View
6
Download
0
Category
Preview:
Citation preview
4005 Ekspertni sustavi u prometu- Ekspertni sustavi zasnovani na pravilima -
Prof. dr. sc. Hrvoje Gold
Zagreb, 12.02.-13.02.2010.
Sveučilište u ZagrebuFakultet prometnih znanosti
Doktorski studij
Uvod
• Računalni ekspertni (stručni) sustav ima znanje o određenom području
• Znanje je teorijsko i praktično razumijevanje određenog područja, skup trenutno poznatog
• Stručnjak posjeduje iskustvo, vještinu i znanja kojima učinkovito rješava probleme iz određenog uskog područja
Ontologije i baze znanja• Ontologija - proučavanje bitka ili suštine značenja
pojmova• Opis klasa pojmova i njihovih odnosa• Elementi u izgradnji ontologije:
– Klase pojmova– Obilježja pojmova koja opisuju značajke i atribute (uloge)
pojmova – Ograničenja na uporabu obilježja
• Ontologija sa skupom primjera pojmova tvori bazu znanja
• Programski alati za izgradnju ontologije– http://protege.stanford.edu/
Predstavljanje znanja• Znanje:
– Skup sistematiziranih sudova.– Prikuplja se percepcijom.
• Znanje: Spoznaja + Logika
• Spoznaja – uključuje nepropozicijsko razumijevanje (percepcija, pamćenje,refleks) i propozicijsko razumijevanje te razumijevanje sudova o nepropozicijskom razumijevanju
• Logika – znanost koja proučava načela koja vode do ispravnih zaključaka
Logika sudova
• Sud, izreka, izjava, propozicija– P :: “Auto je skup”
• ovom sudu nije pridružena vrijednost istinitosti• istina za novi auto, laž za stari
• Sudu je uvijek pridružena vrijednost istinitosti (istina/laž, true/false) P
TF
Tablica istinitosti
• Negacija, komplement – ¬P :: “Auto nije skup”
• Povezivanje sudova veznicima / logičkim operatorima– I (AND)– ILI (OR)
P ¬PT FF T
Uvjetovani sudovi
• Pravila zaključivanja– P, (P->Q), zaključak Q
• Modus Ponens (potvrđivanjem)– P, (P->Q), ne Q, zaključak ne P
• Modus Tollens (opovrgavanjem)
Modus Ponens Modus Tollens
Primjer zaključivanja
• ((P->Q) (Q->R)), zaključak (P->R)– P :: “Svi ljudi su smrtni”– Q :: “Sokrat je čovjek”– Zaključak :: “Sokrat je smrtan”
Logika prvog reda
• Logika prvog reda, predikatna logika– izražajnija od logike sudova
• P :: “Kolnik je mokar”– koji kolnik?, od koje tekućine?– logika sudova
» nedovoljno precizan iskaz» samo tvrdnja
– mogućnost poopćavanja iskaza– konstante (objekti znanja), predikati (odnosi
između znanja), funkcije (neizravno upućivanje na drugo znanje)
Jednostavne rečenice
• Konstanta– objekt područja promatranja
• Ivica, Marica, bicikl, motorkotač
• Predikat– izražava odnose između objekata
• ima, poznaje, vozi– utvrđuje svojstva objekata
• osoba, knjiga
• Predikati utvrđuju odnose i svojstva konstanti– izgrađuju jednostavn rečenice
Primjeri jednostavnih rečenica ...
• osoba(ivica)• osoba(marica)
– osoba se može promatrati kao funkcija s jednim argumentom
– ovdje unarna relacija • Ivica i Marica ulaze u kategoriju osoba
• poznaje(ivica, marica)• poznaje(marica, ivica)
Primjeri jednostavnih rečenica
• vozi(ivica, bicikl)• vozi(marica, motorkotač)• dva-kotača(bicikl)• knjiga(ekspertni_sustavi)• ima(marica, knjiga(ekspertni_sustavi))• Funkcija
– pretvođenje jedne konstante u drugu konstantu• poznaje(ivica, sestra_od(perica))
Složene rečenice ...
