Проектирование экспертной системы на основе представления нечетких знаний (метод Криса Нейлора)

Федеральное государственное автономное

образовательное учреждение

высшего профессионального образования

«СИБИРСКИЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ»

Институт космических и информационных технологий

институт

Кафедра информатики

кафедра

КУРСОВОЙ ПРОЕКТ

Проектирование экспертной системы на основе представления нечетких знаний (метод Криса Нейлора)

тема

Преподаватель __________ Т. Г. Пенькова

подпись, дата инициалы, фамилия

Студент КИ12-18Б 031201695 ________ И. И. Судаков

номер группы номер зачетной книжки подпись, дата инициалы, фамилия

Красноярск 2016

Реферат

В данном курсовом проекте была спроектирована экспертная система «Консультант по выбору грузовой машины» на основе представления нечетких знаний (метод Криса Нейлора).

ЭС «Консультант по выбору грузовой машины»:

Данная экспертная система помогает определить грузовую машину для транспортировочных работ и помогает определиться в нужде заказа грузчиков к машине.

В дальнейшем, это система будет разработана на языке PHP, с использованием запросов на языке SQL для доступа к таблицам базы данных.

Оглавление

Реферат. 2

Цель работы.. 4

Основные задачи. 4

Введение. 5

1. Изучение принципов построения экспертных систем на основе представления нечетких знаний (метод Криса Нейлора). 7

2. Анализ существующих экспертных систем, построенных на основе представления нечетких знаний (метод Криса Нейлора). 9

3. Обоснование применимости технологии инженерии знаний для выбранной предметной области (решаемой задачи). 11

4. Разработка проекта экспертной системы «Консультант по выбору грузовой машины». 12

4.1. Проектирование базы знаний на основе метода Криса Нейлора. 14

4.2. Построение стратегии логического вывода (блок-схема алгоритма формирования базы исходных фактов, сопоставление данных и знаний, разрешения конфликтов, принятия решения). 15

Заключение. 17

Список использованных источников. 18

Цель работы

Проектирование интеллектуальной системы на основе применения технологии инженерии знаний для решения задачи, имеющей важное прикладное значение.

Основные задачи

1. Изучение принципов построения экспертных систем на основе представления нечетких знаний (метод Криса Нейлора).

2. Анализ существующих экспертных систем, построенных на основе представления нечетких знаний (метод Криса Нейлора).

3. Обоснование применимости технологии инженерии знаний для выбранной предметной области (решаемой задачи).

4. Разработка проекта экспертной системы «Консультант по выбору грузовой машины».

4.1. Проектирование базы знаний на основе представления нечетких знаний (метод Криса Нейлора) (извлечение, структурирование и формализация знаний).

4.2. Построение стратегии логического вывода (блок-схема алгоритма формирования базы исходных фактов, сопоставление данных и знаний, разрешения конфликтов, принятия решения).

Введение

Экспертная система, прежде всего, является программным продуктом, и ее назначение – автоматизация деятельности человека. Однако принципиальным отличием ЭС от других программ является то, что она выступает не в роли «ассистента», выполняющего за человека часть работы, а в роли «компетентного партнера» – эксперта-консультанта в какой-либо конкретной предметной области. ЭС аккумулируют в себе и тиражируют опыт и знания высококвалифицированных специалистов, позволяют пользоваться этими знаниями пользователям «неспециалистам» в данной предметной области. То есть, ЭС не призваны заменить собою эксперта в его непосредственной деятельности, а, напротив, расширяют возможную сферу применения знаний авторитетных специалистов. Кроме того, способности ЭС решать поставленные перед ними задачи не ослабевают со временем и не забываются при отсутствии практики, легко распространяются, так как являются компьютерной программой, прекрасно документированы, а значит и аргументированы, при многократном решении одной и той же задачи ЭС выдают одно и тоже решение в отличие от человека, который подвержен эмоциональным факторам. Плюс ко всему эксплуатация ЭС значительно дешевле, чем оплата труда человека-эксперта.

Хотя указанные преимущества и очевидны, следует отметить, что ЭС не обладают интуицией и общими знаниями о мире, их ход и метод решения проблемы не может выйти за рамки тех знаний, что в них заложены. ЭС также будут бессильны при решении проблемы в изменяющихся условиях, например, при смене методики решения или появлении нового оборудования. Эксперты могут непосредственно воспринимать весь комплекс входной сенсорной информации, будь то визуальная, звуковая, осязательная или обонятельная. ЭС воспринимает только символы, которыми представлены знания. Поэтому сенсорную информацию необходимо проанализировать и преобразовать в символьную форму, пригодную для машинной обработки. При преобразовании человеком сенсорной информации неизбежно возникают искажения и потери, но классифицировать весь поток информации на значимое и второстепенное или абсурдное способен только человек. Так, например, любой человек сразу же выразит свое недоумение, если его попросят найти номер телефона Аристотеля, но едва ли найдется программа, которая скажет, что древнегреческие философы не пользовались телефонами.

