Построение экспертной системы анализа валютного рынка

Автор работы: Пользователь скрыл имя, 22 Апреля 2013 в 05:50, курсовая работа

Краткое описание

Цель курсовой работы – разработка и создание экспертной системы позволяющей анализировать поведение валютного рынка на основе знаний и опыта профессионального участника рынка ценных бумаг.
Задачи проекта:
- Изучение и описание анализа предметной области;
- Построение концептуальной модели предметной области;
- Проектирование логической структуры базы знаний;
- Реализация экспертной системы.

Содержание

Введение 5
Глава 1. Экспертные системы и их особенности. 7
1.1. Определение экспертной системы. Достоинства и назначение. 7
1.2. Классификация и виды экспертных систем. 9
1.3. Основные линии развития экспертных систем. 12
1.4. Области применения экспертных систем. 14
1.5. Критерий использования экспертных систем для решения задач. 17
1.6. Ограничения в применении экспертных систем. 19
1.7. Преимущества экспертной системы перед человеком-экспертом. 20
1.8. Проблемы, возникающие при создании экспертной системы. Перспективы разработки. 21
Глава 2. Идентификация проблемы…………………………………………….26
2.1. Описание предметной области…………………………………………26
2.2. Структура параметров предметной области…………………………..27
2.3. Концептуальная модель предметной области………………………...39
Глава 3. Формализация базы знаний…………………………………………...45
Глава 4. Реализация и тестирование системы………………………………….52
4.1. Алгоритм формирования базы знаний………………………………...52
4.2. Алгоритм формирования вывода………………………………………53
4.3. Тестирование системы………………………………………………….55
Заключение……………………………………………………………………….59
Библиографический список 60

Прикрепленные файлы: 1 файл

Министерство образования и науки РФ.doc

— 504.50 Кб (Скачать документ)

Если исходные данные, описывающие  предметную область, изменяются за время  решения задачи, то предметную область  называют динамической. В архитектуру  динамической экспертной системы, по сравнению со статической, вводятся два компонента:

  • подсистема моделирования внешнего мира;
  • подсистема связи с внешним окружением.

Последняя осуществляет связи с  внешним миром через систему  датчиков и контроллеров. Кроме того, традиционные компоненты статической экспертной системы (база знаний и механизм логического вывода) претерпевают существенные изменения, чтобы отразить временную логику происходящих в реальном мире событий.

 

1.3. Основные линии развития экспертных систем

 

Наиболее известные ЭС, разработанные в 60–70-х годах, стали в своих областях уже классическими. По происхождению, предметным областям и по преемственности применяемых идей, методов и инструментальных программных средств их можно разделить на несколько семейств.

1. META-DENDRAL. Система DENDRAL позволяет определить наиболее вероятную структуру химического соединения по экспериментальным данным (данным ядерного магнитного резонанса и др.). META-DENDRAL автоматизирует процесс приобретения знаний для DENDRAL. Она генерирует правила построения фрагментов химических структур.

2. MYCIN-EMYCIN-TEIREIAS-PUFF-NEOMYCIN. Это семейство медицинских ЭС и сервисных программных средств для их построения.

3. PROSPECTOR-KAS. PROSPECTOR – предназначена для поиска (предсказания) месторождений на основе геологических анализов. KAS – система приобретения знаний для PROSPECTOR.

4. CASNET-EXPERT. Система CASNET – медицинская ЭС для диагностики выдачи рекомендаций по лечению глазных заболеваний. На ее основе разработан язык инженерии знаний EXPERT, с помощью которого создан ряд других медицинских диагностических систем.

5. HEARSAY–HEARSAY-2–HEARSAY-3–AGE. Первые две системы этого ряда являются развитием интеллектуальной системы распознавания слитной человеческой речи, слова которой берутся из заданного словаря. Эти системы отличаются оригинальной структурой, основанной на использовании доски объявлений – глобальной базы данных, содержащей текущие результаты работы системы. В дальнейшем на основе этих систем были созданы инструментальные системы HEARSAY-3 и AGE (Attempt to Generalize – попытка общения) для построения ЭС.

6. Системы AM (Artifical Mathematician – искусственный математик) и EURISCO были разработаны в Станфордском университете доктором Д. Ленатом для исследовательских и учебных целей. Ленат считает, что эффективность любой ЭС определяется закладываемыми в нее знаниями. По его мнению, чтобы система была способна к обучению, в нее должно быть введено около миллиона сведений общего характера. Это примерно соответствует объему информации, каким располагает четырехлетний ребенок со средними способностями. Ленат также считает, что путь создания узкоспециализированных ЭС с уменьшенным объемом знаний ведет к тупику.

