【人工智能_人工智能導(dǎo)論課件】第7章專家系統(tǒng)與機器學(xué)習(xí)導(dǎo)論

1、第 7 章 專家系統(tǒng)與機器學(xué)習(xí),教材： 王萬良《人工智能導(dǎo)論》（第3版） 高等教育出版社,第7章 專家系統(tǒng)與機器學(xué)習(xí),專家系統(tǒng)已經(jīng)應(yīng)用到數(shù)學(xué)、物理、化學(xué)、醫(yī)學(xué)、地質(zhì)、氣象、農(nóng)業(yè)、法律、教育、交通運輸、機械、藝術(shù)、以及計算機科學(xué)本身，甚至滲透到政治、經(jīng)濟、軍事等重大決策部門，產(chǎn)生了巨大的社會效益和經(jīng)濟效益，成為人工智能的重要分支。下面首先介紹專家系統(tǒng)的基本概念、工作原理、機器學(xué)習(xí)的基本概念和方

2、法，以及知識發(fā)現(xiàn)和數(shù)據(jù)挖掘的基本概念和方法、建立專家系統(tǒng)的方法以及幾個著名的專家系統(tǒng)實例。這幾個專家系統(tǒng)已經(jīng)成為當前開發(fā)專家系統(tǒng)的骨架系統(tǒng)，具有很廣泛的應(yīng)用。,2,第7章 專家系統(tǒng)與機器學(xué)習(xí),7.1 專家系統(tǒng)的產(chǎn)生和發(fā)展 7.2 專家系統(tǒng)的概念 7.3 專家系統(tǒng)的工作原理7.4 知識獲取的主要過程與模式7.5 機器學(xué)習(xí)7.6 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘7.7 專家系統(tǒng)的建立7.8 專家系統(tǒng)實例7.9 專家系統(tǒng)

3、的開發(fā)工具,3,7.1 專家系統(tǒng)的產(chǎn)生和發(fā)展 7.2 專家系統(tǒng)的概念 7.3 專家系統(tǒng)的工作原理7.4 知識獲取的主要過程與模式7.5 機器學(xué)習(xí)7.6 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘7.7 專家系統(tǒng)的建立7.8 專家系統(tǒng)實例7.9 專家系統(tǒng)的開發(fā)工具,第7章 專家系統(tǒng)與機器學(xué)習(xí),4,7.1 專家系統(tǒng)的產(chǎn)生和發(fā)展,第一階段 : 初創(chuàng)期（20世紀60年代中期－ 20世紀70年代初）,DENDRAL系統(tǒng)（1968年，

4、斯坦福大學(xué)費根鮑姆等人）——推 斷化學(xué)分子結(jié)構(gòu)的專家系統(tǒng) MYCSYMA系統(tǒng)（1971年，麻省理工學(xué)院 ）——用于數(shù)學(xué)運 算的數(shù)學(xué)專家系統(tǒng),特點：高度的專業(yè)化。 專門問題求解能力強。 結(jié)構(gòu)、功能不完整。 移植性差。 缺乏解釋功能。,5,7.1 專家系統(tǒng)的產(chǎn)生和發(fā)展,第二階段: 成熟期（20世紀70年代中期－ 20世紀80年代初）,MYCIN系統(tǒng)（斯坦福大學(xué)

5、 ）——血液感染病診斷專家系統(tǒng) PROSPECTOR系統(tǒng)（斯坦福研究所 ）——探礦專家系統(tǒng) CASNET系統(tǒng)（拉特格爾大學(xué)）：用于青光眼診斷與治療。 AM系統(tǒng)（ 1981年，斯坦福大學(xué)）：模擬人類進行概括、抽象和歸納推理，發(fā)現(xiàn)某些數(shù)論的概念和定理。 HEARSAY系統(tǒng)（卡內(nèi)基－梅隆大學(xué)）——語音識別專家系統(tǒng),6,7.1 專家系統(tǒng)的產(chǎn)生和發(fā)展,第二階段: 成熟期（20世紀70年代中期－ 20世紀80年代初）,特點： （1）單

6、學(xué)科專業(yè)型專家系統(tǒng)。（2）系統(tǒng)結(jié)構(gòu)完整，功能較全面，移植性好。（3）具有推理解釋功能，透明性好。（4）采用啟發(fā)式推理、不精確推理。（5）用產(chǎn)生式規(guī)則、框架、語義網(wǎng)絡(luò)表達知識。（6）用限定性英語進行人－機交互。,7,7.1 專家系統(tǒng)的產(chǎn)生和發(fā)展,第三階段：發(fā)展期（20世紀80年代至今）,專家系統(tǒng)XCON（DEC公司、卡內(nèi)基－梅隆大學(xué) ）：為VAX計算機系統(tǒng)制訂硬件配置方案。專家系統(tǒng)開發(fā)工具：骨架系統(tǒng)：EMYCIN、KAS、

