Размещено на http://www.allbest.ru/

Министерство образования и науки Российской Федерации

Федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования

«Башкирский государственный университет»

Реферат на тему:

Экспертные системы и их применение в решении прикладных задач

Выполнила: студентка 1 курса

магистратуры

Баймухаметова Л.Р.

Преподователь: к.т.н., доцент

Полупанов Дмитрий Васильевич

Уфа - 2014



Содержание

Введение

Глава 1. Теоретические основы экспертных систем

1.1 Определение экспертных систем

1.2 Структура экспертной системы

1.3 Режимы экспертных систем

Глава 2. Классификация экспертных систем

2.1 Классификация экспертных систем по решаемой задаче

2.2 Классификация экспертных систем по связи с реальным временем

2.3 Классификация по степени интеграции с другими программами

2.4 Классификация экспертных систем по типу ЭВМ

Глава 3. Особенности экспертных систем

3.1 Технология работы с экспертными системами

3.2 Преимущества экспертных систем перед человеком - экспертом

Заключение

Список использованных источников



Введение

В начале восьмидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название "экспертные системы". Цель исследований экспертных систем состоит в разработке программ, которые при решении задач, трудных для эксперта-человека, получают результаты, не уступающие по качеству и эффективности решениям, получаемым экспертом. Исследователи в области экспертных систем для названия своей дисциплины часто используют также термин "инженерия знаний", введенный Е. Фейгенбаумом как "привнесение принципов и инструментария исследований из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов".

Программные средства, базирующиеся на технологии экспертных систем, или инженерии знаний (в дальнейшем будем использовать их как синонимы), получили значительное распространение в мире. Важность экспертных систем состоит в следующем:

1. Технология экспертных систем существенно расширяет круг практически значимых задач, решаемых на компьютерах, решение которых приносит значительный экономический эффект;

2. Технология экспертных систем является важнейшим средством в решении глобальных проблем традиционного программирования: длительность и, следовательно, высокая стоимость разработки сложных приложений; высокая стоимость сопровождения сложных систем, которая часто в несколько раз превосходит стоимость их разработки; низкий уровень повторной используемости программ и т.п.;

3. Объединение технологии экспертных систем с технологией традиционного программирования добавляет новые качества к программным продуктам за счет обеспечения динамичной модификации приложений пользователем, а не программистом; большей "прозрачности" приложения (например, знания хранятся на ограниченном естественном языке (ЕЯ), что не требует комментариев к знаниям, упрощает обучение и сопровождение); лучшей графики; интерфейса и взаимодействия.

Актуальность выбранной темы - заключается в том что, именно экспертные системы являются последними прогрессами науки в области информатики и информационного общества.

Целью данной курсовой работы является всестороннее рассмотрение теоретических особенностей экспертных систем, а так же их использование в практической деятельности. Для этого поставлены следующие задачи:

краткое изучение истории развития экспертных систем;

введение основных понятий и классификации;

рассмотрение особенностей экспертных систем;

рассмотрение достоинств и недостатков систем;

изучение структуры и этапов создания систем;



Глава 1. Теоретические основы экспертных систем

1.1 Определение экспертных систем

Экспертные системы (ЭС) - это яркое и быстро прогрессирующее направление в области искусственного интеллекта (ИИ). Причиной повышенного интереса, который ЭС вызывают к себе на протяжении всего своего существования является возможность их применения к решению задач из самых различных областей человеческой деятельности. Пожалуй, не найдется такой проблемной области, в которой не было создано ни одной ЭС или по крайней мере, такие попытки не предпринимались бы.

ЭC -- компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации [1]. Главным достоинством ЭС является возможность накапливать знания, сохранять их длительное время, обновлять и обеспечивать относительную независимость конкретной организации от наличия в ней квалифицированных специалистов. Накопление знаний позволяет повышать квалификацию специалистов, работающих на предприятии, используя наилучшие, проверенные решения.