Таким образом, назначением экспертных систем является консультирование по узкоспециальным вопросам при принятии решений человеком. То есть ЭС используются для усиления и расширения профессиональных возможностей их пользователей.

1. Изучение принципов построения экспертных систем на основе представления нечетких знаний (метод Криса Нейлора)

Нечеткие (в широком смысле) знания могут обладать следующими признаками:

1. Неполнота;

2. Многозначность интерпретации;

3. Ненадежность;

4. Нечеткость (в узком смысле) – размытость;

5. Недетерминированность.

Ненадежность знаний

Ненадежность как свойство информации обычно делят на объективную и субъективную.

Объективная ненадежность представляет собой такое свойство информации, когда те или иные знания не всегда применимы, а те или иные данные не всегда наблюдаются по объективным причинам. Она может быть представлена с применением вероятностного подхода. Например, при одних и тех же клинических данных диагноз может быть разным.

Субъективная ненадежность представляет собой такое свойство информации, когда имеет смысл говорить о достоверности знаний или данных с субъективной точки зрения. Например, один и тот же врач, следуя своему опыту, ставит один диагноз, а другой врач, также следуя своему опыту, ставит другой диагноз. Субъективная ненадежность представляется по-разному: как с помощью вероятностного подхода, так и с помощью невероятностных коэффициентов, которые позволяют оценивать достоверность информации.

Метод Криса Нейлора

Данный метод применяется для представления как объективной, так и субъективной ненадежности знаний. Модель знаний Криса Нейлора: знания представляются как совокупность гипотез и характеризующих из признаков.

1-ая часть (гипотезы) – кортежи вида: ,

где H – название гипотезы;

– априорная вероятность наступления H;

j – номер признака;

– вероятность наступления события j при наступлении H;

– вероятность наступления события j в случае если H не наблюдается;

2-ая часть (характеризующие признаки):

( j; название признака; вопрос, который система задаст пользователю по поводу j-ого признака)

Пример:

1-ая часть:

(Грипп; 0,01; 4; (1; 0,7; 0,01); (2; 0,5; 0,02); (3; 0,8; 0,05); (5; 0,7; 0,03));

(Ангина; 0,001; 3; (1; 0,9; 0,01); (4; 0,9; 0,06); (5; 0,6; 0,04))

2-ая часть:

(1; Температура; «У Вас повышенная температура?»);

(2; Кашель; «У Вас есть кашель?»);

(3; Насморк; «У Вас есть насморк?»);

(4; Боль в горле; «Испытываете ли Вы боль в горле?»);

(5; Головная боль; «Испытываете ли Вы головную боль?»);

Идея логического вывода: на каждом шаге логического вывода рассматривается какой-либо признак из тех, которые еще не рассмотрены. Пользователю задается вопрос по поводу этого признака и, в зависимости от ответа, пересчитываются текущие вероятности гипотез по следующим правилам:

Если получен ответ «да»:

Если получен ответ «нет»:

2. Анализ существующих экспертных систем, построенных на основе представления нечетких знаний (метод Криса Нейлора)

Экспертные системы, основанные на методе Криса Нейлора, могут применяться для представления как объективной, так и субъективной ненадежности. Разница состоит в том, что при представлении объективной ненадежности необходимо придерживаться правил получения значений вероятностей, как это принято в математической статистике. При представлении же субъективной ненадежности, вместо этого используются субъективные оценки вероятностей. Разработан и успешно эксплуатируется целый ряд экспертных систем с использованием метода Криса Нейлора, среди которых можно отметить следующие:

• MYCIN - осуществляет диагностику инфекционных заболеваний. Помогает врачам выбирать подходящую антимикробную терапию для госпитализированных больных с бактериемией, менингитом и циститом. Система определяет причину инфекции (например, тип инфицирующего организма-псевдомонады), применяя знания, связывающие инфицирующий микроорганизм с историей болезни, симптомами и результатами лабораторных исследований. Система рекомендует лекарственное лечение (вид и дозу) в соответствии с процедурами, которым следуют опытные специалисты по лечению инфекционных заболеваний. MYCIN — это основанная на правилах система с обратной цепочкой рассуждений. Она содержит механизмы вычисления вероятностей и построения объяснений процесса рассуждения системы;

• PROSPECTOR - оказывает помощь геологам в оценке месторождений полезных ископаемых;

• PUFF - анализирует результаты функциональных тестов работы легких человека. Диагностирует наличие и степень тяжести заболевания легких у пациента, интерпретируя измерения параметров дыхания, выполненные в лаборатории функций легких. Интерпретируемые данные включают результаты проб (например, общую емкость легких, остаточный объем) и историю болезни. Решения системы основаны на знаниях о результатах проб, наблюдаемых при различных нарушениях. PUFF — это основанная на правилах система с обратной цепочкой рассуждений, реализованная на языке EMYCIN.

