專家推理系統(tǒng)

1、置信規(guī)則庫專家系統(tǒng)置信規(guī)則庫專家系統(tǒng) 與復(fù)雜系統(tǒng)建模與復(fù)雜系統(tǒng)建模講解：王倩倩講解：王倩倩置信系統(tǒng)置信系統(tǒng)1. 專家系統(tǒng)及置信規(guī)則庫專家系統(tǒng)的提出專家系統(tǒng)及置信規(guī)則庫專家系統(tǒng)的提出2. 證據(jù)推理證據(jù)推理3. 實例分析實例分析1.專家系統(tǒng)及置信規(guī)則庫專家系統(tǒng)的提出專家系統(tǒng)及置信規(guī)則庫專家系統(tǒng)的提出v了解專家系統(tǒng)的背景，及其結(jié)構(gòu)、特點v了解置信規(guī)則庫的表示方法v對比BRB系統(tǒng)與原專家系統(tǒng)的優(yōu)勢學(xué)習(xí)目的：學(xué)習(xí)目的：1.1 專家系統(tǒng)專家系統(tǒng) 專家系統(tǒng)（專家系統(tǒng)（ES）是人工智能領(lǐng)域最活躍和最廣泛的領(lǐng)域之一，主要應(yīng)）是人工智能領(lǐng)域最活躍和最廣泛的領(lǐng)域之一，主要應(yīng)用于商業(yè)和工業(yè)領(lǐng)域，并以信息處理的主流興起

2、，代替?zhèn)鹘y(tǒng)的數(shù)據(jù)處理器。用于商業(yè)和工業(yè)領(lǐng)域，并以信息處理的主流興起，代替?zhèn)鹘y(tǒng)的數(shù)據(jù)處理器。按照發(fā)展階段的不同，可以將按照發(fā)展階段的不同，可以將ES分為分為5個階段：基于規(guī)則的、基于框架的、個階段：基于規(guī)則的、基于框架的、基于案例的、基于模型的、基于基于案例的、基于模型的、基于Web的。其中基于規(guī)則的專家系統(tǒng)是目前的。其中基于規(guī)則的專家系統(tǒng)是目前最常用的方式，主要歸功于大量成功的實例，以及簡單靈活的開發(fā)工具，最常用的方式，主要歸功于大量成功的實例，以及簡單靈活的開發(fā)工具，它直接模仿人類的心理過程，利用一系列的規(guī)則來表示專家知識。它直接模仿人類的心理過程，利用一系列的規(guī)則來表示專家知識。 接下來我

3、們學(xué)習(xí)的基于置信規(guī)則庫的專家系統(tǒng)就是基于規(guī)則的，并在接下來我們學(xué)習(xí)的基于置信規(guī)則庫的專家系統(tǒng)就是基于規(guī)則的，并在一般的一般的IF-THEN規(guī)則上進(jìn)行改進(jìn)，可以更好處理各種信息。規(guī)則上進(jìn)行改進(jìn)，可以更好處理各種信息。1.1 專家系統(tǒng)專家系統(tǒng) 定義：定義：專家系統(tǒng)，專家系統(tǒng)，首先要定義專家，顧首先要定義專家，顧名思義，專家是指在名思義，專家是指在某一專業(yè)領(lǐng)域內(nèi)，其某一專業(yè)領(lǐng)域內(nèi)，其具有的專業(yè)知識與解具有的專業(yè)知識與解問題的能力達(dá)到很高問題的能力達(dá)到很高水平的學(xué)者。水平的學(xué)者。 專家系統(tǒng)：專家系統(tǒng)：是指是指利用存儲在計算機(jī)內(nèi)利用存儲在計算機(jī)內(nèi)的某一特定領(lǐng)域內(nèi)的的某一特定領(lǐng)域內(nèi)的專家知識，來解決過專家

4、知識，來解決過去只有專家才能解決去只有專家才能解決的現(xiàn)實問題的的現(xiàn)實問題的計算機(jī)計算機(jī)系統(tǒng)系統(tǒng)。其基本結(jié)構(gòu)圖。其基本結(jié)構(gòu)圖如圖如圖1-1。 數(shù)據(jù)庫數(shù)據(jù)庫知識庫知識庫推理機(jī)推理機(jī)解釋器解釋器人機(jī)接口人機(jī)接口專家專家用戶用戶圖圖1-11.2 傳統(tǒng)傳統(tǒng)IF-THEN規(guī)則規(guī)則基于基于IF-THEN規(guī)則的專家系統(tǒng)描述如下：規(guī)則的專家系統(tǒng)描述如下：R=x，A，D，F(xiàn) （1-1）1.2 傳統(tǒng)傳統(tǒng)IF-THEN規(guī)則規(guī)則例如：例如：IF（有毛（有毛or哺乳）哺乳）and(有爪子有爪子)and有利牙有利牙and前視前視)or吃肉）吃肉）and 黃褐色黃褐色and黑色條紋黑色條紋,THEN老虎老虎 IF和和THEN

