سیستمهای خبره وطراحی وپیاده سازی یک سیستم خبره تجاری فرضی
Download
Report
Transcript سیستمهای خبره وطراحی وپیاده سازی یک سیستم خبره تجاری فرضی
سیستمهای خبره
وطراحی یک سیستم
خبره تجاری فرضی
رحمت ذوالفقاری
[email protected]
:es
- )1سیستم هایی هستند بر پایه دانش که از دانش ذخیره شده در خود
استفاده میکنند تابه عنوان مشاور عمل نمایند که با استفاده از
دانش ورویهء استنتاجی به حل مسائل میپردازد.
- )2سیتم هایی هستند که درمحیط برنامه سازی منطقی نوشته
میشوند .
- )3تقلیدی از نیروی فکر و مغزانسان است که از طریق آن
سعی میشود رفتار انسان شبیه سازی شود .
سیستم های خبره شاخه ای از علم هوش
مصنوعی است كه سابقه آن به جنگ
جهانی دوم بر می گرددکه تالشهایي در
جهت توسعه تكنیكهای خاص
كامتیوتری انجام گرفت .
کاربردها ی سیستم های خبره ( :(es
-)1مسایل ساخت یافته :مانند سیستم بیمه اتومبیل
-)2مسایل نیم ساخت یافته :مانند پیش بینی نوسانات بازارسهام (که
سیستم مکا شفه ای و از آمارو احتماالت استفاده میشود).
سیستم های خبره ازبایگاه دانش موجود در خود استفاده میكنند كه
شامل دو بخش میباشند:
-)1قوانین:عمومي بوده كه تمام متخصصین روی آن اتفاق نظر
دارند
-)2ابتكاري واكتشافي :مانند قوانین منطق و حدس هاي مناسب .
بطور كلي سطح كارایي سیستم
های خبره وابسته به كمیت و كیفیت
پایگاه دانش میباشد .
مزایاي یك سیستم خبره :تقلید رفتارانسان -پاسخ سریع به
مدیران – جمع اوري اطالعات و قرار دادن در فرم هاي مناسب
تعامل با كاربر -انجام كارهاي پیجیده با دقت باال – ارایه راه حل
متنوع و هوشمندانه – نگهداري دانش – توزیع دانش – امکان
دسترسی به دانش – رقابت اقتصادی .
تاکنون بیشتر کاربردهای esها در انجام وظایف تکراری واداری
مانند تجارت و پزشکی بوده است.
معایب سیستم های خبره :هزینه سنگین – تغییر پیوسته دانش
و قدیمی شدن پایگاه دانش - esعدم پاسخ گویی به تمام نیازها .
روش esبا روشهای الگوریتمی متفاوت می باشد .
روشهای الگوریتمی روش گام به گام می باشد مانند
تولید لیست حقوق کارمندان.
ولی esدارای روش آزمون وخطاست .با اتکا به
تعدادی منبع برای یک هدف از پیش تعین شده را حل میکند
مثال” تشخیص نقص کامپیوتر یا جستجوی اتوموبیل برای
جای پارک که بر پایه جستجو فضای حالت میباشد (که
جستجو میتواند کور کورانه یا ذهنی باشد )
مساله
معماری سیستم خبره
پایگاه دانش و حقایق قاعدها
توصیف مساله در قالب اعمال وضعیت
مشخص کردن دامنه جستجو
موتور استنتاج و کنترل استنتاج
مشخص کردن دانش که برای جستجو است
تیین پایگاه دانش و موتو جستجو
پیاده سازی و تست سیستم
سیستم خبره بر پایه دانش
واسط کاربر
کاربر
زیر سیستم تشریح
زیر سیستم یادگیری
ودانش
خبره یا مهندس دانش
پردازش در - esقاعده ای :پرکاربردترین – استفاده از منطق
مفهومی چارچوبیمثال جمله ای - :یک فرد 18سال مذکر باید به سربازی برود
علی 18سال دارد علی مذکر استنتیجه گیری :علی باید سربازی برود
گزاره ای :که عالوه برمنطق جمله ای استفاده از روابط و
سورهای ریاضی
در واقع این قاعده ها در پایگاه دانش esمیباشد
این قاعده ها دارای 2بخش می باشد:
مقدم (اگر ) تالی (آنگاه)
مثال :اگر معدل زیر 12آنگاه مشروطی.
