На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Результат поиска


Наименование:


курсовая работа Экспертные системы

Информация:

Тип работы: курсовая работа. Добавлен: 11.05.2012. Сдан: 2011. Страниц: 12. Уникальность по antiplagiat.ru: < 30%

Описание (план):


     Содержание: 

Введение……………………………………………………………………….……
Глава 1. Экспертные системы, их особенности.
      Определение экспертных систем. Главное достоинство и назначение экспертных систем……………………………………....
      Отличие ЭС от других программных продуктов…………………...
      Отличительные особенности. Экспертные системы первого и второго поколения……………………………………………………
      Критерий использования ЭС для решения задач…………………...
      Ограничения в применение экспертных систем……………………
      Преимущества ЭС перед человеком - экспертом…………………..
Глава 2. Разработка экспертных систем.
      2.1     Этапы разработки экспертных систем………………………………
    2.2.    Инструментальные средства проектирования и разработки экспертных систем…………………………………………………………..
    2.3.    Пример простой экспертной системы………………………………
Заключение………………………………………………………………………..... 
 
 
 
 
 
 
 

     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.
     Область ИИ имеет более чем сорокалетнюю историю развития. С самого начала в ней рассматривался ряд весьма сложных задач, которые, наряду с  другими, и до сих пор являются предметом исследований: автоматические доказательства теорем, машинный перевод (автоматический перевод с одного естественного языка на другой), распознавание изображений и  анализ сцен, планирование действий роботов, алгоритмы и стратегии игр.
     ЭС- это набор программ, выполняющий функции эксперта при решении задач из некоторой предметной области. ЭС выдают советы, проводят анализ, дают консультации, ставят диагноз. Практическое применение ЭС на предприятиях способствует эффективности работы и повышению квалификации специалистов.
     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.
     При создании ЭС возникает ряд затруднений. Это прежде всего связано стем, что заказчик не всегда может точно сформулировать свои требования к разрабатываемой системе. Также возможно возникникновение трудностей чисто психологического порядка: при создании базы знаний системы эксперт может препятствовать передаче своих знаний, опасаясь, что впоследствии его заменят “машиной”. Но эти страхи не обоснованы, т. к. ЭС не способны обучаться, они не обладают здравым смыслом, интуицией. Но в настоящее время ведутся разработки экспертных систем, реализующих идею самообучения. Также ЭС неприменимы в больших предметных областях и в тех областях, где отсутствуют эксперты.
     Экспертная  система состоит из базы знаний (части  системы, в которой содержатся факты), подсистемы вывода (множества правил, по которым осуществляется решение  задачи), подсистемы объяснения, подсистемы приобретения знаний и диалогового  процессора .
     При построении подсистем вывода используют методы решения задач искусственного интеллекта. 
 
 
 
 
 
 
 
 
 
 

     Глава 1. Экспертные системы, их особенности. 

      Определение экспертных систем. Главное достоинство  и назначение 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 бы создано ни одной ЭС или по крайней мере, такие попытки не предпринимались бы.
     ЭС- это набор программ или программное обеспечение, которое выполняет функции эксперта при решении какой-либо задачи в области его компетенции. ЭС, как и эксперт-человек, в процессе своей работы оперирует со знаниями. Знания о предметной области, необходимые для работы ЭС, определенным образом формализованы и представлены в памяти ЭВМ в виде базы знаний, которая может изменяться и дополняться в процессе развития системы.
     ЭС  выдают советы, проводят анализ, выполняют  классификацию, дают консультации и  ставят диагноз. Они ориентированы  на решение задач, обычно требующих  проведения экспертизы человеком-специалистом. В отличие от машинных программ, использующий процедурный анализ, ЭС решают задачи в узкой предметной области (конкретной области экспертизы)на основе дедуктивных рассуждений. Такие системы часто оказываются способными найти решение задач, которые неструктурированны и плохо определены. Они справляются с отсутствием структурированности путем привлечения эвристик, т. е. правил, взятых “с потолка”, что может быть полезным в тех системах, когда недостаток необходимых знаний или времени исключает возможность проведения полного анализа.
     Главное достоинство ЭС- возможность накапливать знания, сохранять их длительное время, обновлять и тем самым обеспечивать относительную независимость конкретной организации от наличия в ней квалифицированных специалистов. Накопление знаний позволяет повышать квалификацию специалистов, работающих на предприятии, используя наилучшие, проверенные решения.
     Практическое  применение искусственного интеллекта на машиностроительных предприятиях и  в экономике основано на  ЭС, позволяющих  повысить качество и сохранить время  принятия решений, а также способствующих росту эффективности работы и  повышению квалификации специалистов. 
 
