Лабораторная работа №4 по дисциплине “Системы искусственного интеллекта




Скачать 51.72 Kb.
НазваниеЛабораторная работа №4 по дисциплине “Системы искусственного интеллекта
Дата24.09.2012
Размер51.72 Kb.
ТипЛабораторная работа
ЛАБОРАТОРНАЯ РАБОТА №4

по дисциплине “Системы искусственного интеллекта"



ВЗАИМОДЕЙСТВИЕ ИНДУКЦИИ И ДЕДУКЦИИ, ИНДУКЦИИ И АРГУМЕНТАЦИИ. ЗАДАЧИ НА ПОСТРОЕНИЕ БАЗЫ ЗНАНИЙ


1. Цель занятия

Целью лабораторных работ является освоение технологии и методики построения экспертных систем на примере разработанной учебной экспертной системы. Студент выступает в роли одновременно эксперта и инженера по знаниям.

 

  1. Задание на занятие

В соответствии с вариантом, студентам предлагается изучить

  1. Теоретический материал, презентации и модуля учебной экспертной системы, разработанным в среде EsWin, реализующим мини-опрос по представленному материалу в соответствии с вариантом из раздела «Материалы к лабораторным работам – Вариант».

  2. Инструментальное ПО для построения экспертных систем. В инструментальное ПО входят помимо экспертной оболочки EsWin программа-редактор баз знаний EDKB и программа для просмотра баз знаний KBVIEW.

  3. , реализованного в среде оболочки EsWin.

После изучения теоретических и практических материалов предлагается выполнить:

  1. Тестирование оболочки.

  2. Провести анализ ошибок.

  3. Доработать базу знаний

  4. Выполнить реализацию и тестирование новой версии базы знаний.

После чего оформить отчет по выполненным лабораторным работам, в котором отразить:

  • Цель разработки, предложенного в вашем варианте модуля учебной экспертной системы

  • Результаты анализа выявленных ошибок

  • Структуру фреймов, правил-продукций для исходного и доработанного модулей учебной экспертной системы




  1. Методические указания

Экспертные системы (общие понятия)


Экспертные системы - это прикладные системы ИИ, в которых база знаний представляет собой формализованные эмпирические знания высококвалифицированных специалистов (экспертов) в какой либо узкой предметной области. Экспертные системы предназначены для замены при решении задач экспертов в силу их недостаточного количества, недостаточной оперативности в решении задачи или в опасных (вредных) для них условиях.

Обычно экспертные системы рассматриваются с точки зрения их применения в двух аспектах: для решения каких задач они могут быть использованы и в какой области деятельности. Эти два аспекта накладывают свой отпечаток на архитектуру разрабатываемой экспертной системы.

Можно выделить следующие основные классы задач, решаемых экспертными системами:

  • диагностика,

  • прогнозирование,

  • идентификация,

  • управление,

  • проектирование,

  • мониторинг.

Наиболее широко встречающиеся области деятельности, где используются экспертные системы:

  • медицина,

  • вычислительная техника,

  • военное дело,

  • микроэлектроника,

  • радиоэлектроника,

  • юриспруденция,

  • экономика,

  • экология,

  • геология (поиск полезных ископаемых),

  • математика.

Структура экспертных систем





    На рисунке 1 изображена обобщенная структура экспертной системы.

    База знаний предназначена для хранения экспертных знаний о предметной области, используемых при решении задач экспертной системой.


Рисунок 1. Структура экспертной системы

    База данных предназначена для временного хранения фактов или гипотез, являющихся промежуточными решениями или результатом общения системы с внешней средой, в качестве которой обычно выступает человек, ведущий диалог с экспертной системой.

    Машина логического вывода - механизм рассуждений, оперирующий знаниями и данными с целью получения новых данных из знаний и других данных, имеющихся в рабочей памяти. Для этого обычно используется программно реализованный механизм дедуктивного логического вывода (какая-либо его разновидность) или механизм поиска решения в сети фреймов или семантической сети.

    Машина логического вывода может реализовывать рассуждения в виде:

  1. дедуктивного вывода (прямого, обратного, смешанного);

  2. нечеткого вывода;

  3. вероятностного вывода;

  4. унификации (подобно тому, как это реализовано в Прологе);

  5. поиска решения с разбиением на последовательность подзадач;

  6. поиска решения с использованием стратегии разбиения пространства поиска с учетом уровней абстрагирования решения или понятий, с ними связанных;

  7. монотонного или немонотонного рассуждения,

  8. рассуждений с использованием механизма аргументации;

  9. ассоциативного поиска с использованием нейронных сетей;

  10. вывода с использованием механизма лингвистической переменной.

    Подсистема общения служит для ведения диалога с пользователем, в ходе которого ЭС запрашивает у пользователя необходимые факты для процесса рассуждения, а также, дающая возможность пользователю в какой-то степени контролировать и корректировать ход рассуждений экспертной системы.

