在推理时无需考虑那些与总体目标无关的