5、之間的就是前提屬性，通過邏輯與和或來連接，綜合這些之間的就是前提屬性，通過邏輯與和或來連接，綜合這些證據(jù)，我們可以得到結(jié)論，這種動物就是老虎。證據(jù)，我們可以得到結(jié)論，這種動物就是老虎。 對于一個系統(tǒng)而言，通常會有許多條這樣表示知識的規(guī)則，為了得對于一個系統(tǒng)而言，通常會有許多條這樣表示知識的規(guī)則，為了得到最終目標(biāo)，還需要將這些規(guī)則進(jìn)行組合，關(guān)于組合在第到最終目標(biāo)，還需要將這些規(guī)則進(jìn)行組合，關(guān)于組合在第2章中介紹。章中介紹。1.2 基于置信規(guī)則庫的專家系統(tǒng)基于置信規(guī)則庫的專家系統(tǒng) 一個基本的規(guī)則庫可由式（一個基本的規(guī)則庫可由式（1-2）表示的一系列簡單的）表示的一系列簡單的IF-THEN規(guī)規(guī)則組成

6、。如果在則組成。如果在IF-THEN規(guī)則的輸出部分加入置信度，并且同時考慮規(guī)則的輸出部分加入置信度，并且同時考慮前提屬性權(quán)重和規(guī)則權(quán)重，就可以得到置信規(guī)則。把一系列的置信規(guī)前提屬性權(quán)重和規(guī)則權(quán)重，就可以得到置信規(guī)則。把一系列的置信規(guī)則集合到一起便構(gòu)成了置信規(guī)則庫（則集合到一起便構(gòu)成了置信規(guī)則庫（BRB）。）。在描述置信庫時，引入了權(quán)重參數(shù)，用來表達(dá)數(shù)據(jù)和知識的不確在描述置信庫時，引入了權(quán)重參數(shù)，用來表達(dá)數(shù)據(jù)和知識的不確定性，這些權(quán)值可以在知識獲取階段由專家設(shè)置：定性，這些權(quán)值可以在知識獲取階段由專家設(shè)置：前提屬性權(quán)重：一個前提屬性的相對重要性。前提屬性權(quán)重：一個前提屬性的相對重要性。規(guī)則權(quán)重：

7、反映該條規(guī)則相對于推理結(jié)果的重要性。規(guī)則權(quán)重：反映該條規(guī)則相對于推理結(jié)果的重要性。1.2基于置信規(guī)則庫的專家系統(tǒng)基于置信規(guī)則庫的專家系統(tǒng)1.2基于置信規(guī)則庫的專家系統(tǒng)基于置信規(guī)則庫的專家系統(tǒng)1. 專家系統(tǒng)及置信規(guī)則庫專家系統(tǒng)的提出專家系統(tǒng)及置信規(guī)則庫專家系統(tǒng)的提出2.證據(jù)推理證據(jù)推理3. 實例分析實例分析置信系統(tǒng)置信系統(tǒng)2 證據(jù)推理算法證據(jù)推理算法v學(xué)習(xí)D-S算法v學(xué)習(xí)ER算法v對比DS和ER學(xué)習(xí)目的：學(xué)習(xí)目的：2 證據(jù)推理證據(jù)推理 在工程實際中，除了定量、定性的信息，人類在決策過程中也具有不在工程實際中，除了定量、定性的信息，人類在決策過程中也具有不可替代的作用，因此綜合使用定量信息和專家提

8、供的不完整的或不精確的可替代的作用，因此綜合使用定量信息和專家提供的不完整的或不精確的主觀信息，對決策問題進(jìn)行建模和分析是非常重要的。例如，在分析大型主觀信息，對決策問題進(jìn)行建模和分析是非常重要的。例如，在分析大型復(fù)雜工程系統(tǒng)的安全性時，由于歷史數(shù)據(jù)的缺乏，只能使用專家提供的信復(fù)雜工程系統(tǒng)的安全性時，由于歷史數(shù)據(jù)的缺乏，只能使用專家提供的信息，而這些信息往往無法用定量數(shù)據(jù)描述。息，而這些信息往往無法用定量數(shù)據(jù)描述。 為了有效利用帶有各種不確定性的信息和知識，實現(xiàn)復(fù)雜決策問題的為了有效利用帶有各種不確定性的信息和知識，實現(xiàn)復(fù)雜決策問題的建模，建模，Yang等提出來基于證據(jù)推理算法的等提出來基于證

