Здесь можно найти учебные материалы, которые помогут вам в написании курсовых работ, дипломов, контрольных работ и рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.
Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение оригинальности любого файла в формате MS Word. После такого повышения оригинальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, РУКОНТЕКСТ, etxt.ru. Программа «StudentHelp» работает по уникальной технологии так, что на внешний вид, файл с повышенной оригинальностью не отличается от исходного.
Результат поиска
Наименование:
контрольная работа Экспертные системы: структура, назначение, возможности
Информация:
Тип работы: контрольная работа.
Добавлен: 25.12.14.
Год: 2014.
Страниц: 9.
Уникальность по antiplagiat.ru: < 30%
Описание (план):
ФГБОУ ВПО «Сибирская государственная
автомобильно-дорожн я академия» (СибАДИ)
КАФЕДРА «ИТ»
Контрольная работа №1
по информатике
Тема: «Экспертные системы: структура,
назначение, возможности»
Введение……………..……….…3
Глава 1. Структура экспертных систем………..……….5
Глава
2 Режимы функционирования
экспертных систем………...………...…..7
Глава
3 Классификация Экспертных
систем………...………..8
3.1 Классификация Экспертных систем по решаемой задаче………...8
3.2 Классификация Экспертных систем по связи с реальным временем….9
3.3 Классификация по типу ЭВМ и Классификация
по степени интеграции с другими программами……….…………….….10
Глава 4 Функции, выполняемые экспертной
системой………...……...11
Глава 5 Этапы разработки экспертных систем……….…...12
Глава 6 Известные/распростран нные
экспертные системы………..13
Заключение………………15
Список использованной литературы………...………...16
Введение
Экспертные системы (ЭС) возникли
как значительный практический результат
в применении и развитии методов искусственного
интеллекта (ИИ)- совокупности научных
дисциплин, изучающих методы решения задач
интеллектуального (творческого) характера
с использованием ЭВМ.
В начале восьмидесятых годов в исследованиях
по искусственному интеллекту сформировалось
самостоятельное направление, получившее
название «экспертные системы». Экспертная
система - это система искусственного интеллекта,
построенная на основе глубоких специальных
знаний о некоторой предметной области
(полученных от экспертов-специалист в
этой области). Экспертные системы – один
из немногих видов систем искусственного
интеллекта, которые получили широкое
распространение и нашли практическое
применение. Существуют экспертные системы
по военному делу, геологии, инженерному
делу, информатике, космической технике,
математике, медицине, метеорологии, промышленности,
сельскому хозяйству, управлению, физике,
химии, электронике, юриспруденции и т.д.
И только то, что экспертные системы остаются
весьма сложными, дорогими, а главное,
узкоспециализирован ыми программами,
сдерживает их еще более широкое распространение.
Технология экспертных систем является
одним из направлений новой области исследования,
которая получила наименование искусственного интеллекта
(Artificial Intelligence — AI). Исследования в этой
области сконцентрированы на разработке
и внедрении компьютерных программ, способных
эмулировать (имитировать, воспроизводить)
те области деятельности человека, которые
требуют мышления, определенного мастерства
и накопленного опыта. К ним относятся
задачи принятия решений, распознавания
образов и понимания человеческого языка.
Эта технология уже успешно применяется
в некоторых областях техники и жизни
общества — органической химии, поиске
полезных ископаемых, медицинской диагностике.
Важность экспертных систем состоит
в следующем:
- технология экспертных систем
существенно расширяет круг практически
значимых задач, решаемых на компьютерах,
решение которых приносит значительный экономический эффект;
- 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;
- объединение технологии экспертных систем с технологией традиционного
программирования добавляет новые качества
к программным продуктам за счет: обеспечения
динамичной модификации приложений пользователем,
лучшей графики, интерфейса и взаимодействия.
В настоящее время технология экспертных
систем используется для решения различных
типов задач, таких как: (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, химия,
образование, целлюлозно-бумажная промышленность,
телекоммуникации и связь и др.
Глава 1. Структура экспертных систем
Типичная статическая структура экспертных систем состоит
из следующих основных компонентов:
Интерфейс пользователя
решателя (интерпретатора);
рабочей памяти (РП), называемой также
базой данных (БД);
базы знаний (БЗ);
компонентов приобретения знаний;
объяснительного компонента;
диалогового компонента.
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-поисков х
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.
База знаний ЭС создается при помощи
трех групп людей:
эксперты той проблемной области, к которой
относятся задачи, решаемые ЭС;
инженеры по знаниям, являющиеся специалистами
по разработке ИИС;
программисты, осуществляющие реализацию
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.
Компонент приобретения знаний автоматизирует
процесс наполнения ЭС знаниями, осуществляемый
пользователем-экспе том.
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.
