ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 24.05.2020
Просмотров: 399
Скачиваний: 4
-
КЛАССИФИКАЦИЯ И ОБЗОР ЭКСПЕРТНЫХ СИСТЕМ. ПОСТАНОВКА ЗАДАЧИ
1.1 Основные понятия экспертных систем
Экспертные системы (ЭС) - особые компьютерные программы, моделирующие действия эксперта-человека при решении задач в какой-либо предметной области на основе накопленных знаний, составляющих базу знаний (БЗ).
В основе функционирования ЭС лежит использование знаний, а манипулирование ими осуществляется на базе эвристических правил, сформулированных экспертами. ЭС выдают советы, проводят анализ, выполняют классификацию, дают консультации и ставят диагноз. Они ориентированы на решение задач, обычно требующих проведения экспертизы человеком-специалистом. В отличие от машинных программ, использующий процедурный анализ, ЭС решают задачи в узкой предметной области (конкретной области экспертизы) на основе дедуктивных рассуждений. Главное достоинство экспертных систем - возможность накапливать знания, сохранять их длительное время, обновлять и тем самым обеспечивать относительную независимость конкретной организации от наличия в ней квалифицированных специалистов./1/
Экспертная система отличается от прочих прикладных программ наличием следующих признаков.
1) Моделирует не столько физическую (или иную) природу определенной проблемной области, сколько механизм мышления человека применительно к решению задач в этой проблемной области. Это существенно отличает экспертные системы от систем математического моделирования или компьютерной анимации. Нельзя, конечно, сказать, что программа полностью воспроизводит психологическую модель специалиста в этой предметной области (эксперта), но важно, что основное внимание все-таки уделяется воспроизведению компьютерными средствами методики решения проблем, которая применяется экспертом, то есть выполнению некоторой части задач так же (или даже лучше), как это делает эксперт.
2) Система, помимо выполнения вычислительных операций, формирует определенные соображения и выводы, основываясь на тех знаниях, которыми она располагает. Знания в системе представлены, как правило, на некотором специальном языке и хранятся отдельно от собственно программного кода, который и формирует выводы и соображения. Этот компонент программы принято называть базой знаний.
3) При решении задач основными являются эвристические и приближенные методы, которые, в отличие от алгоритмических, не всегда гарантируют успех. Эвристика, по существу, является правилом влияния, которое в машинном виде представляет некоторое знание, приобретенное человеком по мере накопления практического опыта решения аналогичных проблем. Такие методы являются приблизительными в том смысле, что, во-первых, они не требуют исчерпывающей исходной информации, и, во-вторых, существует определенная степень уверенности (или неуверенности) в том, что предлагаемое решение является верным.
Экспертные системы имеют дело с предметами реального мира, операции с которыми обычно требуют наличия значительного опыта, накопленного человеком. Множество программ из области искусственного интеллекта являются сугубо исследовательскими, и основное внимание в них уделяется абстрактным математическим проблемам или упрощенным вариантам реальных проблем (иногда их называют "игрушечными" проблемами), а целью выполнения такой программы является "повышение уровня интуиции" или отработка методики. Экспертные системы имеют ярко выраженную практическую направленность в научной или коммерческой области.
Одной из основных характеристик экспертной системы является ее производительность, то есть скорость получения результата и его достоверность (надежность). Исследовательские программы искусственного интеллекта могут и не быть очень быстрыми, можно примириться и с существованием в них отказов в отдельных ситуациях, поскольку, в конце концов, — это инструмент исследования, а не программный продукт. А вот экспертная система должна за приемлемое время найти решение, которое было бы не хуже, чем то, которое может предложить специалист в этой предметной области.
Экспертная система должна обладать способностью объяснить, почему предложено именно такое решение, и доказать его обоснованность./10/
1.2 Классификация и структура экспертных систем
По функциональному назначению экспертные системы можно разделить на следующие типы.
-
Мощные экспертные системы, рассчитанные на узкий круг пользователей (системы управления сложным технологическим оборудованием, экспертные системы ПВО). Такие системы обычно работают в реальном масштабе времени и являются очень дорогими.
-
Экспертные системы, рассчитанные на широкий круг пользователей. К ним можно отнести системы медицинской диагностики, сложные обучающие системы. База знаний этих систем стоит недешево, так как содержит уникальные знания, полученные от специалистов экспертов.