9、據(jù)推理算法的置信規(guī)則庫置信規(guī)則庫推理算法推理算法(RIMER)。 RIMER的基本思想：當(dāng)輸入信息的基本思想：當(dāng)輸入信息x到來后，利用到來后，利用ER算法對算法對BRB中的置中的置信規(guī)則進(jìn)行組合，從而得到信規(guī)則進(jìn)行組合，從而得到BRB的最終輸出。的最終輸出。 基于置信規(guī)則庫的專家系統(tǒng)又稱基于置信規(guī)則庫的專家系統(tǒng)又稱BRB系統(tǒng)，學(xué)習(xí)系統(tǒng)，學(xué)習(xí)BRB系統(tǒng)建模，需要系統(tǒng)建模，需要掌握以下兩點：掌握以下兩點：2 證據(jù)推理證據(jù)推理 BRB系統(tǒng)用到的系統(tǒng)用到的ER是在是在DS證據(jù)理論、決策理論、模糊理論、和傳統(tǒng)證據(jù)理論、決策理論、模糊理論、和傳統(tǒng)IF-THEN規(guī)則庫的基礎(chǔ)上發(fā)展起來的，傳統(tǒng)規(guī)則庫的基礎(chǔ)上發(fā)

10、展起來的，傳統(tǒng)IF-THEN規(guī)則在上節(jié)中已學(xué)習(xí)，這規(guī)則在上節(jié)中已學(xué)習(xí)，這里我們繼續(xù)學(xué)習(xí)里我們繼續(xù)學(xué)習(xí)D-S證據(jù)理論。證據(jù)理論。 證據(jù)理論是由證據(jù)理論是由DempsterDempster首先提出，并由沙佛首先提出，并由沙佛ShaferShafer進(jìn)一步發(fā)展起來的一進(jìn)一步發(fā)展起來的一種處理不確定性的理論，因此又稱為種處理不確定性的理論，因此又稱為D D- -S S理論。理論。 DS DS證據(jù)理論是一種不確定推理理論，它力圖克服證據(jù)理論是一種不確定推理理論，它力圖克服BayesianBayesian理論的不足，理論的不足，所以我們還要了解所以我們還要了解BayesianBayesian理論。理論。樸

11、素貝葉斯樸素貝葉斯v貝葉斯公式貝葉斯公式：該定理有兩個重要假設(shè)：該定理有兩個重要假設(shè)：獨立性假設(shè)，即給定各個屬性變量之間條件獨立；獨立性假設(shè)，即給定各個屬性變量之間條件獨立；一致性假設(shè)，即假設(shè)各個屬性變量對變量的影響程度是一致的。一致性假設(shè)，即假設(shè)各個屬性變量對變量的影響程度是一致的。2.1 D-S證據(jù)理論證據(jù)理論 經(jīng)典的歸納概率受限于其兩個假設(shè)，難以合適的表達(dá)無知，區(qū)別經(jīng)典的歸納概率受限于其兩個假設(shè)，難以合適的表達(dá)無知，區(qū)別不信任和缺乏信任，因此我們提出了不信任和缺乏信任，因此我們提出了D-SD-S證據(jù)理論，力圖完整表達(dá)。證據(jù)理論，力圖完整表達(dá)。證據(jù)理論與證據(jù)理論與BayesBayes理論區(qū)

12、別：理論區(qū)別：BayesBayes理論：理論：需要有統(tǒng)一的識別框架、完整的先驗概率和條件概率知識，需要有統(tǒng)一的識別框架、完整的先驗概率和條件概率知識， 只能將概率分派函數(shù)指定給完備的互不包含的假設(shè)，只能將概率分派函數(shù)指定給完備的互不包含的假設(shè)，證據(jù)理論：證據(jù)理論：用先驗概率分派函數(shù)去獲得后驗的證據(jù)區(qū)間，證據(jù)區(qū)間量用先驗概率分派函數(shù)去獲得后驗的證據(jù)區(qū)間，證據(jù)區(qū)間量化了命題的可信程度?？蓪⒆C據(jù)分派給假設(shè)或命題，化了命題的可信程度。可將證據(jù)分派給假設(shè)或命題， 提供了一定程度提供了一定程度的不確定性，即證據(jù)既可指定給互不相容的命題，也可指定給相互重的不確定性，即證據(jù)既可指定給互不相容的命題，也可指定給相互重疊、非互不相容的命題。疊、非互不相容的命題。 注：注：證據(jù)理論滿足比概率論更弱的公理系統(tǒng)，當(dāng)概率值已知時，證證據(jù)理論滿足比概率論更弱的公理系統(tǒng)，當(dāng)概率值已知時，證據(jù)理論就變成了概率論。據(jù)理論就變成了概率論。2.1 D-S證據(jù)理論證據(jù)理論 80年