Научная электронная библиотека
Монографии, изданные в издательстве Российской Академии Естествознания

1.4.2. Экспертное моделирование

В работе [18] выделен класс систем экспертного моделирования (СЭМ), которые имитируют процессы рассуждения человека. Исходными данными для них являются декларативные и процедурные знания, поэтому их также называют системами, основанными на знаниях (knowledge-basedsystem), или экспертными системами (ЭС). В общем случае ЭС нельзя рассматривать как СИМ, так как они используют критерии, стратегии выбора правил, формализованные цели и т. д. Тем не менее, при моделировании знаний эксперта, которые представляют собой вербальное или графическое отображение системы, ее связей и закономерностей, экспертное представление аналогично имитационному. Тенденция сближения классов ЭС и СИМ отмечена в работах [18, 83–85].

ЭС – наиболее распространенный класс ИТ, ориентированный на тиражирование опыта высококвалифицированных специалистов в областях, где качество принятия решений традиционно зависит от уровня экспертизы, например, медицина, юриспруденция, геология, экономика, военное дело, энергетика, металлургия, логистика, проектирование. ЭС эффективны лишь в специфических «экспертных» областях, где важен эмпирический опыт специалистов [86].

Структура ЭС может включать следующие компоненты: база знаний; база данных; машина вывода; интерфейс с пользователем; модуль извлечения знаний и обучения; компонент приобретения и объяснения знаний [11, 18], первые три – являются обязательными.

База данных (БД) хранит исходные и промежуточные данные решаемой в текущий момент задачи.

База знаний (БЗ) предназначена для хранения долгосрочных данных, описывающих рассматриваемую область, и правил, описывающих целесообразные преобразования данных в этой области.

Отличие БЗ от БД определяют исходя из типа хранимых знаний: в БЗ записывают правила (процедурные знания), а в БД – данные (декларативные знания). Все знания стремятся хранить единообразно, используя один язык представления знаний (ЯПЗ).

Машина вывода, используя исходные данные и знания, формирует такую последовательность правил, которые, будучи примененными к исходным данным, приводят к решению задачи.

Интерфейс с пользователем ориентирован на организацию общения со всеми категориями пользователей как в ходе решения задач, так и в ходе приобретения знаний, объяснения результатов работы.

Модуль извлечения знаний и обучения автоматизирует процесс наполнения ЭС знаниями, осуществляемый пользователем-экспертом, а также формирует знания на основе анализа прикладных ситуаций.

Компонент приобретения и объяснения знаний объясняет, как система получила решение задачи (или почему она не получила решения) и какие знания она при этом использовала, что облегчает эксперту тестирование системы и повышает доверие пользователя к полученному результату.

Моделирование в ЭС (СЭМ) представляет собой вывод на знаниях. Механизм вывода во многом зависит от используемого ЯПЗ и может быть логическим, нечетким, вероятностным, продукционным и т. д.

Методы имитации символической модели ЭС практически полностью совпадают с методами, используемыми в СИМ. Такое сближение имитационного и экспертного подхода приводит к идеям интеграции ЭС и СИМ, более подробно обсуждаемой во второй главе и рассматриваемых работах [18, 33, 87–88].

Особо следует выделить методы комбинированного вывода, которые учитывают возможности различных ЯПЗ. Кроме того, в ЭС часто используются методы с вызовом внешних процедур (программ) и получения из них данных. Эти методы носят название процедур извлечения знаний [18].


Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1.074