Разработка микропроцессорного устройства управления

Федеральное агентство железнодорожного транспорта

Омский государственный университет  путей сообщения

 

 

Кафедра «Автоматика и системы  управления»

 

 

 

 

 

К ЗАЩИТЕ ДОПУСТИТЬ

 

_____________А.В. Шилер

«___»_____________2012 г.

 

 

РАЗРАБОТКА ЭКСПЕРТНОЙ СИСТЕМЫ

Пояснительная записка к курсовой работе

по дисциплине «Интеллектуальные информационные системы»

ИНМВ.401100.000 ПЗ

 

 

 

Студент группы ДОТ-0719   ___________Н.Н. Бутакова «__»_______2012 г.   Руководитель – доцент кафедры АиСУ __________А.В. Шилер «__»________2012 г.

 

 

Омск 2012

 

Реферат

УДК 621.325

 

Курсовая работа содержит 33 страницы, 7 рисунков, 
4 библиографических источника.

 

Экспертная система, идентификация, концептуализация, формализация, семантический граф.

 

Цель курсовой работы – разработать две экспертные системы.

 

В курсовой работе поэтапно реализуется экспертная система в области выбора фена.

 

Задание на курсовую работу

В курсовой работе требуется  разработать экспертную систему в известной предметной области.

Выбор должен осуществляться на основании результатов диалога программы с пользователем.

Входные данные – параметры  поиска, задаваемые пользователем.

Выходные данные – исходы, удовлетворяющие критериям поиска, заданным пользователем.

 

 

 

 

 

Содержание

 

 

Введение

Экспертная  система – это программа или программный комплекс, который заменяет или дополняет эксперта при решении задач в определенной предметной области.

Экспертные  системы рассчитаны на очень широкий  круг пользователей – не экспертов в той предметной области, для которой и разработана экспертная система.

Современные ЭС часто решают проблемы из различных областей знаний. Как правило, это задачи смежных областей – распознавание образов, решение прикладных задач, роботехника, доказательство теорем и других.

Типичные  применения экспертных систем включают в себя такие задачи, как медицинская диагностика, локализация неисправностей в оборудовании, интерпретация результатов измерений, консультирование по узкоспециализированному вопросу, информирование.

ЭС предназначены для  так называемых неформализованных  задач, т.е. ЭС не отвергают и не заменяют традиционного подхода к разработке программ, ориентированного на решение формализованных задач.

Экспертные системы  и системы искусственного интеллекта отличаются от систем обработки данных тем, что в них в основном используются символьный (а не числовой) способ представления, символьный вывод и эвристический поиск решения (а не исполнение известного алгоритма).

Неформализованные задачи обычно обладают следующими особенностями:

• ошибочностью, неоднозначностью, неполнотой и противоречивостью исходных данных;
• ошибочностью, неоднозначностью, неполнотой и противоречивостью знаний о проблемной области и решаемой задаче;
• большой размерностью пространства решения, т.е. перебор при поиске решения весьма велик;
• динамически изменяющимися данными и знаниями.

Экспертные системы способны решать неформализованные задачи благодаря следующим особенностям:

• так как алгоритм решения задачи неизвестен заранее, то он строится в самой экспертной системе в процессе её работы на основании символических рассуждений, основанных на эвристических приемах;
• система в любой момент времени осознает ход решения в терминах пользователя;
• система способна на любом этапе объяснить свои действия и представленные знания;
• способность приобретения новых знаний, изменение состояния экспертной системы и её поведения в результате приобретения знаний;
• использование естественно-языковых интерфейсов.

 

 

Экспертные системы  должны решать задачи, требующие для  своего решения экспертных знаний в  некоторой конкретной области. В  той или иной форме экспертные системы должны обладать этими знаниями. Поэтому их также называют системами, основанными на знаниях. Однако не всякую систему, основанную на знаниях, можно рассматривать как экспертную. Экспертная система должна также уметь каким-то образом объяснять свое поведение и свои решения пользователю, так же, как это делает эксперт-человек. Это особенно необходимо в областях, для которых характерна неопределенность, неточность информации. В этих случаях способность к объяснению нужна для того, чтобы повысить степень доверия пользователя к советам системы, а также для того, чтобы дать возможность пользователю обнаружить возможный дефект в рассуждениях системы. В связи с этим в экспертных системах следует предусматривать дружественное взаимодействие с пользователем, которое делает для пользователя процесс рассуждения системы «прозрачным».

Однако, ЭС в основном обладают некоторыми общими недостатками:

– низкоразвитый интерфейс;

– необходимость знания специальных языков представления знаний;

– большие размеры;

– низкое быстродействие;

– не развиты связи с другими программами;

– нет средств быстрой смены баз знаний;

– высокая стоимость.

В самом общем случае для того, чтобы построить экспертную систему, мы должны разработать механизмы выполнения следующих функций системы:

– решение задач с использованием знаний о конкретной предметной области (возможно, при этом возникнет необходимости иметь дело с неопределенностью);

– взаимодействие с пользователем, включая объяснения, помощь, подсказки со стороны системы до, во время и после окончания процесса решения задачи.

Каждая из этих функций  может оказаться очень сложной  и зависит от прикладной области, а также от различных практических требований.

 

 

 

 

 

 

 

1 Общие сведения

Экспертная система  отличается от прочих прикладных программ наличием следующих признаков.

Моделирует не столько  физическую (или иную) природу определенной проблемной области, сколько механизм мышления человека применительно к решению задач в этой проблемной области. Это существенно отличает экспертные системы от систем математического моделирования или компьютерной анимации. Нельзя, конечно, сказать, что программа полностью воспроизводит психологическую модель специалиста в этой предметной области (эксперта), но важно, что основное внимание все-таки уделяется воспроизведению компьютерными средствами методики решения проблем, которая применяется экспертом, т.е. выполнению некоторой части задач так же (или даже лучше), как это делает эксперт.