• ostvaruju se veznicima – logički, Boole-ovi operatori^ = Iv = ILI
= logički uvjet (onda)= dvosmjerni uvjet
• Primjeri:poznaje (ivica, marica) ^poznaje(marica, ivica)
poznaje(ivica, marica) ^¬poznaje(marica, ivica)
vozi(ivica, bicikl) vvozi(ivica, motorkotač)
⇒⇔
Složene rečenice
• Primjeri uvjetnih (ako-onda) rečenica:– poznaje(ivica, marica) poznaje(marica, ivica)
• Ako Ivica poznaje Maricu onda Marica poznaje Ivicu
• Dvosmjerni uvjet– b ako a i a ako b ( a b) ^ (b a)– b podrazumijeva a i a podrazumijeva b– poznaje(ivica, marica) poznaje(marica, ivica)
• Ivica poznaje Maricu ako Marica poznaje Ivicu
⇒
⇒ ⇒
⇔
Varijable
• Izgradnja poopćenih rečenica bez konstanti– poznaje(x, marica) osoba(x)
• Ako x poznaje Maricu, onda je x osoba– ako znamo da
• poznaje(ivica, marica)– zaključuje se da je Ivica osoba
• osoba(ivica)
⇒
Kvantifikatori
• Utvrđuje broj vrijednosti/objekata varijable– kvantifikator sveobuhvatnosti ( )
• rečenica je valjana ako se varijabla zamijeni bilo kojim objektom
– kvantifikator postojanja ( )• rečenica je valjana ako se varijabla zamijeni
određenim objektom
∃
∀
Primjena kvantifikatora
• x.osoba(x)– Postoji x koji je osoba
• x. x.osoba(x) ^ poznaje(x, marica) v poznaje(x, ivica)
– Od svih ljudi postoji osoba koja poznaje Ivicu ili Maricu
∃
∀ ∃
Programiranje u logici
• Svi ljudi su smrtni• Sokrat je čovjek• Sokrat je smrtan
x čovjek(x) smrtan(x)čovjek(sokrat)∀ ⇒
PROLOG
Programski jezik za programiranje u preuređenoj logici prvog reda (1975) – Hornove rečenice
smrtan(X) :- čovjek(X)čovjek(sokrat) /čovjek(sokrat) :- true/
• baza znanja (pravila i činjenica)
• upiti na bazu?- smrtan(sokrat)yes?- smrtan(x)sokrat
Baza znanja
• Baza znanja – Apstraktni prikaz radne okoline ili svijeta u kojem sustav trebarješavati zadatke.
• Baza znanja:– Znanje iz problemske domene– Znanje o načinu kako se problem rješava
Baza znanja sadrži– Objekte i relacije među njima– Činjenice i nesigurne činjenice– Pravila svijeta i pravila odlučivanja– Opise motivacije,cilja i stanja sustava– Metode rješavanja problema i heuristiku– Opis ponašanja– Hipoteze– Opise tipičnih situacija– Procese– Ograničenja– Metaznanje– Znanje iz problemske domene– Znanje o načinu kako se problem rješava
Prikaz znanja pravilima
• Stručnjak izražava znanje o načinu rješavanje problema pravilima– produkcijska pravila
• Primjer: Pravila za prijelaz preko pješačkog prijelaza
P1: AKO je na ‘semaforu’ zeleno svjetloONDA ‘kretanje’ je prelazi
P2: AKO je na ‘semaforu’ crveno svjetloONDA ‘kretanje’ je čekaj
Struktura pravila
• Struktura pravila:AKO <činjenica/uvjet/premisa>ONDA <djelovanje/akcija/zaključak/posljedica>
– Pravilo se može sastojati od više uvjeta povezanih veznikom “i” (konjunkcija, and) ili veznikom “ili” (disjunkcija, or). Najčešće u jednom pravilu jedna vrsta veznika
– Zaključak se može sastojati od više akcija• Pravilo daje opis kako riješiti problem• Jednostavni oblik za sastavljanje i razumijevanje
Struktura uvjeta/posljedice
• Uvjet/posljedica pravila se sastoji od:– Objekta (lingvistički objekt) – semafor– Vrijednosti objekta – {zeleno | crveno}
• Objekt i vrijednost su povezani operatorom (je, jesu, nije, nisu, ...)