В настоящее время ЭС применяются в различных областях человеческой деятельности. Наибольшее распространение ЭС получили в проектировании интегральных микросхем, в поиске неисправностей, в военных приложениях и автоматизации программирования. Применение ЭС позволяет:

1. При проектировании интегральных микросхем повысить (по данным фирмы NEC) производительность труда в 3 - 6 раз, при этом выполнение некоторых операций ускоряется в 10 - 15 раз;

2. Ускорить поиск неисправностей в устройствах 5 - 10 раз;

3. Повысить производительность труда программистов (по данным фирмы Toshiba) в 5 раз;

4. При профессиональной подготовке сократить (без потери качества) в 8 - 12 раз затраты на индивидуальную работу с обучаемым [4,261].

Экспертные системы предназначены для так называемых неформализованных задач, т.е. не отвергают и не заменяют традиционного подхода к разработке программ, ориентированного на решение формализованных задач, которые обладают одной или несколькими из следующих характеристик:

1. Задачи не могут быть заданы в числовой форме;

2. Цели не могут быть выражены в терминах точно определенной целевой функции;

3. Не существует алгоритмического решения задач;

Следует отметить, что неформализованные задачи представляют большой и очень важный класс задач. Экспертные системы и системы искусственного интеллекта отличаются от систем обработки данных тем, что в них в основном используются символьный способ представления, символьный вывод и эвристический поиск решения.

По качеству и эффективности решения экспертные системы не уступают решениям эксперта-человека. Решения экспертных систем обладают "прозрачностью", т.е. могут быть объяснены пользователю на качественном уровне. Это качество экспертных систем обеспечивается их способностью рассуждать о своих знаниях и умозаключениях.

1.2 Структура экспертной системы

экспертный программа система

Статическая ЭС состоит из следующих основных компонентов (Рис.1.1):

· решателя (интерпретатора);

· рабочей памяти (РП), называемой также базой данных (БД);

· базы знаний (БЗ);

· компонентов приобретения знаний;

· объяснительного компонента;

· диалогового компонента.

Рис.1.1. Основные компоненты ЭС

Решатель, используя исходные данные из рабочей памяти и знания из БЗ, формирует такую последовательность правил, которые, будучи примененными к исходным данным, приводят к решению задачи.

База данных (рабочая память) предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи. Этот термин совпадает по названию, но не по смыслу с термином, используемым в информационно-поисковых системах (ИПС) и системах управления базами данных (СУБД) для обозначения всех данных (в первую очередь долгосрочных), хранимых в системе.

База знаний (БЗ) в ЭС предназначена для хранения долгосрочных данных, описывающих рассматриваемую область (а не текущих данных), и правил, описывающих целесообразные преобразования данных этой области.

Компонент приобретения знаний автоматизирует процесс наполнения ЭС знаниями, осуществляемый пользователем-экспертом.

Объяснительный компонент объясняет, как система получила решение задачи (или почему она не получила решение) и какие знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату.

Диалоговый компонент ориентирован на организацию дружественного общения с пользователем как в ходе решения задач, так и в процессе приобретения знаний и объяснения результатов работы [2].

В разработке ЭС участвуют три группы людей:

· эксперты той проблемной области, к которой относятся задачи, решаемые ЭС;

· инженеры по знаниям - специалист по разработке экспертных систем (используемые им технологию, методы называют технологией инженерии знаний);

· программисты, осуществляющие реализацию ЭС.[1]

Отсутствие среди участников разработки инженеров по знаниям (т. е. их замена программистами) либо приводит к неудаче процесса создания ЭС, либо значительно удлиняет его.

