Экспертные системы. ЭС – узкоспециализированный программный комплекс позволяющий либо очень быстро

ЭС – узкоспециализированный программный комплекс позволяющий либо очень быстро принимать стандартные решения чаще всего по управлению техническими устройствами, либо на основе длительного диалога с пользователем, помогать в выборе некоторого решения (путем оценки вариантов предлагаемых пользователем и их коррекцией с учетом множества факторов, возможно, неизвестных пользователю, а также формируя предложения собственных вариантов и их коррекции в соответствии с целями пользователя). Под ЭС понимается программа для ЭВМ, которая обладает следующими свойствами:

· компетентность

o достигать экспертного уровня решения

o быть умелой

o иметь адекватную работоспособность

· символьное рассуждение

o представлять знания в символьном виде

o переформулировать символьные знания

· глубина

o должна работать в предметной области содержащей трудные задачи

o использовать сложные правила

· самосознание

o исследовать свои рассуждения

o объяснять свои действия

Решение прикладной задачи это всегда целеустремленный итеративный процесс имеющий своей целью выработку решения наилучшего с некоторой точки зрения. Решение задачи без использования экспертной системы чаще всего является разовым расчетом даже в том случае если для расчета используется итеративный алгоритм. Основная разница в работе экспертных и не экспертных систем состоит в том, что экспертные системы в каждой своей итерации используют новый алгоритм действий отличающийся от алгоритма предыдущего шага не только параметрами, но и структурой.

12 сентября 2011

…

В зависимости от способа учета временного признака экспертные системы делятся на статические и динамические. Статические ЭС предназначены для решения задач с неизменяемыми в процессе решения задач данными и знаниями. Динамические ЭС допускают такие изменения.

По видам используемых знаний различают ЭС на детерминированные и недетерминированные. Под неопределенностью данных и знаний понимается их неполнота, неточность, ненадежность.

По числу используемых источников знаний ЭС делятся на ЭС использующие 1 источник знаний и ЭС использующие несколько источников знаний.

В соответствии с названными признаками выделяют 4 класса ЭС:

· Классифицирующие ЭС: Анализ, Детерминированность знаний.

· Доопределяющие ЭС: Статика, Неопределенность знаний.

· Трансформирующие ЭС: Синтез, 1 источник знаний.

· Мультиагентные ЭС: Динамика, Несколько источников знаний.

Классифицирующие ЭС решают задачи распознавания ситуаций. Основным методом формирования решения в таких системах является дедуктивно-логический вывод.

Доопределяющие ЭС используются для решения задач с не полностью определенными данными и знаниями. В таких системах возникают задачи интерпретации нечетких знаний и выбора альтернативных направлений поиска в пространстве возможных решений. В качестве методов обработки нечетких знаний могут использоваться Баесовский вероятностный подход, коэффициент уверенности и теория нечетких множеств.

Трансформирующие ЭС относятся к синтезирующим системам, в которых предполагается повторяющиеся преобразования знаний в процессе решения задач. В ЭС такого класса используются следующие способы обработки знаний – генерация и проверка гипотез, логика предположений и умолчаний (когда по неполным данным формируется представление об объектах определенного класса, которые впоследствии адаптируются к конкретным условиям изменяющихся ситуаций. Использование метазнаний или более общих закономерностей для устранения неопределенности знаний и ситуаций.

Мультиагентные ЭС – динамические ЭС, основаны на интеграции нескольких разнородных источников знаний. Эти источники обмениваются между собой результатами полученными в результате решения задач. Системы данного класса обладают следующими возможностями:

· реализация альтернативных рассуждений на основе использования различных источников знаний и механизма устранения противоречий;

· распределенное решение проблем, которые разделяются на параллельно решаемые подзадачи самостоятельными источниками знаний;

· применение различных стратегий вывода в зависимости от типа решаемых задач;

· обработка больших массивов данных;

· использование матмоделей и внешних процедур для имитации развития ситуаций.

Дата добавления: 2015-07-15