5-专家系统.ppt

专家系统（Expert System）是人工智能应用研究最活跃、最广泛的领域之一。 I965年斯坦福大学的费根鲍姆和化学家勒德贝格合作研制DENDRAL系统 使人工智能的研究从面向基本技术和基本方法的理论研究走向解决实际问题的具体研究 从探索广泛的普遍规律转向知识的工程应用，体现知识的巨大力量。 1977年美国斯坦福大学计算机科学家费根鲍姆 在第五届国际人工智能联合会议上提出知识工程的新概念。 20世纪80年代以来，在知识工程的推动下，涌现出了不少专家系统开发工具，如EMYCIN、CLIPS(OPS5, OPS83)、G2、KEE、OKPS等。 1977年，基于关幼波先生的经验，研制成功了我国第一个“中医肝病诊治专家系统”。 1985年10月中科院合肥智能所熊范纶建成“砂姜黑土小麦施肥专家咨询系统”， 我国第一个农业专家系统。 中科院计算所史忠植与东海水产研究所等合作，研制了东海渔场预报专家系统。 在专家系统开发工具方面： 中科院数学研究所研制了专家系统开发环境“天马” 中科院计算所研制了面向对象专家系统开发工具“OKPS”。 分布协同式的体系结构 任务分布 合作策略 知识的自动获取 KB尚未建立时知识的获取 ES运行过程中，知识的获取 深层知识的利用 知识的表示和推理 人工智能语言：LISP，Prolog, C/C++,Java 专家系统外壳：又称为骨架系统，从成功应用的专家系统演变而来的。 MYCIN--------------------E-MYCIN PROSPECTOR的知识获取系统-----KAS 通用型专家系统工具： OPS系列，CLIPS(JESS)：规则型 ART：规则+框架 专家系统开发环境：ES开发的工具包，提供多种方便的构件 基于模型专家系统的提出 基于神经网络的专家系统 神经网络模型从知识表示、推理机制到控制方式，与目前专家系统中的基于逻辑的心理模型有本质的区别。 三种神经网络模型与专家系统集成模式 神经网络支持专家系统 专家系统支持神经网络 协同式的神经网络专家系统 神经网络专家系统的基本结构 神经网络专家系统的几个问题讨论 神经网络的知识表示是一种隐式表示 神经网络通过实例学习实现知识自动获取 神经网络的推理是个正向非线性数值计算过程，同时也是一种并行推理机制 同一知识领域的几个独立的专家系统可组合成更大的神经网络专家系统 并行与分布处理 多专家系统协同工作 高级语言和知识语言描述 具有自学习功能 引入新的推理机制 具有自纠错和自完善能力 先进的智能人机接口 分布式专家系统 主要目的：把一个专家系统的功能经分解以后分布到多个处理器上去并行地工作，在总体上提高系统的处理效率。 可以工作在紧耦合的多处理器系统环境中，也可工作在松耦合的计算机网络环境里，其总体结构在很大程度上依赖于其所在的硬件环境。 设计和实现分布式专家系统，需要解决的问题： 功能分布：把分解得到的系统各部分功能或任务合理均衡地分配到各处理节点上。 知识分布：根据功能分布的情况把有关知识经合理划分以后分配到各处理节点上。 接口设计：各部分间接口的设计目的是要达到各部分之间互相通讯和同步容易进行 系统结构：一方面依赖于应用的环境与性质，另一方面依赖于其所处的硬件环境(树型、星型) 驱动方式：1) 控制驱动 2) 数据驱动 3) 需求驱动（top-down） 4) 事件驱动(包含数据驱动和需求驱动) 协同式专家系统（群专家系统） 一般专家系统解题的领域面很窄，应用具有局限性。 协同式多专家系统是克服一般专家系统的局限性的一个重要途径。 协同式多专家系统亦可称“群专家系统” 设计与建立一个协同式多专家系统，需要解决的问题： 任务的分解 公共知识的导出 讨论方式 （黑板） 驱动方式 专家系统开发工具 专家系统工具是一种更高级的计算机程序设计语言 现有的专家系统工具，主要分为 骨架型工具 语言型工具 构造辅助工具 支撑环境 1. 骨架型开发工具 定义： 只保留原系统独立于问题领域知识的推理机部分形成的工具称为骨架 优点： 使用方便，节省开发系统的过程结构上的时间，提高开发效率，交互性好，提供很强的对结果进行解释的功能 问题及缺点： 应用范围很窄，只能用来解决与原系统相类似的问题。 实例 EMYCIN 2. 语言型开发工具 提供给用户建立专家系统所需要的基本机制，可以影响其控制策略。 优点： 结构变化范围广泛，表示灵活，所适应的范围广泛。 问题及缺点： 功能上的通用性与使用上的方便性的矛盾造成一些问题和缺点。 实例 OPS5、CLIPS等 3. 构造辅助工具 主要分两类： 设计辅助工具，知识获取辅助工具。