Модели, методы и программные средства вывода в интегрированных экспертных системах

• Автор: Демидов, Дмитрий Витальевич
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2007
• Место защиты: Москва
• Количество страниц: 154 с. : ил.

ВВЕДЕНИЕ

1 ОСОБЕННОСТИ ПОСТРОЕНИЯ СРЕДСТВ ВЫВОДА ДЛЯ ИНТЕГРИРОВАННЫХ ЭКСПЕРТНЫХ СИСТЕМ

1.1 Подходы к построению средств вывода.

1.2 Методы представления и обработки знаний, содержащих недостоверную информацию

1.2.1 Классификация НЕфакторов знаний.

1.2.2 Методы представления и обработки неопределенности

1.2.3 Методы представления и обработки неточности

1.2.4 Методы представления и обработки нечеткости

1.2.5 Методы представления и обработки недоопределенности

1.2.6 Проблемы совместной обработки знаний, содержащих НЕфакторы, в

интегрированных экспертных системах

1.3 Особенности представления и обработки знаний в экспертных системах и
инструментальных средствах для построения экспертных систем
1.3.1 Методы вывода и стратегии поиска решений в пространстве состояний
1.3.2 Эффективные методы сопоставления и разрешения конфликтов.
1.3.3 Стратегии подтверждения гипотез и ведения уточняющих поддиалогов.
1.3.4 Потребность в метауровне метэархитектуры, метауправление, декларативное
описание алгоритмов обработки знаний.
1.3.5 Особенности задачноориентированной методологии построения интегрированных
экспертных систем
1.4 Объяснительные способности экспертных систем
1.4.1 Подходы к формированию объяснений
1.4.2 Взаимосвязь средств вывода и средств формирования объяснений а
интегрированных экспертных системах
1.4.3 Проблемы построения объяснений в интегрированных экспертных системах
1.5 Особенности интегрированных экспертных систем, влияющие на архитектуру и
требования к средствам вывода
1.6 План исследования.
Выводы
2 ТЕОРЕТИЧЕСКИЕ ВОПРОСЫ ПОСТРОЕНИЯ СРЕДСТВ ВЫВОДА И АЛГОРИТМОВ ОБРАБОТКИ ЗНАНИЙ.
2.1 Обобщенная модель вывода.
2.2 Методы вывода
2.2.1 Особенности методов сопоставления и разрешения конфликтов
2.2.2 Метод ведения уточняющих поддиалогов.
2.2.3 Подход к обработке знаний, содержащих НЕфакторы.
2.2.4 Метод дефаззификации многомодальных функций принадлежности.
2.2.5 Методы совместной обработки НЕфакторов знаний.
2.2.6 Метод интерпретации метапроцедур принятия решений
2.3 Представление знаний в рабочей памяти
2.3.1 Представление классов, методов и правил
2.3.2 Представление типов и структур данных
2.3.3 Представление значений, переменных, операций, выражений, ссылок
2.3.4 Представление исполняемых инструкций.
2.3.5 Особенности предложенной модели представления знаний.
2.4 Модель рабочей памяти
2.4.1 Представление задачи в рабочей памяти
2.4.2 Представление текущего состояния решения задачи
2.4.3 Представление контекста вывода.
2.4.4 Представление метазнаний в рабочей памяти
2.5 Модель вычислений, производимых средствами вывода
2.5.1 Инициализация рабочей памяти.
2.5.2 Создание экземпляров классов, наследование классов
2.5.3 Интерпретация правил
2.5.4 Операционная семантика инструкций.
2.5.5 Алгоритм вычисления выражений
2.6 Теоретические вопросы взаимодействия средств вывода со средствами
формирования объяснений
2.7 Оптимизация вывода и базы знаний.
2.8 Перспективы построения средств вывода для решения задач в динамических
проблемных областях
Выводы.
3 ПРОЕКТИРОВАНИЕ И ПРОГРАММНАЯ РЕАЛИЗАЦИЯ СРЕДСТВ ВЫВОДА ДЛЯ ИНТЕГРИРОВАННЫХ ЭКСПЕРТНЫХ СИСТЕМ.
3.1 Архитектура универсального решателя.
3.2 Представление базы знаний в рабочей памяти универсального решателя
3.3 Архитектура средств отладки в универсальном решателе
3.4 Взаимодействие универсального решателя со средствами поддержки
разработки инструментального комплекса АТТЕХНОЛОГИЯ
3.5 Взаимодействие универсального решателя с другими программными
средствами в составе интегрированных экспертных систем
3.5.1 Схема взаимодействия универсального решателя и компонента интеграции с
внешними программными средствами.
3.5.2 Сценарии взаимодействия с базами данных
3.5.3 Сценарии взаимодействия со средствами формирования объяснений
3.5.4 Наследование классов от СОМобъектов.
3.6 Подходы к тестированию средств вывода.
Выводы.
4 АПРОБАЦИЯ И ВНЕДРЕНИЕ РАЗРАБОТАННЫХ ПРОГРАММНЫХ СРЕДСТВ
4.1 Сравнение эффективности алгоритмов вывода универсального решателя с
прежней версией средств вывода комплекса АТТЕХНОЛОГИЯ
4.2 Оценка эффективности работы средств вывода в составе интегрированной
экспертной системы проектирования корпоративных информационновычислительных сетей
4.3 Использование универсального решателя в составе интеллектуального
планировщика инструментального комплекса АТТЕХНОЛОГИЯ
4.4 Оценка эффективности работы средств вывода в составе интегрированной
экспертной системы диагностики заболеваний дыхательных путей МедЭС
4.5 Внедрения в учебный процесс.
Выводы.
Выводы по диссертации.
ЛИТЕРАТУРА