В разработке ЭС участвуют представители следующих специальностей:
Эксперт в проблемной области, задачи
которой будет решать ЭС;
Инженер по знаниям - специалист по разработке
ЭС (используемые им технологию, методы
называют технологией (методами) инженерии
знаний);
Программист по разработке инструментальных средств (ИС), предназначенных для ускорения разработки ЭС.
Необходимо отметить, что отсутствие
среди участников разработки инженеров
по знаниям либо приводит к неудаче
процесс создания ЭС, либо значительно
удлиняет его.
Эксперт определяет знания (данные и правила),
характеризующие проблемную область,
обеспечивает полноту и правильность
введенных в ЭС знаний.
Инженер по знаниям помогает эксперту выявить и структурировать
знания, необходимые для работы ЭС; осуществляет
выбор того ИС, которое наиболее подходит
для данной проблемной области, и определяет
способ представления знаний в этом ИС;
выделяет и программирует (традиционными
средствами) стандартные функции (типичные
для данной проблемной области), которые
будут использоваться в правилах, вводимых
экспертом.
Программист разрабатывает инструментальные средства,
содержащее в пределе все основные компоненты
ЭС, и осуществляет его сопряжение с той
средой, в которой оно будет использовано.
Глава 2. Режимы функционирования Экспертных систем
ЭС может функционировать в 2-х режимах.
Режим ввода знаний — общение с ЭС осуществляет, через посредничество
инженера по знаниям, эксперт. В этом режиме
эксперт, используя компонент приобретения
знаний, наполняет систему знаниями, которые
позволяют ЭС в режиме решения самостоятельно 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. Отметим, что 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 ЭС разработку программ осуществляет
не программист, а эксперт (с помощью ЭС),
не владеющий программированием.
Режим консультации — общение с ЭС осуществляет конечный пользователь,
которого интересует результат и способ его получения. Необходимо
отметить, что в зависимости от назначения
ЭС пользователь может не быть специалистом
в данной проблемной области или быть специалистом ,в этом случае пользователь может сам
получить результат, но он обращается
к ЭС с целью либо ускорить процесс получения результата, либо возложить на ЭС рутинную работу. 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.
ЭС при решении задачи не только исполняет
предписанную последовательность операции,
но и предварительно формирует ее. Если
реакция системы не понятна пользователю,
то он может потребовать объяснения.
Например, на основе сведений
о физическом состоянии больного
ЭС ставит диагноз в виде
перечня заболеваний, наиболее вероятных
при данных симптомах.
Глава 3. Классификация экспертных систем
3.1 Классификация экспертных систем по решаемой задаче
Интерпретация данных - анализ информации с целью определения ее смысла.
Диагностирование - классификация и поиск неисправностей в живых и неживых системах, основанные на результатах интерпретации.
Мониторинг - непрерывный процесс интерпретации сигналов и выдача сообщений
в ситуациях, требующих вмешательства системы более высокого уровня или человека.
Проектирование - разработка подробной
документации, предназначенной для создания
объектов, удовлетворяющим специфицированным
требованиям.
Прогнозирование - прогнозирование хода событий в будущем на основании модели прошлого
Сводное Планирование - подготовка программы действий, которые необходимо выполнить для достижения сформулированных целей.
Обучение - диагностирует ошибки, при изучении какой-либо дисциплины с помощью
ЭВМ и подсказывают правильные решения.
Они аккумулируют знания о гипотетическом
"ученике" и его характерных ошибках,
затем в работе способны диагностировать
слабости в знаниях обучаемых и находить
соответствующие средства для их ликвидации.
Управление - это функция организованной
системы, поддерживающая определенный
режим деятельности, например управление
системой календарного планирования Project
Assistant.
Ремонт - Выполнение последовательности предписанных исправлений
Отладка - Составление рецептов исправления неправильного функционирования системы
3.2. Классификация Экспертных систем по связи с реальным временем
Статические ЭС - разрабатываются в предметных областях, в которых база знаний и интерпретируемые данные не меняются во времени. Первые ЭС, получившие практическое использование, были статическими.
Квазидинамические ЭС - интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.
Динамические ЭС - работают в сопряжении с датчиками объектов в режиме реального времени
с непрерывной интерпретацией поступающих
данных. По сравнению со статической ЭС содержат
два дополнительных компонента: подсистема
моделирования внешнего мира и подсистема
связи с внешним окружением.
3.3. Классификация по типу ЭВМ
На сегодняшний день существуют:
- ЭС для уникальных стратегически важных
задач ЭВМ (Эльбрус, CRAY, CONVEX и др.);
- ЭС на ЭВМ средней производительности
(типа ЕС ЭВМ, mainframe);
- ЭС на символьных процессорах и рабочих
станциях (SUN, APOLLO);
- ЭС на мини и супермини-ЭВМ (VAX, micro-VAX и др.);
- ЭС на персональных компьютерах (IBM
PC, MAC II и подобные).