 
 
 
 
 
 
 
 

      Отличие ЭС от других программных  продуктов.
 
     Основными  отличиями ЭС от  других программных   продуктов являются использование  не только данных, но и знаний, а также  специального механизма вывода решений  и новых знаний на основе имеющихся. Знания в ЭС представляются в такой  форме, которая может быть легко  обработана на ЭВМ. В ЭС известен алгоритм обработки знаний, а не алгоритм решения задачи. Поэтому  применение алгоритма обработки знаний может  привести к получению такого результата при решении конкретной задачи, который  не был предусмотрен. Более того, алгоритм обработки знаний заранее  неизвестен и  строится по ходу решения  задачи на основании эвристических  правил. Решение задачи в ЭС  сопровождается понятными пользователю  объяснениями, качество получаемых решений обычно не хуже,  а иногда и лучше достигаемого специалистами. В системах, основанных на знаниях, правила (или эвристики), по которым решаются проблемы в конкретной предметной  области, хранятся в  базе знаний. Проблемы ставятся перед  системой в виде совокупности фактов, описывающих некоторую ситуацию, и система с помощью базы знаний пытается вывести заключение из этих фактов (см.. рис.1).
     
       рис.1
     Качество  ЭС определяется размером и качеством  базы  знаний (правил или эвристик). Система функционирует в следующем  циклическом режиме: выбор (запрос) данных или результатов анализов, наблюдения, интерпретация результатов, усвоение новой информации, выдвижении с помощью правил временных гипотез и затем выбор следующей порции данных или результатов анализов (рис.2). Такой процесс продолжается до тех пор, пока не поступит информация, достаточная для окончательного заключения.
     В любой момент времени в системе  существуют три типа знаний:
    Структурированные знания- статические знания о предметной области. После того как эти знания выявлены, они уже не изменяются.
    Структурированные динамические знания- изменяемые знания о предметной области. Они обновляются по мере выявления новой информации.
    Рабочие знания- знания, применяемые для решения конкретной задачи или проведения консультации.
     Все перечисленные выше знания хранятся в базе знаний. Для ее построения требуется провести опрос специалистов, являющихся экспертами в конкретной предметной области, а затем систематизировать, организовать и снабдить эти знания указателями, чтобы впоследствии их можно было легко извлечь из базы знаний.
       

       рис.2  Схема работы ЭС. 
 
 
 
 
 
 
 
 

      Отличительные особенности. Экспертные системы первого  и второго поколения.
 