• Operator označava objekt i pridružuje mu vrijednost
Operatori
• Operatori pridružuju lingvističkim objektima:– Simboličke vrijednosti – Numeričke vrijednosti
• Numerički operatori u uvjetnom dijelu pravilaAKO je starost_vozača > 80I dioptrija > 3ONDA vozačku_dozvolu’ ne izdati
• Numerički operatori u posljedičnom dijelu pravila AKO je oporezivi_dio > 1000ONDA pristojba = oporezivi_dio * 1.5 /100
Upotreba pravila ...
• Pravila prikazuju relacije, preporuke, uredbe, planove postupanja i heuristike
• Prikaz relacijeAKO je rezervoar_goriva prazanONDA je vozilo u_mirovanju
• Prikaz preporukeAKO je godišnje_doba jesenI nebo je oblačnoI prognoza je kišaONDA je savjet uzeti_kišobran
Upotreba pravila• Prikaz uredbe
AKO je vozilo u_mirovanjuI rezervoar_za_gorivo je prazan ONDA uradi napuni_gorivo
• Prikaz plana postupanjaAKO je vozilo u_mirovanjuONDA provjeri rezervoar_za_gorivo
korak1 je izvedenAKO je korak1 izvedenI rezervoar_za_gorivo je punONDA djelovanje je provjeri_akumulator
korak2 je izveden
Ekspertni sustav
• Računalo sa unesenim stručnim znanjem– Ponaša se kao pametni suradnik– Rješava probleme na način stručnjaka– U bazu znanja uključuje novo znanje– Prikazuje znanje u čitljivom i razumljivom
obliku– Komunicira jednostavnim prirodnim jezikom– Objašnjava postupak zakjučivanja
Jezgra ekspertnog sustava
• Osnova za razvoj ekspertnih sustava zasnovanih na pravilima zaključivanja
• Ekspertni sustav bez baze znanja• Inženjer znanja dodaje znanje u obliku
pravila i podatke potrebne za rješavanje problema
Model produkcijskog sustavaKratkotrajna memorijaDugotrajna memorija
Produkcijska pravila
Baza podatakaČinjenice
Zaključivanje
Zaključak
Čovjek rješava problem primjenom znanja (izraženog produkcijskim pravilima i pohranjenog u dugotrajnoj memoriji) na zadani problem opisan karakterističnim informacijama, činjenicama (pohranjenim u kratkotrajnoj memoriji).
Osnovna struktura ekspertnog sustava
Struktura ekspertnog sustava
• Primjena na usko specijalizirano područje
• Koristi se heuristički način zaključivanja
• Jednostavno objašnjavanje postupka zaključivanja
• Simboličko zaključivanje –nenumerički podaci
• Približno zaključivanje sa nepotpunim i neizvjesnim podacima
Razvoj ekspertnog sustavaRazvojni tim ekspertnog sustava
Voditelj projekta
Korisnik sustava
Inženjer znanja ProgramerStručnjak domene
Ekspertni sustav
Usporedba stručnjaka, stručnog sustava i računalnog programa
Stručnjak Stručni sustav Računalni programZa rješavanje problema koristi približno, heurističko znanje
Za rješavanje problema uskog područja koristi znanje izraženo pravilima i simboličko zaključivanje
Za rješavanje općenito numeričkih problema koristi algoritme i podatke
Znanje u povezanom obliku Znanje odvojeno od mehanizma obradbe znanja
Znanje nije odvojeno od upravljačke strukture programa
Može detaljno objasniti slijed zaključivanja
Prati slijed aktiviranja pravila i objašnjava kako je dostignut određeni zaključak te zašto se zahtjevaju određeni podaci
Ne može objasniti kako je dostignut određeni rezultat i zašto je tražen pojedini podatak
Koristi približno zaključivanje i može zaključivati na temelju nepotpunih i neizrazitih informacija
Omogućava približno zaključivanje nepotpunim, neizvjesnim i neizrazitim podacima
Rješava probleme za koje su postoje potpuni i točni (egzaktni) podaci
Može pogriješiti kada su informacije nepotpune ili neizrazite
Može pogriješiti kada su informacije nepotpune ili neizrazite
Kada su podaci nepotpuni ili neizraziti ne daje (ispravno) rješenje
