Експертні системи: Визначення і класифікація

Приклади експертних систем

План

МЕТОДОЛОГІЯ ПОБУДОВИ ЕКСПЕРТНИХ СИСТЕМ

Лекція 11

Лекція №11

з навчальної дисципліни

«ІНТЕЛЕКТУАЛЬНІ СИСТЕМИ ЗАХИСТУ ІНФОРМАЦІЇ В ІНФОРМАЦІЙНО-КОМУНІКАЦІЙНИХ СИСТЕМАХ»

Модуль 3. «Технології побудови інтелектуальних систем захисту інформації»

.

Заняття 1. Методологія побудови експертних систем

Розглянуто та ухвалено

на засіданні кафедри №9

«___»_______2011р.

Протокол №4

Житомир,

11.1. Експертні системи. Визначення і класифікація.

11.2. Труднощі при розробці експертних систем

11.3. Методологія побудови експертних систем

Одним з найбільш значних досягнень штучного інтелекту стала розробка потужних комп'ютерних систем, що дістали назву «експертних» або «заснованих на знаннях» систем. У сучасному суспільстві при вирішенні завдань управління складними багатопараметричними і багатозв’язними системами, об'єктами, виробничими і технологічними процесами доводиться стикатися з задачами, що не формалізуються або формалізуються досить тяжко. Такі задачі притаманні наступним областям: авіації, космічній галузі і обороні, нафтопереробній промисловості і транспортування нафтопродуктів, хімії, енергетиці, металургії, целюлозно-паперовій промисловості, телекомунікаціям і зв'язку, харчовій промисловості, машинобудуванню, виробництву цементу, бетону і т.п. транспорту, медицині і фармацевтичному виробництву, адміністративному управлінню, прогнозуванні і моніторингу. Найбільш значними досягненнями в цій області стало створення систем, які ставлять діагноз захворювання, передбачають родовища корисних копалини, допомагають в проектуванні електронних пристроїв, машин і механізмів, вирішують завдання управління реакторами і інші досить важливі та складі завдання.

Під експертною системою (ЕС) розумітимемо програму, яка використовує знання фахівців (експертів) про деяку конкретну вузькоспеціалізовану предметну область і в межах цієї області здатна приймати рішення на рівні експерта-професіонала.

Усвідомлення корисності систем, які можуть копіювати дорогі або рідко такі, що зустрічаються людські знання, привело до широкого впровадження і розквіту цієї технології в 80-і, 90-і роки минулого століття. Основу успіху ЕС склали дві важливі властивості, що відмічаються рядом дослідників:

· у ЕС знання відокремлені від даних, і потужність експертної системи обумовлена в першу чергу потужністю бази знань і тільки в другу чергу методами, що використовуються для вирішення завдань;

· вирішувані ЕС завдання є неформалізованими або слабоформализованными і використовують евристичні, експериментальні, суб'єктивні знання експертів в певній предметній області.

Основними категоріями завдань, що вирішуються ЕС є: діагностика, управління (у тому числі технологічними процесами), інтерпретація, прогнозування, проектування, відладка і ремонт, планування, спостереження (моніторинг), навчання.

Узагальнена схема ЕС приведена на рис.11.1. Основу ЕС складає підсистема логічного висновку, яка використовує інформацію з бази знань (БЗ), генерує рекомендації за рішенням шуканого завдання. Найчастіше для представлення знань в ЕС використовуються системи продукцій і семантичні мережі. Припускаємо, що БЗ складається з фактів і правил (якщо <порушник> то <сигнал тривоги>). Якщо ЕС визначає, що порушник дійсно є, то правило визнається відповідним для цієї ситуації і воно запускається в дію. Запуск правила означає прийняття рішення відповідно до закладеного до цього правила як складову частину.

Обов'язковими частинами будь-якої ЕС є також модуль налаштування знань і модуль відображення і пояснення рішень. В більшості випадків, реальні ЕС в промисловій експлуатації працюють також на основі баз даних (БД). Тільки одночасна робота зі знаннями і великими об'ємами інформації з БД дозволяє ЕС отримати неординарні результати, наприклад, поставити складний діагноз (медичний або технічний), відкрити родовище корисних копалини, управляти ядерним реактором в реальному часі.

Рисунок 11.1.–Структура експертної системи

Важливу роль при створенні ЕС грають інструментальні засоби. Серед інструментальних засобів для створення ЕС найбільш популярні такі мови програмування, як LISP і PROLOG, а також експертні системи-оболонки (ЕСО): KEE, CENTAUR, G2 і GDA, CLIPS, АТ_ТЕХНОЛОГІЯ, що надають в розпорядження розробника - інженера по знаннях широкий набір для комбінування систем представлення знань, мов програмування, об'єктів і процедур [81], [82].

Розглянемо різні способи класифікації ЕС.

За призначенням ЕС діляться на:

· ЕС загального призначення.

· Спеціалізовані ЕС:

1. проблемно-орієнтовані для завдань діагности, проектування, прогнозування

2. предметно-орієнтовані для специфічних завдань, наприклад, контролю ситуацій на атомних електростанціях.

В залежності від зовнішнього середовища виділяють:

· Статичні ЕС, не залежні від зовнішнього середовища.

· Динамічні, такі, що враховують динаміку зовнішнього середовища і призначені для вирішення завдань в реальному часі. Час реакції в таких системах може задаватися в мілісекундах, і ці системи реалізуються, як правило, на мові С++.

За типом використання розрізняють:

· Ізольовані ЕС.

· ЕС на вході/виході інших систем.

· Гібридні ЕС або, інакше кажучи, ЕС інтегровані з базами даних і іншими програмними продуктами.

По складності вирішуваних завдань розрізняють:

· Прості ЕС - до 1000 простих правил.

· Середні ЕС - від 1000 до 10000 структурованих правил.

· Складні ЕС - більше 10000 структурованих правил.

По стадії створення виділяють:

· Дослідницький зразок ЕС, розроблений за 1-2 місяці з мінімальною БЗ.

· Демонстраційний зразок ЕС, розроблений за 2-4 місяці, наприклад, на мові типу LISP, PROLOG, CLIPS

· Промисловий зразок ЕС, розроблений за 4-8 місяців, наприклад, на мові типу CLIPS з повною БЗ.

· Комерційний зразок ЕС, розроблений за 1,5-2 року, наприклад, на мові типу С++, Java з повною БЗ.

Дата добавления: 2014-01-04