Технология построения Машины вывода для Экспертной Системы реляционного типа.
Идея реляционной модели Экспертной Системы была предложена американским ученым Е.Ф. Коддом в начале 70-х. Слово "реляционная" происходит от английского relation - отношение, связь. Суть реляционного подхода заключается в том, что информация об объектах представляется в виде отношений, т.е. связанных между собой характеристик изучаемых объектов. В свою очередь, отношение удобно представлять в виде таблицы, в которой каждая строка содержит значения характеристик рассматриваемых объектов.
При построении Экспертной Системы реляционного типа, используют дерево решений (машина вывода), отражающее знания и опыт эксперта в решении задач в данной проблемной области. Для реализации машины вывода и получения искомого решения применяют таблицу переходов.
Машину вывода (Решатель) реляционной ЭС изображается орграфом – ориентированным графом, который состоит из точек, называемых вершинами орграфа, и линий со стрелками, соединяющими эти точки. Каждая такая линия называется дугой орграфа.
Каждая вершина орграфа помечена либо уточняющим вопросом экспертной системы к пользователю, либо ответом ЭС на задачу (решение ЭС).
Для удобства все вершины пронумерованы, начиная с нуля.
Если вершина помечена вопросом экспертной системы, то из нее выходят две дуги (в случае многоальтернативного выбора количество дуг соответствует числу возможных выборов). Каждая дуга соответствует одному из альтернативных ответов пользователя. Вершина, соответствующая ответу ЭС на поставленную задачу (решение ЭС), не имеет выходящих дуг.
|
|
|
В начале формируются гипотезы (декларативные знания). Экспертная система должна на основе этих Знаний помочь найти необходимый пользователю элемент, наиболее подходящий по выбранным критериям.
Например: Если вы не ограничены в средствах, и у вас есть опыт работы с профессиональными фотоаппаратами больше года, и вы предпочитаете фотографировать внутри помещения, в студии, без использования специальной аппаратуры, вам подойдут такие фотоаппараты, как Nikon D90, Canon D500.
Далее следует построение Машины вывода (Решателя) в виде дерева решений. По существу, поиск решения экспертной системой означает "путешествие" по этому орграфу. Такое путешествие состоит из последовательности однотипных шагов, на каждом из которых пользователь должен решить, по какой дуге он пойдет из очередной вершины.
Следуя реляционному подходу, мы должны теперь описать полученный орграф подходящими таблицами: каждую дугу мы опишем номером её начала и номером её конца. Кроме двух столбцов, соответствующих началу и концу дуги, добавим еще два столбца: «Конец поиска» и «Ответ пользователя».
|
|
|
Данная таблица «Управление переходами состояний» используется для реализации работы Машины вывода (Решатель). Она управляет «движением» системы от одного состояния к другому по дереву решений или выдает РЕШЕНИЕ экспертной системы и останавливается, если встречает «1» в столбце «Конец поиска».
В этом случае система должна будет выдать пользователю окончательное решение и объяснить, как было получено принятое решение.
Технология построения Машины вывода для Экспертной системы продукционного типа.
В состав экспертных систем продукционного типа входят:
База Знаний (БЗ), записанная в виде продукционных правил (знания представлены в виде предложений типа: ЕСЛИ условие, ТО действие),
Рабочая Память (РП) и Интерпретатор Правил (Решатель), реализующий определенный механизм логического вывода.
Любое продукционное правило, содержащееся в базе знаний, состоит из двух частей: условие (антецедент - предшествующий) и заключение (консеквент - следствие, вывод).
Антецедент представляет собой условную часть правила (посылку) и состоит из элементарных высказываний, соединенных логическими связками «И» (Λ), «ИЛИ» (V), НЕ ( ).
|
|
|
Консеквент может включать одно или несколько высказываний, которые выражают либо некоторый факт, либо указание на определенное действие, подлежащее исполнению.
Антецедент и консеквент связаны логической операцией «импликация» (→), означающей, что из данного условия (антецедент) следует определённое заключение (консеквент).
Например:
Если ваш бюджет ограничен (БО) и для Вас важно наличие видео съемки (ВС), Вам подойдут такие фотоаппараты, как Nikon Coolpix S3100 Red и проч (NikC): БО Λ ВС → NikC
В результате получится система продукционных правил, которые и составят Базу Знаний (БЗ) продукционной системы.
В Рабочей Памяти (РП) систем, основанных на продукционных моделях, хранятся факты (в виде высказываний) истинность которых была задана исходно или была установлена к текущему моменту времени в процессе решения конкретной задачи.