Нариньяни для обозначения различных проявлений недостоверности в знаниях, ввел специальный термин НЕфакторы и впервые классифицировал такие Ефакторы знаний как неточность, недоопределенность, неоднозначность, некорректность, незамкнугость, неполнота знаний ,,. Согласно , нечеткость является частным случаем нсдоопрсделенности. В работах Вагина В. В 7, 6 выделено три группы моделей представления нечеткости модели с числовыми значениями функций принадлежности коэффициенты уверенности, вероятностная логика, интервальнозначные модели теория свидетельств, теория возможностей, модель голосования, нечеткозначные модели. Валькман Ю. Р. в 9, вводит ряд НЕфакторов в приложении к образному мышлению. На основе понятий образ, отношение между образами, операция с образами трактуются такие НЕфакторы как неполнота, несовместимость, неправдоподобность, неточность, неоднозначность, недоопределенность, нечеткость, необоснованность, неоднородность, незамкнугость, противоречивость. В исследованиях других авторов предлагаются свои трактовки НЕфакторов знаний, методов их представления и обработки. Часто мнения различных исследователей оказываются прямо противоположными. Следует констатировать, что единого взгляда на упомянутые НЕфакторы не существует, а их исследование далеко от завершения многие из выделенных НЕфакторов находятся в стадии доформалыюго исследования, несмотря на обилие математических аппаратов их обработки. Между тем, все исследователи сходятся в мысли, что недостоверная информация не является аномалией, а наоборот свойственна знаниям, поэтому потребность в средствах вывода, способных обрабатывать недостоверную информацию, объективно возрастает в ходе исследований НЕфакторов знаний. Эта потребность распространяется также на ИЭС, как один из классов интеллектуальных систем. Предложенная Рыбиной Г. В. ЗОМ построения ИЭС предусматривает автоматизацию всех этапов жизненного цикла ИЭС, т. НЕфакторов знаний в процессе вывода ставится в ЗОМ еще на уровне приобретения знаний. В рамках ЗОМ основным источником знаний для построения БЗ является эксперт в проблемной области. Поэтому основной упор делается на методы автоматизированного приобретения, представления и обработки тех НЕфакторов, которые проявляются в рассуждениях эксперта в явном виде эксплицитно. Приведем классификацию НЕфакторов с точки зрения автора ЗОМ Рыбиной Г. В. по двум типам Рис. В ЗОМ наибольшее внимание уделяется НЕфакторам первого типа, поскольку для них удается построить автоматизированные методы извлечения знаний, содержащих эги НЕфакторы. Следует отметить, что в ЗОМ помимо эксперта используются гакие источники знаний как проблемноориентированные тексты и базы данных. Применение методов верификации БЗ в совокупности с методами ii извлечения знаний из БД позволяет в некоторой степени выявить и устранить наличие таког о НЕфактора второго типа как неполнота БЗ. Рис. Классификация НЕфакторов по Рыбиной Г. Приведем определения, введенные в ЗОМ для работы с НЕфакторами первого типа . Недостоверные знания знания, которые содержат НЕфакторы, проявляющиеся эксплицитно в рассуждениях эксперта. Неопределенность степень неуверенности, которую эксперт приписывает своим высказываниям, некоторый субъективный коэффициент неполной уверенности в высказываниях или интервал уверенности. Нечеткость свойство количественной оценки экспертом качественных понятий и отношений, которые он использует в своих рассуждениях, когда по количественной оценке элемента х невозможно однозначно сказать, принадлежит ли он множеству И или нет. Неточность недостаточность информации для получения требуемого результата вследствие несовершенства средств измерения или отсутствия точной причинноследственной модели проблемной области. Неточность проявляется тогда, когда значение х известно с точностью до некоторого множества X, имеющего непустое пересечение с множеством Т7, для которого определяется принадлежность ему X. Недоопределенность конкретных знаний частичное отсутствие знаний об отдельных понятиях и отношениях проблемной области, выражаемое в виде ограничений, накладываемых на величину х. Здесь и далее при упоминании НЕфакторов будут иметься в виду именно эти определения.