7、EXPERT 等。通用型知識表達語言： OPS5 等。專家系統(tǒng)開發(fā)環(huán)境： AGE 等。,8,7.1 專家系統(tǒng)的產(chǎn)生和發(fā)展,第三階段：發(fā)展期（20世紀80年代至今）,我國研制開發(fā)的專家系統(tǒng)：施肥專家系統(tǒng)（中國科學(xué)院合肥智能機械研究所）新構(gòu)造找水專家系統(tǒng)（南京大學(xué)）勘探專家系統(tǒng)及油氣資源評價專家系統(tǒng)（吉林大學(xué)）服裝剪裁專家系統(tǒng)及花布圖案設(shè)計專家系統(tǒng)（浙江大學(xué)）關(guān)幼波肝病診斷專家系統(tǒng)（北京中醫(yī)學(xué)院）,9,7.1 專家系統(tǒng)的產(chǎn)

8、生和發(fā)展 7.2 專家系統(tǒng)的概念7.3 專家系統(tǒng)的工作原理7.4 知識獲取的主要過程與模式7.5 機器學(xué)習(xí)7.6 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘7.7 專家系統(tǒng)的建立7.8 專家系統(tǒng)實例7.9 專家系統(tǒng)的開發(fā)工具,第7章 專家系統(tǒng)與機器學(xué)習(xí),10,,7.2.1 專家系統(tǒng)的定義7.2.2 專家系統(tǒng)的特點7.2.3 專家系統(tǒng)的類型7.2.4 專家系統(tǒng)的應(yīng)用,7.2 專家系統(tǒng)的概念,11,,7.2.1 專家系統(tǒng)的

9、定義7.2.2 專家系統(tǒng)的特點7.2.3 專家系統(tǒng)的類型7.2.4 專家系統(tǒng)的應(yīng)用,7.2 專家系統(tǒng)的概念,12,7.2.1 專家系統(tǒng)的定義,1. 定義,費根鮑姆（E. A. Feigenbaum）： “專家系統(tǒng)是一種智能的計算機程序，它運用知識和推理來解決只有專家才能解決的復(fù)雜問題?！?專家系統(tǒng)：一類包含知識和推理的智能計算機程序 。,13,7.2.1 專家系統(tǒng)的定義,2. 專家系統(tǒng)的基本組成,14,,7.2.1

10、專家系統(tǒng)的定義7.2.2 專家系統(tǒng)的特點7.2.3 專家系統(tǒng)的類型7.2.4 專家系統(tǒng)的應(yīng)用,7.2 專家系統(tǒng)的概念,15,（1）具有專家水平的專業(yè)知識。（2）能進行有效的推理。 （3）啟發(fā)性。（4）靈活性。（5）透明性。（6）交互性。,7.2.2 專家系統(tǒng)的特點,一個計算機程序系統(tǒng)的透明性：系統(tǒng)自身及其行為能被用戶所理解。,16,,,專家系統(tǒng)與傳統(tǒng)程序的比較（1）編程思想：,7.2.2 專家系統(tǒng)的特點,傳統(tǒng)程

11、序 = 數(shù)據(jù)結(jié)構(gòu)+算法專家系統(tǒng) = 知識+推理,（2）傳統(tǒng)程序：關(guān)于問題求解的知識隱含于程序中。 專家系統(tǒng)：知識單獨組成知識庫，與推理機分離。,（3）處理對象： 傳統(tǒng)程序：數(shù)值計算和數(shù)據(jù)處理。 專家系統(tǒng)：符號處理。,17,,,專家系統(tǒng)與傳統(tǒng)程序的比較（4）傳統(tǒng)程序：不具有解釋功能。 專家系統(tǒng)：具有解釋功能。,7.2.2 專家系統(tǒng)的特點,（5）傳統(tǒng)程序：產(chǎn)生正確的答案。

12、 專家系統(tǒng)：通常產(chǎn)生正確的答案，有時產(chǎn)生錯誤的答案。,（6）系統(tǒng)的體系結(jié)構(gòu)不同。,18,,7.2.1 專家系統(tǒng)的定義7.2.2 專家系統(tǒng)的特點7.2.3 專家系統(tǒng)的類型7.2.4 專家系統(tǒng)的應(yīng)用,7.2 專家系統(tǒng)的概念,19,7.2.3 專家系統(tǒng)的類型,20,,7.2.1 專家系統(tǒng)的定義7.2.2 專家系統(tǒng)的特點7.2.3 專家系統(tǒng)的類型7.2.4 專家系統(tǒng)的應(yīng)用,7.2 專家系統(tǒng)的概念,21,7.2.4

13、專家系統(tǒng)的應(yīng)用,22,7.2.4 專家系統(tǒng)的應(yīng)用,23,第7章 專家系統(tǒng)與機器學(xué)習(xí),7.1 專家系統(tǒng)的產(chǎn)生和發(fā)展 7.2 專家系統(tǒng)的概念 7.3 專家系統(tǒng)的工作原理7.4 知識獲取的主要過程與模式7.5 機器學(xué)習(xí)7.6 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘7.7 專家系統(tǒng)的建立7.8 專家系統(tǒng)實例7.9 專家系統(tǒng)的開發(fā)工具,24,7.3 專家系統(tǒng)的工作原理,,,人,機,接,口,,用戶,,領(lǐng)域?qū)＜?,知識工程師,,解

