Как видно на рис. Процесс создания диаграмм во многом схож с таковым в MS Visio. Рекомендация подарка выдавалась после диалога с пользователем по фактическим параметрам подарка. Экспертная система меняла. Здесь также используется технология Drag and Drop, однако для некоторых процесс . В результате проведения данной операции получаем результаты, которые можно использовать для дальнейшего анализа и построения новых моделей. Пример подобных результатов представлен на рис. Программа дает возможность проводить имитационное моделирование, но уже с другими параметрами. Данный пример иллюстрирует только системы массового обслуживания с очередью. Существуют и другие системы, например, системы массового обслуживания с отказом, когда клиент не желает ждать. Также выделяют различные СМО в зависимости от того, поступают заявки извне или от элементов самой системы. Все эти модели можно создать и . Причем решение задач предполагается осуществлять в условиях неполноты, недостоверности, многозначности исходной информации и качественных оценок процессов. Экспертная система по выбору специальности для обучения в ВУЗе. Входные данные: 1) предыдущее образование: - профильный класс (физико-математический, естественно-научный и т.п.). Рассмотреть реализацию экспертной системы как базирующуюся на логике и как. Экспертная система состоит из базы знаний (части системы, в которой. Данная экспертная система «Выбор DVD — плеера» серии «LIKO» . Разработана экспертная система, позволяющая получить информацию о полезности интересующего месторождения, сделать выбор оптимального. При помощи РЕФ-Мастера можно легко и быстро сделать оригинальный реферат, контрольную или курсовую на базе готовой работы - Создание экспертной системы по выбору электрогитары. Экспертная система является инструментом, усиливающим интеллектуальные способности эксперта, и может выполнять следующие роли: консультанта для неопытных или непрофессиональных пользователей; ассистента в связи с необходимостью анализа экспертом различных вариантов принятия решений; партнера эксперта по вопросам, относящимся к источникам знаний из смежных областей деятельности. Архитектура экспертной системы. Экспертная система (рис. Программный инструментарий состоит из механизмов вывода заключений, приобретения знаний, объяснения получаемых результатов и интеллектуального интерфейса . Целью работы является разработка экспертной системы по подбору сотового телефона по определённым критериям на основании анализа запросов покупателя, и ее реализация в языке Object Pascal. Объектом исследования является процесс выбора модели телефона. Основными ее частями являются: система баз данных, экспертная система по выбору оборудования и расчетный модуль материальных потоков. Так, правила представляют собой конструкции. Если < условие >. То < заключение> CF (фактор определенности) < значение>. В качестве факторов определенности (CF), как правило, выступают либо условные вероятности байесовского подхода (от 0 до 1), либо коэффициенты уверенности нечеткой логики (от 0 до 1. Примеры правил имеют следующий вид. Правило 1: если Коэффициент рентабельности > 0. Рентабельность = . В отличие от записей баз данных, каждый объект имеет уникальное имя. Часть атрибутов отражают типизированные отношения, такие как . Вместо конкретных значений атрибутов объектов могут задаваться значения по умолчанию, присущие целым классам объектов, или присоединенные процедуры (process). Интеллектуальный интерфейс. Обмен данными между конечным пользователем и ЭС выполняет программа интеллектуального интерфейса, которая воспринимает сообщения пользователя и преобразует их в форму представления базы знаний и, наоборот, переводит внутреннее представление результата обработки в формат пользователя и выдает сообщение на требуемый носитель. Важнейшим требованием к организации диалога пользователя с ЭС является естественность, которая не означает буквально формулирование потребностей пользователя предложениями естественного языка, хотя это и не исключается в ряде случаев . Этот программный инструментарий получает от интеллектуального интерфейса преобразованный во внутреннее представление запрос, формирует из базы знаний конкретный алгоритм решения задачи, выполняет алгоритм, а полученный результат предоставляется интеллектуальному интерфейсу для выдачи ответа на запрос пользователя. В основе применения любого механизма вывода лежит процесс нахождения в соответствии с поставленной целью и описанием конкретной ситуации (исходных данных), относящихся к решению единиц знаний (правил, объектов, прецедентов и т. Для представления знаний в форме правил это может быть прямая или обратная цепочка рассуждений (рис. Рис. Также при заполнении атрибутов фрейма необходимыми данными запускаются на выполнение присоединенные процедуры. Механизм объяснения. В процессе или по результатам решения задачи пользователь может запросить объяснение или обоснование хода решения. С этой целью ЭС должна предоставить соответствующий механизм объяснения. Объяснительные способности ЭС определяются возможностью механизма вывода запоминать путь решения задачи. Тогда на вопросы пользователя . В случае отсутствия решения задач объяснение должно выдаваться пользователю автоматически. Полезно иметь возможность и гипотетического объяснения решения задачи, когда система отвечает на вопросы, что будет в том или ином случае. Однако не всегда пользователя интересует полный вывод решения, содержащий множество ненужных деталей. В этом случае система должна уметь выбирать из цепочки только ключевые моменты с учетом их важности и уровня знаний пользователя. Для этого в базе знаний необходимо поддерживать модель знаний