Продукционная система должна найти решение поставленной задачи (идентифицировать объект, диагностировать поломку, дать прогноз и т.д.), сопоставляя имеющиеся факты, хранящиеся в рабочей памяти компьютера, и правила логического вывода, хранящиеся в базе знаний ЭС.
Если в рабочей памяти есть факты (образцы), соответствующие каждому из элементарных высказываний, входящих в условие (антецедент), то Правило считается выполненным (срабатывает).
|
|
|
В этом случае заключение сработавшего правила заносится в рабочую память и считается подтвержденным фактом.
Таким образом, в процессе решения задачи содержимое рабочей памяти изменяется. Это происходит по мере срабатывания правил. Поэтому в процессе логического вывода объём фактов в рабочей памяти, как правило, увеличивается (уменьшаться он может в том случае, если действие какого-нибудь правила состоит в удалении фактов из рабочей памяти).
В процессе логического вывода последовательно (или по определенному принципу) просматриваются все правила, записанные в базе знаний.
Если в рабочей памяти нет фактов об истинности какого-то высказывания, входящего в условие (антецедент), то правило пропускают и переходят к проверке условия следующего правила.
В процессе логического вывода каждое правило из базы знаний может сработать только один раз (потом оно уже не проверяется).
Часто для получения решения бывает необходимо сделать несколько итераций (проверить соответствие имеющихся в рабочей памяти фактов продукционным правилам) и принять решение, используя правила из базы знаний, но уже с учётом новых фактов – тех заключений, которые были записаны в рабочую память на предыдущих итерациях.
Основные достоинства систем, основанных на продукционных моделях, связаны с простотой представления знаний и простой организации вывода решения.
Существуют два типа продукционных систем – с «прямыми» и «обратными» выводами. Прямые выводы реализуют стратегию «от фактов к заключениям». При обратных выводах выдвигаются гипотезы вероятных заключений, которые могут быть подтверждены или опровергнуты на основании фактов, поступивших в рабочую память.
Существуют также системы с двунаправленными выводами.
Пример прямого вывода. Пусть в Базе Знаний (БЗ) Экспертной системы имеются следующие правила:
Правило 1. «ЕСЛИ A И B, ТО C»: A Λ B→C
(если одновременно имеют место А и В, то из этого следует С)
Правило 2. «ЕСЛИ D, ТО A»: D→A
(если имеет место D, то из этого следует А)
Предположим, что в Рабочую Память (РП) от пользователя ЭС поступили факты о B и D (РП: B и D).
Рассмотрим основные шаги алгоритма прямого вывода.
Правило срабатывает, если в РП есть образцы (факты), совпадающие с антецедентом (посылками, условиями) этого правила.
1. Сопоставим факты из РП с образцами правил из БЗ
Правило 1 не может сработать, т.к. в РП нет данных об утверждении А.
Правило 2 срабатывает, так как в его антецеденте есть утверждение D, о котором есть данные в РП.
2. В РП заносится заключение сработавшего Правила 2 — имеет место утверждение А. Теперь содержимое рабочей памяти станет следующим:
РП: B, D и A.
3. Второй цикл сопоставления фактов в РП с образцами правил.
Теперь срабатывает Правило 1, так как конъюнкция условий (A Λ B) в его антецеденте становится истинной.
4. В РП заносится заключение сработавшего Правила 1 — имеет место С.
В результате действия Правила 1 пользователю выдается окончательный диагноз — из имеющихся и полученных в результате работы ЭС фактов следует утверждение С.
5. Конец работы (БП исчерпана).
Пример прямого вывода с конфликтным набором
Теперь допустим, что в БЗ кроме Правила 1 и Правила 2 есть Правило 3:
Правило 1. «ЕСЛИ A И B, ТО C»: A Λ B→C.
Правило 2. «ЕСЛИ D ТО A»: D→A
Правило 3. «ЕСЛИ D ТО P»: D→P.
РП: B и D.
В результате сопоставления в первом же цикле возможно применение двух правил — Правила 2 и Правила 3, т.е. возникает конфликтный набор и встает задача выбора: какое из этих правил применить первым.
Если выберем Правило 2, то в РП добавится факт А, и на следующем шаге опять возникнет конфликтный набор, так как можно будет применить Правило 1 и Правило 3.
Если будет выбрано Правило 1, то к заключению С мы придём за два шага. При любом другом выборе порядка применения правил к этому же заключению мы придём за три шага. Если завершение цикла работы ЭС наступает после просмотра всех правил, то число шагов будет равно трём, причем порядок применения правил не будет иметь какого-либо значения.
Пример обратного вывода
Пусть в БЗ имеется три правила (Правило 1, Правило 2 и Правило 3):
Правило 1. «ЕСЛИ A И B, ТО C»: A Λ B→C
Правило 2. «ЕСЛИ D
Правило 3. «ЕСЛИ D ТО P»: D→P.