14、釋機構(gòu),,知識獲取機構(gòu),,數(shù)據(jù)庫,,推理機,,知識庫,,專家系統(tǒng)核心,,,專家系統(tǒng)的一般結(jié)構(gòu),,人,機,接,口,,,,,解釋機構(gòu),,知識獲取機構(gòu),,數(shù)據(jù)庫,,推理機,,知識庫,,專家系統(tǒng)核心,,,25,第7章 專家系統(tǒng),7.1 專家系統(tǒng)的產(chǎn)生和發(fā)展 7.2 專家系統(tǒng)的概念 7.3 專家系統(tǒng)的工作原理7.4 知識獲取的主要過程與模式7.5 機器學(xué)習(xí)7.6 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘7.7 專家系統(tǒng)的建立7.8 專家

15、系統(tǒng)實例7.9 專家系統(tǒng)的開發(fā)工具,26,7.4 知識獲取的主要過程與模式,7.4.1 知識獲取的過程抽取知識、知識的轉(zhuǎn)換、知識的輸入、知識的檢測 。,,,領(lǐng)域?qū)＜?,知識工程師,,知識庫,,數(shù)據(jù),問題,提問,,知識,概念,解答,,形式化,結(jié)構(gòu)知識,,,,知識獲取的過程,,,,,數(shù)據(jù),問題,提問,,知識,概念,解答,,形式化,結(jié)構(gòu)知識,,,27,7.4 知識獲取的主要過程與模式,7.4.2 知識獲取的模式非自動知識獲取、

16、自動知識獲取、半自動知識獲取。,,,知,識,工,程,師,,知,識,編,輯器,,知識庫,,科技文獻,,領(lǐng)域?qū)＜?,閱讀,,對話,,非自動化知識獲取,,知,識,工,程,師,,知,識,編,輯器,,,,,閱讀,,對話,,,,文字、圖象識別,,語,音,識,別,,歸納,理解,翻譯,,知識庫,,文字、圖象,,領(lǐng)域?qū)＜?,自動知識獲取,,,,歸納,理解,翻譯,,,,,28,機器學(xué)習(xí)：機器學(xué)習(xí)（Machine learning）使計算機能模擬人的學(xué)習(xí)行為

17、，自動地通過學(xué)習(xí)來獲取知識和技能，不斷改善性能，實現(xiàn)自我完善。,7.5 機器學(xué)習(xí),（1）學(xué)習(xí)機理 人類獲取知識、技能和抽象概念的天賦能力。 （2）學(xué)習(xí)方法 機器學(xué)習(xí)方法的構(gòu)造是在對生物學(xué)習(xí)機理進行簡化的基礎(chǔ)上，用計算的方法進行再現(xiàn)。 （3）學(xué)習(xí)系統(tǒng) 能夠在一定程度上實現(xiàn)機器學(xué)習(xí)的系統(tǒng)。,29,一個學(xué)習(xí)系統(tǒng)一般應(yīng)該有環(huán)境、學(xué)習(xí)、知識庫、執(zhí)行與評價等四個基本部分組成。,7.5.1 機器學(xué)習(xí)的基本

18、概念,“示例空間”是所有可對系統(tǒng)進行訓(xùn)練的示例集合。“搜索”的作用是從示例空間中查找所需的示例?！敖忉尅笔菑乃阉鞯降氖纠谐橄蟪鏊璧挠嘘P(guān)信息形成知識。“形成知識”是把解釋得到的信息綜合、歸納形成一般性的知識?！膀炞C”的作用是檢驗所形成的知識的正確性。,30,知識發(fā)現(xiàn)和數(shù)據(jù)挖掘的目的：從數(shù)據(jù)集中抽取和精化一般規(guī)律或模式。知識發(fā)現(xiàn)過程分為：數(shù)據(jù)準備、數(shù)據(jù)挖掘以及結(jié)果的解釋評估等三步。1.數(shù)據(jù)準備：數(shù)據(jù)選、數(shù)據(jù)預(yù)處理和數(shù)據(jù)變換。

19、數(shù)據(jù)選取就是根據(jù)用戶的需要從原始數(shù)據(jù)庫中抽取的一組數(shù)據(jù)。數(shù)據(jù)預(yù)處理一般可能包括消除噪聲、推導(dǎo)計算缺值數(shù)據(jù)、消除重復(fù)記錄、完成數(shù)據(jù)類型轉(zhuǎn)換等。數(shù)據(jù)變換是從初始特征中找出真正有用的特征以減少數(shù)據(jù)開采時要考慮的特征或變量個數(shù)。,7.6 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘,31,2.數(shù)據(jù)挖掘數(shù)據(jù)挖掘階段首先要確定挖掘的任務(wù)或目的是什么，如數(shù)據(jù)總結(jié)、分類、聚類、關(guān)聯(lián)規(guī)則或序列模式等。確定了挖掘任務(wù)后，就要決定使用什么樣的挖掘算法。同樣的任務(wù)可以用不同

20、的算法來實現(xiàn)。選擇實現(xiàn)算法有兩個考慮因素：一是不同的數(shù)據(jù)有不同的特點，因此需要用與之相關(guān)的算法來挖掘；二是用戶或?qū)嶋H運行系統(tǒng)的要求，有的用戶可能希望獲取描述型的、容易理解的知識，而有的用戶系統(tǒng)的目的是獲取預(yù)測準確度盡可能高的預(yù)測型知識。,7.6 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘,32,3.結(jié)果解釋和評價數(shù)據(jù)挖掘階段發(fā)現(xiàn)的知識模式中可能存在冗余或無關(guān)的模式，所以還要經(jīng)過用戶或機器的評價。若發(fā)現(xiàn)所得模式不滿足用戶要求，則需要退回到發(fā)現(xiàn)階段之前