حال اجرای این قاعده 2راه دارد:
-1پیش رو :از حالت اولیه رسیدن به هدف “مثال پاسخگویی تلفنی
یک زنجیره پیش رو است “سیستم در ابتدا به مشتری اطالع میدهد .
با فشار هر کلید توسط کار بر سیستم به شاخه موردنظر میرود وکار را
ادامه میدهد .
برای امور مشترکین کلید 1را فشار دهید
-2پس رو:
کار بر سوال به سیستم میدهد وسعی میکند جواب آن را بیابد
سئوال :بهترین حرکت را از سیستم میپرسد ؟ سیستم حالتهای مختلف
را با هم مقایسه میکند وبهترین حرکت را مشخص می کند.
مانند :بازی شطرنج
کاربرد قوانین در نمایش دانش سیستم های خبره:
سیستمهای خبره به خاطر پردازش دانش با برنامه های رایج
متفاوتند.
این دانش در کامپیوتربه صورت قوانین نمایش داده میشود.
(که ترکیبی از ( and,or,if,then,else
مثال :اگر متقاضی خانه را دوست دارد وخانه ارزش بازدید
دارد پس متقاضی را راهنمایی کنید.
مجموعه قوانین در این روش پایگاه دانش نامیده میشود .
چون esها از قوانین استفاده میکنند سیستمهای متکی به
دانش نامند.
نمایش دانش -)1 :استنتاجی قیاسی مانند :تقاضا برای خانه
– )2استنتاجی استقرایی
مثال - :حیوانات غذا می خورند.
همه کانگورها غذا می خورند.(استفاده از ذهن و حواس پنجگانه)
سیستمهای متداول قرا ردادی میباشند.
تفاوت esها وسیستم های قراردادی:
سیستمهای قراردادی :الگوریتمی – دستکاری داده ها
داده به صورت آرایه ورکورد – داده و کنترل مرتبط
(الگوریتم +داده)
:Esهیوریستیک – سمبل ها – دانش به صورت قانون
موتور استنتاج جدا از دانش
( استنتاج +دانش)
اکتساب دانش :
دستی :مصاحبه کار شناسان و طراحی توسط مهندسین دانش نیم خودکار :طراحی پایگاه توسط کارشناسا ن خودکار :طراحی پایگاه توسط کارشناسان و مهندسیندانش
انواع مصاحبه:
جهت دهنده :متخصص در صحبت آزاداست مهندس دانش فقطبا سواالت کلی متخصص را هدایت میکند.
ساخت یافته :دستیابی به جزئیات بیشتر و مفاهیمی که مطرحشده است.
متفکرانه :از متخصص خواسته می شود تمام افکارش را درمورد کارش بیان کند.
مهندس دانش باید :
توانایی تشخیص صحیح و کامل دانش -توانایی بازنمایی
دانش( گذاشتن در پایگاه ) – استنتاج (طراحی نرم
افزاری که با دانش پایگاه واطالعات کاربر کمک به
کاربرکند) – تبیین وتوجیه
ابزارهای توسعه سیستم خبره
ابزارهای سیستم
ابزارهای کمکی ساخت سیستم –ابزارهای پشتیبانی توسعه – نرم افزارهای توسعه سیستم
موتورهای استقراری
ورودی و خروجی,
ویرایشگرها -امکانات توضیح – ابزارهای کمکی-ابزارهای مصنوئی – پوسته ها – زبانهای برنامه سازی
Kee,loops, art_im
C,ada,smaltalk
Vp_expert
crystal
زبانهای هوش مصنوعی
Lisp,prolog
استاندارد
اعتبار
بلندمدت
کد
خلوص تحویل
تخفیف
قیمت
الف
ایران
دارد 10-5
ایرن و ایزو دارد 50-40
نسبتا دارد30-20
ایران
ندارد 15-10
--ندارد 10-5
ایران
