Systemy ekspertowe

1

Systemy ekspertowe - definicje i zastosowania

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 ekspertowychsystemy 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 BBAA ))((

Modus tollens ABBA ))((Syllogizm(przechodniość)

)())()(( CACBBA

Kontrapozycja )()( ABBA

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

reguły

CEL

9


Algorytmy wnioskowania - algorytm wnioskowania wstecz

W tym algorytmie zaczyna się od hipotezy i poszukuje się argumentów (dowodów), które ją potwierdzą lub obalą.

CELfakty

reguły

10


PrzykładBaza 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: CELszukana: 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


Moduł objaśniający

•“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.

Zadanie: na żądanie uzasadnianie otrzymanych konkluzji.

Odpowiedzi na pytania użytkownika

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 regułR99: 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 orqualitative-evaluation=very satisfactory)

then expert-system-evaluation=very satisfactory

17


Eutro WODA - baza danych

Nazwa pola OpisRkey identyfikator odcinka rzekiRnam nazwa rzekiIsdat flaga określająca, czy dostępne są dane tego odcinkahpos punkt początkowy odcinkahdes punkt końcowy odcinka

Tabela odcinków rzek

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 modeliModel H Model T Model B

typ rzeki typ rzeki typ rzeki

regulacja regulacja regulacja

Vśr Vśr Vśr

zacienienie zacienie

SNQ SNQ

strefa klimatyczna strefa klimatyczna

Hśr (średnie położenie

zwierciadła wody)

wysokość n.p.m. wysokość n.p.m.

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

10)min()max(

)min(

ii

ii

PP

PP Pi – podobieństwo parametru i

2. jedno z podobieństw cząstkowych równe zero - reguły3. co najmniej dwa podobieństwa cząstkowe równe zero -

rzeki niepodobne

23


Baza wiedzyR1 IF typ silnika=śmigłowy

THEN samolot=C130

R2 IF typ silnika=odrzutowy

pozycja skrzydeł= niska

THEN samolot=B747


pozycja skrzydeł= wysoka

wybrzuszenia=brak

THEN samolot=C5A


pozycja skrzydeł= wysoka

wybrzuszenia=na skrzydłach

THEN samolot=C141

Fakty:typ silnika= odrzutowypozycja skrzydeł=wysokawybrzuszenia=brak

24


Stany reguł i przesłanekA active aktywna

D discarded odrzucona

TD triggered przełączona

FD fired odpalona

FR free wolna

FA false fałszywa

TU true prawdziwa

25


Rozumowanie do przodunr reguły status nr klauzuli w przesłance status

1 A, U 1 FR

2 A, U 1

2

FR

FR

3 A, U 1

2

3

FR

FR

FR

4 A, U 1

2

3

FR

FR

FR

fakty

26


Rozumowanie do przodunr reguły status nr klauzuli w przesłance status

1 A, D 1 FR FA

2 A 1

2

FR, TU

FR

3 A 1

2

3

FR, TU FRFR

4 A 1

2

3

FR TU

FR

FR

fakt typ silnika=odrzutowy

27


nr reguły status nr klauzuli w przesłance status

1 A, D 1 FR FA

2 A, D 1

2

FR, TU

FR FA

3 A 1

2

3

FR TUFR TUFR

4 A 1

2

3

FR TU

FR TU

FR

Rozumowanie do przodu


pozycja skrzydeł=wysoka

28


nr reguły status nr klauzuli w przesłance status

1 A, D 1 FR FA

2 A, D 1

2

FR, TU

FR FA

3 A, TD, FD 1

2

3

FR TUFR TUFR TU

4 A, D 1

2

3

FR TU

FR TU

FR FA

Rozumowanie do przodu


pozycja skrzydeł=wysoka

wybrzuszenia= brakC5A

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


Heurystykaheurisco (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

Documents

Systemy ekspertowe