21、，如重新選取數(shù)據(jù)，采用新的數(shù)據(jù)變換方法，設(shè)定新的數(shù)據(jù)挖掘參數(shù)值，甚至換一種挖掘算法。由于KDD最終是面向人的，因此可能要對發(fā)現(xiàn)的模式進行可視化，或者把結(jié)果轉(zhuǎn)換為用戶易懂的另一種表示，如把分類決策樹轉(zhuǎn)換為“if-then…”規(guī)則。,7.6 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘,33,知識發(fā)現(xiàn)的任務(wù)：數(shù)據(jù)總結(jié)：對數(shù)據(jù)進行濃縮，給出它的緊湊描述。概念描述：從學(xué)習(xí)任務(wù)相關(guān)的數(shù)據(jù)中提取總體特征。分類：提出一個分類函數(shù)或分類模型（也常常稱作分類器），該模型

22、能把數(shù)據(jù)庫中的數(shù)據(jù)項映射到給定類別中的一個。聚類：根據(jù)數(shù)據(jù)的不同特征，將其劃分為不同的類。包括統(tǒng)計方法、機器學(xué)習(xí)方法、神經(jīng)網(wǎng)絡(luò)方法和面向數(shù)據(jù)庫的聚類方法等。相關(guān)性分析：發(fā)現(xiàn)特征之間或數(shù)據(jù)之間的相互依賴關(guān)系。偏差分析：尋找觀察結(jié)果與參照量之間的有意義的差別。建模：通過數(shù)據(jù)挖掘，構(gòu)造出能描述一種活動、狀態(tài)或現(xiàn)象的數(shù)學(xué)模型。,7.6 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘,34,知識發(fā)現(xiàn)的主要方法：1.統(tǒng)計方法：從事物的外在數(shù)量上的表現(xiàn)去推斷事物可能

23、的規(guī)律性。常見的有回歸分析、判別分析、聚類分析以及探索分析等。2.粗糙集：粗糙集是具有三值隸屬函數(shù)的模糊集，即是、不是、也許。常與規(guī)則歸納、分類和聚類方法結(jié)合起來使用。3.可視化：把數(shù)據(jù)、信息和知識轉(zhuǎn)化為圖形等，使抽象的數(shù)據(jù)信息形象化。信息可視化也是知識發(fā)現(xiàn)的一個有用的手段。4.傳統(tǒng)機器學(xué)習(xí)方法：包括符號學(xué)習(xí)和連接學(xué)習(xí)。,7.6 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘,35,知識發(fā)現(xiàn)的對象：1.數(shù)據(jù)庫：當前研究比較多的是關(guān)系數(shù)據(jù)庫的知識發(fā)現(xiàn)。2

24、.數(shù)據(jù)倉庫：數(shù)據(jù)挖掘為數(shù)據(jù)倉庫提供深層次數(shù)據(jù)分析的手段，數(shù)據(jù)倉庫為數(shù)據(jù)挖掘提供經(jīng)過良好預(yù)處理的數(shù)據(jù)源。3. Web信息：Web知識發(fā)現(xiàn)主要分內(nèi)容發(fā)現(xiàn)和結(jié)構(gòu)發(fā)現(xiàn)。內(nèi)容發(fā)現(xiàn)是指從Web文檔的內(nèi)容中提取知識;結(jié)構(gòu)發(fā)現(xiàn)是指從Web文檔的結(jié)構(gòu)信息中推導(dǎo)知識。4. 圖像和視頻數(shù)據(jù)：圖像和視頻數(shù)據(jù)中也存在有用的信息。比如，地球資源衛(wèi)星每天都要拍攝大量的圖像或錄像。,7.6 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘,36,第7章 專家系統(tǒng)與機器學(xué)習(xí),7.1 專家系

25、統(tǒng)的產(chǎn)生和發(fā)展 7.2 專家系統(tǒng)的概念 7.3 專家系統(tǒng)的工作原理7.4 知識獲取的主要過程與模式7.5 機器學(xué)習(xí)7.6 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘7.7 專家系統(tǒng)的建立7.8 專家系統(tǒng)實例7.9 專家系統(tǒng)的開發(fā)工具,37,,7.7.1 適合于專家系統(tǒng)求解的問題7.7.2 專家系統(tǒng)的設(shè)計原則與開發(fā)步驟7.7.3 專家系統(tǒng)的評價,7.7 專家系統(tǒng)的建立,38,,7.7.1 適合于專家系統(tǒng)求解的問題7.7.2

26、 專家系統(tǒng)的設(shè)計原則與開發(fā)步驟7.7.3 專家系統(tǒng)的評價,7.7 專家系統(tǒng)的建立,39,7.7.1 適合于專家系統(tǒng)求解的問題,如何選擇適合專家系統(tǒng)開發(fā)的問題——威特曼(Waterman),什么情況下開發(fā)專家系統(tǒng)是可能的？什么情況下開發(fā)專家系統(tǒng)是合理的？什么情況下開發(fā)專家系統(tǒng)是合適的？,40,7.7.1 適合于專家系統(tǒng)求解的問題,1. 什么情況下開發(fā)專家系統(tǒng)是可能的？,（1）主要依靠經(jīng)驗性知識，不需運用大量常識性知識就