В систему AM первоначально было заложено около 100 правил вывода и более 200 эвристических  алгоритмов обучения, позволяющих строить  произвольные математические теории и представления. Сначала результаты работы системы были весьма многообещающими. Она могла сформулировать понятия натурального ряда и простых чисел. Кроме того, она синтезировала вариант гипотезы Гольдбаха о том, что каждое четное число, большее двух, можно представить в виде суммы двух простых чисел. До сих пор не удалось ни найти доказательства данной гипотезы, ни опровергнуть ее. Дальнейшее развитие системы замедлилось, и было отмечено, что, несмотря на проявленные на первых порах «математические способности», система не может синтезировать новых эвристических правил, т. е. ее возможности определяются только теми эвристиками, что были в нее изначально заложены.

При разработке системы EURISCO была предпринята  попытка преодолеть указанные недостатки системы AM. Как и в начале эксплуатации AM, первые результаты, полученные с помощью EURISCO, были эффективными. Сообщалось, что система EURISCO может успешно участвовать в очень сложных играх. С ее помощью в военно-стратегической игре, проводимой ВМФ США, была разработана стратегия, содержащая ряд оригинальных тактических ходов. Согласно одному из них, например, предлагалось взрывать свои корабли, получившие повреждения. При этом корабли, оставшиеся неповрежденными, получают необходимое пространство для выполнения маневра.

 

1.4. Области применения экспертных систем

 

Области применения систем, основанных на знаниях, могут быть сгруппированы  в несколько основных классов: медицинская  диагностика, прогнозирование, планирование, интерпретация, контроль и управление, диагностика неисправностей в механических и электрических устройствах, обучение.

Медицинская диагностика

Диагностические системы используются для установления связи между  нарушениями деятельности организма  и их возможными причинами. Наиболее известна диагностическая система MYCIN, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях. В настоящее время эта система ставит диагноз на уровне врача-специалиста. Она имеет расширенную базу знаний, благодаря чему может применяться и в других областях медицины.

 

Прогнозирование

Прогнозирующие системы предсказывают  возможные результаты или события на основе данных о текущем состоянии объекта. Программная система «Завоевание Уолл-стрита» может проанализировать конъюнктуру рынка и с помощью статистических методов алгоритмов разработать для вас план капиталовложений на перспективу. Она не относится к числу систем, основанных на знаниях, поскольку использует процедуры и алгоритмы традиционного программирования. Хотя пока еще отсутствуют ЭС, которые способны за счет своей информации о конъюнктуре рынка помочь вам увеличить капитал, прогнозирующие системы уже сегодня могут предсказывать погоду, урожайность и поток пассажиров. Даже на персональном компьютере, установив простую систему, основанную на знаниях, вы можете получить местный прогноз погоды.

Планирование

Планирующие системы предназначены  для достижения конкретных целей  при решении задач с большим  числом переменных. Дамасская фирма Informat впервые в торговой практике предоставляет в распоряжение покупателей  
13 рабочих станций, установленных в холле офиса, на которых проводятся бесплатные 15-минутные консультации с целью помочь покупателям выбрать компьютер, в наибольшей степени отвечающий их потребностям и бюджету. Кроме того, компания Boeing применяет ЭС для проектирования космических станций, выявления причин отказов самолетных двигателей, а также для ремонта вертолетов. Экспертная система XCON, созданная фирмой DEC, служит для определения или изменения конфигурации компьютерных систем типа VAX в соответствии с требованиями покупателя. Фирма DEC разрабатывает более мощную систему XSEL, включающую базу знаний системы XCON,  
с целью оказания помощи покупателям при выборе вычислительных систем  
с нужной конфигурацией. В отличие от XCON, система XSEL является интерактивной.

Интерпретация

Интерпретирующие системы обладают способностью получать определенные заключения на основе результатов наблюдения. Система PROSPECTOR, одна из наиболее известных систем интерпретирующего типа, объединяет знания девяти экспертов. Используя сочетания девяти методов экспертизы, системе удалось обнаружить залежи руды стоимостью в миллион долларов, причем наличие этих залежей не предполагал ни один из девяти экспертов. Другая интерпретирующая система – HASP/SIAP. Она определяет местоположение и типы судов в тихом океане по данным акустических систем слежения.

Контроль и управление

Системы, основанные на знаниях, могут  применяться в качестве интеллектуальных систем контроля и принимать решения, анализируя данные, поступающие от нескольких источников. Такие системы уже работают на атомных электростанциях, управляют воздушным движением и осуществляют медицинский контроль. Они могут быть также полезны при регулировании финансовой деятельности предприятия и оказывать помощь при выработке решений в критических ситуациях.

Диагностика неисправностей в механических и электрических устройствах

В этой сфере системы, основанные на знаниях, незаменимы как при ремонте механических и электрических машин (автомобилей, дизельных локомотивов и т. д.), так и при устранении неисправностей и ошибок в аппаратном и программном обеспечении компьютеров.

Обучение

Системы, основанные на знаниях, могут  входить составной частью в компьютерные системы обучения. Система получает информацию о деятельности некоторого объекта (например, студента) и анализирует его поведение. База знаний изменяется в соответствии с поведением объекта. Примером этого обучения может служить компьютерная игра, сложность которой увеличивается по мере возрастания степени квалификации играющего.

