На бирже курсовых и дипломных проектов можно найти готовые бесплатные и платные работы или заказать написание уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов по самым низким ценам. Добавив заявку на написание требуемой для вас работы, вы узнаете реальную стоимость ее выполнения.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Быстрая помощь студентам

 

Результат поиска


Наименование:


реферат Экспертные системы и направления их развития

Информация:

Тип работы: реферат. Добавлен: 25.06.2012. Сдан: 2011. Страниц: 10. Уникальность по antiplagiat.ru: < 30%

Описание (план):


  Федеральное агентство по образованию
ФГБОУ ВПО  «Удмуртский государственный университет»
Институт  экономики и управления
Кафедра Международных экономических отношений  и права 
 
 
 
 
 
 

РЕФЕРАТ
по дисциплине
«Информационные технологии управления»
на тему:
«Экспертные системы и направления их развития» 
 
 

Выполнил:
студент гр. О-061100-41                                О.А. Мельниченко 

Проверил:
доцент                                                                                                                 О.А. Скобелева 
 
 
 

Ижевск, 2011 

     Содержание :
Ведение
1.  Экспертные  системы……………………………………..…………………..5
   1.1. Назначение  экспертных систем………………………………...………..5
   1.2. Структура  экспертных систем…………………………...………………9
   1.3.Области применения экспертных систем. ……………………….…………14
2. Функции, выполняемые  экспертной системой ……………….………..…..18
3. Развитие  ЭС……………………………………………………………………20
    3.1. История  появления первой ЭС DENDRAL…………………………….20
    3.2. Развитие  ЭС в 70-80-х годах……………………………………………..21
    3.3.  ЭС сегодня ………………………………….…………………………….23
      3.4. Развитие ЭС в России……………………………………………………..24
         3.4.1.Экспертные системы управления затратами на производство

зерновых культур………………………………………………………... ……...25

         3.4.2. Экспертные слабости банков ……………………………………  .30
Заключение
Список литературы 
 
 
 
 
 
 
 
 
 
 
 

     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 с тем, 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. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

      1.  Экспертные системы.
                 1.1. Назначение экспертных систем. 

     В начале восьмидесятых годов в исследованиях по искусственному интеллекту сформировалось самостоятельное направление, получившее название "экспертные системы" (ЭС). Цель исследований по ЭС 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 ЭС 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 (ПС), 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:
       технология экспертных систем  существенно расширяет круг практически  значимых задач, решаемых на  компьютерах, решение которых  приносит значительный экономический эффект;
       технология ЭС 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.;
       объединение технологии ЭС 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 ЕЯ, что не требует комментариев к знаниям, упрощает обучение и сопровождение); лучшей графики; интерфейса и взаимодействия.
     По  мнению ведущих специалистов , в  недалекой перспективе ЭС найдут следующее применение:
       ЭС будут играть ведущую роль  во всех фазах проектирования, разработки, производства, распределения,  продажи, поддержки и оказания  услуг;
       технология ЭС, получившая коммерческое  распространение, обеспечит революционный  прорыв в интеграции приложений  из готовых интеллектуально-взаимодействующих  модулей.
     ЭС  предназначены для так называемых неформализованных задач, т.е. ЭС не отвергают и не заменяют традиционного подхода к разработке программ, ориентированного на решение формализованных задач.
     Неформализованные задачи обычно обладают следующими особенностями:
       ошибочностью, неоднозначностью, неполнотой  и противоречивостью исходных  данных;
       ошибочностью, неоднозначностью, неполнотой  и противоречивостью знаний о  проблемной области и решаемой  задаче;
       большой размерностью пространства  решения, т.е. перебор при поиске  решения весьма велик;
       динамически изменяющимися данными  и знаниями.
     Следует подчеркнуть, что неформализованные задачи представляют большой и очень важный класс задач. Многие специалисты считают, что эти задачи являются наиболее массовым классом задач, решаемых ЭВМ.
     Экспертные  системы и системы искусственного интеллекта отличаются от систем обработки данных тем, что в них в основном используются символьный (а не числовой) способ представления, символьный вывод и эвристический поиск решения (а не исполнение известного алгоритма).
     Экспертные  системы применяются для решения  только трудных практических (не игрушечных) задач. 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. Экспертные системы способны пополнять свои знания в ходе взаимодействия с экспертом. 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, химия, образование, целлюлозно-бумажная промышленность, телекоммуникации и связь и др.
     Коммерческие  успехи к фирмам-разработчикам систем искусственного интеллекта (СИИ) пришли не сразу. На протяжении 1960 - 1985 гг. успехи ИИ касались в основном исследовательских разработок, которые демонстрировали пригодность СИИ для практического использования. Начиная примерно с 1985 г. (в массовом масштабе с 1988 - 1990 гг.), в первую очередь ЭС, а в последние годы системы, воспринимающие естественный язык (ЕЯ-системы), и нейронные сети (НС) стали активно использоваться в коммерческих приложениях.
     Следует обратить внимание на то, что некоторые  специалисты (как правило, специалисты в программировании, а не в ИИ) продолжают утверждать, что ЭС и СИИ не оправдали возлагавшихся на них ожиданий и умерли. Причины таких заблуждений состоят в том, что эти авторы рассматривали ЭС как альтернативу традиционному программированию, т.е. они исходили из того, что ЭС в одиночестве (в изоляции от других программных средств) полностью решают задачи, стоящие перед заказчиком. Надо отметить, что на заре появления ЭС специфика используемых в них языков, технологии разработки приложений и используемого оборудования (например, Lisp-машины) давала основания предполагать, что интеграция ЭС с традиционными, программными системами является сложной и, возможно, невыполнимой задачей при ограничениях, накладываемых реальными приложениями. Однако в настоящее время коммерческие инструментальные средства (ИС) для создания ЭС разрабатываются в полном соответствии с современными технологическими тенденциями традиционного программирования, что снимает проблемы, возникающие при создании интегрированных приложений.
     Причины, приведшие СИИ к коммерческому  успеху, следующие.
     Интегрированность. Разработаны инструментальные средства искусственного интеллекта (ИС ИИ), легко  интегрирующиеся с другими информационными  технологиями и средствами (с CASE, СУБД, контроллерами, концентраторами данных и т.п.).
     Открытость  и переносимость. ИС ИИ разрабатываются  с соблюдением стандартов, обеспечивающих открытость и переносимость [14].
     Использование языков традиционного программирования и рабочих станций. Переход от ИС ИИ, реализованных на языках ИИ (Lisp, Prolog и т.п.), к ИС ИИ, реализованным на языках традиционного программирования (С, C++ и т.п.), упростил обеспечение интегриро-ванности, снизил требования приложений ИИ к быстродействию ЭВМ и объемам оперативной памяти. Использование рабочих станций (вместо ПК) резко увеличило круг приложений, которые могут быть выполнены на ЭВМ с использованием ИС ИИ.
     Архитектура клиент-сервер. Разработаны ИС ИИ, поддерживающие распределенные вычисления по архитектуре  клиент-сервер, что позволило:снизить стоимость оборудования, используемого в приложениях, децентрализовать приложения, повысить надежность и общую производительность (так как сокращается количество информации, пересылаемой между ЭВМ, и каждый модуль приложения выполняется на адекватном ему оборудовании).
     Проблемно/предметно-ориентированные  ИС ИИ. Переход от разработок ИС ИИ общего назначения (хотя они не утратили свое значение как средство для создания ориентированных ИС) к проблемно/предметно-ориентированным  ИС ИИ [9] обеспечивает: сокращение сроков разработки приложений; увеличение эффективности использования ИС; упрощение и ускорение работы эксперта; повторную используемость информационного и программного обеспечения (объекты,классы,правила,процедуры). 