27、 可解決的任務(wù)。（2）存在真正的領(lǐng)域?qū)＜?。?）有明確的開發(fā)目標，且任務(wù)不太難實現(xiàn)。,41,7.7.1 適合于專家系統(tǒng)求解的問題,2. 什么情況下開發(fā)專家系統(tǒng)是合理的？,（1）具有較高的經(jīng)濟效益。 （2）人類專家奇缺，但在許多地方又十分需要。（3）人類專家經(jīng)驗不斷丟失。 （4）危險場合需要專業(yè)知識 。,42,7.7.1 適合于專家系統(tǒng)求解的問題,3. 什么情況下開發(fā)專家系統(tǒng)是合適的？,（1）本質(zhì)：問題

28、能通過符號操作和符號結(jié)構(gòu)進行求解， 且需使用啟發(fā)式知識、經(jīng)驗規(guī)則才能得到答案。 （2）復(fù)雜性。 （3）范圍：所選任務(wù)的大小可駕馭、 任務(wù)有實用價值。,43,,7.7.1 適合于專家系統(tǒng)求解的問題7.7.2 專家系統(tǒng)的設(shè)計原則與開發(fā)步驟7.7.3 專家系統(tǒng)的評價,7.7 專家系統(tǒng)的建立,44,7.7.2 專家系統(tǒng)的設(shè)計原則與開發(fā)步驟,1. 專家系統(tǒng)的設(shè)計原則,（1）專門的任務(wù)（2）專家合作 （3）原型

29、設(shè)計 （4）用戶參與 （5）輔助工具 （6）知識庫與推理機分離,45,7.7.2 專家系統(tǒng)的設(shè)計原則與開發(fā)步驟,2. 專家系統(tǒng)的開發(fā)步驟,46,,7.7.1 適合于專家系統(tǒng)求解的問題7.7.2 專家系統(tǒng)的設(shè)計原則與開發(fā)步驟7.7.3 專家系統(tǒng)的評價,7.7 專家系統(tǒng)的建立,47,7.7.3 專家系統(tǒng)的評價,1. 正確性,（1）系統(tǒng)設(shè)計的正確性: 系統(tǒng)設(shè)計思想的正確性。 系統(tǒng)設(shè)計方法的正確性。 設(shè)計開發(fā)

30、工具的正確性。,（2）系統(tǒng)測試的正確性: 測試目的、方法、條件的正確性。 測試結(jié)果、數(shù)據(jù)、記錄的正確性。,48,7.7.3 專家系統(tǒng)的評價,1. 正確性,（3）系統(tǒng)運行的正確性： 推理結(jié)論、求解結(jié)果、咨詢建議的正確性。 推理解釋及可信度估算的正確性。 知識庫知識的正確性。,49,7.7.3 專家系統(tǒng)的評價,2. 有用性,(1) 推理結(jié)論、求解結(jié)果、咨詢建議的有用性。 (2) 系統(tǒng)的知識水平、可用范圍

31、、易擴展性、易更新性等。 (3) 問題的求解能力，可能場合和環(huán)境。 (4) 人機交互的友好性。 (5) 運行可靠性、易維護性、可移植性。 (6) 系統(tǒng)的經(jīng)濟性。,50,第7章 專家系統(tǒng)與機器學(xué)習(xí),7.1 專家系統(tǒng)的產(chǎn)生和發(fā)展 7.2 專家系統(tǒng)的概念 7.3 專家系統(tǒng)的工作原理7.4 知識獲取的主要過程與模式7.5 機器學(xué)習(xí)7.6 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘7.7 專家系統(tǒng)的建立7.8 專家系統(tǒng)

32、實例7.9 專家系統(tǒng)的開發(fā)工具,51,,7.8.1 醫(yī)學(xué)專家系統(tǒng)──MYCIN 7.8.2 地質(zhì)勘探專家系統(tǒng)──PROSPECTOR,7.8 專家系統(tǒng)實例,52,,7.8.1 醫(yī)學(xué)專家系統(tǒng)──MYCIN 7.8.2 地質(zhì)勘探專家系統(tǒng)──PROSPECTOR,7.8 專家系統(tǒng)實例,53,7.8.1 醫(yī)學(xué)專家系統(tǒng)──MYCIN,1. 系統(tǒng)結(jié)構(gòu),MYCIN系統(tǒng)由斯坦福大學(xué)1972年開始建造，1978年最終完成。系統(tǒng)用INTE

33、R LISP語言編寫。知識庫有二百多條規(guī)則，可識別51種病菌，正確處理23種抗生素。,54,7.8.1 醫(yī)學(xué)專家系統(tǒng)──MYCIN,1. 系統(tǒng)結(jié)構(gòu),,,,55,7.8.1 醫(yī)學(xué)專家系統(tǒng)──MYCIN,2. 數(shù)據(jù)表示 ：上下文樹（context tree）,,56,7.8.1 醫(yī)學(xué)專家系統(tǒng)──MYCIN,3. 知識表示,（1）領(lǐng)域知識的表示：產(chǎn)生式規(guī)則。 RULE 064 如果：有機體染色是革蘭氏陽性，