Большинство ЭС включают знания, по содержанию которых их можно отнести одновременно к нескольким типам, например, обучающая система может также обладать знаниями, позволяющими выполнять диагностику и планирование. Она определяет способности обучаемого по основным направлениям курса, а затем с учетом полученных данных составляет учебный план. Управляющая система может применяться для целей контроля, диагностики, прогнозирования и планирования. Система, обеспечивающая сохранность жилища, может следить за окружающей обстановкой, распознавать происходящие события (например, открылось окно), выдавать прогноз (вор-взломщик намеревается проникнуть в дом) и составлять план действий (вызвать полицию).

 

1.5. Критерий использования экспертных систем для решения задач

 

Существует ряд прикладных задач, которые решаются с помощью систем, основанных на знаниях, более успешно, чем любыми другими средствами.  
При определении целесообразности применения таких систем нужно руководствоваться следующими критериями.

1. Данные и знания надежны  и не меняются со временем.

2. Пространство возможных решений  относительно невелико.

3. В процессе решения задачи  должны использоваться формальные  рассуждения. Существуют системы,  основанные на знаниях, пока  еще не пригодные для решения задач методами проведения аналогий или абстрагирования (человеческий мозг справляется с этим лучше). В свою очередь, традиционные компьютерные программы оказываются эффективнее систем, основанных на знаниях, в тех случаях, когда решение задачи связано с применением процедурного анализа. Системы, основанные на знаниях, более подходят для решения задач, где требуются формальные рассуждения.

4. Должен быть, по крайней мере, один эксперт, который способен  явно сформулировать свои знания  и объяснить свои методы применения этих знаний для решения задач.

В таблице 1 приведены сравнительные  свойства прикладных задач, по наличию  которых можно судить о целесообразности использования для их решения ЭС.

Таблица 1

Критерий применимости ЭС

Применимы

Неприменимы

Не могут быть построены строгие  алгоритмы или процедуры, но существуют эвристические методы решения

Имеются эффективные алгоритмические  методы

Есть эксперты, которые способны решить задачу

Отсутствуют эксперты или их число  недостаточно

По своему характеру задачи относятся к области диагностики, интерпретации или прогнозирования

Задачи носят вычислительный характер

Доступные данные «зашумлены»

Известны точные факты и строгие  процедуры

Задачи решаются методом формальных рассуждений

Задачи решаются процедурными методами, с помощью аналогии или интуитивно

Знания статичны (неизменны)

Знания динамичны (меняются со временем)


 

В целом ЭС не рекомендуется применять  для решения следующих типов  задач:

  • математических, решаемых обычным путем формальных преобразований и процедурного анализа;
  • задач распознавания, поскольку в общем случае они решаются численными методами;
  • задач, знания о методах решения которых отсутствуют (невозможно построить базу знаний).

 

1.6. Ограничения в применении экспертных систем

 

Даже лучшие из существующих ЭС, которые  эффективно функционируют как на больших, так и на мини-ЭВМ, имеют  определенные ограничения по сравнению  с человеком-экспертом.

1. Большинство ЭС не вполне  пригодны для применения конечным  пользователем. Если вы не имеете некоторого опыта работы с такими системами, то у вас могут возникнуть серьезные трудности. Многие системы оказываются доступными только тем экспертам, которые создавали базы знаний.

2. Вопросно-ответный режим, обычно  принятый в таких системах, замедляет получение решений. Например, без системы MYCIN врач может (а часто и должен) принять решение значительно быстрее, чем с ее помощью.

3. Навыки системы не возрастают  после сеанса экспертизы.

4. Все еще остается проблемой  приведение знаний, полученных от эксперта, к виду, обеспечивающему их эффективную машинную реализацию.

5. ЭС не способны обучаться,  не обладают здравым смыслом.  Домашние кошки способны обучаться  даже без специальной дрессировки,  ребенок в состоянии легко  уяснить, что он станет мокрым, если опрокинет на себя стакан с водой, однако, если начать выливать кофе на клавиатуру компьютера, у него не хватит «ума» отодвинуть ее.

6. ЭС неприменимы в больших  предметных областях. Их использование  ограничивается предметными областями,  в которых эксперт может принять решение за время от нескольких минут до нескольких часов.

7. В тех областях, где отсутствуют  эксперты (например, в астрологии), применение  ЭС оказывается невозможным. 

8. Имеет смысл привлекать ЭС  только для решения когнитивных  задач. Теннис, езда на велосипеде не могут являться предметной областью для ЭС, однако такие системы можно использовать при формировании футбольных команд.

9. Человек-эксперт при решении  задач обычно обращается к  своей интуиции или здравому смыслу, если отсутствуют формальные методы решения или аналоги таких задач.

 Системы, основанные на знаниях,  оказываются неэффективными при  необходимости проведения скрупулезного  анализа, когда число «решений»  зависит от тысяч различных возможностей и многих переменных, которые изменяются во времени. В таких случаях лучше использовать базы данных с интерфейсом на естественном языке.

Информация о работе Построение экспертной системы анализа валютного рынка