Systemy ekspertowe.

Prezentacja na temat: "Systemy ekspertowe."— Zapis prezentacji:

1 Systemy ekspertowe

2 Etapy tworzenia systemu ekspertowego
zdefiniowanie problemu - identyfikacja gromadzenie wiedzy (inżynier wiedzy + ekspert w danej dziedzinie) formalizacja wiedzy (metody reprezentacji wiedzy) realizacja weryfikacja

3 Rodzaje systemów ekspertowych
systemy dedykowane są to systemy z zaszytą w nich wiedzą, tworzone na konkretne zamówienie systemy narzędziowe systemy z pustą bazą wiedzy, umożliwiające użytkownikowi wprowadzenie własnych informacji, z którymi ma pracować system (zwane czasem szkieletowymi)

4 Ze względu na metodę prowadzenia procesu wnioskowania systemy ekspertowe dzieli się na:
·          z logiką dwuwartościową (Boole’a), ·          z logiką wielowartościową, ·          z logiką rozmytą. Ze względu na rodzaj przetwarzanej informacji systemy ekspertowe dzielą się na dwie grupy: ·          systemy z wiedzą pewną, czyli zdeterminowaną, ·          systemy z wiedzą niepewną, w przetwarzaniu której wykorzystuje się przede wszystkim aparat probabilistyczny.

5 Maszyna wnioskująca (inference engine)
Wnioskowanie w systemie ekspertowym jest procesem wyszukania konkluzji przy wykorzystaniu zbioru reguł i faktów w konkretnej sytuacji, w określonych warunkach.

6 Zadania maszyny wnioskującej
Maszyna wnioskująca ma dać odpowiedź na następujące pytania: 1. jak zacząć proces wnioskowania 2. którą regułę zastosować, gdy jest kilka reguł aktywnych 3. jak znaleźć następne reguły

7 Podstawowe lematy logiki stosowane w algorytmach wnioskowania
Modus ponens Modus tollens Syllogizm (przechodniość) Kontrapozycja

8 Algorytmy wnioskowania - algorytm wnioskowania do przodu
Wnioskowanie rozpoczyna się od analizy faktów. Na podstawie dostępnych reguł i faktów generowane są fakty tak długo, aż wśród nich znajdzie się poszukiwany przez użytkownika cel lub aż zabraknie reguł. fakty CEL reguły

9 Algorytmy wnioskowania - algorytm wnioskowania wstecz
W tym algorytmie zaczyna się od hipotezy i poszukuje się argumentów (dowodów), które ją potwierdzą lub obalą. ? fakty CEL reguły

10 Przykład Baza wiedzy fakty: A, B, C, D, E reguły:
R1: if A and B then F R2: if C and D then G R3: if F and G then H R4: if E and H then CEL szukana: CEL

11 Porównanie algorytmów
Wnioskowanie wstecz łatwo się programuje (rekurencja) W przypadku wnioskowania wstecz generowana jest mniejsza liczba faktów, niż w przypadku wnioskowania do przodu (+/-) Wnioskowanie mieszane jest przydatne w rozwiązywaniu problemów, wymagających bardzo skomplikowanej sieci zależności reguł. Wymaga jednak istnienia w systemie dodatkowych metareguł określających kiedy jakie wnioskowanie może być użyte oraz implementacji obu sposobów wnioskowania.

12 Zadanie: na żądanie uzasadnianie otrzymanych konkluzji.
Moduł objaśniający Zadanie: na żądanie uzasadnianie otrzymanych konkluzji. Odpowiedzi na pytania użytkownika “jak?”- czyli prześledzenie procesu wnioskowania, który doprowadził do konkluzji. “dlaczego?”- zadawane najczęściej wtedy, gdy system próbuje dowiedzieć się o jakąś dodatkową daną; jest to żądanie wyjaśnienia, do czego ta dana jest systemowi potrzeba. “dlaczego nie?”- wyjaśnienie dlaczego dana została odrzucona lub nie wzięta pod uwagę. “a co jeśli?”- system pokazuje wnioskowanie i odpowiedź przy założeniu zmiany faktu czy treści reguły.

13 Obszary zastosowań klasyfikacja – na podstawie przesłanek otrzymuje się wynik, określenie stanu czy klasy do którego obiekt należy (np. medycyna - MYCIN) plan – poszukiwanie aranżacji, a często porządku elementów (lotnictwo - GATE) prognoza – na podstawie istniejących danych przewiduje się stan przyszły (zarządzanie, inżynieria środowiska)

14 Zastosowania EXGAME- system ekspertowy zastępujący w grze biznesowej współgracza (International Journal of Intelligent Systems in Accounting, Finance & Management, vol. 7, 1, 1998) FINEVA - System Wspomagania Decyzji w Analizie Finansowej z wbudowanym systemem ekspertowym(Expert Systems With Applications, vol. 12, 2, 1997) EXSYS - narzędziowy system ekspertowy

