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) 與復雜系統(tǒng)建模與復雜系統(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，及其結構、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)勢學習目的：學習目的：1.1 專家系統(tