1、知識工程與專家系統簡介,基本內容,一、基本概念與結構 二、研究現狀 三、發(fā)展前景 四、專家系統實例 五、結束語,一、基本概念與結構,2.專家系統應該具備以下四個要素,3.專家系統的基本結構如圖1-1,圖1-1,從概念來講，一個專家系統應具有如圖1-1所示的一般結構模式。一般完整的專家系統應包括人機接口、推理機、知識庫、數據庫、知識獲取器和解釋機構六部分。,所謂知識庫，就是以某種表示形式存儲于計算中的知識的集合。知識庫通常是以一個個文件的形式存放于外部介質上，專家系統運行時將被調入內存。知識庫中的知識一般包括專家知識、領域知識和元知識。,所謂推理機，就是實現（機器）推理的程序。這里的推理，是一個

2、廣義的概念，它既包括通常的邏輯推理，也包括基于產生式的操作。,其中知識庫和推理機是兩個最基本的模塊，如圖1-2。,知識庫（KnowledgeBase),推理機（Inferense Engine）,圖1-2,一般的專家系統是通過推理機與知識庫和綜合數據庫的交互作用來求解領域問題的，其大致過程如下： 1）根據用戶的問題對知識庫進行搜索，尋找有關的知識；（匹配） 2）根據有關的知識和系統的控制策略形成解決問題的途徑，從而構成一個假設方案集合； 3）對假設方案集合進行排序，并挑選其中在某些準則下為最優(yōu)的假設方案；（沖突解決） 4）根據挑選的假設方案去求解具體問題；（執(zhí)行） 5）如果該方案不能真正解決問

3、題，則回溯到假設方案序列中的下一個假設方案，重復求解問題； 6）循環(huán)執(zhí)行上述過程，直到問題已經解決或所有可能的求解方案都不能解決問題而宣告“無解”為止。,4.專家系統的工作原理,5.專家系統與傳統程序的區(qū)別,專家系統是一種智能的計算機程序，但又與一般的計算機程序不同，傳統程序是以指令序列程序為核心的。程序相應于知識庫,指令相應于知識。程序的執(zhí)行是由編譯程序和硬件共同完成的。它相當于專家系統的推理機編輯程序相應于知識獲取系統。 但專家系統是比傳統程序高一級的程序，它與傳統程序有以下三個本質差異。 第一、專家系統的推理機能夠根據不同的處理對象從知識庫中選擇不同的知識、構成不同的序列，或者說生成不同

4、的程序。 第二、專家系統具有處理非確定性知識和數據的能力。因為它能夠根據環(huán)境選擇不同的知識序列,或者說用不同的知識組合來權衡知識的非確定性程度,這恰好符合實際問題中專家解決問題的思維方法。 第三、專家系統強調依靠某一領域的高水平知識來實現高性能,而且專家系統既能用理論知識，又能應用經驗知識。,6.專家系統的特點,二、研究現狀,作為人工智能一個重要分支的專家系統 (ExpertSys-tem, ES)是在 20世紀 60年代初期產生并發(fā)展起來的一門新興的應用科學, 而且正隨著計算機技術的不斷發(fā)展而日臻完善和成熟。,目前已研究的專家系統模型有很多種。 其中較為流行的有基于規(guī)則的專家系統、基于案例的

5、專家系統、基于框架的專家系統、基于模糊邏輯的專家系統、基于 D-S證據理論的專家系統、基于人工神經網絡的專家系統和基于遺傳算法的專家系 統等。,專家系統模型,基于規(guī)則的專家系統（RBR）,根據以往專家診斷的經驗, 將其歸納成規(guī)則, 通過啟發(fā)式經驗知識進行推理。 它具有明確的前提, 得到確定的結果。如測定分子結構和原子組成的DENDRAL系統。,基于框架的專家系統,將某類對象的所有知識組織在一起的一種通用數據結構 , 而相互關聯的框架連接組成框架系統,基于案例推理的專家系統（CBR）,通過搜索曾經成功解決過的類似問題, 比較新舊問題之間的特征、發(fā)生背景等差異, 重新使用或參考以前的知識和信息,

6、達到最終解決新問題的方法。如CYRUS系統。,基于模糊邏輯的專家系統 模糊性是指客觀事物在狀態(tài)及其屬性方面的不分明性, 其根源是在類似事物間存在一系列過渡狀態(tài), 它們互相滲透、互相貫通, 使得彼此之間沒有明顯的分界線。 模糊性是客觀世界中某些事物本身所具有的一種不確定性, 它與隨機性有著本質的區(qū)別。 但是, 模糊推理知識獲取困難, 尤其是征兆的模糊關系較難確定, 且系統的推理能力依賴模糊知識庫, 學習能力差, 容易發(fā)生錯誤。,基于D-S證據理論的專家系統 D-S理論具有較強的理論基礎, 它能將“不知道”和“不確定”區(qū)分開來。 但它也存在明顯的不足, 當證據沖突度較高時, 經過其組合規(guī)則得到的結