1.3 Режимы экспертных систем

Экспертная система работает в двух режимах: режиме приобретения знаний и в режиме решения задачи:

· В режиме приобретения знаний общение с экспертными системами осуществляет эксперт. В этом режиме эксперт, используя компонент приобретения знаний, наполняет систему знаниями, которые позволяют экспертным системам в режиме решения самостоятельно (без эксперта) решать задачи из проблемной области. Эксперт описывает проблемную область в виде совокупности данных и правил. Данные определяют объекты, их характеристики и значения, существующие в области экспертизы. Правила определяют способы манипулирования с данными, характерные для рассматриваемой области. Режиму приобретения знаний в традиционном подходе к разработке программ соответствуют этапы алгоритмизации, программирования и отладки, выполняемые программистом. Таким образом, в отличие от традиционного подхода в случае экспертных систем разработку программ осуществляет не программист, а эксперт (с помощью ЭС), не владеющий программированием.

· В режиме консультации общение с экспертными системами осуществляет конечный пользователь, которого интересует результат и способ его получения. Необходимо отметить, что в зависимости от назначения экспертных систем пользователь может не быть специалистом в данной проблемной области, в этом случае он обращается к экспертным системам за результатом, не умея получить ответ сам, или быть специалистом, в этом случае пользователь может сам получить результат, но он обращается к экспертным системам с целью ускорить процесс получения результата. В режиме консультации данные о задаче пользователя после обработки их диалоговым компонентом поступают в рабочую память. Решатель на основе входных данных из рабочей памяти, общих данных о проблемной области и правил из БЗ формирует решение задачи. Экспертные системы при решении задачи не только исполняет предписанную последовательность операции, но и предварительно формирует ее [4, 265].



Глава 2. Классификация эксертных систем

Класс экспертных систем сегодня объединяет несколько тысяч различных программных комплексов, которые можно классифицировать по различным критериям. Одна из возможных классификаций экспертных систем представлена на рис.2.1.

Рис.2.1. Классификация экспертных систем

2.1 Классификация экспертных систем по решаемой задаче

Интерпретация данных. Это одна из традиционных задач для экспертных систем. Интерпретация - процесс определения смысла данных, результаты которого должны быть согласованными и корректными. Обычно предусматривается многовариантный анализ данных.

Примеры:

1. Обнаружение и идентификация различных типов океанских судов по результатам аэрокосмического сканирования - SIAP.

2. Определение основных типов свойств личности по результатам психодиагностического тестирования в системах АВАНТЕСТ и МИКРОЛЮШЕР.

Диагностика - процесс соотнесения объекта с некоторым классом объектов и/или обнаружение неисправности в некоторой системе. Неисправность - это отклонение от нормы. Такая трактовка позволяет с единых теоретических позиций рассматривать и неисправность оборудования в технических системах, и заболевания живых организмов, и всевозможные природные аномалии. Важной спецификой является здесь необходимость понимания функциональной структуры диагностируемой системы.

Примеры:

1. Диагностика и терапия сужения коронарных сосудов - ANGY.

2. Диагностика ошибок в аппаратуре и математическом обеспечении ЭВМ - CRIB.

Мониторинг. Основная задача мониторинга - непрерывная интерпретация данных в I реальном масштабе времени и сигнализация о выходе тех или иных параметров за допустимые пределы. Главные проблемы - «пропуск» тревожной ситуации и инверсная задача «ложного» срабатывания. Сложность этих проблем в размытости симптомов тревожных ситуаций и необходимость учёта временного контекста.

Примеры:

1. Контроль за работой электростанций СПРИНТ, помощь

2. Диспетчерам атомного реактора - REACTOR;

3. Контроль аварийных датчиков на химическом заводе - FALCON и другие.

Проектирование состоит в подготовке спецификаций на создание «объектов» с заранее определенными свойствами. Под спецификацией понимается весь набор необходимых документов - чертеж, пояснительная записка и т.д. Основные проблемы - получение четко структурированного описания знаний об объекте и проблема «следа». Для организации эффективного проектирования и в еще большей степени перепроектирования необходимо формировать не только сами проектные решения, но и мотивы их принятия. Таким образом, в задачах проектирования тесно связываются два основных процесса, выполняемые в рамках соответствующей экспертной системы: процесс вывода решения и процесс объяснения.

