A szakértői rendszer felépítése
Kétfajta szakértői rendszer létezik: statikus és dinamikus. Statikus szakértői rendszereket alkalmaznak azokban az alkalmazásokban, ahol lehetséges, hogy ne vegyék figyelembe a környezeti változásokat, amelyek a probléma megoldása során fordulnak elő. Az első gyakorlati felhasználású szakértői rendszerek statikusak voltak. A dinamikus szakértői rendszerek a statikusakhoz képest a következő két komponenset tartalmazzák: a külső világmodellező alrendszer és a külső világgal való interakció alrendszere.
Az alábbi ábra egy dinamikus típusú szakértői rendszer kanonikus felépítését mutatja be:
Az ábra magyarázata:
- logikus következtetési mechanizmus, amelyet tolmácsnak is neveznek, megoldónak;
- Munkamemória (RP), más néven működő adatbázis (DB);
- tudásbázis (KB);
- a tudás megszerzésének és feltöltésének alrendszere;
- a magyarázó alrendszer;
- a párbeszéd alrendszere;
- a külvilággal való interakció alrendszerét.
A logikai következtetési mechanizmust (MLV) úgy tervezték, hogy új tényeket szerezzen a munkamemóriából és a tudásbázisból származó tudásból származó bemeneti adatok összehasonlításából. A legfontosabb hely a logikai következtetés mechanizmusa a szakértői rendszer teljes szerkezetében. Végrehajtja a közvetlen és / vagy fordított kimenet algoritmusait, és formálisan négyszeres formában ábrázolható:
- - szabályok és tények kiválasztása a tudásbázisból és a munkamemóriából;
- - a szabályok és a tények összehasonlító eljárása, amelynek eredményeképpen sok tény meghatáro- zott, hogy mely értékek hozzárendelésére vonatkozó szabályokat kell alkalmazni;
- - a konfliktusok rendezésére szolgáló eljárás, amely meghatározza a szabályok használatának eljárását, ha a szabály következtetése ugyanazokat a tényeket jelöli meg különböző értékű tényekkel;
- - olyan eljárás, amely végrehajtja a tény befogadott értékének megfelelő intézkedéseket (a szabály megkötése).
A munkamemória a pillanatnyilag megoldandó feladat eredeti és közbenső tényeit tárolja. Rendszerint a számítógép fő memóriájába kerül, és a domain aktuális állapotát a tények igazságos tényezőivel (CG) tükrözi tények formájában.
A szakértői rendszer szerkezetében a következő elem nem kevésbé fontos, mint a logikai következtetés mechanizmusa. Ez a tudásbázis. A tudásbázis célja a hosszú távú tárolását tények leírására a kezelt területen, a szabályok, amelyek leírják a kapcsolat ezek között a tények és egyéb típusú deklaratív tudás a tárgykörben. Amellett, hogy a szabályok és a tények, amelyek részét képezik a deklaratív tudás bázis, akkor tartalmazza az eljárási részét - egy csomó funkciók és eljárások, végrehajtási optimalizálás, tervezés és egyéb szükséges algoritmusok.
A szakértői rendszerek a szellemi rendszerek osztályába tartoznak. Más szavakkal, a szakértői rendszerek a tématerület szakértőjének ismeretén alapulnak. Kiváló minőségű tapasztalat a legképzettebb szakértők minden felhasználó számára elérhető a rendszer, ez lesz a tényező, drámaian javítja a döntéshozatal, a szervezet segítségével szakértői rendszerek általában.
A tudás megszerzésének és feltöltésének alrendszere automatizálja a szakértői rendszer kitöltésének folyamatát a szakértő által végzett ismeretekkel, és a rendszer tudásbázisának a működésének feltételeihez igazítja. A szakértői rendszernek a domainváltozásokhoz való igazítása a szabályok vagy tények tudásbázisba való felváltásával valósul meg.
magyarázat alrendszer magyarázza, hogy a rendszer volt a megoldás (vagy miért nem kapta meg a döntést), és milyen tudás tehát használni, hogy megkönnyítsék a rendszer tesztelése szakértő és növeli a felhasználói bizalmat a kapott eredményeket. A lehetőséget, hogy megmagyarázza a tetteit az egyik legfontosabb tulajdonsága, szakértői rendszer, mert:
- növekszik a felhasználók bizalma az eredményekben;
- Megkönnyíti a rendszer hibakeresését;
- feltételei vannak a felhasználók számára a domain új törvényeinek megnyitásához;
- A kapott következtetések magyarázata szolgálhat a Pareto-optimális megoldások készletének keresésére.