1. 首頁 > 生活百科 > >

專家系統是什么 專家系統是什么

知識經驗


專家系統是什么 專家系統是什么

文章插圖
大家好,小龍來為大家解答以上的問題 。專家系統是什么，專家系統是什么這個很多人還不知道,現在讓我們一起來看看吧！
1、一、專家系統的意義與起源專家系統系由知識庫、推論引擎及接口為基礎而組成的計算機化系統 ， 其目的在對于某一特定領域的問題作判斷、解釋及認知，但由于此特定領域可大可?。?且對認知的定義亦有不同的解釋，故可有小如某些汽車專家系統只能依照外型等特征辨認十余種車 ， 亦有大如某些醫學專家系統可依據十二萬個不同的醫學表征分辨八千余種疾病 。
2、(注4)僅管專家系統的定義未盡明確，但基本上，當此系統所能處理的問題，其復雜性、對專業知識的需求、以及其執行的信度及效度足可與專家相匹敵時，我們便可稱之為專家系統 。
3、而由于專家系統能夠提供智能型的決策與輔助、解決問題、并對求解的過程做某種程度的解釋，因而也可以稱為「智能型知識庫系統【數據挖掘研究院】（China Data Mining Research,CDMR）是一個專注于數據挖掘及其相關技術的討論組織，參與者都是數據挖掘及其相關學科的愛好者 。
4、作為論壇的組織者我們也是數據挖掘的忠實愛好者，希望能夠利用一些有限的資源為中國數據挖掘營造一個良好的發展環境 。
5、專家系統并不是最近才出現的 。
6、第一個專家系統是在1956年由Allen Newell、Herbert Simon及J. C. Shaw所發展(注6) 。
7、其后，許多專家系統也紛紛隨之建立，但在前期多半是屬于研究性質的雛形系統 。
8、1970年代之后 ， 人工智能與專家系統專用的程序語言及軟件開發工具逐漸開始發展，而各種知識表示法及算法也被廣泛地研究，使得專家系統的建構與發展方式產生了不小的改變 。
9、在1980年代后期開始，專家系統便能夠逐漸脫離實驗室的研究而廣泛應用于各行業中 。
10、(注7) 專家系統的特性二、專家系統的特性專家系統與一般的計算機系統的相異處可以以下表來表示：(注8) 表一專家系統與一般計算機系統之比較專家系統 一般計算機系統 功能 解決問題、解釋結果、進行判斷與決策 解決問題 處理能力 處理數字與符號 處理數字 處理問題種類 多屬準結構性或非結構性、可處理不確定的知識、使用于特定的領域 多屬結構性、處理確定的知識而與人類專家相比，專家系統則具備了以下主要特性： " 不受時間限制：人類專家的工作時間有限，但專家系統是恒久，一旦開發完成，可隨時使用，并可二十四小時持續運作 。
11、 " 操作成本低：人類專家稀少且昂貴，雖然專家系統的在起步發展時必須花一筆不小的經費 ， 但日常操作的成本比起人類專家便宜許多 。
【專家系統是什么 專家系統是什么】12、因此在專家不在或經濟上請專家不合算的情況下，利用專家系統仍能處理與專家相等水平的工作 。
13、 " 易于傳遞及復制：專家與專家知識是稀有的資源，在知識密集的工作環境下，新進人員需要作相當多的訓練，而關鍵人物的知識隨著人事變動而不能儲存，在傳遞起來亦是耗時費力 。
14、但專家系統則不然 ， 它能輕易地將知識傳遞或復制 。
15、 " 具有一致性：人類專家在判斷決策的結果常會因時或因人而異，而專家系統對于所處理的問題則具有一致性的輸出 。
16、 " 可處理費時及復雜的問題：由于專家系統具有既定的知識庫與嚴謹的推理程序，因此往往比人類專家還能勝任一些執行起來較費時、復雜度較高的工作，如需要龐大計算量的問題 。
17、另外 ， 若工作的內容重復性很高 ， 專家系統尤其能比人類專家有更佳的表現 。
18、 " 使用于特定領域：由于搜集知識庫建構以及推理規則建構的有一定的困難 ， 因此專家系統通常只使用于小范圍的特定知識領域 。
19、而當問題的知識牽涉較廣，或是沒有一定的處理程序時，就必須靠人類專家的智慧來處理 。
20、 三、專家系統的組成結構一個典型的專家系統通常包括了三部分：知識庫、推論器與接口 ， 其基本架構可以圖一來表示 。
21、(注11)其中 ， 知識庫組織事實與規則，推論器藉由知識庫中有效的事實與規則，在使用者所輸入的條件基礎下勾勒出結果 ， 而使用者接口則是使用者與專家系統間的溝通橋梁 。
22、(注12)以下便分別對此主要架構作進一步的介紹 。
23、(一) 知識庫 (Knowledge-Base) (注13)知識庫系統的主要工作搜集人類的知識，將之有系統地表達或模塊化，使計算機可以進行推論、解決問題 。
24、知識庫中包含兩種型態：一是知識本身，即對物質及概念作實體的分析，并確認彼此之間的關系；而另一則是人類專家所特有的經驗法則、判斷力與直覺 。
25、知識庫與傳統數據庫在信息的組織、并入、執行等步驟與方法均有所不同 ， 概括來說，知識庫所包含的是可做決策的「知識」，而傳統數據庫的內容則是未經處理過的「數據」，必須經由檢索、解釋等過程才能實際被應用 。
26、 (二) 推論器 (Inference Mechanism) (注14)推論器的是藉由算法或決策策略來進行與知識庫內各項專門知識的推論，依據使用者的問題來推得正確的答案 。
27、推論器的問題解決算法可以區分為三個層次：1. 一般途徑：利用任意檢索(Blind Search)隨意尋找可能的答案，或利用啟發式檢索(Heuristic Search)嘗試尋找最有可能的答案 。
28、 2. 控制策略：有前推式(Forward Chaining)、回溯式(Backward Chaining)及雙向式(Bi-directional)三種 。
29、前推式是從已知的條件中尋找答案，利用數據逐步推出結論；回溯式則先設定目標，再證目標成立 。
30、 3. 額外的思考技巧：用來處理知識庫內數個概念間的不確定性，一般使用模糊邏輯(Fuzzy Logic)來進行演算 。
31、推論器會根據知識庫、使用者的問題及問題的復雜度來決定適用推論層次 。
32、 (三) 界面 (Interface) (注15)接口的主要功能是提供相關數據的輸入與輸出，可分為三個主要部分：1. 發展者界面：目的在方便協助系統發展者進行知識粹取、知識庫與推論器的編輯與修訂，并能對專家系統進行測試、記錄 ， 并說明系統運作的過程、狀態與結果 。
33、 2. 使用者接口：即專家系統與使用者之間的溝通橋梁，強調系統使用的親和性與簡易性 ， 提供多種的操作方法，并指示正確的行為模式 。
34、 3. 系統接口：為系統與其它軟硬件設備的整合管邈 ， 例如連接其它數據庫系統、外部檔案、繪圖軟件或傳感器等，均需透過此系統接口來進行 。
本文到此分享完畢 ， 希望對大家有所幫助 。

    推薦閱讀