• DENDRAL — первая экспертная система в области идентификации органических соединений с помощью анализа масс-спектрограмм. Задача, стоявшая перед DENDRAL — это определение молекулярной структуры неизвестного органического соединения.

Экспертная система «Консультант по выбору грузовой машины» будет работать по принципу похожему на принцип работы экспертной системы PROSPECTOR.

Главное различие между обратной и прямой цепочками рассуждений заключается в том, что в первом случае взаимоувязывание правил происходит как бы «сверху вниз» (т. е. от результата к посылкам).

Главными достоинствами экспертных систем, основанных на методе Криса Нейлора, является то, что данный подход предполагает учет неопределенности в диалогах с пользователями: иногда пользователь не может дать определенный ответ (Да/Нет). В таком случае степень ответа ранжируется по некоторой шкале, например от -5 до 5, где -5 означает «твердое нет», а 5 – «твердое да». Так же остановка работы ЭС возможна раньше, чем будут перебраны все свидетельства, если вероятность некой гипотезы превысила верхний порог.

3. Обоснование применимости технологии инженерии знаний для выбранной предметной области (решаемой задачи)

Инженерия знаний – это одно из направлений искусственного интеллекта, которое изучает технологию построения интеллектуальных систем на основе знаний.

Знания выделены в отдельный блок, который называется базой знаний (БЗ).

База знаний экспертной системы «Консультант по выбору грузовой машины» состоит из набора правил. Где, условия - это «Грузоподъёмность», «Город/Межгород», «Тип перевозки», «Высота фургона», «Длин фургона», «Объём фургона», а действие – «Ваша машина это ХХХ». Данные будут храниться в таблицах, и вызываться с помощью запросов SQL, т.е. когда пользователь будет выбирать интересующие его условия, на экране появится окно с названием и фото грузовика, удовлетворяющих запросу.

Также чертой технологии инженерии знаний является то, что в базе знаний можно корректировать знания, тем самым можно менять способы решения задач, не меняя программное обеспечение.

В экспертной системе «Консультант по выбору грузовой машины» корректировкой знаний занимается системный администратор.

4. Разработка проекта экспертной системы «Консультант по выбору грузовой машины»

Данная экспертная система будет проста в обращении. Пользователь увидит окно с графическим интерфейсом, в котором он должен будет заполнить поля: «Телефон», «Откуда забирать», «Куда везти», «Вид перевозки», «Грузчики», «Грузоподъёмность», «Высота фургона», «Длина фургона», «Объём фургона».

Поля: «Телефон», «Откуда забирать», «Куда везти» - клиент заполняет вручную. Поля: «Вид перевозки», «Грузчики», «Грузоподъёмность», «Высота фургона», «Длина фургона», «Объём фургона» - представляют собой выпадающие списки.

В поле «Вид перевозки» клиенту необходимо выбрать один из четырёх предоставленных вариантов: «Квартирный переезд», «Офисный переезд», «Вывоз мусора», «Грузоперевозки прочие».

В поле «Грузчики» клиенту необходимо выбрать один из шести предоставленных вариантов: «Не нужны», «1 грузчик», «2 грузчика», «3 грузчика», «4 грузчика», «5 грузчиков», «6 грузчиков».

В поле «Грузоподъёмность» клиенту необходимо выбрать один из четырех предоставленных вариантов: «Не знаю», «1,5 тонны», «3 тонны», «5 тонн».

В поле «Высота фургона» клиенту необходимо выбрать один из шести предоставленных вариантов: «Не знаю», «1,6 метра», «1,8 метра», «2 метра», «2,2 метра», «2,3 метра».

В поле «Длина фургона» клиенту необходимо выбрать один из девяти предоставленных вариантов: «Не знаю», «3 метра», «3,5 метра», «4 метра», «4,5 метра», «5 метров», «5,5 метров», «6 метров», «10 метров».

В поле «Объём фургона» клиенту необходимо выбрать один из семи предоставленных вариантов: «Не знаю», «6 кубов», «10 кубов», «15 кубов», «20 кубов», «25 кубов», «30 кубов».