Примеры:

1. Проектирование конфигураций ЭВМ VAX-11/780 в системе XCON, проектирование БИС - CADHELP.

2. Синтез электрических цепей - SYN.

Прогнозирование позволяет предсказать последствия некоторых событий или явлений на основании анализа имеющихся данных. Прогнозирующие системы логически выводят вероятные следствия из заданных ситуаций. В прогнозирующей системе обычно используется параметрическая динамическая модель, в которой значения параметров «подгоняются» под заданную ситуацию. Выводимые из этой модели следствия составляют основу для прогнозов с вероятностными оценками.

Примеры:

1. Предсказание погоды - WIILARD.

2. Оценки будущего урожая - PLANT.

3. Прогнозы в экономике - ECON.

Планирование. Под планированием понимается нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции. В таких экспертных системах используются модели поведения реальных объектов с тем, чтобы логически вывести последствия планируемой деятельности.

Примеры:

1. Планирование поведения робота - STRIPS.

2. Планирование промышленных заказов - ISIS.

3. Планирование эксперимента - MOLGEN.

Обучение. Под обучением понимается использование компьютера для обучения какой-то дисциплине или предмету. Системы обучения диагностируют ошибки при изучении какой-либо дисциплины с помощью компьютера и подсказывают правильные решения. Они содержат знания о гипотетическом «ученике» и его характерных ошибках, затем в работе они способны диагностировать слабые места в познаниях обучаемых и находить соответствующие средства для их ликвидации. Кроме того, они планируют акт общения с учеником в зависимости от успехов ученика с целью передачи знаний.

Примеры:

1. Обучение языку программирования LISP в системе «учитель ЛИСПа».

2. Обучение языку Паскаль - система PROUST [3].

В общем случае, все системы, основанные на знаниях, можно подразделить на системы, решающие задачи анализа и системы, решающие задачи синтеза. Основное отличие задач анализа от задач синтеза заключается в том, что если в задачах анализа множество решений может быть перечислено и включено в систему, то в задачах синтеза множество решений потенциально не ограничено и строится из компонент или подпроблем. Задачами анализа являются: интерпретация данных, диагностика; к задачам синтеза относится: проектирование, планирование. Комбинированные задачи - обучение, мониторинг, прогнозирование [5,147].

2.2 Классификация экспертных систем по связи с реальным временем

В экспертных системах классификация по связи с реальным временем существует:

· Статические экспертные системы

· Квазидинамические экспертные системы

· Динамические экспертные системы

Статические экспертные системы разрабатываются в предметных областях, в которых база знаний и интерпретируемые данные не меняются во времени. Они стабильны.

Пример: Диагностика неисправностей в автомобиле.

Квазидинамические экспертные системы интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.

Пример: Микробиологические ЭС, в которых снимаются лабораторные измерения с технологического процесса один раз в 4-5 часов (например, производство лизина) и анализируется динамика полученных показателей по отношению к предыдущему измерению.

Динамические экспертные системы работают в сопряжении с датчиками объектов в режиме реального времени с непрерывной интерпретацией поступающих в систему данных.

Примеры:

1. Управление гибкими производственными комплексами, мониторинг в реанимационных палатах.

2. Программный инструментарий для разработки динамических систем - G2 [5,148].

2.3 Классификация по степени интеграции с другими программами

Автономные экспертные системы работают непосредственно в режиме консультаций с пользователем для специфических «экспертных» задач, для решения которых не требуется привлекать традиционные методы обработки данных (расчеты, моделирование и т.д.).

Гибридные экспертные системы представляют программный комплекс, агрегирующий стандартные пакеты прикладных программ (например, матстатистика, линейное программирование, СУБД) и средства манипулирования знаниями. Это может быть интеллектуальная надстройка над пакетами прикладных программ или интегрированная среда для решения сложной задачи с элементами экспертных знаний. Несмотря на внешнюю привлекательность гибридного подхода, следует отметить, что разработка таких систем представляет собой задачу, на порядок более сложную, чем разработка автономной экспертной системы [5, 147].