     1. Экспертиза может проводиться  только в одной конкретной области. Так, программа, предназначенная для определения конфигурации систем ЭВМ, не может ставить медицинские диагнозы.
     2. База знаний и механизм вывода являются различными компонентами. Действительно, часто оказывается возможным сочетать механизм вывода с другими базами знаний для создания новых ЭС. Например, программа анализа инфекции в крови может быть применена в пульманологии путем замены базы знаний, используемой с тем же самым механизмом вывода.
     3. Наиболее подходящая  область применения- решение задач дедуктивным методом. Например, правила или эвристики выражаются в виде пар посылок и заключений типа  “если-то”.
     4. Эти системы могут объяснять ход решения задачи понятным пользователю способом. Обычно мы не принимаем ответ эксперта, если на вопрос “Почему ?” не можем получить логичный ответ. Точно так же мы должны иметь возможность спросить систему, основанную на знаниях, как было получено конкретное заключение.     
     5. Выходные результаты являются качественными (а не количественными).
     6. Системы, основанные на знаниях, строятся по модульному принципу, что позволяет постепенно наращивать их базы знаний.
     Компьютерные  системы, которые могут лишь повторить  логический вывод эксперта, принято  относить к ЭС первого поколения. Однако специалисту, решающему интеллектуально сложную задачу, явно недостаточно возможностей системы, которая лишь имитирует деятельность человека. Ему нужно, чтобы ЭС выступала в роли полноценного помощника и советчика, способного проводить анализ нечисловых данных, выдвигать и отбрасывать гипотезы, оценивать достоверность фактов, самостоятельно пополнять свои знания, контролировать их непротиворечивость, делать заключения на основе прецедентов и, может быть, даже порождать решение новых, ранее не рассматривавшихся задач. Наличие таких возможностей является характерным для ЭС второго поколения, концепция которых начала разрабатываться 9-10 лет назад. Экспертные системы, относящиеся ко второму поколению, называют партнерскими, или усилителями интеллектуальных способностей человека. Их общими отличительными чертами является умение обучаться и развиваться, т.е. эволюционировать.
     В экспертных системах  первого поколения  знания представлены следующим образом:
     1) знаниями системы являются только  знания эксперта, опыт накопления  знаний не предусматривается.
     2) методы представления знаний  позволяли описывать лишь статические  предметные области.
     3) модели представления знаний  ориентированы на простые области.
     Представление знаний в экспертных системах второго  поколения следующее:
     1) используются не поверхностные знания, а более глубинные. Возможно дополнение предметной области.
     2) ЭС может решать задачи динамической  базы данных предметной области.
     1.4. Критерий использования ЭС для решения задач. 

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

     Таблица 1. Критерий применимости ЭС.
применимы Неприменимы
     Не  могут быть построены строгие  алгоритмы или процедуры, но существуют эвристические методы решения.       Есть  эксперты, которые способны решить задачу. 
     По  своему характеру задачи относятся  к области диагностики, интерпретации  или прогнозирования.
     Доступные данные “зашумленны”. 
     Задачи  решаются методом формальных рассуждений. 
     Знания  статичны (неизменны).
     Имеются эффективные алгоритмические методы.      Есть  эксперты, которые способны решить задачу. 
Задачи  носят вычислительный характер
     Известны  точные факты и строгие процедуры.
     Задачи  решаются прецедурными методами, с помощью аналогии или интуитивно.
     Знания  динамичны (меняются со временем).
 
     В целом экспертная система 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).
 
 
     1.5. Ограничения в применение экспертных систем. 

     Даже  лучшие из существующих экспертных систем, которые эффективно функционируют как на больших, так и на мини-ЭВМ, имеют определенные ограничения по сравнению с человеком-экспертом.
     1. Большинство экспертных систем не вполне пригодны для применения конечным пользователем. Если вы не имеете некоторого опыта работы с такими системами, то у вас могут возникнуть серьезные трудности. Многие системы оказываются доступными только тем экспертам, которые создавали из базы знаний.
     2. Вопросно-ответный режим, обычно  принятый в таких системах, замедляет  получение решений. Например, без  системы RLS специалист может (а часто и должен) принять решение значительно быстрее, чем с ее помощью.
     3. Навыки системы не возрастают  после сеанса экспертизы.
     4. Все еще остается проблемой  приведение знаний, полученных от  эксперта, к виду, обеспечивающему  их эффективную машинную реализацию.
     5. экспертные системы не способны обучаться, не обладают здравым смыслом. Домашние кошки способны обучаться даже без специальной дрессировки, ребенок в состоянии легко уяснить, что он станет мокрым, если опрокинет на себя стакан с водой, однако если начать выливать кофе на клавиатуру компьютера, у него не хватит “ума” отодвинуть ее. 