РП: B и D.
Алгоритм обратного вывода содержит следующие шаги:
1. Выдвигается гипотеза окончательного диагноза —
(С?) - имеет место утверждение С?
2. Отыскиваем правило, заключение которого содержит выдвинутую гипотезу, в нашем примере — это Правило 1 (A Λ B→C).
3. Исследуем возможность применения Правила 1, то есть решается вопрос о том, может ли оно сработать. Для этого в рабочей памяти должны присутствовать факты, совпадающие с образцами антецедента этого правила. В рассматриваемом примере Правило 1 не может сработать из-за отсутствия в РП данных об А.
Проверка факта А становится новой целью на следующем шаге.
Выдвигается гипотеза: (А?) - имеет место утверждение А?
4. Отыскиваем правило, заключение которого соответствует новой цели: ищем правило, заключение которого содержит выдвинутую гипотезу (А?). Такое правило есть — Правило 2 (D→A)
5. Исследуем возможность применения Правила 2.
Проводим сопоставление с данными в РП. Правило срабатывает, так как в РП присутствует факт, совпадающий с его образцом (D).
6. Действие Правила 2 позволяет занести в рабочую память заключение: утверждение А имеет место.
РП: B, D, и A.
7. Условная часть Правила 1 теперь подтверждена фактами (A и B есть в рабочей памяти), следовательно, это правило срабатывает, и выдвинутая начальная гипотеза (С?) подтверждается.
8. Конец работы.
При сравнении этого примера с примером прямого вывода нет заметных преимуществ обратного вывода перед прямым.
Пример обратного вывода с конфликтным набором
Предположим, в БЗ записаны Правило 1, Правило 2, Правило 3 и Правило 4:
Правило 1. «ЕСЛИ A И B, ТО C»: A Λ B→C
Правило 2. «ЕСЛИ D, ТО A»: D→A
Правило 3. «ЕСЛИ D ТО P»: D→P.
Правило 4. «ЕСЛИ S, ТО A»: S→A
В рабочей памяти присутствуют те же самые факты (РП: B и D).
В данном случае алгоритм обратного вывода с конфликтным набо-ром включает следующие шаги:
1. Выдвигается гипотеза: (С?).
2. Ищем правило, заключение которого совпадает с поставленной целью.
Это Правило 1 - A Λ B→C
3. Исследуем возможность применения Правила 1.
Оно не может сработать, выдвигается новая подцель, соответствующая недостающему образцу: (А?).
4. Ищем правило, заключение которого совпадает с новой подцелью.
Таких правил два — Правило 2 (D→A) и Правило 4 (S→A). Если выберем Правило 2, то дальнейшие шаги совпадут с примером без конфликтного набора. Если выберем Правило 4, то оно не сработает, так как в РП нет данных об S. Поэтому будет применено Правило 2, что приведет к успеху, но путь окажется длиннее на один шаг.
Следует обратить внимание на то, что Правило 3, не связанное с поставленной целью, вообще не затрагивалось в процессе вывода.
Этот факт свидетельствует о более высокой эффективности обратных выводов по сравнению с прямыми, так как при обратных выводах существует тенденция исключения из рассмотрения правил, не имеющих отношение к поставленной цели.
Архитектура СППР
На сегодняшний день можно выделить четыре наиболее популярных типа архитектур систем поддержки принятия решений:
1. Функциональная СППР.
2. Независимые витрины данных.
3. Двухуровневое хранилище данных.
4. Трехуровневое хранилище данных.
Функциональная СППР
Функциональная СППР (Рисунок 1) является наиболее простой с архитектурной точки зрения. Такие системы часто встречаются на практике, в особенности в организациях с невысоким уровнем аналитической культуры и недостаточно развитой информационной инфраструктурой.
Рисунок 1. Функциональная СППР
Характерной чертой функциональной СППР является то, что анализ осуществляется с использованием данных из оперативных систем.
Преимущества:
· Быстрое внедрение за счет отсутствия этапа перегрузки данных в специализированную систему;
· Минимальные затраты за счет использования одной платформы.
Недостатки:
· Единственный источник данных, потенциально сужающий круг вопросов, на которые может ответить система;
· Оперативные системы характеризуются очень низким качеством данных с точки зрения их роли в поддержке принятия стратегических решений. В силу отсутствия этапа очистки данных, данные функциональной СППР, как правило, обладают невысоким качеством;
· Большая нагрузка на оперативную систему. Сложные запросы могут привести к остановке работы оперативной системы, что весьма нежелательно.
Дата добавления: 2020-04-25; просмотров: 355; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!