Kakvoća rješavanja se povećava učenjem i praksom. Postupak je polagan, neučinkovit i skup
Kakvoća rješavanja se povećava dodavanjem novih pravila ili prilagodbom starih. Novoprikupljena znanja jednostavno zamijenjuju postojeća
Kakvoća rješavanja se povećava promjenom programskog koda što utječe na postojeće znanje u programu i način njegove obrade. Promjene dijelova programa je teško izvoditi
Zaključivanje ekspertnog sustava
• Znanje ekspertnog sustava izraženo:– skupom pravila AKO-ONDA i – skupom činjenica o trenutnom stanju
• Mehanizam zaključivanja uspoređuje pravila iz baze znanja sa trenutnim činjenicama iz baze podataka
• Kada se uvjetni dio pravila preklopi sa činjenicom, pravilo se aktivira i izvede se posljedični dio pravila
• Aktiviranje pravila, dodavanjem nove činjenice, mijenja bazu podataka
Ciklus mehanizma zaključivanja
Objašnjavanje postupka zaključivanja
• Preklapanje podatka sa AKO dijelom pravila proizvodi sljedove (lance) zaključaka koji pokazuju način primjene pravila u postupku zaključivanja ekspertnog sustava –objašnjenje zaključivanja
Primjer zaključivanja
• Baza podataka početno sadrži činjenice A, B, C, D i E, a baza znanja 3 pravila:P1: AKO je Y istinito, I D je istinito, ONDA je Z istinitoP2: AKO je X istinito, I je B istinito, I je E istinito, ONDA je Y istinitoP3: AKO je A istinito, ONDA je X istinito
A
Y
E
B
X
D
A
Y
E
B
X
D
Primjena pravila
• Mehanizam zaključivanja donosi odluku o redoslijedu primjene (aktiviranju) pravila:– Zaključivanje prema naprijed
• Induktivno zaključivanje– Od pojedinačnog prema općem
– Zaključivanje prema natrag• Deduktivno zaključivanje
– Od općeg prema pojedinačnom
Zaključivanje prema naprijed
• Zaključivanje od poznatih podataka– Zaključivanje pokretano podacima– U svakom ciklusu se izvodi kao prvo najviše
pravilo u nizu– Aktiviranjem pravilo dodaje podatak u bazu
podataka– Svako pravilo se izvodi samo jednom– Postupak aktiviranja pravila se zaustavlja
kada više nije moguće aktivirati pravila
Primjer zaključivanja prema naprijed ...
Prijepis pravila u konjunktivni oblik, dopuna s dva pravilaP1: Y & D → ZP2: X & B & E → YP3: A → X P4: C → LP5: L & M → N
Primjer zaključivanja prema naprijed
1. ciklus 2. ciklus 3. ciklus
Baza podataka Baza podataka Baza podataka Baza podataka
Baza znanja Baza znanja Baza znanja Baza znanja
Preklap. Aktivir. Preklap. Aktivir. Preklap. Aktivir. Preklap. Aktivir.
Primjena zaključivanja prema naprijed
• Ekspertni sustavi sadrže stotine pravila koja proizvode nove valjane činjenice za nadopunu baze podataka
• Prikupljanje podataka i zaključivanje koje uvijek ne pridonosi opravdanju postavljenog cilja:
• Ako se želi zaključiti određena činjenica, zaključivanje prema naprijed je neučinkovito
• Pravilo P4: C → L ne doprinosi cilju, npr.utvrđivanju Z
Zaključivanje prema natrag• Zaključivanje pokretano ciljem
– Ekspertni sustav ima poznati cilj (hipotetičko rješenje) i mehanizam zaključivanja pokušava pronaći činjenice kojima opravdava, dokazuje cilj
• Pretraživanjem baze znanja se traže pravila koja mogu imati traženo rješenje u svom akcijskom dijelu pravila
• Ako se pronađe takvo pravilo, a uvjetni dio pravila se preklapa sa činjenicama u bazi podataka, pravilo se aktivira i cilj je dokazan (rijedak slučaj)
• Zato se pravilo privremeno pohranjuje u privremenu memoriju (složnik) i postavlja novi cilj, podcilj
• Pretraživanjem baze znanja se traže pravila koja mogu dokazati podcilj
• Postupak pohrane pravila se ponavlja sve dok više nema pravila kojima bi se dokazao trenutni podcilj
Primjer zaključivanja prema natrag ...
