Експертні системи

Актуальність дисципліни, практичне застосування

Метою дисципліни є ознайомлення студентів з питаннями розробки і застосування інтелектуальних інформаційних систем. Вивчаються особливості класичних та сучасних експертних систем (ЕС).  Розглядається класифікація, архітектура, етапи проектування ЕС, вибір  інструментальних засобів, області застосування.

Перші два блоки присвячені питанням представлення знань в класичних експертних системах. Вони знайомлять студентів з особливостями побудови експертних оцінок, їхньої обробки, побудови дерев рішень та створення прямого та оберненого ланцюжка міркувань.

Третій блок присвячений сучасним експертним системам. В ньому надаються відомості про розробку байєсівських ЕС,  нечітких, м’яких, мобільних та  систем на основі теорії Демстера-Шеффера.

У результаті вивчення дисципліни студенти повинні:

1. Знати форми представлення знань; призначення, можливості, складові  частини, організацію та особливості функціонування експертних систем (ЕС); способи організації пошуку рішень; можливості режиму пояснень; принципи побудови ЕС.
2. Вміти класифікувати розв'язувані задачі; аналізувати архітектуру ЕС з позицій інженера зі знань та користувача; оцінювати застосовність конкретної ЕС для вирішення завдань заданого класу; представляти знання за допомогою інструментальних засобів; реалізувати найпростішу ЕС.
3. Мати уявлення про основні етапи системного аналізу; про залежність архітектури ЕС від вимог завдання; про способи реалізації основних блоків ЕС на різних мовах; про перспективи розвитку ЕС.

Структура дисципліни

Блок  1. Представлення знань в експертних системах

1. Інженерія знань. Форми представлення знань. Поняття «штучний інтелект». Системи штучного інтелекту. Історія розвитку штучного інтелекту. Експертні системи та сценарії.
2. Методи пошуку рішень. Пошук в просторі станів. Пошук методом «генерація-перевірка». Пошук у факторізованому просторі. Пошук у фіксованій множині  просторів. Пошук рішень в альтернативних просторах.
3. Побудова й експлуатація експертних систем. Переваги використання експертних систем. Основні режими роботи експертних систем. Класифікація експертних систем. Місце база знань в ЕС. Машина виведення. Інтелектуальний інтерфейс. Пояснювальний компонент. Підсистема придбання знань.

Блок 2. Технологія розробки експертних систем

1. Етап ідентифікації. Етап концептуалізації. Етап формалізації. Етап виконання. Етап дослідної експлуатації. Етап тестування. Труднощі при розробці експертних систем.
2. Класичні ЕС. Дерева рішень – загальні принципи роботи. Математичний апарат – ID3, C4.5, CART. Продукційні експертні системи. Структурна схема продукційної експертної системи. Узагальнений алгоритм роботи системи, що реалізує прямий ланцюжок міркувань. Застосування прямого ланцюжка міркувань до розробки експертної системи роботи фондової біржі. Зворотній ланцюжок міркувань Робота з базою знань Дерево рішень для вибору посади. Стек логічних висновків. Узагальнений алгоритм роботи системи, що реалізує обернений ланцюжок міркувань.
3. Виявлення знань від експертів. Експертне оцінювання як процес вимірювання. Зв'язок емпіричних і числових систем. Методи вимірювання ступеня впливу об'єктів. Метод ранжування. Метод парних порівнянь. Метод безпосередньої оцінки. Один з підходів до формування та оцінки компетентності групи експертів. Характеристика і режими роботи групи експертів. Групова експертна оцінка об'єктів при безпосередньому оцінюванні. Обробка парних порівнянь. Визначення узагальнених ранжувань. Зауваження до визначення групових оцінок.

Блок 3. Сучасні та спеціалізовані експертні системи

1. Баїєсовські ЕС. Невизначеність знань. Правило Байєса. Ймовірнісні  експертні системи. Приклад роботи байєсівської ЕС. Алгоритм функціонування байєсівських ЕС.
2. Наближені міркування. Композиційне правило виводу. Правило modus ponens як окремий випадок композиційного правила виводу. Нечіткі експертні системи. Етап фаззификації. Етап безпосереднього нечіткого виводу. Етап композиції. Етап дефаззіфікації.
3. М'які експертні система. Визначення м'якої експертної системи. Порівняння нечіткої та м'якої експертних систем. Подання знань в м'якій експертній системі. Зміст баз знань і даних м'якої експертної системи. Інтелектуальні інформаційні системи в умовах невизначеності і ризику. Системи нечіткого висновку Мамдані-Заде. Модель Мамдані-Заде як універсальний апроксиматор. Вступ до нейронних мереж. Багатошарова нейронна мережа з навчанням зворотним поширенням помилки. Нечіткі мережі TSK (Такагі-Сугено-Канго). Гібридний алгоритм навчання нечітких мереж. Введення в генетичні алгоритми. Оператори ГА. Селекція. Схрещування. Мутація. Алгоритм роботи ГА. Мобільні ЕС.
4. Основи теорії Демстера-Шеффера. Міри довіри і правдоподібності в ТДШ. Відмінність ТДШ від теорії ймовірностей. Зв'язок між ТДШ і класичною теорією ймовірностей. Комбінація функцій довіри.
5. Приклади експертних систем в різних галузях людської діяльності.