-
Экспертные системы с небольшим числом правил и сравнительно недорогие. Эти системы рассчитаны на массового потребителя (системы, облегчающие поиск неисправностей в аппаратуре). Применение таких систем позволяет обойтись без высококвалифицированного персонала, уменьшить время поиска и устранения неисправностей. Базу знаний такой системы можно дополнять и изменять, не прибегая к помощи разработчиков системы. В них обычно используются знания из различных справочных пособий и технической документации.
-
Простые экспертные системы индивидуального использования. Часто изготавливаются самостоятельно. Применяются в ситуациях, чтобы облегчить повседневную работу. Пользователь, организовав правила в некоторую базу знаний, создает на ее основе свою экспертную систему. Такие системы находят применение в юриспруденции, коммерческой деятельности, ремонте несложной аппаратуре.
Общепринятая классификация экспертных систем отсутствует, однако наиболее часто экспертные системы различают по назначению, предметной области, методам представления знаний, динамичности и сложности. На рисунке 1 приведена более подробная и наглядная схема./31/
Рисунок 1- Классификация экспертных систем
По назначению классификацию экспертных систем можно провести следующим образом:
- диагностика состояния систем, в том числе мониторинг (непрерывное отслеживание текущего состояния);
- прогнозирование развития систем на основе моделирования прошлого и настоящего;
- планирование и разработка мероприятий в организационном и технологическом управлении;
- проектирование или выработка четких предписаний по построению объектов, удовлетворяющих поставленным требованиям;
- автоматическое управление (регулирование);
- обучение пользователей.
По предметной области наибольшее количество экспертных систем используется в военном деле, геологии, инженерном деле, информатике, космической технике, математике, медицине, метеорологии, промышленности, сельском хозяйстве, управлении процессами, физике, филологии, химии, электронике, юриспруденции.
Классификация экспертных систем по методам представления знаний делит их на традиционные и гибридные. Традиционные экспертные системы используют, в основном, эмпирические модели представления знаний и исчисление предикатов первого порядка. Гибридные экспертные системы используют все доступные методы, в том числе оптимизационные алгоритмы и концепции баз данных.
Простые ЭС — могут быть охарактеризованы следующим набором основных параметров: поверхностная ЭС, автономная ЭС (реже гибридная); выполненная па ПЭВМ; от 200 до 1000 правил.
Сложные ЭС — характеризуется таким набором параметров: глубинная ЭС, гибридная ЭС, выполненная либо на символьной ЭВМ, либо на мощной универсальной ЭВМ, либо на интеллектуальной рабочей станции; от 1500 до 10000 правил.
Автономные ЭС — поддерживают только режим консультации по поводу каких-либо ситуаций на основе имеющихся знаний в данной ПО.
Интегрированные (или гибридные) ЭС — содержат в себе прикладные подсистемы целевого назначения (обработки прикладной информации) или являются частью больших интегрированных многофункциональных пакетов, выполняя экспертизу ситуации, данные о которой могут быть получены, обработаны и использованы другими подсистемами. Следует отметить, что процесс проектирования интегрированных ЭС на порядок превышает по сложности процесс проектирования автономных ЭС, поскольку в этом случае встает вопрос о концептуальной совместимости технологий обработки информации в рамках каждой из подсистем и разработки принципов и методов их взаимодействия.
Поверхностные экспертные системы представляют знания в виде правил «если -то». Условием выводимости решения является безобрывность цепочки правил. Глубинные экспертные системы обладают способностью при обрыве цепочки правил определять (на основе метазнаний) какие действия следует предпринять для продолжения решения задачи. Кроме того, к сложным относятся предметные области, в которых текст записи одного правила на естественном языке занимает более 1/3 страницы./47/
Классификация экспертных систем по динамичности делит экспертные системы на статические, динамические и квазидинамически. Квазидинамические - интерпретируют ситуацию по совокупности отсчетов (измерений), поступающих дискретно, через заданные отсчеты времени, и анализируют динамику изменения показателей исследуемого процесса. Это системы управления и оценки состояния химических и биологических производств.
Предметная область называется статической, если описывающие ее исходные данные не изменяются во времени. Статичность области означает неизменность описывающих ее исходных данных. При этом производные данные (выводимые из исходных) могут и появляться заново, и изменяться (не изменяя, исходных данных).
