Презентация экспертная система
Презентация экспертная системаСкачать файл - Презентация экспертная система
Презентация для школьников на тему 'Экспертные системы ' по информатике. Решение достаточно трудных для экспертов задач на основе накапливаемой базы знаний, отражающей опыт работы экспертов в рассматриваемой проблемной области. Возможность принятия решений в уникальных ситуациях, для которых алгоритм заранее не известен и формируется по исходным данным в виде цепочки рассуждений правил принятия решений из базы знаний. Решение задач предполагается осуществлять в условиях неполноты, недостоверности, многозначности исходной информации и качественных процессов оценок. Консультанта для неопытных или непрофессиональных пользователей; Ассистента в связи с необходимостью анализа экспертом различных вариантов принятия решений; Партнера эксперта по вопросам, относящимся к источникам данных из смежных областей деятельности. База знаний хранилище единиц знаний — центральный компонент системы Программный инструмент доступа и обработки знаний, состоящий из механизмов вывода заключений решения , приобретения знаний, объяснения получаемых результатов и интеллектуального интерфейса. Эксперт Инженер знаний Пользователь Интеллектуальный интерфейс Механизм объяснения База знаний Механизм вывода Механизм приобретения знаний Извлечение знаний Экспертная система. Если То CF Фактор определенности В качестве факторов определенности CF выступают либо условные вероятности байесовского подхода от 0 до 1 , либо коэффициенты уверенности нечеткой логики от 0 до В отличие от записей БД каждый объект имеет уникальное имя. Вместо конкретных значений атрибутов объектов могут задаваться значения по умолчанию указатель наследования атрибутов устанавливается в S , присущие целым классам объектов, или присоединенные процедуры process. В основе использования любого механизма вывода лежит процесс нахождения в соответствии с поставленной целью и описанием конкретной ситуации исходных данных относящихся к решению единиц знаний правил, объектов, прецедентов и т. В процессе или по результатам решения задачи пользователь может запросить объяснение или обоснование хода решения. С этой целью ЭС должна предоставить соответствующий механизм объяснения. Объяснительные способности ЭС определяются возможностью механизма вывода запоминать путь решения задачи. Тогда на вопросы пользователя 'Как? В случае отсутствия решения задач объяснение должно выдаваться пользователю автоматически. Полезно иметь возможность и гипотетического объяснения решения задачи, когда система отвечает на вопросы, что будет в том или ином случае. Однако не всегда пользователя может интересовать полный вывод решения, содержащий множество ненужных деталей. В этом случае система должна уметь выбирать из цепочки только ключевые моменты с учетом их важности и уровня знаний пользователя. Для этого в базе знаний необходимо поддерживать модель знаний и намерений пользователя. Если же пользователь продолжает не понимать полученный ответ, то система должна быть способна в диалоге на основе поддерживаемой модели проблемных знаний обучать пользователя тем или иным фрагментам знаний, то есть раскрывать более подробно отдельные понятия и зависимости, если даже эти детали непосредственно в выводе не использовались. База знаний отражает знания экспертов специалистов в данной проблемной области о действиях в различных ситуациях или процессах решения характерных задач. Выявлением подобных знаний и последующим их представлением в базе знаний занимаются специалисты, называемые инженерами знаний. Для ввода знаний в базу и их последующего обновления ЭС должна обладать механизмом приобретения знаний. Интеллектуальный редактор позволяет вводить единицы знаний в базу и проводить их синтаксический и семантический контроль, например, на непротиворечивость, в более сложных случаях извлекать знания путем специальных сценариев интервьюирования экспертов, или из вводимых примеров реальных ситуаций, как в случае индуктивного вывода, или из текстов, или из опыта работы самой интеллектуальной системы. По степени сложности решаемых задач экспертные системы можно классифицировать следующим образом: По способу формирования решения экспертные системы разделяются на два класса: Аналитические системы предполагают выбор решений из множества известных альтернатив определение характеристик объектов. Синтетические системы производят генерацию неизвестных решений формирование объектов. Статические системы решают задачи при неизменяемых в процессе