34、 且 是有機形態(tài)是球狀的， 且 有機體的生長結(jié)構(gòu)呈鏈狀， 則：存在證據(jù)表明該有機體為鏈球菌類，可信度為0.7。 RULE 064 PREMISE: ( $ AND (SAME CNTXT STALN GRAMPOS) (

35、SAME CNTXT MORPH COCCUS) (SAME CNTXT CONFORM CHAINS)) ACTION: (CONLUDE CNTXT IDENT STREPTO COCCUS TALLY.7),57,7.8.1 醫(yī)學(xué)專家系統(tǒng)──MYCIN,3. 知識表示,（2）臨床參數(shù)的表示 臨床參數(shù)：三元組（上下文樹、屬性、值）

36、 例：三元組（機體－1，形態(tài)，桿狀） 三元組（機體－1，染色體，革蘭氏陰性） 臨床數(shù)據(jù)：單值、是非值、多值。 MYCIN系統(tǒng)有65個臨床參數(shù)，按照其相對應(yīng)的上下文分類。,58,7.8.1 醫(yī)學(xué)專家系統(tǒng)──MYCIN,4. 推理策略：反向推理、深度優(yōu)先的搜索策略,,,,REGIMEN,（,規(guī)則,092,）,,TREATFOR,,COVERFOR,,（,規(guī)則,090,）,,（規(guī)則,149,）,,IDENT,,I

37、NFECTLOC,,FEBRILE,,SIGNIFICANCE,,,,,,,,,,…,,…,,…,,…,,,REGIMEN,（,規(guī)則,092,）,,TREATFOR,,COVERFOR,,（,規(guī)則,090,）,,（規(guī)則,149,）,,IDENT,,INFECTLOC,,FEBRILE,,SIGNIFICANCE,,,,,,,,,,…,,…,,…,,…,,關(guān)于病人的上下文樹,59,7.8.1 醫(yī)學(xué)專家系統(tǒng)──MYCIN,4. 推理策略,

38、MYCIN系統(tǒng)：通過兩個子程序MONITOR和FINDOUT完成整個咨詢和推理過程。 MONITOR：分析規(guī)則的前提條件是否滿足，以決定拒絕該規(guī)則還是采用該規(guī)則，并將每次鑒定一個前提后的結(jié)果記錄在動態(tài)數(shù)據(jù)庫中。 FINDOUT：檢查MONITOR所需要的參數(shù)，它可能已在動態(tài)數(shù)據(jù)庫中，也可以通過用戶提問獲取。,60,7.8.1 醫(yī)學(xué)專家系統(tǒng)──MYCIN,5. 治療方案選擇,（1） 生成可能的“治療方案表” 例如：

39、 IF 細菌的特征是 Pseudomonas THEN 建議在下列藥物中選擇治療： colistin （0.98） polynyxin （0.96） gentamicin （0.

40、96） carbenicillin （0.96） sulfisoxazole （0.96）,61,7.8.1 醫(yī)學(xué)專家系統(tǒng)──MYCIN,5. 治療方案選擇,（2） 選擇用藥配方 該藥物對細菌治療的有效性。 該藥物是否已用過。 該藥物的副作用。,62,7.8.1 醫(yī)學(xué)專家系統(tǒng)──

41、MYCIN,6. 知識獲取,(1) 告訴專家新建立的規(guī)則的名字（規(guī)則序號）。 (2) 逐條獲取前提，并從英文翻譯成LISP表達。 (3) 逐條獲取結(jié)論動作，也從英文翻譯為LISP表達。 (4) 用LISP-english子程序?qū)⒁?guī)則翻譯成英語，顯示給專家。 (5) 提問專家是否同意這條翻譯的規(guī)則；如果規(guī)則不正確， 專家進行修改并回到步驟 (4)。,63,7.8.1 醫(yī)學(xué)專家系統(tǒng)──MYCIN,6.

42、 知識獲取,(6) 檢查新規(guī)則與其他舊規(guī)則之間的矛盾。 (7) 如果有必要，可調(diào)用輔助分類規(guī)則對新規(guī)則分類。 (8) 把規(guī)則加入LOOKHEAD表。 (9) 把規(guī)則加入CONTAIED-IN表、UPDATED-BY表。 (10) 告訴專家系統(tǒng)新規(guī)則已是規(guī)則庫中的一部分了。,64,,7.8.1 醫(yī)學(xué)專家系統(tǒng)──MYCIN 7.8.2 地質(zhì)勘探專家系統(tǒng)──PROSPECTOR,7.8 專家系統(tǒng)實例,65,7.8.2 地質(zhì)勘探

43、專家系統(tǒng)──PROSPECTOR,1. PROSPECTOR系統(tǒng)概述(1) 系統(tǒng)結(jié)構(gòu),,,66,7.8.2 地質(zhì)勘探專家系統(tǒng)──PROSPECTOR,1. PROSPECTOR系統(tǒng)概述(1) 系統(tǒng)結(jié)構(gòu),,模型文件（模型知識庫）：12個模型文件，表達成推理規(guī)則網(wǎng)絡(luò)，共有1100多條規(guī)則。規(guī)則的前提是地質(zhì)勘探數(shù)據(jù)，結(jié)論的前提是推理得出的地質(zhì)假設(shè)如礦床分類、含量、分布等。 術(shù)語文件（術(shù)語知識庫）：有400種巖石、地質(zhì)名字地質(zhì)年代和