После того как все поля будут заполнены на форме станет доступна кнопка «Забронировать». При нажатии на нее появится окошко с текстом, «Ваша машина это ХХХ», и с картинкой, на которой будет изображен подобранный грузовой автомобиль и его тариф. Также на данной форме будут кнопки «Отмена» (если клиенту не понравился тариф или необходимо что-нибудь поменять, данная кнопка отправит клиента на первую форму, описанную выше) и «Ок» (клиент подтверждает свой заказ).

4.1. Проектирование базы знаний на основе метода Криса Нейлора

В продукционной модели база знаний состоит из гипотез и характеризующих признаков.

Для данной экспертной системы будут использоваться такие характерные признаки, как:

(1; Вид перевозки – Квартирный переезд);

(2; Вид перевозки – Офисный переезд);

(3; Грузоподъёмность – 1,5 тонны);

(4; Высота фургона – 2 метра);

(5; Длина фургона – 3 метра);

(6; Объём фургона – 6 кубов);

И другие.

Для данной экспертной системы, так же будут использоваться такие гипотезы:

(“Газель тентованая”, 0.01, 3; (1; 0,5; 0,09); (2; 0,3; 0,7); (3; 0,5; 0,01));

(“Газель Бортовая”, 0.01, 3; (1; 0,5; 0,09); (3; 0,5; 0,01); (5; 0,5, 0,04));

(“2-х тонник”, 0.01, 2; (1; 0,7; 0,2); (2; 0,4; 0,6));

(“3-х тонник”, 0.01, 4; (1; 0,8; 0,3); (2; 0,7; 0,2); (4; 0,6; 0,2); (6; 0,3, 0,1));

(“5-ти тонник”, 0.01, 3; (1; 0,9; 0,2); (3; 0,9; 0,3); (5; 0,5; 0,1));

И так далее.

4.2. Построение стратегии логического вывода (блок-схема алгоритма формирования базы исходных фактов, сопоставление данных и знаний, разрешения конфликтов, принятия решения)

Стратегия логического вывода:

1. Чтобы решить, в каком порядке задавать вопросы пользователю, на каждом шаге логического вывода для каждого признака рассчитаем коэффициент «цена свидетельства» по формуле:

Цена свидетельства характеризует степень влияния данного признака на вероятность гипотезы.

2. Чтобы ответить на вопрос «какую гипотезу выбрать в качестве решения», можно перебрать все признаки и в конце взять гипотезу с максимальной вероятностью. Однако такой подход неприменим в случае, когда количество признаков велико. Тогда воспользуемся следующими соображениями.

В процессе логического вывода величины и сходятся. Следовательно:

· Если на некотором шаге оказывается, что какой-либо гипотезы становится меньше всех других гипотез, то такую гипотезу можно просто отбросить;

· Если какой-либо гипотезы становится больше всех других гипотез, то эта гипотеза может быть досрочно взята в качестве решения.

Часто эти два условия оказываются слишком жесткими, и время логического вывода превосходит разумные пределы. Тогда вместо и в качестве верхней и нижней граней можно взять некоторые величины и . Например, такие:

3. Если сами ответы пользователя имеют ненадежность, то учет ответов производится с поправками. Ответ на вопрос по j-ому признаку – есть некоторая величина . Тогда итоговая вероятность гипотезы H рассчитывается по формуле:

Рисунок 1 – блок-схема алгоритма

Заключение

В данном курсовом проекте была спроектирована экспертная система «Консультант по выбору грузовой машины» на основе представления нечетких знаний (метод Криса Нейлора).

В ходе проектирования, были получены навыки работы с данным методом, проанализированы аналогичные экспертные системы.

В дальнейшем спроектированная ЭС будет разработана в виде страницы сайта на языке PHP.

Список использованных источников

1. Статья «Экспертные системы»; URL: http://knigilib.com/book/151-zarisovki-po-istorii-kompyuternyx-nauk-uchebnoe-posobie-odinec-vp/18-glava-iii-istoriya-sistem-iskusstvennogo-intellekta.html (дата обращения: 20.04.2016);

2. Статья «Наиболее известные ЭС»; URL: https://sites.google.com/site/iskusspertnyesistemy/home/naibolee-izvestnye-es (дата обращения: 20.04.2016);

3. Статья «Разрабатываем экспертную систему»; URL: http://easyprog.ru/index.php?option=com_content&task=view&id=322&Itemid=75 (дата обращения: 20.04.2016);

4. Статья «Экспертные системы»; URL: http://www.arm-robotics.ru/hp/soft_3.asp?name (дата обращения: 20.04.2016).