人工智能课件蔡自兴不全第5章幻灯片.pptVIP

1 MYCIN概述 MYCIN系统由3个子系统组成：咨询子系统，解释子系统和规则获取子系统，如右图所示。 → 1 MYCIN概述 MYCIN系统的工作过程: ①咨询开始时，先启动咨询子系统，进入人机对话状态。在对话过程中，系统向用户提出必要的问题，进行推理。 系统只在根据已有的信息无法推论所需的信息时才询问。 → 1 MYCIN概述 MYCIN系统的工作过程: ②当结束咨询时，系统自动地转入解释子系统。解释子系统回答用户的问题，并解释推理过程。解释时，系统显示用英语形式表示的规则，并说明为什么需要某种信息，以及如何得到某个结论。 → 1 MYCIN概述 MYCIN系统的工作过程: ③规则获取子系统只由建立系统的知识工程师所使用。当发现有规则被遗漏或不完善时，知识工程师可以利用这个系统来增加和修改规则。 第五章 专家系统5.5专家系统实例——MYCIN 2 咨询子系统 在咨询过程中，MYCIN逐步建立为得出结论所必需的信息，这些信息有关于病人的一般情况、培植的培养物、从培养物中分离的细菌以及已服用的药物等。这些信息分别归类到相应的项目中去，这些项目称为上下文。 2 咨询子系统 右图所示的上下文树表示病人-1的有关信息。这种信息或通过询问医生，或由系统本身推理得到。→ 2 咨询子系统 MYCIN系统使用逆向推理的控制策略。 在程序的任何一点，其目标都是跟踪某一上下文的参数。跟踪的方法是调用所有在其操作部分得出这个参数的规则。 开始咨询时，首先把上下文树的根节点具体化为病人-1。然后试图找出这个上下文类型的治疗方案参数(要用到目标规则)。 → 2 咨询子系统 为此，系统需要跟踪目标规则的前提部分所涉及的参数。医生很可能不能直接知道这些参数，所以需要应用可以推论出这些参数的规则。然后，又跟踪这些规则的前提部分中的参数。这样跟踪下去，直到通过医生的回答以及推论可以找到所需的参数为止。 第五章 专家系统5.5专家系统实例——MYCIN 3 静态数据库 MYCIN有一个静态数据库包括所有的产生式规则以及所有的咨询程序所需的信息。每一类上下文、规则、参数都有若干特性来充分地描述它们。这些特性都储存在静态数据库中。 这样的静态数据库也就是专家系统的知识库。 第五章 专家系统5.5专家系统实例——MYCIN 4 MYCIN所采用的非精确推理方法 MYCIN在咨询过程中利用可信度而不是正规的统计量作为在几种可能性中进行选择的量度。这是因为根据医生临床经验，医生用以诊断的信息并不适合于正规统计方法，而可信度的概念似乎更符合医生进行推理的方式。 4 MYCIN所采用的非精确推理方法 根据主观概率理论，专家的先验概率P(h)反映专家在不出现证据的条件下相信假设h的程度，因此1-P(h)可认为是在此条件下专家不相信此假设成立的程度。 如果P(h｜e)大于P(h)，说明由于证据e的出现使专家相信h成立的可能性增加了，或者说不相信h成立的可能性减少了。→ 4 MYCIN所采用的非精确推理方法 因证据e出现而引起的对假设h 不相信程度相对减少值（如右式所示） ，用作相信程度增加的度量，记为MB[h，e] 。 因证据e出现而引起的对假设h相信程度相对减少值（如右式所示），用作不相信程度增加的度量，记为MD[h，e] 。 4 MYCIN所采用的非精确推理方法 因为一项证据或者对某个假设的成立有利，或对此不利，两者不能同时存在，所以当MB[h，e]＞0时，MD[h，e]=0，反之亦然。 如果证据e和假设h无关，那么MB[h，e]，MD[h，e]都为零。 4 MYCIN所采用的非精确推理方法 可信度CF定义： CF[h，e]=MB[h，e]- MD[h，e] 可信度是一个为了把相信和不相信程度组合成一个数的人为的系数，便于在具有几种可能的假设时 ，比较它们的证据的强度。 由于MB，MD∈[0，1] ，所以CF ∈[-1，1] 。 如果CF大于零，表示系统倾向于相信假设成立； 如果CF小于零，表示反对这个假设的证据更多一些，所以系统倾向于相信假设不成立。 4 MYCIN所采用的非精确推理方法 证据的组合　　如何把几个证据组合起来确定一个假设的可信度？ 例如，同时给定两个观察s1和s2时，对一个假设的相信和不相信程度的量度可以用右式计算： MB[h,s1s2]= 0 若MD[h,s1s2]=1 其它 MB[h,s1]+MB[h,s2]*(1-MB[h,s1]) MD[h,s1s2]= 0 若