15 FINEVA kryteria oceny

16 FINEVA - przykłady reguł
R99: if solvency=very_satisfactory and Managerial-performance=satisfactory and (profitability=stisfactory or profitability=very-satisfactory) then financial-status=very-satisfactory R1607: if financial-status=very-satisfactory and (qualitative-evaluation=satisfactory or qualitative-evaluation=very satisfactory) then expert-system-evaluation=very satisfactory

17 Eutro WODA - baza danych
Tabela odcinków rzek Nazwa pola Opis Rkey identyfikator odcinka rzeki Rnam nazwa rzeki Isdat flaga określająca, czy dostępne są dane tego odcinka hpos punkt początkowy odcinka hdes punkt końcowy odcinka

18 WODA - model złożony m. hydrauliczny m. termiczny m. biochemiczny

19 WODA - model złożony Problemy:
zgodność danych wyjściowych i wejściowych typ modelu (statyczne, dynamiczne, wzdłuż linii charakterystyk) wykalibrowanie na odpowiednich odcinkach rzeki

20 WODA - parametry modeli

21 WODA - badanie zgodności rzek
Q zgodność przepływu rzek A i X V zgodność prędkości średniej rzek A i X T zgodność typu rzek A i X R zgodność regulacji rzek A i X Z zgodność typu zanieczyszczeń rzek A i X S zgodność zacienienia rzek A i X G zgodność strefy klimatycznej rzek A i X W zgodność wysokości n.p.m. rzek A i X

22 WODA - badanie zgodności rzek
1. wszystkie podobieństwa cząstkowe różne od zera Pi – podobieństwo parametru i 2. jedno z podobieństw cząstkowych równe zero - reguły 3. co najmniej dwa podobieństwa cząstkowe równe zero -rzeki niepodobne

23 Baza wiedzy Fakty: typ silnika= odrzutowy pozycja skrzydeł=wysoka
IF typ silnika=śmigłowy THEN samolot=C130 R2 IF typ silnika=odrzutowy pozycja skrzydeł= niska THEN samolot=B747 R3 pozycja skrzydeł= wysoka wybrzuszenia=brak THEN samolot=C5A R4 wybrzuszenia=na skrzydłach THEN samolot=C141 Fakty: typ silnika= odrzutowy pozycja skrzydeł=wysoka wybrzuszenia=brak

24 Stany reguł i przesłanek
active aktywna D discarded odrzucona TD triggered przełączona FD fired odpalona FR free wolna FA false fałszywa TU true prawdziwa

25 Rozumowanie do przodu fakty nr reguły status nr klauzuli w przesłance
1 A, U FR 2 3 4 fakty

26 Rozumowanie do przodu fakt typ silnika=odrzutowy nr reguły status
nr klauzuli w przesłance 1 A, D FR FA 2 A FR, TU FR 3 4 FR TU fakt typ silnika=odrzutowy

27 Rozumowanie do przodu nr reguły status nr klauzuli w przesłance 1 A, D
FR FA 2 FR, TU 3 A FR TU FR 4 fakt typ silnika=odrzutowy pozycja skrzydeł=wysoka

28 Rozumowanie do przodu C5A nr reguły status nr klauzuli w przesłance 1
A, D FR FA 2 FR, TU 3 A, TD, FD FR TU 4 fakt typ silnika=odrzutowy pozycja skrzydeł=wysoka wybrzuszenia= brak C5A

29 Rozszerzenia logika rozmyta sieci neuronowe algorytmy genetyczne

30 Literatura J. J. Mulawka „Systemy ekspertowe”, WNT, 1996
J. P. Ignizio „Introduction to Expert Systems”, McGraw-Hill, Inc., 1991 A. Kwiatkowska „Systemy Wspomagania Decyzji dla inżynierów środowiska”, skrypt PW, w przygot.

31 M. Pańkowska i H. Sroka „Systemy Informatyczne Bankowości”, Wydawnictwo Uczelniane Akademii Ekonomicznej im. Karola Adamieckiego w Katowicach International Journal of Intelligent Systems in Accounting, Finance and Management, John Wiley & Sons, University of Southern California,

32 Heurystyka heurisco (gr.) - odkrywać, znajdować
nauka o metodach i regułach rządzących dokonywaniem odkryć i tworzeniem wynalazków metodologia twórczego rozwiązywania zadań podejście mające na celu twórcze rozwiązanie problemu, zarówno logicznego, kierowniczego jak i matematycznego (np. rozwiązanie zadania, zbudowanie definicji) szczególnie przez eksperyment, często przy pomocy metody prób i błędów, odwoływania się do analogii, uogólnień zbiór odkrywczych technik pozwalających na szybkie i skuteczne odnalezienie rozwiązań problemów dających się sformułować w sposób ilościowy, wykorzystujących przeważnie metody samouczenia się maszyn (np. poprzez sprzężenie zwrotne) w celu poprawy wyników