專(zhuān)家推理系統(tǒng)

置信規(guī)則庫(kù)專(zhuān)家系統(tǒng)

與復(fù)雜系統(tǒng)建模講解：王倩倩置信系統(tǒng)1.專(zhuān)家系統(tǒng)及置信規(guī)則庫(kù)專(zhuān)家系統(tǒng)的提出2.證據(jù)推理3.實(shí)例分析1.專(zhuān)家系統(tǒng)及置信規(guī)則庫(kù)專(zhuān)家系統(tǒng)的提出了解專(zhuān)家系統(tǒng)的背景，及其結(jié)構(gòu)、特點(diǎn)了解置信規(guī)則庫(kù)的表示方法對(duì)比BRB系統(tǒng)與原專(zhuān)家系統(tǒng)的優(yōu)勢(shì)學(xué)習(xí)目的：1.1專(zhuān)家系統(tǒng)專(zhuān)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)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ES分為5個(gè)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Web的。其中基于規(guī)則的專(zhuān)家系統(tǒng)是目前最常用的方式，主要?dú)w功于大量成功的實(shí)例，以及簡(jiǎn)單靈活的開(kāi)發(fā)工具，它直接模仿人類(lèi)的心理過(guò)程，利用一系列的規(guī)則來(lái)表示專(zhuān)家知識(shí)。

接下來(lái)我們學(xué)習(xí)的基于置信規(guī)則庫(kù)的專(zhuān)家系統(tǒng)就是基于規(guī)則的，并在一般的IF-THEN規(guī)則上進(jìn)行改進(jìn)，可以更好處理各種信息。1.1專(zhuān)家系統(tǒng)

定義：專(zhuān)家系統(tǒng)，首先要定義專(zhuān)家，顧名思義，專(zhuān)家是指在某一專(zhuān)業(yè)領(lǐng)域內(nèi)，其具有的專(zhuān)業(yè)知識(shí)與解問(wèn)題的能力達(dá)到很高水平的學(xué)者。

專(zhuān)家系統(tǒng)：是指利用存儲(chǔ)在計(jì)算機(jī)內(nèi)的某一特定領(lǐng)域內(nèi)的專(zhuān)家知識(shí)，來(lái)解決過(guò)去只有專(zhuān)家才能解決的現(xiàn)實(shí)問(wèn)題的計(jì)算機(jī)系統(tǒng)。其基本結(jié)構(gòu)圖如圖1-1。

數(shù)據(jù)庫(kù)知識(shí)庫(kù)推理機(jī)解釋器人機(jī)接口專(zhuān)家用戶(hù)圖1-11.2傳統(tǒng)IF-THEN規(guī)則基于IF-THEN規(guī)則的專(zhuān)家系統(tǒng)描述如下：R={x，A，D，F(xiàn)}（1-1）1.2傳統(tǒng)IF-THEN規(guī)則例如：IF（有毛or哺乳）and((有爪子)and有利牙and前視)or吃肉）and黃褐色and黑色條紋,THEN老虎IF和THEN之間的就是前提屬性，通過(guò)邏輯與和或來(lái)連接，綜合這些證據(jù)，我們可以得到結(jié)論，這種動(dòng)物就是老虎。

對(duì)于一個(gè)系統(tǒng)而言，通常會(huì)有許多條這樣表示知識(shí)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2章中介紹。1.2基于置信規(guī)則庫(kù)的專(zhuān)家系統(tǒng)

一個(gè)基本的規(guī)則庫(kù)可由式（1-2）表示的一系列簡(jiǎn)單的IF-THEN規(guī)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(shí)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)則集合到一起便構(gòu)成了置信規(guī)則庫(kù)（BRB）。在描述置信庫(kù)時(shí)，引入了權(quán)重參數(shù)，用來(lái)表達(dá)數(shù)據(jù)和知識(shí)的不確定性，這些權(quán)值可以在知識(shí)獲取階段由專(zhuān)家設(shè)置：前提屬性權(quán)重：一個(gè)前提屬性的相對(duì)重要性。規(guī)則權(quán)重：反映該條規(guī)則相對(duì)于推理結(jié)果的重要性。1.2基于置信規(guī)則庫(kù)的專(zhuān)家系統(tǒng)1.2基于置信規(guī)則庫(kù)的專(zhuān)家系統(tǒng)1.專(zhuān)家系統(tǒng)及置信規(guī)則庫(kù)專(zhuān)家系統(tǒng)的提出2.證據(jù)推理3.實(shí)例分析置信系統(tǒng)2證據(jù)推理算法學(xué)習(xí)D-S算法學(xué)習(xí)ER算法對(duì)比DS和ER學(xué)習(xí)目的：2證據(jù)推理在工程實(shí)際中，除了定量、定性的信息，人類(lèi)在決策過(guò)程中也具有不可替代的作用，因此綜合使用定量信息和專(zhuān)家提供的不完整的或不精確的主觀信息，對(duì)決策問(wèn)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(shí)，由于歷史數(shù)據(jù)的缺乏，只能使用專(zhuān)家提供的信息，而這些信息往往無(wú)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(shí)，實(shí)現(xiàn)復(fù)雜決策問(wèn)題的建模，Yang等提出來(lái)基于證據(jù)推理算法的置信規(guī)則庫(kù)推理算法(RIMER)。

RIMER的基本思想：當(dāng)輸入信息x到來(lái)后，利用ER算法對(duì)BRB中的置信規(guī)則進(jìn)行組合，從而得到BRB的最終輸出。

基于置信規(guī)則庫(kù)的專(zhuān)家系統(tǒng)又稱(chēng)BRB系統(tǒng)，學(xué)習(xí)BRB系統(tǒng)建模，需要掌握以下兩點(diǎn)：2證據(jù)推理

BRB系統(tǒng)用到的ER是在DS證據(jù)理論、決策理論、模糊理論、和傳統(tǒng)IF-THEN規(guī)則庫(kù)的基礎(chǔ)上發(fā)展起來(lái)的，傳統(tǒng)IF-THEN規(guī)則在上節(jié)中已學(xué)習(xí)，這里我們繼續(xù)學(xué)習(xí)D-S證據(jù)理論。證據(jù)理論是由Dempster首先提出，并由沙佛Shafer進(jìn)一步發(fā)展起來(lái)的一種處理不確定性的理論，因此又稱(chēng)為D-S理論。DS證據(jù)理論是一種不確定推理理論，它力圖克服Bayesian理論的不足，所以我們還要了解Bayesian理論。樸素貝葉斯貝葉斯公式：該定理有兩個(gè)重要假設(shè)：⑴獨(dú)立性假設(shè)，即給定各個(gè)屬性變量之間條件獨(dú)立；⑵一致性假設(shè)，即假設(shè)各個(gè)屬性變量對(duì)變量的影響程度是一致的。2.1D-S證據(jù)理論經(jīng)典的歸納概率受限于其兩個(gè)假設(shè)，難以合適的表達(dá)無(wú)知，區(qū)別不信任和缺乏信任，因此我們提出了D-S證據(jù)理論，力圖完整表達(dá)。證據(jù)理論與Bayes理論區(qū)別：Bayes理論：需要有統(tǒng)一的識(shí)別框架、完整的先驗(yàn)概率和條件概率知識(shí)，

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：用先驗(yàn)概率分派函數(shù)去獲得后驗(yàn)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，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，也可指定給相互重疊、非互不相容的命題。

注：證據(jù)理論滿(mǎn)足比概率論更弱的公理系統(tǒng)，當(dāng)概率值已知時(shí)，證據(jù)理論就變成了概率論。2.1D-S證據(jù)理論