решения данных и знаниях, динамические системы допускают такие изменения. Статические системы осуществляют монотонное непрерываемое решение задачи от ввода исходных данных до конечного результата. Динамические системы предусматривают возможность пересмотра в процессе решения полученных ранее результатов и данных. Под неопределенностью знаний данных понимается их неполнота отсутствие , недостоверность неточность измерения , двусмысленность многозначность понятий , нечеткость качественная оценка вместо количественной. Источники знаний могут быть альтернативными множество миров или дополняющими друг друга кооперирующими. К аналитическим задачам относятся задачи распознавания различных ситуаций, когда по набору заданных признаков факторов выявляется сущность некоторой ситуации, в зависимости от которой выбирается определенная последовательность действий. Таким образом, в соответствии с исходными условиями среди альтернативных решений находится одно, наилучшим образом удовлетворяющее поставленной цели и ограничениям. Экспертные системы, решающие задачи распознавания ситуаций, называются классифицирующими, поскольку определяют принадлежность анализируемой ситуации к некоторому классу. В качестве основного метода формирования решений используется метод логического дедуктивного вывода от общего к частному , когда путем подстановки исходных данных в некоторую совокупность взаимосвязанных общих утверждений получается частное заключение. Более сложный тип аналитических задач представляют задачи, которые решаются на основе неопределенных исходных данных и применяемых знаний. В этом случае экспертная система должна доопределять недостающие знания, а в пространстве решений может получаться несколько возможных решений с различной вероятностью или уверенностью в необходимости их выполнения. В качестве методов работы с неопределенностями могут использоваться байесовский вероятностный подход, коэффициенты уверенности, нечеткая логика. Доопределяющие экспертные системы могут использовать для формирования решения несколько источников знаний. В этом случае могут использоваться эвристические приемы выбора единиц знаний из их конфликтного набора, например, на основе использования приоритетов важности, или получаемой степени определенности результата, или значений функций предпочтений и т. Типичным примером является экспертная система анализа финансового состояния предприятия. Требуется предварительная интерпретация ситуации с последующей проверкой дополнительных фактов, например, выявление факторов снижения эффективности производства. В отличие от аналитических статических экспертных систем синтезирующие динамические экспертные системы предполагают повторяющееся преобразование знаний в процессе решения задач, что связано с характером результата, который нельзя заранее предопределить, а также с динамичностью самой проблемной области. Проведение альтернативных рассуждений на основе использования различных источников знаний с механизмом устранения противоречий; Распределенное решение проблем, которые разбиваются на параллельно решаемые подпроблемы, соответствующие самостоятельным источникам знаний; Применение множества стратегий работы механизма вывода заключений в зависимости от типа решаемой проблемы; Обработка больших массивов данных, содержащихся в базе данных; Использование различных математических моделей и внешних процедур, хранимых в базе моделей; Способность прерывания решения задач в связи с необходимостью получения дополнительных данных и знаний от пользователей, моделей, параллельно решаемых подпроблем. Для этого выполняется диагностика, прогнозирование, а в случае необходимости планирование и коррекция действий пользователей, например, мониторинг сбыта готовой продукции. Будем безумно рады, если вы загрузите свои собственные презентации на наш сайт. Оцените презентацию по шкале от 1 до 5 баллов. Аннотация к презентации Презентация для школьников на тему 'Экспертные системы ' по информатике. Слайд 1 Экспертные системы Интеллектуальные информационные системы Лекция 4. Слайд 3 Назначение экспертных систем Решение достаточно трудных для экспертов задач на основе накапливаемой базы знаний, отражающей опыт работы экспертов в рассматриваемой проблемной области. Слайд 4 Достоинство применения экспертных систем Возможность принятия решений в уникальных ситуациях, для которых алгоритм заранее не известен и формируется по исходным данным в виде цепочки рассуждений правил принятия решений из базы знаний. Слайд 5 Экспертная система является