      Структура экспертных систем.
 
     Типичная  статическая ЭС состоит из следующих  основных компонентов (рис. 1.):
     - 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-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.
     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-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.
     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 (т. е. их замена программистами) 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 ИС (если ИС разрабатывается  заново), содержащее в пределе все  основные компоненты ЭС, и осуществляет его сопряжение с той средой, в которой оно будет использовано.
     Экспертная  система работает в двух режимах: режиме приобретения знаний и в режиме решения задачи (называемом также  режимом консультации или режимом  использования ЭС).
     В режиме приобретения 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 (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.
     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.
     В режиме консультации общение с ЭС осуществляет конечный пользователь, которого интересует результат и (или) способ его получения. Необходимо отметить, что в зависимости от назначения ЭС пользователь может не быть специалистом в данной проблемной области (в этом случае он обращается к ЭС за результатом, не умея получить его сам), 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:
     "Почему  система задает тот или иной  вопрос?", "как ответ, собираемый  системой, получен?".
     Структуру, приведенную на рис. 1.1, называют структурой статической ЭС. ЭС данного типа используются в тех приложениях, где можно не учитывать изменения окружающего мира, происходящие за время решения задачи. Первые ЭС, получившие практическое использование, были статическими.  

 

     На  рис. 1.2 показано, что в архитектуру  динамической ЭС по сравнению со статической ЭС вводятся два компонента: подсистема моделирования внешнего мира и подсистема связи с внешним окружением. Последняя осуществляет связи с внешним миром через систему датчиков и контроллеров. Кроме того, традиционные компоненты статической ЭС (база знаний и машина вывода) претерпевают существенные изменения, чтобы отразить временную логику происходящих в реальном мире событий.
     Подчеркнем, что структура ЭС, представленная на рис. 1.1 и 1.2, отражает только компоненты (функции), и многое остается "за кадром". На рис. 1.3 приведена обобщенная структура современного ИС для создания динамических ЭС, содержащая кроме основных компонентов те возможности, которые позволяют создавать интегрированные приложение в соответствии с современной технологией программирования. 
 