Cilj: Z Podcilj: Y Podcilj: X
Baza podataka Baza podataka Baza podataka
Baza znanja Baza znanja Baza znanja
1. prolaz 3. prolaz 2. prolaz
Primjer zaključivanja prema natrag
Baza podataka Baza podataka Baza podataka 4. prolaz 6. prolaz 5. prolaz
Podcilj: Y Podcilj: X Cilj: Z
Baza znanja Baza znanja Baza znanja Preklap. Aktivir. Preklap. Aktivir. Preklap. Aktivir.
Programski alati za izgradnju ekspertnih sustava
• Ljuska ekspertnih sustava– Mehanizam zaključivanja– Sučelja prema stručnjaku i korisniku– Bez baze znanja
• Programski jezik Prolog– http://www.swi-prolog.org/
Programski jezik Prolog
• Programiranje u logici– Deklarativno programiranje
• Prolog sustav sadrži mehanizam za obradu činjenica i produkcijskih pravila
• Simbolička (nenumerička) obrada– Rješavanje problema koji se mogu opisati
objektima i relacijama među objektima• Izgradnja baze podataka i baze znanja
Programiranje u Prolog-u /1
roditelj(K,L).roditelj(K,D).roditelj(T,D).roditelj(D,V).roditelj(D,G).roditelj(V,R).roditelj(V,S).
?- roditelj(X,R).X = V
?- roditelj(K,Y).?- roditelj(K,X),roditelj(X,Y).?- roditelj(X,D),roditelj(X,L).
Činjenice baze podataka
Upiti na bazu podataka
Programiranje u Prolog-u /2spol(K, muski).spol(T, zenski).spol(L, zenski).
musko(X):-spol(X, muski).zensko(X):-spol(X, zenski).
majka(X,Y):-zensko(X),roditelj(X,Y).djed(X,Z):-musko(X),roditelj(X,Y),roditelj(Y,Z).
sestra(X,Y):-zensko(X),roditelj(Z,X),roditelj(Z,Y),\=(X,Y).
predak(X,Z):-roditelj(X,Z).predak(X,Z):-roditelj(X,Y),predak(Y,Z)
Baza znanja – produkcijska praila
Prikaz znanja
a b c
d
e
d1 d2
d3
d4
d2
d5
grana(a, b, d1).grana(a, d, d2).grana(b, c, d2).grana(c, d, d3).grana(c, e, d4).grana(d, e, d5).
Kolika je udaljenost između čvora c i e??- grana(c, e, X).
grana(c, e, d4).
Između kojih čvorova udaljenost iznosi d2?
?- grana(X, Y, d2).grana(a, d, d2),grana(b, c, d2),
Heurističko znanje – Pronalaženje puta
• Ako je čvor X = čvoru Y, onda je popis putova prazan, P = [].
• U protivnom slučaju, pronaći put P’ koji počinje u čvoru Z do čvora Y i pronaći put od čvora X do čvora Z, izbjegavajući čvorove koji se već nalaze na putu P’.
put(X, Y, P). clan(X, [X | _]).put(X, Y, P) :- clan(X, [_ | Y]):-
grana(X, Z, U); clan(X, Y).grana(Z, X, U)),not(clan(Z, P)),put(Z, Y, [Y | P]).
Primjena heurističkog znanja
a b c
d
e
d1 d2
d3
d4
d2
d5
Koji putevi povezuju čvorove a i b?
?- put(a, b, X).
[a, b][a, d, c, b][a, d, e, c, b]....................
Klasifikacija objekata
pravilo(1,kat,prometna_sign,cestovna_sign,[1 ,2]). pravilo(2,kat,cestovna_sign,semafor,[3]). praviIo(3,kat,prometna_sign,cestovna_sign,[4])...............svojstvo(1, [nalazi,se,uz,krizanje]). svojstvo(2,[sadrzi,crvenu,boju]). svojstvo(3,[mijenja,boju])...............