    Подсистема объяснений необходима для того, чтобы дать возможность пользователю контролировать ход рассуждений и, может быть, учиться у экспертной системы. Если нет этой подсистемы, экспертная система выглядит для пользователя как "вещь в себе", решениям которой можно либо верить либо нет. Нормальный пользователь выбирает последнее, и такая ЭС не имеет перспектив для использования.

    Подсистема приобретения знаний служит для корректировки и пополнения базы знаний. В простейшем случае это - интеллектуальный редактор базы знаний, в более сложных экспертных системах - средства для извлечения знаний из баз данных, неструктурированного текста, графической информации и т.д.

Когда целесообразно использование экспертных систем


    Экспертные системы целесообразно использовать тогда, когда 1) разработка ЭС возможна, 2) оправдана и 3) методы инженерии знаний соответствуют решаемой задаче.

    Рассмотрим более подробно эти условия.


    Разработка ЭС возможна, когда:

  • существуют эксперты в данной области;

  • эксперты должны сходиться в оценке предлагаемого решения;

  • эксперты должны уметь выразить на естественном языке и объяснить используемые методы;

  • задача требует только рассуждений, а не действий;

  • задача не должна быть слишком трудной, ее решение должно занимать у эксперта до нескольких часов или дней, а не недель или месяцев;

  • задача должна относиться к достаточно структурированной области;

  • решение не должно использовать в значительной мере здравый смысл ( т.е. широкий спектр общих сведений о мире и о способе его функционирования ).

    Разработка ЭС оправдана, если::

  • решение задачи принесет значительный эффект:

  • использовать человека-эксперта невозможно из-за ограниченного количества экспертов или из-за необходимости выполнения экспертизы одновременно во многих местах;

  • при передаче информации эксперту происходит значительная потеря времени или информации;

  • необходимо решать задачу в окружении, враждебном человеку.

    Методы инженерии знаний соответствуют задаче, если задача обладает следующими характеристиками::

  • может быть естественным образом решена посредством манипуляции с символами, а не с числами;

  • имеет эвристическую природу, т.е. не годится задача, которая может быть решена гарантированно с помощью некоторых формальных процедур;

  • должна быть достаточно сложной, чтобы оправдать затраты, но не чрезмерно сложной;

  • должна быть достаточно узкой, но практически значимой.



4 Варианты заданий

Построить базу знаний по теме

  1. Медицинские диагнозы и болезни

  2. Электронные компоненты

  3. Кулинарные рецепты

  4. Ландшафтный дизайн

  5. Зап.части к автомобилям

Похожие:

Лабораторная работа №4 по дисциплине “Системы искусственного интеллекта iconЛабораторная работа №1 по дисциплине “Системы искусственного интелекта
Исчисление предикатов первого порядка является теоретической основной множества формализмов методов искусственного интеллекта. Задачи...
Лабораторная работа №4 по дисциплине “Системы искусственного интеллекта iconЛабораторная работа №2 по дисциплине “Системы искусственного интеллекта
Дедуктивные и индуктивные рассуждения. Задачи на поиск доказательства методом резолюций
Лабораторная работа №4 по дисциплине “Системы искусственного интеллекта iconЛабораторная работа №3 по дисциплине “Системы искусственного интеллекта
Задачи на исследование свойств систем правил. Написание простых систем, основанных на правилах
Лабораторная работа №4 по дисциплине “Системы искусственного интеллекта iconКонспект лекций по дисциплине «Системы искусственного интеллекта»
Место среди других наук, первые шаги и современные направления искусственного интеллекта
Лабораторная работа №4 по дисциплине “Системы искусственного интеллекта icon«шаг за шагом» создание искусственного интеллекта гашева Светлана
Интеллект рассматривают как прикладную область исследований, связанных с имитацией отдельных функций интеллекта человека [6]. Распознавание...
Лабораторная работа №4 по дисциплине “Системы искусственного интеллекта icon«Основы искусственного интеллекта»
Рабочая учебная программа по дисциплине «Основы искусственного интеллекта» для ооп «050100 Физика и информатика по циклу б в. 13...
Лабораторная работа №4 по дисциплине “Системы искусственного интеллекта iconУчебно-методический комплекс по дисциплине “основы искусственного интеллекта”
...
Лабораторная работа №4 по дисциплине “Системы искусственного интеллекта iconРабочая программа дисциплины «Системы искусственного интеллекта»
Рабочая программа основана на требованиях Федерального государственного стандарта высшего профессионального образования по направлению...
Лабораторная работа №4 по дисциплине “Системы искусственного интеллекта iconУчебно-методический комплекс по дисциплине “основы искусственного интеллекта” для специальности
...
Лабораторная работа №4 по дисциплине “Системы искусственного интеллекта iconУчебно-методический комплекс по дисциплине “основы искусственного интеллекта” для специальности
...
Разместите кнопку на своём сайте:
Библиотека


База данных защищена авторским правом ©lib.znate.ru 2014
обратиться к администрации
Библиотека
Главная страница