 

      Области применения экспертных систем.
         Области применения систем, основанных  на знаниях, могут быть сгруппированы  в несколько основных классов:  медицинская диагностика, контроль  и управление, диагностика неисправностей в механических и электрических устройствах, обучение.
       а) Медицинская диагностика.
         Диагностические системы используются  для установления связи между  нарушениями деятельности организма  и их возможными причинами.  Наиболее известна диагностическая  система MYCIN, которая предназначена для диагностики и наблюдения за состоянием больного при менингите и бактериальных инфекциях. Ее первая версия была разработана в Стенфордском университете в середине 70-х годов. В настоящее время эта система ставит диагноз на уровне врача-специалиста. Она имеет расширенную базу знаний, благодаря чему может применяться и в других областях медицины.
       б) Прогнозирование.    
         Прогнозирующие системы предсказывают  возможные результаты или события  на основе данных о текущем  состоянии объекта. Программная система “Завоевание Уолл-стрита” может проанализировать конъюнктуру рынка и с помощью статистических методов алгоритмов разработать для вас план капиталовложений на перспективу. Она не относится к числу систем, основанных на знаниях, поскольку использует процедуры и алгоритмы традиционного программирования. Хотя пока еще отсутствуют ЭС, которые способны за счет своей информации о конъюнктуре рынка помочь вам увеличить капитал, прогнозирующие системы уже сегодня могут предсказывать погоду, урожайность и поток пассажиров. Даже на персональном компьютере, установив простую систему, основанную на знаниях, вы можете получить местный прогноз погоды.
       в) Планирование.
         Планирующие системы предназначены  для достижения конкретных целей при решении задач с большим числом переменных. Дамасская фирма Informat впервые в торговой практике предоставляет в распоряжении покупателей 13 рабочих станций, установленных в холле своего офиса, на которых проводятся бесплатные 15-минутные консультации с целью помочь покупателям выбрать компьютер, в наибольшей степени отвечающий их потребностям и бюджету. Кроме того, компания  Boeing применяет ЭС для проектирования космических станций, а также для выявления причин отказов самолетных двигателей и ремонта вертолетов. Экспертная система  XCON, созданная фирмой DEC, служит для определения или изменения конфигурации компьютерных систем типа VAX и в соответствии с требованиями покупателя. Фирма DEC разрабатывает более мощную систему XSEL, включающую базу знаний системы XCON, с целью оказания помощи покупателям при выборе вычислительных систем с нужной конфигурацией. В отличие от XCON система XSEL является интерактивной.
       г) Интерпретация.
         Интерпретирующие системы обладают способностью получать определенные заключения на основе результатов наблюдения. Система PROSPECTOR, одна из наиболее известных систем интерпретирующего типа, объединяет знания девяти экспертов. Используя сочетания девяти методов экспертизы, системе удалось обнаружить залежи руды стоимостью в миллион долларов, причем наличие этих залежей не предполагал ни один из девяти экспертов. Другая интерпретирующая система- HASP/SIAP. Она определяет местоположение и типы судов в тихом океане по данным акустических систем слежения.
       д) Контроль и управление.
         Системы, основанные на знаниях,  могут применятся в качестве  интеллектуальных систем контроля  и принимать решения, анализируя  данные, поступающие от нескольких  источников. Такие системы уже  работают на атомных электростанциях,  управляют воздушным движением и осуществляют медицинский контроль. Они могут быть также полезны при регулировании финансовой  деятельности предприятия и оказывать помощь при выработке решений в критических ситуациях.
       е) Диагностика неисправностей в механических и электрических устройствах.
         В этой сфере системы, основанные  на знаниях, незаменимы как  при ремонте механических и  электрических машин (автомобилей,  дизельных локомотивов и т.д.), так и  при устранении неисправностей  и ошибок в аппаратном и  программном обеспечении  компьютеров.
       ж) Обучение.   
        Системы, основанные на знаниях,  могут входить составной частью  в компьютерные системы обучения. Система получает информацию  о деятельности некоторого объекта  (например, студента) и анализирует  его поведение. База знаний изменяется в соответствии с поведением объекта. Примером этого обучения может служить компьютерная игра, сложность которой увеличивается по мере возрастания степени квалификации играющего. Одной из наиболее интересных обучающих ЭС является разработанная Д.Ленатом система EURISCO, которая использует простые эвристики. Эта система была опробована в игре Т.Тревевеллера, имитирующая боевые действия. Суть игры состоит в том, чтобы определить состав флотилии, способной нанести поражение в условиях неизменяемого множества правил. Система EURISCO включила в состав флотилии небольшие,  способные провести быструю атаку корабли и одно очень маленькое скоростное судно и постоянно выигрывала в течение трех лет, несмотря на то, что в стремлении воспрепятствовать этому правила игры меняли каждый год.    
         Большинство  ЭС включают знания, по содержанию которых их можно  отнести одновременно к нескольким  типам. Например, обучающая система  может также обладать знаниями, позволяющими выполнять диагностику  и планирование. Она определяет способности обучаемого по основным направлениям курса, а затем с учетом полученных данных составляет учебный план. Управляющая система может применяться для целей контроля, диагностики, прогнозирования и планирования. Система, обеспечивающая сохранность жилища, может следить за окружающей обстановкой, распознавать происходящие события (например, открылось окно), выдавать прогноз (вор-взломщик намеревается проникнуть в дом) и составлять план действий (вызвать полицию).  
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

    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".
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.