+++++++++++++++++++++++++++++++++++++++++++ FPZ—Prolog V.000623 ++ Prolog sustav za logicko modeliranje u ++ tehnologiji prometa +++++++++++++++++++++++++++++++++++++++++++?— [emklap].
Ekspertni modul za klasifikaciju objekata u prometu-------------------------------------------------------------------Baza znanja ( Upisati naziv datoteke ili “nova” ): klap.
IZBOR AKTIVNOSTI----------------------------Pocetak konzultacija (k) Pregled pravila (p) Upravljanje bazom (u) Kopiranje baze pravila u datoteku (d) Izlaz iz programa (i)
Izbor? k
Naziv najopcenitije poznate kategorije: prometna_signalizacija
Da li je istina nalazi se in krizanje ? dDa li je istina sadrzi crvenu boju ? iISPIS toka zakljucivanja UKLJUCEN Da li je istina sadrzi crvenu boju ? d
Kategorija: “cestovna_signalizacija” je podkategorija od “prometna_signalizacija” koristenjem ( Pravilo 3 )
Da li je istina mijenja boju ? zasto
Pokusava se ustanoviti ( Pravilo 2 ) da kategorija “cestovna_signalizacija” ima podkategoriju “semafor” I:Utvrdjeno je ( Pravilo 1 ) da kategorija “prometna_signalizacija” ima podkategoriju “cestovna_signelizacija” jer: —nalazi se uz krizanje i sadrzi crvenu boju.I: Utvrdjeno je “prometna_signa1izacija” kao pocetna kategorija konzultacije.
Rad ekspertnog sustava za klasifikaciju /1
Da li je istina mijenja boju ? nDa li je istina trokutastog je oblika ? nDa li je istina kruznog je oblika ? n
Podkategorija “cestovna_signalizacija” se ne moze utvrditi.
Da li zelite dodati novo klasifikacijsko pravilo? d
Koju podkategoriju kategorije “cestovna_signalizacija” promatrate? stop
Molim upisati svojstva koja su istinita za “stop” da bi predstavljala podkategoriju od “cestovna_signalizacija” ( zavrsiti s ‘.‘ ) : sesterokutni oblik i ima bijeli rub.
Moze li se kategorija “stop” dalje kategorizirati? nPohranjena tvrdnja: sesterokutni oblik Pohranjena tvrdnja: ima bijeli rub
Dodano pravilo: Pravilo 21: Kategorija “stop” je podkategorija od “cestovna_signalizacija” ako: sesterokutni oblik ima bijeli rub
Zakljucak: Na temelju postojecih cinjenica se zakljucuje da zakljucnu kategoriju od “prometna_signalizacija” predstavlja “stop”. KRAJ IZBORA
Pregled postojecih kategorija (k) Pregled postojecih tvrdnji (t) Pregled toka zakljucivanja (z) Prikaz izbora (i) Prestanak konzultacija (p)
Izbor? - z
Rad ekspertnog sustava za klasifikaciju /2
Utvrdjeno ( Pravilo 21 ) da kategorija “cestovna_signalizacija” ima podkategoriju “stop”
Utvrdjeno ( Pravilo 1 ) da kategorija “prornetna_signalizacija” irna podkategoriju “cestovna_signalizacija” jer: —nalazi se uz krizanje i sadrzi crvenu boju
Utvrdjeno je “prometna_signalizacija” kao pocetna kategorija konzultacije.
Izbor? t
Utvrdjene tvrdnje su: nalazi se uz krizanje nije istina mijenja boju nije istina trokutastog je oblika nije istina kruznog je oblika sesterokutni oblik ima bijeli rub
Izbor? k
Kategorije su: prometna_signalizacija stop cestovna_signalizacija
Izbor? p
IZBOR AKTIVNOSTI----------------Pocetak konzultacija (k) Pregled pravila (p) Upravljanje bazom (u) Kopiranje baze pravila u datoteku (d) Izlaz iz programa (i)
Izbor? k
Naziv najopcenitije poznate kategorije: prometna_signalizacija
Rad ekspertnog sustava za klasifikaciju /3
Da li je istina nalazi se uz krizanje ? npDa li je istina pored prolaze automobili ? npDa li je istina nalazi se uz prugu ? d
Kategorija: “zeljeznicka_signalizacija” je podkategorija od “prometna_signalizacija” koristenjem ( Pravilo 4 )
Da li je istina ima elektricno napajanje ? d
Kategorija: “elektronicki_uredjaj” je podkategorija od “zeljeznicka_signalizacija” koristenjem ( Pravilo 5 )
Da li je istina sluzi za svjetlosnu signalizaciju ? n
Podkategorija “elektronicki_uredjaj” se ne moze utvrditi.