Классификация по степени
интеграции с другими программами
Автономные ЭС - работают непосредственно в режиме консультаций с пользователем для специфически
"экспертных" задач, для решения которых
не требуется привлекать традиционные
методы обработки данных (расчеты, моделирование
и т.д.).
Гибридные ЭС - представляют программный комплекс,
агрегирующий стандартные пакеты прикладных программ (например, математическую
статистику, линейное программирование
или системы управления базами данных)
и средства манипулирования знаниями.
Это может быть интеллектуальная надстройка
над ППП или интегрированная среда для
решения сложной задачи с элементами экспертных знаний.
Несмотря на внешнюю привлекательность
гибридного подхода, следует отметить,
что разработка таких систем являет собой
задачу, на порядок более сложную, чем
разработка автономной ЭС.
Глава 4. Функции, выполняемые
экспертной системой
Не всякую систему, основанную на знаниях,
можно рассматривать как экспертную. Экспертная
система должна также уметь каким-то образом объяснять свое поведение и свои решения пользователю,
так же, как это делает эксперт-человек.
Это особенно необходимо в областях, для
которых характерна неопределенность,
неточность информации (например, в медицинской
диагностике). В этих случаях способность
к объяснению нужна для того, чтобы повысить
степень доверия пользователя к советам
системы, а также для того, чтобы дать возможность
пользователю обнаружить возможный дефект
в рассуждениях системы. В связи с этим
в экспертных системах следует предусматривать
дружественное взаимодействие с пользователем,
которое делает для пользователя процесс
рассуждения системы "прозрачным&quo ;.
Часто к экспертным системам предъявляют
дополнительное требование - способность
иметь дело с неопределенностью и неполнотой.
Информация о поставленной задаче может
быть неполной или ненадежной; отношения
между объектами предметной области могут быть приближенными. Например,
может не быть полной уверенности в наличии
у пациента некоторого симптома или в
том, что данные, полученные при измерении,
верны; лекарство может стать причиной
осложнения, хотя обычно этого не происходит.
Во всех этих случаях необходимы рассуждения
с использованием вероятностного подхода.
В самом общем случае для того, чтобы
построить экспертную систему, мы должны
разработать механизмы выполнения следующих
функций системы:
решение задач с использованием знаний
о конкретной предметной области - возможно, при
этом возникнет необходимость иметь дело
с неопределенностью;
взаимодействие с пользователем, включая
объяснение намерений и решений системы
во время и после окончания процесса решения
задачи.
Каждая из этих функций может оказаться очень сложной и зависит
от прикладной области, а также от различных
практических требований. В процессе разработки
и реализации могут возникать разнообразные
трудные проблемы. Здесь мы ограничился
наметками основных идей, подлежащих в
дальнейшем детализации и усовершенствованию.
Глава 5. Этапы разработки экспертных систем
Этап идентификации проблем — определяются задачи, которые подлежат
решению, выявляются цели разработки,
определяются эксперты и типы пользователей.
Этап концептуализации знаний — проводится содержательный анализ
проблемной области, выявляются используемые
понятия и их взаимосвязи, определяются
методы решения задач.
Этап формализации — выбираются ИС и определяются способы
представления всех видов знаний, формализуются
основные понятия, определяются способы интерпретации
знаний, моделируется работа системы,
оценивается адекватность целям системы
зафиксированных понятий, методов решений,
средств представления и манипулирования
знаниями.
Этап выполнения — осуществляется наполнение экспертом базы знаний. В связи с тем,
что основой ЭС являются знания, данный
этап является наиболее важным и наиболее
трудоемким этапом разработки ЭС.
Процесс приобретения знаний разделяют
на извлечение знаний из эксперта, организацию
знаний, обеспечивающую эффективную работу системы, и представление
знаний в виде, понятном ЭС. Процесс приобретения
знаний осуществляется инженером по знаниям
на основе анализа деятельности эксперта
по решению реальных задач.
Реализация ЭС — создается один или нескольких прототипов ЭС, решающие требуемые задачи.
Этап тестирования — производится оценка выбранного способа
представления знаний в ЭС в целом.
Первые два этапа разработки
экспертной системы составляют логическую
стадию, не связанную с применением четко
определенного инструментального средства.
Последующие этапы реализуются в рамках
физического создания проекта на базе
выбранного инструментального средства.
Глава 6. Наиболее известные/распростра ённые
ЭС
CLIPS — весьма популярная ЭС . Первые версии CLIPS разрабатывались с 1984 года в Космическом центре Джонсона, пока
в начале 1990-х не было приостановлено финансирование.
CLIPS включает полноценный объектно-ориентирова ный
язык COOL для написания экспертных систем.
Хотя она написана на языке Си,
её интерфейс намного ближе к языку программ и т.д.................