44、在語義網(wǎng)絡(luò)中用的其他術(shù)語。 分析器：將模型文件轉(zhuǎn)換成系統(tǒng)內(nèi)部的推理網(wǎng)絡(luò)。 推理網(wǎng)絡(luò)：具有層次結(jié)構(gòu)的與/或樹，將勘探數(shù)據(jù)和有關(guān)地質(zhì)假設(shè)聯(lián)系起來，進行從頂?shù)降椎闹鸺壨评?，上一級的結(jié)論作為下一級的證據(jù)，直到結(jié)論可由勘探數(shù)據(jù)直接證實的端結(jié)點為止。,67,7.8.2 地質(zhì)勘探專家系統(tǒng)──PROSPECTOR,1. PROSPECTOR系統(tǒng)概述(1) 系統(tǒng)結(jié)構(gòu),,匹配器：用于語義網(wǎng)絡(luò)匹配。 傳送器：用于修正推理網(wǎng)絡(luò)中模型空間狀態(tài)變化的概

45、率值。 英語分析器：對用戶以簡單的英語陳述句輸入的信息進行分析，并變換到語義網(wǎng)絡(luò)上。 問答系統(tǒng)：檢查推理網(wǎng)絡(luò)的推理過程及模型的運行情況，用戶可以隨時對系統(tǒng)進行查詢，系統(tǒng)也可以對用戶提出問題，要求提供勘探證據(jù)。 知識獲取系統(tǒng)：獲取專家知識，增刪、修改推理網(wǎng)絡(luò)。,68,7.8.2 地質(zhì)勘探專家系統(tǒng)──PROSPECTOR,1. PROSPECTOR系統(tǒng)概述（1）系統(tǒng)結(jié)構(gòu) （2） 系統(tǒng)的功能,,網(wǎng)絡(luò)編譯程序：通過鉆井定

46、位模型，根據(jù)推理結(jié)果，編制鉆井井位選擇方案，輸出圖像信息。 解釋系統(tǒng)：對用戶解釋有關(guān)結(jié)論和斷言的推理過程、步驟和依據(jù)。 知識獲取系統(tǒng)：獲取專家知識，增刪、修改推理網(wǎng)絡(luò)。,(1) 勘探結(jié)果評價。 (2) 礦區(qū)勘探評測。 (3) 編制井位計劃。,69,7.8.2 地質(zhì)勘探專家系統(tǒng)──PROSPECTOR,2. 推理網(wǎng)絡(luò),,推理網(wǎng)絡(luò):一個礦床模型經(jīng)編碼而成的網(wǎng)絡(luò)，把探區(qū)證據(jù)和一些重要地質(zhì)假設(shè)連接成一個有向圖。,推理方

47、法: (1) 似然推理：根據(jù)Bayes原理的概率關(guān)系進行推理，用“似 然率”表示規(guī)則的強度。 (2) 邏輯推理：基于布爾邏輯關(guān)系的推理 。 (3) 上、下文推理：基于上、下文語義關(guān)系的推理。,70,第7章 專家系統(tǒng)與機器學(xué)習(xí),7.1 專家系統(tǒng)的產(chǎn)生和發(fā)展 7.2 專家系統(tǒng)的概念 7.3 專家系統(tǒng)的工作原理7.4 知識獲取的主要過程與模式7.5 機器學(xué)習(xí)7.6 知識發(fā)現(xiàn)與數(shù)據(jù)挖掘7.7

48、 專家系統(tǒng)的建立7.8 專家系統(tǒng)實例7.9 專家系統(tǒng)的開發(fā)工具,71,,7.9.1 骨架系統(tǒng) 7.9.2 通用型知識表達語言 7.9.3 專家系統(tǒng)開發(fā)環(huán)境 7.9.4 專家系統(tǒng)程序設(shè)計語言,7.9 專家系統(tǒng)的開發(fā)工具,72,,7.9.1 骨架系統(tǒng) 7.9.2 通用型知識表達語言 7.9.3 專家系統(tǒng)開發(fā)環(huán)境 7.9.4 專家系統(tǒng)程序設(shè)計語言,7.9 專家系統(tǒng)的開發(fā)工具,73,7.9.1 骨架系

49、統(tǒng),1. EMYCIN系統(tǒng),EMYCIN系統(tǒng)的功能：（1）解釋程序。（2）知識編輯程序及類英語的簡化會話語言。（3）知識庫管理和維護手段。（4）跟蹤和調(diào)試功能。,EMYCIN系統(tǒng)的工作過程：（1）專家系統(tǒng)建立過程。（2）咨詢過程。,74,7.9.1 骨架系統(tǒng),1. EMYCIN系統(tǒng),,,75,7.9.1 骨架系統(tǒng),2. KAS系統(tǒng),KAS系統(tǒng)：由PROSPECTOR系統(tǒng)抽去原有的地質(zhì)勘探知識而形成的，適用于開發(fā)解釋型專家