Razlog je: nije poznato nalazi se uz krizanje nije poznato pored prolaze autonobili
Zelite li dodati novo klasifikacijsko pravilo? d
Koju podkategoriju kategorije “elektronicki_uredjaj” promatrate? racunalo
Molim upisati svojstva koja su istinita za “racunalo” da bi predstavljala podkategoriju od “elektronicki_uredjaj” ( zavrsiti s ‘.‘) : nalazi se uz krizanje.Moze li se kategorija “racunalo” daije kategorizirati? n
Svojstvo nalazi se uz krizanje nije konzistentno s prethodno utvrdjenom tvrdnjom nije poznato nalazi se uz krizanje
Pravilo nije prihvaceno. Zelite li pokusati ponovo? dKoju podkategoriju kategorije “elektronicki_uredjaj” promatrate? racunalo
Molim upisati svojstva koja su istinita za “racunalo” da bi predstavljala podkategoriju od “elektronicki_uredjaj” ( zavrsiti s ‘.‘ ): sluzi za prijenos podataka.
Rad ekspertnog sustava za klasifikaciju /4
Moze li se kategorija “racunalo” dalje kategorizirati? n
Pohranjena tvrdnja: sluzi za prijenos podataka
Dodano pravilo: Pravilo 22: Kategorija “racunalo” je podkategorija ad “elektronicki_uredjaj” ako: sluzi za prijenos podataka
Zakljucak: Na temelju postojecih cinjenica se zakljucuje da zakljucnu kategoriju od “prometna_signalizacija” predstavlja “racunalo”.
KRAJ IZBORA -----------Pregled postojecih kategorija (k) Pregled postojecih tvrdnji (t) Pregled toka zakljucivanja (z) Prikaz izbora (i) Prestanak konzultacija (p)
Izbor? p
IZBOR AKTIVNOSTI----------------Pocetak konzultacija (k) Pregled pravila (p) Upravijanje bazon (u) Kopiranje baze pravila u datoteku (d) Izlaz iz programa (i)
Izbor? i?- Rad ekspertnog sustava za klasifikaciju /5
Ekspertni sustavi sa pravilima• Durkin, J. (1994). Expert Systems Design and Development. Prentice Hall,
Englewood Cliffs, NJ. • Feigenbaum, L.A., Buchanan, B.G. and Lederberg, J. (1971). On generality and
problem solving: a case study using the DENDRAL program, Machine Intelligence 6, B. Meltzer and D. Michie, eds, Edinburgh University Press, Edinburgh, Scotland, pp.165—190.
• Giarratano, J. and Riley, G. (1998). Expert Systems: Principles and Programming, 3rd edn. PWS Publishing Company, Boston.
• Negnevitsky, M. (1996). Crisis management in power systems: a knowledge based approach, Applications of Artificial Intelligence in Engineering XI, R.A. Adey, G. Rzevski and AK. Sunol, eds, Computational Mechanics Publications, Southampton, UK, pp.122—141.
• Newell, A. and Simon, HA. (1972). Human Problem Solving. Prentice Hall, Englewood Cliffs, NJ.
• Shirai, Y. and Tsuji, J. (1982). Artificial Intelligence: Concepts, Technologies and Applications. John Wiley, New York.
• Shortliffe, E.H. (1976). MYCIN: Computer-Based Medical Consultations. Elsevier Press, New York.
• Waterman, D.A. (1986). A Guide to Expert Systems. Addison-Wesley, Reading, MA. • Waterman, D.A. and Hayes-Roth, F. (1978). An overview of pattern-directed
inference systems, Pattern-Directed Inference Systems, D.A. Waterman and F. Hayes-Roth, eds, Academic Press, New York.
Recommended