第四节 产生式系统.ppt

第 四 章 产生式知识表示及相关专家系统 教材： 第 2、 6-1、 10 章 引 言： 是 AI 的一个重要知识表示形式; 常用于构建基于规则专家系统。 产生式认知模型 产生式系统架构 产生式系统推理机的实现技术 专家系统概述 产生式认知模型 美国数学家 E.Post（1943）提出： 用符号语言构造产生式计算模型： 前件 - 后件 指出:任何数学系统、逻辑系统都可视为一个产生式集合，规定如何将一个符号串变换成另一个符号串。(计算机程序、巴科斯范式也亦如此) 证明:产生式计算模型具有和图灵机同样的计算能力。 产生式认知模型 规则：（1）αxy → yαx （2）α→ ^ （3） ^ →α 。 产生式认知模型 纽厄尔和西蒙 Newell Simon（1972）：总结人类的认知模型： 长期记忆 - 大脑中积累的知识和经验部分（大容量的、松散的、表现为认识-行为的知识块） 短时记忆 –由感官输入的信息以及求解具体问题所需的、临时存放的知识块（小容量的动态变化的知识 ）； 认知处理器 – 人类求解问题可视为从长期记忆的成块知识中找出由当前输入信息激活的那些知识块，并按优先级排序有选择地执行某个知识快的过程 产生式认知模型 产生式系统架构 产生式系统推理机的实现技术 专家系统概述 事实库（短时记忆区 ）： 存放问题的初始状态、已知事实、推理的中间结果及结论等。 表现形式：符号串、数组、向量、集合、谓词等 产生式系统推理机工作流程 产生式知识表示及相关专家系统 产生式认知模型 产生式系统架构 产生式系统推理机的实现技术 专家系统概述 规则的匹配 从规则库的第一条规则开始，按排列顺序逐条用规则的前提条件与事实库中事实进行匹配； 规则的选择及冲突解决策略 启用规则： 从冲突集中选择出的某条合适的可作为当前的执行规则。 不确定性推理- 信息的不精确、不完整、模糊性 概念的模糊性 - 模糊推理 不确定性推理- 信息的不精确、不完整、模糊性 信息的不精确性： 规则的不确定性 – 不确定性推理 不确定性推理 不确定性推理 不确定性推理 不确定性推理 不确定性推理 不确定性推理 不确定性推理 正向推理的产生式系统 特点： 数据驱动。 规则形式：前件 - 后件 操作： 用已知事实去匹配规则的前件，正向地运用规则， 求证目标成立的过程。 概念： 被正向使用的规则称为 F 规则。 正向推理的产生式系统实例（1） 动物识别产生式系统: G = “ A是猎豹？” 已有知识（规则库）： R1： IF X 是食肉动物 ∧ X 毛发是深褐色 ∧ X 有花斑点 THEN X 是猎豹。 R2： IF ( X 是哺乳动物 ) ∨ ( X 食肉 ) ∨ ( X 有尖利的牙齿 ∧ X 有爪子 ∧ X 有前视眼 ) THEN X 是食肉动物。 R3： IF X 有毛发 THEN X 是哺乳动物 正向推理的产生式系统实例（1） 正向推理的产生式系统 正向推理的产生式系统 正向推理的产生式系统 逆向推理的产生式系统 特点： 目标驱动： 规则形式：前件 - 后件 操作： 用假设的待证目标去匹配规则的后件，逆向地运用规则， 求证所有支持目标所需的前提条件均成立的过程。 概念： 被逆向使用的规则称为 B 规则。 逆向推理的产生式系统实例（1） 动物识别产生式系统: G = “ A是猎豹？” 已有知识（规则库）： R1： IF X 是食肉动物 ∧ X 毛发是深褐色 ∧ X 有花斑点 THEN X 是猎豹。 R2： IF ( X 是哺乳动物 ) ∨ ( X 食肉 ) ∨ ( X 有尖利的牙齿 ∧ X 有爪子 ∧ X 有前视眼 ) THEN X 是食肉动物。 R3： IF X 有毛发 THEN X 是哺乳动物 逆向推理的产生式系统实例（2） 逆向推理的产生式系统 逆向推理的产生式系统 逆向推理的产生式系统 正（逆）向产生式系统的比较 规则应用的解释 必要性： 解释推理过程，帮助使用者理解系统是如何得到结论的； 规则应用的解释 产生式系统小结 产生式认知模型 产生式系统架构 产生式系统推理机的实现技术 专家系统概述 何谓专家系统 专家系统的分类 专家系统的分类 专家系统结构 专家系统设计与实现 专家系统设计与实现 思考题 何为专家系统？ 专家系统由哪些部分构成? 各部分的作用如何? 主要实现技术? 将知识库与推理机相分离具有哪些优点