инструментом, усиливающим интеллектуальные способности эксперта, может выполнять следующие роли: Слайд 6 Архитектура экспертной системы База знаний хранилище единиц знаний — центральный компонент системы Программный инструмент доступа и обработки знаний, состоящий из механизмов вывода заключений решения , приобретения знаний, объяснения получаемых результатов и интеллектуального интерфейса. Слайд 8 База знаний - совокупность единиц знаний, которые представляют собой формализованное с помощью некоторого метода представления знаний отражение объектов проблемной области и их взаимосвязей, действий над объектами и возможных неопределенностей, с которыми эти действия осуществляются. Слайд 9 Методы представления знаний: Правила Объекты фреймы Комбинация правил и объектов. Слайд 10 Правила Если То CF Фактор определенности В качестве факторов определенности CF выступают либо условные вероятности байесовского подхода от 0 до 1 , либо коэффициенты уверенности нечеткой логики от 0 до Слайд 11 Примеры правил: Слайд 12 Объекты представляют собой совокупность атрибутов, описывающих свойства и отношения с другими объектами. Слайд 13 Пример описания объектов. Слайд 15 Для представления знаний в форме правил это может быть прямая Рисунок 1 или обратная Рисунок 2 цепочка рассуждений. Слайд 16 Механизм объяснения В процессе или по результатам решения задачи пользователь может запросить объяснение или обоснование хода решения. Слайд 18 Механизм приобретения знаний База знаний отражает знания экспертов специалистов в данной проблемной области о действиях в различных ситуациях или процессах решения характерных задач. Слайд 19 Интеллектуальный редактор Интеллектуальный редактор позволяет вводить единицы знаний в базу и проводить их синтаксический и семантический контроль, например, на непротиворечивость, в более сложных случаях извлекать знания путем специальных сценариев интервьюирования экспертов, или из вводимых примеров реальных ситуаций, как в случае индуктивного вывода, или из текстов, или из опыта работы самой интеллектуальной системы. Слайд 20 Классификация экспертных систем По степени сложности решаемых задач экспертные системы можно классифицировать следующим образом: Слайд 21 По способу учета временного признака экспертные системы делятся на два класса: Слайд 22 По видам используемых данных и знаний экспертные системы классифицируются на системы с детерминированными четко определенными знаниями и неопределенными знаниями. Слайд 23 По числу используемых источников знаний экспертные системы могут быть построены с использованием одного или множества источников знаний. Слайд 24 Классы экспертных систем. Слайд 25 Классифицирующие экспертные системы К аналитическим задачам относятся задачи распознавания различных ситуаций, когда по набору заданных признаков факторов выявляется сущность некоторой ситуации, в зависимости от которой выбирается определенная последовательность действий. Слайд 27 Доопределяющие экспертные системы Более сложный тип аналитических задач представляют задачи, которые решаются на основе неопределенных исходных данных и применяемых знаний. Слайд 29 Для аналитических задач классифицирующего и доопределяющего типов характерны следующие проблемные области: Слайд 30 Трансформирующие экспертные системы В отличие от аналитических статических экспертных систем синтезирующие динамические экспертные системы предполагают повторяющееся преобразование знаний в процессе решения задач, что связано с характером результата, который нельзя заранее предопределить, а также с динамичностью самой проблемной области. Слайд 31 В качестве методов решения задач в трансформирующих экспертных системах используются разновидности гипотетического вывода: Слайд 34 Для многоагентных систем характерны следующие особенности: Слайд 35 Для синтезирующих динамических экспертных систем наиболее применимы следующие проблемные области: Задачи информационных систем в экономике. ГИС и другие автоматизированные системы. Команды, свойства, и операции. Cпособы представления и обработки знаний виис. Надеемся, что эта презентация вам поможет! Чтобы скачать презентацию, подтвердите, что вы не робот. Презентация будет доступна через 15 секунд. Хотите разместить данную презентацию на своем сайте?
Экспертные системы и системы поддержки принятия решений ЭС
Работа вахтовым методом вакансии без посредников
Презентация: «Экспертные системы»
Экспертные системы
Структура социальной политики государства
Гражданское право основная часть
Не устраивает учитель начальных классов что делать