Система, помимо выполнения вычислительных операций, формирует  определенные соображения и выводы, основываясь на тех знаниях, которыми она располагает. Знания в системе представлены, как правило, на некотором специальном языке и хранятся отдельно от собственно программного кода, который и формирует выводы и соображения. Этот компонент программы принято называть базой знаний.

При решении задач  основными являются эвристические  и приближенные методы, которые, в отличие от алгоритмических, не всегда гарантируют успех. Эвристика, по существу, является правилом влияния (rule of thumb), которое в машинном виде представляет некоторое знание, приобретенное человеком по мере накопления практического опыта решения аналогичных проблем. Такие методы являются приблизительными в том смысле, что, во-первых, они не требуют исчерпывающей исходной информации, и, во-вторых, существует определенная степень уверенности (или неуверенности) в том, что предлагаемое решение является верным.

Экспертные системы  отличаются и от других видов программ из области искусственного интеллекта.

Экспертные системы  имеют дело с предметами реального мира, операции с которыми обычно требуют наличия значительного опыта, накопленного человеком. Множество программ из области искусственного интеллекта являются сугубо исследовательскими и основное внимание в них уделяется абстрактным математическим проблемам или упрощенным вариантам реальных проблем, а целью выполнения такой программы является «повышение уровня интуиции» или отработка методики. Экспертные системы имеют ярко выраженную практическую направленность в научной или коммерческой области.

Одной из основных характеристик  экспертной системы является ее производительность, т.е. скорость получения результата и его достоверность (надежность). Исследовательские программы искусственного интеллекта могут и не быть очень быстрыми, можно примириться и с существованием в них отказов в отдельных ситуациях, поскольку, в конце концов, — это инструмент исследования, а не программный продукт. А вот экспертная система должна за приемлемое время найти решение, которое было бы не хуже, чем- то, которое может предложить специалист в этой предметной области.

Экспертная система  должна обладать способностью объяснить, почему предложено именно такое решение, и доказать его обоснованность. Пользователь должен получить всю информацию, необходимую ему для того, чтобы быть уверенным, что решение принято «не с потолка». В отличие от этого, исследовательские программы «общаются» только со своим создателем, который и так (скорее всего) знает, на чем основывается ее результат. Экспертная система проектируется в расчете на взаимодействие с разными пользователями, для которых ее работа должна быть, по возможности, прозрачной.

Зачастую термин система, основанная на знаниях (knowledge-based system), используется в качестве синонима термина экспертная система, хотя, строго говоря, экспертная система – это более широкое понятие. Система, основанная на знаниях, – это любая система, процесс работы которой основан на применении правил отношений к символическому представлению знаний, а не на использовании алгоритмических или статистических методов. Таким образом, программа, способная рассуждать о погоде, будет системой, основанной на знаниях, даже в том случае, если она не способна выполнить метеорологическую экспертизу. А вот чтобы иметь право называться метеорологической экспертной системой, программа должна быть способна давать прогноз погоды (другой вопрос – насколько он будет достоверен).

Суммируя все сказанное, отметим – экспертная система  содержит знания в определенной предметной области, накопленные в результате практической деятельности человека (или человечества), и использует их для решения проблем, специфичных для этой области. Этим экспертные системы отличаются от прочих, «традиционных» систем, в которых предпочтение отдается более общим и менее связанным с предметной областью теоретическим методам, чаще всего математическим. Процесс создания экспертной системы часто называют инженерией знаний (knowledge engineering) и он рассматривается в качестве «применения методов искусственного интеллекта».

1.1 Структура экспертных систем

Типичная статическая  ЭС состоит из следующих основных компонентов, изображенных на рисунке 1.1:

– решателя (интерпретатора);

– рабочей памяти (РП), называемой также базой данных (БД);

– базы знаний (БЗ);

– компонентов приобретения знаний;

– объяснительного компонента;

– диалогового компонента.

Рисунок 1.1 – Основные компоненты экспертной системы

База данных (рабочая  память) предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи. Этот термин совпадает по названию, но не по смыслу с термином, используемым в информационно-поисковых системах (ИПС) и системах управления базами данных (СУБД) для обозначения всех данных (в первую очередь долгосрочных), хранимых в системе.

База знаний (БЗ) в ЭС предназначена для хранения долгосрочных данных, описывающих рассматриваемую область (а не текущих данных), и правил, описывающих целесообразные преобразования данных этой области.

Решатель, используя исходные данные из рабочей памяти и знания из БЗ, формирует такую последовательность правил, которые, будучи примененными к исходным данным, приводят к решению задачи.

Компонент приобретения знаний автоматизирует процесс наполнения ЭС знаниями, осуществляемый пользователем-экспертом.

Объяснительный компонент  объясняет, как система получила решение задачи (или почему она не получила решение) и какие знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату.

Диалоговый компонент  ориентирован на организацию дружественного общения с пользователем как в ходе решения задач, так и в процессе приобретения знаний и объяснения результатов работы.

В разработке ЭС участвуют  представители следующих специальностей:

– эксперт в проблемной области, задачи которой будет решать ЭС;

– инженер по знаниям  – специалист по разработке ЭС (используемые им технологию, методы называют технологией (методами) инженерии знаний);

– программист по разработке инструментальных средств (ИС), предназначенных для ускорения разработки ЭС.

Необходимо отметить, что отсутствие среди участников разработки инженеров по знаниям (т. е. их замена программистами) либо приводит к неудаче процесс создания ЭС, либо значительно удлиняет его.