50、系統(tǒng)。 KAS系統(tǒng)：采用產(chǎn)生式規(guī)則和語義網(wǎng)絡(luò)相結(jié)合的知識表達方法及啟發(fā)式正反向混合推理控制策略。,網(wǎng)絡(luò)編輯程序：把用戶輸入的信息轉(zhuǎn)化為相應(yīng)的語義網(wǎng)絡(luò)，并檢測語法錯誤和一致性等。 網(wǎng)絡(luò)匹配程序：分析任意兩個語義網(wǎng)絡(luò)之間的關(guān)系，是否具有等價、包含、相交等關(guān)系，從而決定是否匹配，同時檢測知識庫中的知識是否存在矛盾、冗余等。,76,7.9.1 骨架系統(tǒng),2. KAS系統(tǒng),,,77,7.9.1 骨架系統(tǒng),3. EXPERT系統(tǒng),EXPER

51、T系統(tǒng): 威斯（Weiss）、庫里科斯基（Kulikowski）等人在CASNET系統(tǒng)（青光眼診斷系統(tǒng)）等的基礎(chǔ)上于1981年設(shè)計完成的一個骨架系統(tǒng)，適用開發(fā)診斷和分類型專家系統(tǒng)。,EXPERT系統(tǒng)的知識由假設(shè)、事實和決策規(guī)則三部分組成。 事實：有待觀察、測量和確定的證據(jù)。 假設(shè)：由系統(tǒng)推出來的結(jié)論。 規(guī)則：描述事實和假設(shè)之間的邏輯關(guān)系。,78,7.9.1 骨架系統(tǒng),3. EXPERT系統(tǒng),FH規(guī)則：從事實到假設(shè)的規(guī)則。

52、 F(A, T) & F(B, F) & [1: F(C, T), F(D, F)] → H(E, 0.5),HH規(guī)則：從假設(shè)到假設(shè)的規(guī)則。 H（A, 0.2:1）& H(B, 0.1:1) → H(C, 1),FF規(guī)則：從事實到事實的規(guī)則。 F(M, T) → F(PREGP, F)： 如果M為真，則PREGP為假,79,7.9.1 骨架系統(tǒng),3. EXPERT系統(tǒng),推理過程：

53、（1）由事實對所有的FF規(guī)則進行推理。（2）從已有的事實出發(fā)，檢查所有的FH規(guī)則，如果其左部 為真，就將其右部的假設(shè)存入集合PH中。（3）置集合DH為空。（4）從已有事實出發(fā)，檢查所有的HH規(guī)則的上下文。（5）按假設(shè)所形成的推理網(wǎng)絡(luò)進行推理 。（6）對假設(shè)的選擇除可按上述方法選擇可信度最大的外，還 設(shè)置了評分函數(shù)。,80,7.9.1 骨架系統(tǒng),3. EXPERT系統(tǒng),,,81

54、,,7.9.1 骨架系統(tǒng) 7.9.2 通用型知識表達語言 7.9.3 專家系統(tǒng)開發(fā)環(huán)境 7.9.4 專家系統(tǒng)程序設(shè)計語言,7.9 專家系統(tǒng)的開發(fā)工具,82,7.9.2 通用型知識表達語言,OPS5：美國卡內(nèi)基－梅隆大學(xué)的麥可達莫特（J. McDermott）、紐厄爾（A. Newell）等研制開發(fā)的一種通用知識表達語言。,OPS5的特點：將通用的表達和控制結(jié)合起來，提供了專家系統(tǒng)所需的基本機制，并不偏向于某些特定的問題

55、求解策略和知識表達結(jié)構(gòu)。 OPS5的組成：產(chǎn)生式規(guī)則庫、推理機、數(shù)據(jù)庫。,83,7.9.2 通用型知識表達語言,,84,,7.9.1 骨架系統(tǒng) 7.9.2 通用型知識表達語言 7.9.3 專家系統(tǒng)開發(fā)環(huán)境 7.9.4 專家系統(tǒng)程序設(shè)計語言,7.9 專家系統(tǒng)的開發(fā)工具,85,7.9.3 專家系統(tǒng)開發(fā)環(huán)境,專家系統(tǒng)開發(fā)環(huán)境（專家系統(tǒng)開發(fā)工具包）：可為專家系統(tǒng)的開發(fā)提供多種方便的構(gòu)件，例如知識獲取的輔助工具、適用各種不

56、同知識結(jié)構(gòu)的知識表示模式、各種不同的不確定推理機制、知識庫管理系統(tǒng)等。 AGE（attempt to generalize)：一種典型的模塊組合式開發(fā)工具。,通過AGE構(gòu)造專家系統(tǒng)的途徑： (1) 用戶使用AGE現(xiàn)有的各種組件作為構(gòu)造材料，方便地組 合設(shè)計所需系統(tǒng)。 (2) 用戶通過AGE的工具界面，定義和設(shè)計各種所需的組成 部件，以構(gòu)成自己的專家系統(tǒng)。,86,,7.9.1 骨架系統(tǒng) 7.9.2 通

57、用型知識表達語言 7.9.3 專家系統(tǒng)開發(fā)環(huán)境 7.9.4 專家系統(tǒng)程序設(shè)計語言,7.9 專家系統(tǒng)的開發(fā)工具,87,7.9.4 專家系統(tǒng)程序設(shè)計語言,1. 符號處理語言（面向 AI 的語言或 AI 語言 ）,PROLOG語言（R. Kowalski首先提出；1972年，A. Comerauer及其研究小組研制成功）：基于演繹推理的邏輯型程序設(shè)計語言。LISP語言（1960年，麥卡錫及其研究小組研制成功）：表處理語言，許多