人工智能(知识工程和数据挖掘)课件.pptVIP

指导教师：XXX; 9.1 知识工程简介 9.2专家系统可以解决的问题 9.3模糊专家可以解决的问题 9.4神经网络可以解决的问题 9.5遗传算法可以解决的问题 9.6混合智能系统可以解决的问题 9.7数据挖掘和知识发现 ;9.1 本章讨论如何选择正确的工具，构建智能系统并将数据转化为知识？;构建基于知识的智能系统的过程称为知识工程;9.2 专家系统可以解决什么问题？;9.2 专家系统可以解决什么问题？;要开发计算机诊断系统，就要获取计算机故障排除的知识。 使用故障排除手册是比较好的方法，手册中的知识非常简练，几乎可以直接用在专家系统中。完全可以不必咨询专家。 ;故障是通过一系列可视的检查或测试来发现的。 首先收集最初的信息（系统没有启动），根据其作出推断。 然后，收集另外的信息（电源良好、电线没有问题）。 最终确定导致故障的原因。 ;大 ;Rule: 1 if task is ‘system start-up’ then ask problem Rule: 2 if task is ‘system start-up’ and problem is ‘system does not start’ then ask ‘test power cords’ Rule: 3 if task is ‘system start-up’ and problem is ‘system does not start’ and ‘test power cords’ is ok then ask ‘test Powerstrip’ ; ;如何选择专家系统开发工具？ 应该使问题的特征和工具的功能相匹配 工具不仅包含高级程序语言，如LISP、OPS、C、Java，也包含专家系统框架 语言提供了更大的灵活性，但是要求的编程技巧也很高 框架虽然不灵活，但是提供了内建推理引擎、解释工具盒用户界面，只需输入英语编写的规则，可快速构建原型 ;如何选择框架？ 选择专家系统框架的时候，要考虑的是如何表达知识的（规则或者结构） 它使用的推理机制（前向链接或者后向链接）是什么 框架是否支持部准确的推理以及使用的技术是什么（贝叶斯推理、确定因子或者模糊逻辑） 框架是否有“开放”的架构以允许使用外部的数据文件和程序以及用户如何和专家系统交互 选择工具的一个重要指标是提供工具的公司的稳定性 ;公司稳定性的指标是什么 一些重要的指标，例如，公司是哪年成立的、员工的人数、总收入、智能系统产品的总收入如、已售产品的数量等。 ;要先确定模糊技术是否适合解决这类问题 如果不能为每个可能的情况制定出一系列的规则，那就使用模糊逻辑。 如果问题本身就不严密，那么模糊技术就是最好的选择 案例3：决策支持模糊技术 开发一个智能系统来评估抵押申请。模糊专家系统能处理这样的问题吗？ ;首先用模糊术语表达抵押申请评估中的基本概念 然后用合适的模糊工具在原型系统中实现这个概念 最后用选定的测试用例来测试和优化系统 ; ; ; ; ; ; ; ; ;开发原型系统的最后一个阶段是评估和测试 ;案例5：预测神经网络 开发一个进行房地产评估的智能系统，神经网络可以解决这个问题吗？ 房地产评估是一个根据类似住房销售价格的知识预测给定房产的市场价的问题 选择神经网络，我们无法理解房产的估价是如何得出的，因为神经网络对于用户来讲是个黑盒子 ;输入（房产的位置、居住面积、卧室数量、浴室数量、土地尺寸、供热系统等） 输出就是我们试图预测的结果 我们有很多例子来训练神经网络，即最近销售的房屋及其价格的特征，训练集需要足够的丰富 ;如何让确定训练集“足够大”？ 网络的推广能力取决于三个主要因素：训练集大小、网络的架构和问题的复杂性。 公式 其中N是训练例子的数量，nw是网络中突出权重的数量，e是测试允许额网络误差 有些特征（例如房子的条件和位置）可以确定在1（没有吸引力）到10（很有吸引力之间） ;修改数据 数据分为三种类型：连续数据、离散数据和分类数据 例如，例子中的面积在59~231，我们可以将最小值设为50，最大值设为250，任何地域最小值的值都映射为最小值，大于最大值的值映射为最大值 实际面积为121， ;离散数据，例如卧室的数量和浴室的数量，也有最大值和最小值 卧室的数量一般为0~4 修改后的离散数据 ;分类数据，例如性别和婚姻状态可以用1/N编码来修改 例如，婚姻状态可以是单身、离异、已婚、#寡，已婚的人可以用（0 0 1 0）表示 ;输入层（有十个神经元）将修改后的输入值传到隐含层 隐含层包含两个神经元，输出层只有一个神经元，隐含层和输出层的神经元使用S型激活函数 ;如何解释网络的输出？ 网络输出层的值为0~1之间的连续值，要解释这个结果只需要倒转程序即可