ИНТЕЛЛЕКУТАЛЬНЫЕ СИСТЕМЫ
И ТЕХНОЛОГИИ
Классификации данных с использованием формулы Байеса
На примере разработки экспертной системы
Методические указания
к выполнению лабораторной работы
для бакалавров направления
27.03.05 – «Инноватика»
БРЯНСК 2017
УДК 004.896
Интеллектуальные системы и технологии [Текст]+[Электронный ресурс]: методические указания к выполнению лабораторной работы для студентов 4-го курса обучения по направлению подготовки 27.03.05 – «Инноватика». – Брянск: БГТУ, 2017. – 15 с.
Разработал:
П.В. Казаков, канд. техн. наук, доц.
Рекомендовано кафедрой
«Компьютерные технологии и системы» БГТУ
(протокол № 5 от 11.01.2017)
Методические указания публикуются в авторской редакции
ЦЕЛЬ РАБОТЫ
Цель работы - углубление теоретической подготовки в области технологий представления знаний в информационных системах, а также практическое изучение и освоение существующих методов разработки интеллектуальных информационных систем, основанных на знаниях.
При выполнении индивидуальных заданий студенты, используя знания, полученные в лекционном курсе, а также приведенные ниже дополнительные теоретические и практические сведения, должны самостоятельно более глубоко изучить основные теоретические положения, связанные с принципами описания знаний на основе правила Байеса, а также разработать интеллектуальную информационную систему для автоматизации выбора решений.
Продолжительность лабораторной работы ‑ 6 часов.
ПОРЯДОК ВЫПОЛНЕНИЯ РАБОТЫ
Последовательность выполнения лабораторной работы.
1. Изучить теоретические положения и разобрать предлагаемые в методических указаниях примеры.
2. Решить прилагаемые индивидуальные задания.
Руководством к пункту 1 являются §1 - 4 методических указаний. Дополнительно можно воспользоваться книгами [1-4].
ОСНОВНЫЕ СВЕДЕНИЯ ОБ ЭКСПЕРТНЫХ СИСТЕМАХ
Традиционно под информационными системами, основанными на знаниях, понимают экспертные системы (ЭС), получившие к настоящему времени распространение в таких областях, как производство, бизнес, медицина, то есть там, где особенно часто возникает необходимость принятия решений.
Экспертную систему можно определить как программу, которая на основе заложенных в ней знаний (опыта) эксперта может дать интеллектуальный совет или принять решение относительно некоторого вопроса в узкой предметной области, а также объяснить ход своих рассуждений понятным для пользователя образом.
Обычно ЭС используются как инструмент для автоматизации работы эксперта. Кроме этого, ЭС может выступать в роли:
- консультанта для неопытных или непрофессиональных пользователей;
- ассистента эксперта-человека в процессах анализа вариантов решений;
- партнера эксперта в процессе решения задач, требующих привлечения знаний из разных предметных областей.
В общем случае структура ЭС состоит из следующих основных компонентов: базы знаний, рабочей памяти (базы данных), решателя (интерпретатора), подсистемы объяснений, подсистемы приобретения знаний, интерфейса с пользователем (рис. 1).
Рис. 1. Структура экспертной системы
База знаний ЭС предназначена для хранения знаний из выбранной предметной области и обычно представляется в виде фактов и набора правил в форме «ЕСЛИ условие, ТО факт или действие».
База данных (рабочая память) служит для хранения промежуточных данных при работе решателя.
Решатель (интерпретатор) реализует логический вывод: формирует последовательность применения правил и обрабатывает их, используя данные из рабочей памяти и знания из базы знаний.
Подсистема объяснений показывает, каким образом экспертная система получила решения задачи и какие знания при этом использовались. Это облегчает тестирование ЭС и повышает доверие пользователя к полученному результату. Благодаря подсистеме объяснений эксперт при тестировании ЭС локализует причины ее неудачной работы, что позволяет ему целенаправленно модифицировать старые и вводить новые знания. Результатом работы этой подсистемы обычно является статистика по использованию правил из базы знаний в процессе выполнения ЭС процедуры логического вывода.
Подсистема приобретения знаний необходима для наполнения ЭС знаниями в диалоге с пользователем-экспертом, а также для добавления и модификации заложенный в ЭС знаний.
Любая ЭС должна иметь, по крайней мере, два режима работы. В режиме приобретения знаний эксперт наполняет систему знаниями, обычно в виде совокупности фактов и правил. В дальнейшем эти знания будут использоваться для самостоятельного решения ЭС задач из конкретной предметной области. В режиме консультаций пользователь ЭС сообщает системе конкретные данные о решаемой задаче, на основе которых решатель формирует ответ пользователю, обычно в виде некоторого предположения.
Разработка ЭС выполняется группой людей, включающей экспертов, инженеров по знаниям и программистов.
Эксперт – человек, способный ясно выражать свои мысли и пользующийся репутацией специалиста, умеющего находить правильные решения проблем в конкретной предметной области. Эксперт обладает особыми приемами, чтобы сделать поиск решения более эффективным. Примерами экспертов являются врач, проводящий обследование, финансист, изучающий условия предоставления кредита, пилот, управляющий самолетом, и т.п.
Действия любого эксперта могут условно быть представлены в виде повторяющейся последовательности из трех этапов:
- получение информации о состоянии окружающего мира;
- принятие решения относительно выбора некоторых действий, по поводу которых у эксперта имеются определенные ожидания последствий;
- приобретение опыта путем сопоставления результатов действий и ожиданий и возврат к первому этапу.
В случае наличия коллектива экспертов среди них должен быть выбран один, отвечающий за непротиворечивость знаний, или должны использоваться для этого методы экспертного оценивания (ранжирования, парных сравнений, непосредственной оценки и др.).
Инженер по знаниям – человек, имеющий познания в информатике и искусственном интеллекте и знающий, как создавать ЭС.
Инженер по знаниям опрашивает экспертов, систематизирует их знания, решает, каким образом они должны быть представлены в ЭС. Следует заметить, что часто обязанности инженера по знаниям выполняет программист экспертной системы.
4. РАЗРАБОТКА ЭКСПЕРТНЫХ СИСТЕМ НА ОСНОВЕ
ПРАВИЛА БАЙЕСА
Чаще всего ЭС применяются при решении задач диагностики. В задачах такого типа входными данными являются известные следствия, и требуется определить причины, вызвавшие их, например медицинская диагностика, диагностика неисправностей технических систем, датирование археологических ископаемых и т.п. Специфика подобных областей такова, что знания из них нельзя представить в строгой детерминированной форме, например логики первого порядка. Причина этому ‑ необходимость привлечения интуиции эксперта, а также учет множества неоднозначных факторов в виде отсутствия точной связи между причиной и следствием.
Одним из подходов к управлению неопределенностью в знаниях является учет степени уверенности эксперта. Для этого применяется математический аппарат теории вероятности.