     6. ЭС неприменимы в больших предметных областях. Их использование ограничивается предметными областями, в которых эксперт может принять решение за время от нескольких минут до нескольких часов.
     7. В тех областях, где отсутствуют  эксперты (например, в астрологии), применение  ЭС оказывается невозможным.
     8. Имеет смысл привлекать ЭС  только для решения когнитивных  задач. Теннис, езда на велосипеде  не могут являться предметной  областью для ЭС, однако такие  системы можно использовать при  формировании футбольных команд.
     9. Человек-эксперт при решении задач  обычно обращается к своей  интуиции или здравому смыслу, если отсутствуют формальные  методы решения или аналоги  таких задач.
     Системы, основанные на знаниях, оказываются  неэффективными при необходимости  проведения скрупулезного анализа, когда число “решений” зависит  от тысяч различных возможностей и многих переменных, которые изменяются во времени. В таких случаях лучше  использовать базы данных с интерфейсом  на естественном языке. 
 
 
 
 
 
 
 
 
 

     1.6. Преимущества ЭС 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. 
 

     Глава 2. Разработка экспертных систем 

     2.1. Этапы разработки  экспертных систем 

     При разработке экспертных систем часто  используется концепция быстрого прототипа. Суть её в следующем: поначалу создается  не экспертная система, а её прототип, который обязан решать узкий круг задач и требовать на свою разработку незначительное время. Прототип должен продемонстрировать пригодность будущей  экспертной системы для данной предметной области, проверить правильность кодировки  фактов, связей и стратегий рассуждения  эксперта. Он также дает возможность  инженеру по знаниям привлечь эксперта к активной роли в разработке экспертной системы. Размер прототипа – несколько  десятков правил.
     На  сегодняшний день сложилась определенная технология разработки экспертных систем, включающая 6 этапов.
     Этап 1. Идентификация 
     Определяются  задачи, которые подлежат решению. Планируется ход разработки прототипа экспертной системы, определяются: нужные ресурсы (время, люди, ЭВМ и т.д.), источники знаний (книги, дополнительные специалисты, методики), имеющиеся аналогичные экспертные системы, цели (распространение опыта, автоматизация рутинных действий и др.), классы решаемых задач и т.д. Этап идентификации – это знакомство и обучение коллектива разработчиков. Средняя длительность 1-2 недели.
     На  этом же этапе разработки экспертных систем проходит извлечение знаний. Инженер  по знаниям помогает эксперту выявить  и структурировать знания, необходимые  для работы экспертной системы, с  использованием различных способов: анализ текстов, диалоги, экспертные игры, лекции, дискуссии, интервью, наблюдение и другие. Извлечение знаний – это получение инженером по знаниям более полного представления о предметной области и методах принятия решения в ней. Средняя длительность 1-3 месяца.
     Этап 2. Концептуализация
     Выявляется  структура полученных знаний о предметной области. Определяются: терминология, перечень главных понятий и их атрибутов, структура входной и  выходной информации, стратегия принятия решений и т.д. Концептуализация – это разработка неформального  описания знаний о предметной области  в виде графа, таблицы, диаграммы  либо текста, которое отражает главные  концепции и взаимосвязи между  понятиями предметной области. Средняя  длительность этапа 2-4 недели.
     Этап 3. Формализация
     На  этапе формализации все ключевые понятия и отношения, выявленные на этапе концептуализации, выражаются на некотором формальном языке, предложенном (выбранном) инженером по знаниям. Здесь  он определяет, подходят ли имеющиеся  инструментальные средства для решения  рассматриваемой проблемы или необходим  выбор другого инструментария, или  требуются оригинальные разработки. Средняя длительность 1-2 месяца.
     Этап 4. Реализация
     Создается прототип экспертной системы, включающий базу знаний и другие подсистемы. На данном этапе применяются следующие инструментальные средства: программирование на обычных языках (Паскаль, Си и др.), программирование на специализированных языках, применяемых в задачах искусственного интеллекта (LISP, FRL, SmallTalk и др.) и др. Четвертый этап разработки экспертных систем в какой-то степени является ключевым, так как здесь происходит создание программного комплекса, демонстрирующего жизнеспособность подхода в целом. Средняя длительность 1-2 месяца.
     Этап 5. Тестирование
     Прототип  проверяется на удобство и адекватность интерфейсов ввода-вывода, эффективность  стратегии управления, качество проверочных  примеров, корректность базы знаний. Тестирование – это выявление ошибок в выбранном  подходе, выявление ошибок в реализации прототипа, а также выработка  рекомендаций по доводке системы  до промышленного варианта.
     Этап 6. Опытная эксплуатация
     Проверяется пригодность экспертной системы  для конечных пользователей. По результатам  этого этапа может потребоваться  существенная модификация экспертной системы.
     Процесс разработки экспертной системы не сводится к строгой последовательности перечисленных  выше этапов. В ходе работ приходится неоднократно возвращаться на более  ранние этапы и пересматривать принятые там решения.
     
