logo
shpora_gotova[1]

34. Экспертная система (эс): назначение, структура и классификация. Примеры в предметной области

Назначением экспертной системы является  разработка программных средств, которая при решении трудных для человека задач получает результаты максимально качественные и эффективные. Экспертная система – программное средство, использующее экспертные знания для обеспечения высокоэффективного решения задач в одной области. Основные свойства экспертной системы: применение высококачественного опыта, наличие прогностических возможностей, институциональная память, возможность обучения и тренировки.

Сфера деятельности:

- бухгалтерский учет и управление финансами – разрешение на предоставление кредитов, консультации по инвестициям и налогообложениям.

- стратегии – юридические консультации о приобретении, планирование проекта, анализ результатов работы.

- маркетинг – определение приемлемых скидок для покупателей, модели долгосрочного прогнозирования сбыта.

- обучение в отдельных областях и определение квалификации на получение должности.

По назначению классификацию экспертных систем можно провести следующим образом: диагностика состояния систем, в том числе мониторинг (непрерывное отслеживание текущего состояния); прогнозирование развития систем на основе моделирования прошлого и настоящего; планирование и разработка мероприятий в организационном и технологическом управлении; проектирование или выработка четких предписаний по построению объектов, удовлетворяющих поставленным требованиям;автоматическое управление (регулирование); обучение пользователей и др. По предметной области наибольшее количество экспертных систем используется в военном деле, геологии, инженерном деле, информатике, космической технике, математике, медицине, метеорологии, промышленности, сельском хозяйстве, управлении процессами, физике, филологии, химии, электронике, юриспруденции. Классификация экспертных систем по методам представления знаний делит их на традиционные и гибридные. Традиционные экспертные системы используют, в основном, эмпирические модели представления знаний и исчисление предикатов первого порядка. Гибридные экспертные системы используют все доступные методы, в том числе оптимизационные алгоритмы и концепции баз данных. По степени сложности экспертные системы делят на поверхностные и глубинные. Поверхностные экспертные системы представляют знания в виде правил «ЕСЛИ-ТО». Условием выводимости решения является безобрывность цепочки правил. Глубинные экспертные системы обладают способностью при обрыве цепочки правил определять (на основе метазнаний) какие действия следует предпринять для продолжения решения задачи. Кроме того, к сложным относятся предметные области в которых текст записи одного правила на естественном языке занимает более 1/3 страницы.Классификация экспертных систем по динамичности делит экспертные системы на статические и динамические. Предметная область называется статической, если описывающие ее исходные данные не изменяются во времени. Статичность области означает неизменность описывающих ее исходных данных. Если исходные данные, описывающие предметную область, изменяются за время решения задачи, то предметную область называют динамической. В архитектуру динамической экспертной системы, по сравнению со статической, вводятся два компонента: подсистема моделирования внешнего мира;подсистема связи с внешним окружением. Структура экспертных систем состоит из следующих основных компонентов: 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. База знаний (БЗ) в экспертных системах 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, которая приводит к решению задачи. Компонент приобретения знаний автоматизирует процесс наполнения экспертных систем 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.