2.4 Классификация экспертных систем по типу ЭВМ

По типу ЭВМ различают:

· экспертные системы для уникальных стратегически важных задач на супер ЭВМ (Эльбрус, CRAY, CONVEX и другие.);

· экспертные системы на ЭВМ средней производительности (типа mainfrave);

· экспертные системы на символьных процессорах и рабочих станциях (SUN, АРОLLО);

· экспертные системы на персональных компьютерах (IВМ РС, МАС II и подобные) [3].



Глава 3. Особенности экспертных систем

3.1 Технология работы с экспертными системами

Решение прикладной задачи с помощью ЭС - это целеустремленный итеративный процесс, имеющий целью выработку наилучшего решения.

Решение задачи без использования ЭС (другими программными средствами) чаще всего является разовым расчетом даже в случае, если для расчета используется итеративный алгоритм.

Основная разница в работе экспертных и «не экспертных» систем состоит в том, что первые в каждой своей итерации используют новый алгоритм действий в предметной области, отличающийся от алгоритма предыдущего шага не только параметрами, но и структурой [5, 137].

Существует ряд прикладных задач, которые решаются с помощью систем, основанных на знаниях, более успешно, чем любыми другими средствами. При определении целесообразности применения таких систем нужно руководствоваться следующими критериями.

1. Данные и знания надежны и не меняются со временем.

2. Пространство возможных решений относительно невелико.

3.В процессе решения задачи должны использоваться формальные рассуждения. Существуют системы, основанные на знаниях, пока еще не пригодные для решения задач методами проведения аналогий или абстрагирования (человеческий мозг справляется с этим лучше). В свою очередь традиционные компьютерные программы оказываются эффективнее систем, основанных на знаниях, в тех случаях, когда решение задачи связано с применением процедурного анализа. Системы, основанные на знаниях, более подходят для решения задач, где требуются формальные рассуждения.

4. Должен быть по крайней мере один эксперт, который способен явно сформулировать свои знания и объяснить свои методы применения этих знаний для решения задач.

В таблице 3.1 приведены сравнительные свойства прикладных задач, по наличию которых можно судить о целесообразности использования для их решения ЭС.

Таблица 3.1. Критерий применимости ЭС

Применимы	Неприменимы
Не могут быть построены строгие алгоритмы или процедуры, но существуют эвристические методы решения.	Имеются эффективные алгоритмические методы.
Есть эксперты, которые способны решить задачу.	Отсутствуют эксперты или их число недостаточно.
По своему характеру задачи относятся к области диагностики, интерпретации или прогнозирования.	Задачи носят вычислительный характер.
Доступные данные “зашумлены”.	Известны точные факты и строгие процедуры.
Задачи решаются методом формальных рассуждений.	Задачи решаются процедурными методами, с помощью аналогии или интуитивно.
Знания статичны (неизменны).	Знания динамичны (меняются со временем).

В целом ЭС не рекомендуется применять для решения следующих типов задач:

- математических, решаемых обычным путем формальных преобразований и процедурного анализа;

- задач распознавания, поскольку в общем случае они решаются численными методами;

- задач, знания о методах решения которых отсутствуют (невозможно построить базу знаний) [6,15].

3.2 Преимущества экспертных систем перед человеком - экспертом

Системы, основанные на знаниях, имеют определенные преимущества перед человеком-экспертом.

1. У них нет предубеждений.

2. Они не делают поспешных выводов.

3. Эти системы работают систематизировано, рассматривая все детали, часто выбирая наилучшую альтернативу из всех возможных.

4. База знаний может быть очень и очень большой. Будучи введены в машину один раз, знания сохраняются навсегда. Человек же имеет ограниченную базу знаний, и если данные долгое время не используются, то они забываются и навсегда теряются.