и намерений пользователя. Если же пользователю все еще не понятен полученный ответ, то система должна быть способна в диалоге на основе поддерживаемой модели проблемных знаний обучать пользователя тем или иным фрагментам знаний, т. База знаний отражает знания экспертов (специалистов) в данной проблемной области о действиях в различных ситуациях или процессах решения характерных задач. Выявлением подобных знаний и последующим их представлением в базе знаний занимаются специалисты, называемые инженерами знаний. Для ввода знаний в базу и их последующего обновления ЭС должна обладать механизмом приобретения знаний. В простейшем случае используется интеллектуальный редактор, который позволяет вводить единицы знаний в базу и проводить их синтаксический и семантический контроль, например, на непротиворечивость. В более сложных случаях инженер знаний должен из- влекать знания путем специальных сценариев интервьюирования экспертов, или из вводимых примеров реальных ситуаций, как в случае индуктивного вывода, или из текстов, или из опыта работы самой интеллектуальной системы. Классы экспертных систем. По степени сложности решаемых задач экспертные системы можно классифицировать следующим образом . Аналитические системы предполагают выбор решений из множества известных альтернатив (оп- ределение характеристик объектов), а синтетические системы - генерацию неизвестных решений (формирование объектов). По способу учета временного признакаэкспертные системы могут быть статическими или динамическими. Статические системы решают задачи при не изменяемых в процессе решения данных и знаниях, динамические системы допускают такие изменения. Статические системы осуществляют монотонное непрерываемое решение задачи от ввода исходных данных до конечного результата, динамические системы предусматривают возможность пересмотра в процессе решения полученных ранее результатов и данных. По видам используемых данных и знанийэкспертные системы классифицируются на системы с детерминированными (четко определенными) знаниями и неопределенными знаниями. Под неопределенностью знаний понимается их неполнота, недостоверность, двусмысленность, нечеткость. По числу используемых источников знанийэкспертные системы могут быть построены с использованием одного или множества источников знаний. Источники знаний могут быть альтернативными или дополняющими друг друга. В соответствии с перечисленными признаками классификации выделяются следующие основные классы экспертных систем (табл. Классифицирующие экспертные системы. Экспертные системы, решающие задачи распознавания ситуаций, называются классифицирующими, поскольку определяют принадлежность анализируемой ситуации к некоторому классу. Более сложный тип аналитических задач представляют задачи, которые решаются на основе неопределенных исходных данных и применяемых знаний. В этом случае экспертная система должна как бы доопределять недостающие знания, а в пространстве решений может получаться несколько возможных решений с различной вероятностью или уверенностью в необходимости их выполнения. В качестве методов работы с неопределенностями могут применяться байесовский вероятностный подход и нечеткая логика. Доопределяющие экспертные системы могут использовать для формирования решения несколько источников знаний. В этом случае могут применяться эвристические приемы выбора единиц знаний из их конфликтного набора, например, на основе использования приоритетов важности, или получаемой степени определенности результата, или значений функций предпочтений и т. Для аналитических задач классифицирующего и доопределяющего типов характерны следующие проблемные области. Интерпретация данных - выбор решения из фиксированного множества альтернатив на базе введенной информации о текущей ситуации. Основное назначение - определение сущности рассматриваемой ситуации, выбор гипотез, исходя их фактов. Типичным примером является экспертная система анализа финансового состояния предприятия. Диагностика - выявление причин, приведших к возникновению ситуации. Требуется предварительная интерпретация ситуации с последующей проверкой дополнительных фактов, например, выявление факторов снижения эффективности производства. Коррекция - диагностика, дополненная возможностью оценки и рекомендации действий по исправлению отклонений от нормального состояния рассматриваемых ситуаций. Трансформирующие экспертные системы. В отличие от аналитических статических экспертных систем синтезирующие динамические экспертные системы предполагают повторяющееся преобразование знаний в процессе решения задач, что связано с характером результата, который нельзя заранее предопределить, а также с динамичностью самой проблемной области. Для синтезирующих динамических экспертных систем наиболее применимы следующие проблемные области. Проектирование - определение конфигурации объектов с точки зрения достижения заданных критериев эффективности и ограничений, например, проектирование бюджета предприятия или портфеля инвестиций. Прогнозирование - предсказание последствий развития текущих ситуаций на основе математического и эвристического моделирования, например, прогнозирование трендов на биржевых торгах. Диспетчеризация - распределение работ во времени, составление расписаний, например, планирование графика освоения капиталовложений. Планирование - выбор последовательности действий пользователей по достижению поставленной цели, например, планирование процессов поставки продукции. Мониторинг - слежение за текущей ситуацией с возможной последующей коррекцией.
0 Comments
Leave a Reply. |
AuthorWrite something about yourself. No need to be fancy, just an overview. Archives
November 2016
Categories |