Если исходные данные, описывающие предметную область, изменяются за время решения задачи, то предметную область называют динамической.
На рисунке 2 представлена структура экспертной системы динамического типа.
Механизм логического вывода (МЛВ) предназначен для получения новых фактов на основе сопоставления исходных данных из рабочей памяти и знаний из базы знаний. Механизм логического вывода во всей структуре экспертной системы занимает наиболее важное место.
Рабочая память предназначена для хранения исходных и промежуточных фактов решаемой в текущий момент задачи. Как правило, размещается в оперативной памяти ЭВМ и отражает текущее состояние предметной области в виде фактов с коэффициентами уверенности (КУ) в истинности этих фактов.
База знаний предназначена для хранения долгосрочных фактов, описывающих рассматриваемую область, правил, описывающих отношения между этими фактами и других типов декларативных знаний о предметной области. Кроме правил и фактов, образующих декларативную часть базы знаний, в нее может входить процедурная часть – множество функций и процедур, реализующих оптимизационные, расчетные и другие требуемые алгоритмы.
Подсистема приобретения и пополнения знаний автоматизирует процесс наполнения экспертной системы знаниями, осуществляемый пользователем-экспертом, и адаптации базы знаний системы к условиям ее функционирования. Адаптация экспертной системы к изменениям в предметной области реализуется путем замены правил или фактов в базе знаний.
Подсистема объяснения объясняет, как система получила решение задачи (или почему она не получила решения) и какие знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату.
Структура экспертной системы была бы неполной без подсистемы диалога. Подсистема диалога ориентирована на организацию дружественного интерфейса со всеми категориями пользователей как в ходе решения задач, так и в ходе приобретения знаний и объяснения результатов работы.
Рисунок 2 - Структура экспертной системы динамического типа
Стандартная статическая экспертная система состоит из следующих основных компонентов:
- рабочей памяти, называемой также базой данных;
- базы знаний;
- решателя, называемого также интерпретатором;
- компонентов приобретения знаний;
- объяснительного компонента;
- диалогового компонента.
Решатель, называемый также интерпретатором, функционирует следующим образом: используя исходные данные из рабочей памяти и долгосрочные данные из базы знаний, он формирует правила, применение которых к исходным данным приводит к решению задачи. Одним словом, он действительно «решает» поставленную перед ним задачу./51/
Рисунок 3 - Статическая экспертная система
1.3 Постановка задачи
В различных организациях сотрудники, в соответствии с законодательством, должны проходить обучение по электробезопасности с целью повышения квалификации персонала. Это актуально для специалистов в различной сфере занятости, начиная от руководителей и заканчивая рядовыми сотрудниками.
Необходимыми знаниями, как теоретическими, так и практическими должны обладать сотрудники не только профильных организаций, но и тех предприятий, где электротехническое оборудование задействовано минимально. В действующих нормах и правилах работы электроустановок установлена пятибалльная система проверки знаний сотрудников предприятий. По учебным программам и аттестационным тестам, дающим допуск по электробезопасности, обучение предусмотрено для всех групп, от низшей первой до высшей пятой.
В зависимости от того, какие задачи выполняет организация, персоналу присваиваются соответствующие группы допуска. Положения о порядке присвоения таких групп разработаны и прописаны в Правилах эксплуатации электрооборудования, в Межотраслевых правилах охраны труда и безопасности на производстве и в других нормативных актах и документах, регламентирующих работу персонала с техническими и технологическими электроприборами.
Данная разрабатываемая экспертная система ориентирована на обучение персонала по электробезопасности при эксплуатации оборудования.
Использование ЭС позволяет получить ряд существенных преимуществ. Прежде всего - это индивидуальный процесс обучения, при котором человек сам задает темп своего обучения. При этом ЭС требует ответа в активной форме и незамедлительно дает подтверждение его правильности, а если ответ неправильный - объясняет ошибку.
Ее постоянство – человеческая компетенция со временем может ослабевать, это может быть связано с перерывом в деятельности человека, что серьезно отражается на его профессиональных качествах.
Устойчивость или воспроизведение результатов – результаты ЭС стабильны, в отличии от результатов человека-эксперта.