5.Системы, основанные на знаниях, устойчивы к “помехам”. Эксперт пользуется побочными знаниями и легко поддается влиянию внешних факторов, которые непосредственно не связаны с решаемой задачей. ЭС, не обремененные знаниями из других областей, по своей природе менее подвержены “шумам”. Со временем системы, основанные на знаниях, могут рассматриваться пользователями как разновидность тиражирования- новый способ записи и распространения знаний. Подобно другим видам компьютерных программ они не могут заменить человека в решении задач, а скорее напоминают орудия труда, которые дают ему возможность решат задачи быстрее и эффективнее.

6. Эти системы не заменяют специалиста, а являются инструментом в его руках [3].



Заключение

Экспертные системы являются наиболее известным и распространённым видом интеллектуальных систем. Широкое применение экспертные системы получили в медицине, математике, машиностроении, химии, геологии, вычислительной технике, бизнесе, законодательстве, обороне. Необходимо отметить, что в настоящее время технология экспертных систем используется для решения различных типов задач (интерпретация, предсказание, диагностика, планирование, конструирование, контроль, отладка, инструктаж, управление) в самых разнообразных проблемных областях, таких, как финансы, нефтяная и газовая промышленность, энергетика, транспорт, фармацевтическое производство, космос, металлургия, горное дело, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др. А также в настоящее время особенно актуально использование ЭС в таких приложениях, как образование, психолого-педагогическая диагностика и тестирование.

Главным достоинством экспертных систем является возможность накопления знаний и сохранение их длительное время. В отличии от человека к любой информации экспертные системы подходят объективно, что улучшает качество проводимой экспертизы. При решении задач, требующих обработки большого объема знаний, возможность возникновения ошибки при переборе очень мала.

Экспертные системы отличаются от других видов программ из области искусственного интеллекта. Одной из основных характеристик экспертной системы является ее производительность, т.е. скорость получения результата и его достоверность (надежность). Исследовательские программы искусственного интеллекта могут и не быть очень быстрыми, можно примириться и с существованием в них отказов в отдельных ситуациях, поскольку, в конце концов, - это инструмент исследования, а не программный продукт. Экспертная система должна обладать способностью объяснить, почему предложено именно такое решение, и доказать его обоснованность.

ЭС содержит знания в определенной предметной области, накопленные в результате практической деятельности человека, и использует их для решения проблем, специфичных для этой области. Этим экспертные системы отличаются от прочих, "традиционных" систем, в которых предпочтение отдается более общим и менее связанным с предметной областью теоретическим методам, чаще всего математическим.

ЭС строятся для решения широкого круга проблем в таких областях, как:

- прогнозирование - проектирование возможных последствий данной ситуации.

- диагностика - определение причин неисправностей в сложных ситуациях на основе наблюдаемых симптомов.

- проектирование - нахождение конфигурации компонентов системы, которая удовлетворяет целевым условиям и множеству проектных ограничений.

- планирование - разработка последовательности действий для достижения множества целей при данных начальных условиях и временных ограничениях.

- мониторинг - сравнение наблюдаемого поведения системы с её ожидаемым поведением.

- инструктирование - помощь в образовательном процессе по изучению технической области.

- управление - управление поведением сложной среды.

Таким образом, проблема разработки и использования экспертных систем является весьма актуальной в современном обществе.



Список использованных источников

1. http://ru.wikipedia.org/ Википедия - свободная энциклопедия.

2. http://www.mari-el.ru/mmlab/home/AI/ Курс лекций по дисциплине "Системы искусственного интеллекта"

3. http://expert-sistem.ucoz.ru/ Экспертные системы.

4. Э.В.Попов Системы общения и экспертные системы: Справочник. - М.: Радио и связь, 1990г. - 464 с.

5. Д.В. Смолин Введение в искусственный интеллект: Конспект лекций. - М.: ФИЗМАТЛИТ, 2004г. - 208 с.

6. Р. Форсайт Экспертные системы. Принципы работы и примеры. - М.: Радио и связь, 2007г. - 223 с.

Размещено на Allbest.ru

...