7、論常常有悖于常理；另外，基于D-S理論的專家系統在數據較多時，具有潛在的指數復雜度和推理鏈較長的缺點。,專家系統模型,專家系統模型,基于人工神經網絡的專家系統,人工神經網絡(ArtificialNeuralNetwork, ANN)仿效生物體信息處理系統獲得柔性信息處理能力。 基于神經網絡的專家系統的具體應用形式可以根據實際情況選擇不同的神經網絡模型, 能夠實現不同的用途。因此 , 基于神經網絡的專家系統是目前最流行的專家系統 。,基于遺傳算法的專家系統,遺傳算法(GeneticAlgorithms, GA)是一種基于自然選擇和基因遺傳學原理的優(yōu)化搜索方法。 與一般的尋優(yōu)方法相比, 遺傳算法是

8、一種全局優(yōu)化算法;在模糊推理隸屬度函數形狀的選取上具有更大的靈活性;由于具有隱含并行性, 可通過大規(guī)模并行計算來提高計算速度;可在沒有任何先驗知識和專家知識的情況下取得次優(yōu)或最優(yōu)解。,三、發(fā)展前景,1.專家系統的發(fā)展趨勢 近年來, 發(fā)展專家系統不僅要采用各種定性的模型, 而且要將各種模型綜合運用, 以及運用人工智能和計算機技術的一些新思想和新技術, 如分布式和協同式。這些都是專家系統的發(fā)展趨勢。,1,2,3,專家系統的開發(fā)需要領域專家和知識工程師共同努力，通用性專家系統作為一種新型專家系統, 其特點如下：,集成多種模型的專家系統，根據用戶的需要，可以選擇其中的任何一種或多種，形成某一類型的專家

9、系統；,通過多種模型的綜合運用，提高了專家系統的準確率和效率；,經過長期使用，可以探索出針對某一問題的最佳模式（多種模型的綜合運用)，獲得最優(yōu)的專用專家系統。,1.1 通用性專家系統,1.2 分布式專家系統,分布式專家系統具有分布處理的特征, 其主要目的在于把一個專家系統的功能經分解后分布到多個處理器上并行工作從而在整體上提高系統的處理效率。這種專家系統較強的可擴張性和靈活性,實現了開發(fā)者有效地進行交流和共享資源，極大提高了準確率和效率。 分布式專家系統作為一種新型專家系統, 其特點有： 系統數據的所有來源，分門別類地對不同數據來源的數據進行管理，同時系統的數據完整、準確、實用性強； 系統開發(fā)

10、工具多樣，開發(fā)環(huán)境與應用環(huán)境分離，使開發(fā)完善過程與應用過程可以獨立地異步進行； 可以同時完成多用戶、多個并發(fā)請求的推理； 借助輔助數據庫，對推理過程可以進行有效的控制與監(jiān)測，并能整合推理結果，以多種形式反饋給用戶。,一般認為，協同式專家系統是能綜合若干相關領域 (或一個領域)多個方面的單一專家系統互相協作共同解決一個更廣領域問題的專家系統，這樣的系統亦可稱之為群專家系統。,協同式專家系統作為一種新型專家系統, 其特點有：,1.3 協同式專家系統,目前已經有將分布式和協同式結合起來的專家系統,在專家系統中，對知識應用的順序和選擇過程稱為控制策略，它決定著如何推理以及采用何種推理方式。正向推理和反

11、向推理就是兩種重要的控制策略。下面簡單介紹一個正向推理的專家系統實例,四、專家系統實例,上圖所示實例中，知識庫中的規(guī)則： IF 蘇格拉底=TURE THEN 男人=TURE. IF 男人=TURE THEN 人類=TURE. IF 人類=TURE THEN 會死的=TURE. 解釋機構：順序規(guī)則 建議取得由來。 顯示： 會死的 = TRUE 應用規(guī)則: IF 人類 = TRUE THEN 會死的 = TRUE . 顯示: 男人 = TRUE 應用規(guī)則: IF 蘇格拉底 = TRUE THEN 男人 = TRUE .,顯示: 人類 = TRUE 應用規(guī)則: IF 男人 = TRUE THEN 人類 = TRUE . 你說: 蘇格拉底 = TRUE 建議證實.,總結：推理機的工作過程如下： （1）推理機將知識庫中的規(guī)則前提與這些事實進行匹配；一般是將每條規(guī)則的取出來，驗證這些前提是否在數據庫中，若都在，則匹配成功；不然的話，則取下一條規(guī)則進行匹配。 （2）把匹配成功的規(guī)則的作為新的事實添加到綜合數據庫中。 （3）用更新后的綜合數據庫中的事實，重復上面兩個步驟，直到某個事實就是意想中的結論或是不再有新的事實產生為止。,五、結束語,專家系統是