مقادیر کیفی
بله
بله
خیر
بله
بله
15 %90
30 %90.5
14 %96
20 %94
40 %98
2100%20
2150 %5
2150%10
1950 %2
1900 %4
مقادیر کمی
ب
پ
ت
=d
ث
استاندارد
اعتبار
بلندمدت
+
+
+
کد
خلوص تحویل
+
--
+
تخفیف
قیمت
+
---
شاخص
بار معنایی
خیر
بلی
9
7
5
3
1
استاندارد
اعتبار
2
3
2
1
2
9
9
5
1
1
بلندمدت
کد
خلوص تحویل
تخفیف
قیمت
الف
مقادیرکیفی
9
9 7.5
1 45
25
9 12.5
9 7.5
تبدیل
=d
90
90.5
96
94
98
15
30
14
20
40
2100 20
2150 5
2150 10
1950 2
1900 4
مقادیر کمی
ب
پ
ث
بی مقیاس کردن
0.6666
1
0.6666
0.3333
0.6666
1 0.1666 1
0
.9333 0.9137
1
0.9047
1
0.4666 1
1
1
0.25
0.8837
0.5555
0.5 1 0.9746 0.110.5555
0.8837
=d
0.7 0.9543 1 0.11110.1111
0.1
0.9743
0.35 0.9949
0.2
1 0.11110.1111
1
همان عدد در آن ستون
کوچکترین عدد در آن ستون
همان عدد در آن ستون
بار ::مولفه جدیید ستون ::بار +بزرگترین عدد در آن ستون
rij
Pij =
pij=
∑rij
0.2048 0.4878 0.126 0.18880.2432 0.0769 0.36
0.2097 0.1219 0.2521 0.20670.2432 0.4615 0.36
0.2097 0.2439 0.1176 0.20140.0270 0.2564 0.2
0.1902 0.0478 0.1680 0.19720.2432 0.1282 0.04
0.1853 0.0975 0.3361 0.20560.2432 0.0769 0.04
∑rij =
10250 41 119 476.5 37 97.7 25 10
0.2
0.3
0.2
0.1
0.2
EJ=-K{∑)PIJ ln)pij( ( ,k=1/ln4) DJ=1-EJ , WJ=DJ/)∑DJ(
Ej
Dj
WJ
1.1597 0.9557 1.1008 1.1603 1.0624 0.9836 0.9484 1.1231
0.1597 0.0443 0.1008 0.1603 0.0624 0.0164 0.0516 0.1231
0.2222 0.0616 0.1402 0.2230 0.0868 0.0228 0.0718 0.1713
محاسبه اوزان شاخص
استاندارد
اعتبار
3
3
33/3
33/3
33/5
بلندمدت
5
33/2
کد
خلوص تحویل
3
2
33/3
6
33/6
قیمت
شاخص ها
5
6
اوزان مدیریت
33/5
33/6
تخفیف
( スJاوزان نهایی )
∑)スJ)= 33
W′J =
WJ
スJ
ス J*WJ
W′J
スJ - WJ
∑ ス J*WJ
0.2222 0.0616 0.1402 0.2230 0.0868 0.0228 0.0718 0.1713
0.1818
0.1818 0.1515
0.403 0.0093
0.0909 0.0606
0.0254
0.0202
0.1515
0.0909
0.0909
0.0052 0.0034 0.0065 0.0155
-0.3232 0.7192 0.3228 -1.0568 -0.2096 1.0296 0.1528 -0.6432
∑ ス J*WJ =0.125
* W′Jماتریس بی مقیاس شده = نتیجه نهایی
الف 2 -
-0.3232
0.7192
-0.5422
ب3-
-0.6777
0.3228
0.4183
پ1-
ت4-
ث5-
-1.1390
-1.5641
-1.0568
=
-0.2096
1.0296
0.1528
-0.6432
*D
-1سیستم های خبره و الگوی هوشمند تصمیم گیری
دکترشعبان الهی ودکتر علی رجب زاده
چاپ وزارت بازرگانی
– 2سیستم های خبره مولف :کیس دارلینکتون
مترجم :مهندس همایون موتمنی
– 3تحقیق در عملیات و تصمیم گیریهای چند معیاره دکتر اصغر
پور استاد دانشکده مدیریت دانشگاه تهران
expert system for scientific computing
-4
)E.N.Houstis, i.r.rice and r.v.chaevetsky(eds
)Elsevier science publisher b.v(north holand