     рис.3. технология разработки ЭС. 
 
 
 
 
 
 
 
 
 
 
 

     2.2. Инструментальные  средства проектирования  и разработки экспертных  систем 

     На  проектирование и создание одной  экспертной системы ранее требовалось 20-30 человек-лет. В настоящее время  имеется ряд средств, ускоряющих создание. Эти средства называют инструментальными  или инструментарием. Использование  инструментальных средств разработки экспертных систем сокращает время, затрачиваемое на их создание, в 3-5 раз.
     Инструментальное  средство разработки экспертных систем – это язык программирования, используемый инженером знаний или (и) программистом  для построения экспертной системы. Этот инструмент отличается от обычных  языков программирования тем, что обеспечивает удобные способы представления  сложных высокоуровневых понятий.
     По  своему назначению и функциональным возможностям инструментальные программы, применяемые при проектировании экспертных систем, можно разделить  на четыре достаточно большие категории.
     1. Оболочки экспертных систем 
     Системы этого типа создаются, как правило, на основе какой-нибудь экспертной системы, достаточно хорошо зарекомендовавшей  себя на практике. При создании оболочки из системы-прототипа удаляются  компоненты, слишком специфичные  для области ее непосредственного  применения, и оставляются те, которые  не имеют узкой специализации. Примером может служить система EMYCIN, созданная  на основе прошедшей длительную «обкатку»  системы MYCIN. В EMYCIN сохранен интерпретатор  и все базовые структуры данных – таблицы знаний и связанные  с ними механизм индексации. Оболочка дополнена специальным языком, улучшающим читабельность программ, и средствами поддержки библиотеки типовых случаев и заключений, выполненных по ним экспертной системой.
     2. Языки программирования высокого  уровня 
     Инструментальные  средства этой категории избавляют  разработчика от необходимости углубляться  в детали реализации системы –  способы эффективного распределения  памяти, низкоуровневые процедуры доступа  и манипулирования данными. Одним  из наиболее известных представителей таких языков является OPS5. Этот язык прост в изучении и предоставляет  программисту гораздо более широкие  возможности, чем типичные специализированные оболочки. Следует отметить, что  большинство подобных языков так  и не было доведено до уровня коммерческого  продукта и представляет собой скорее инструмент для исследователей.
     3. Среда программирования, поддерживающая  несколько парадигм 
     Средства  этой категории включают несколько  программных модулей, что позволяет  пользователю комбинировать в процессе разработки экспертной системы разные стили программирования. Среди первых проектов такого рода была исследовательская  программа LOOP, которая допускала  использование двух типов представления  знаний: базирующегося на системе  правил и объектно-ориентированного. На основе этой архитектуры во второй половине 1980-х годов было разработано  несколько коммерческих программных  продуктов, из которых наибольшую известность  получили KEE, KnowledgeCraft и ART. Эти программы предоставляют в распоряжение квалифицированного пользователя множество опций и для последующих разработок, таких как КАРРА и CLIPS, и стали своего рода стандартом. Однако освоить эти языки программистам далеко не так просто, как языки, отнесенные к предыдущей категории.
     4. Дополнительные модули 
     Средства  этой категории представляют собой  автономные программные модули, предназначенные  для выполнения специфических задач  в рамках выбранной архитектуры  системы решения проблем.
и т.д.................


Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть полный текст работы бесплатно


Смотреть похожие работы


* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.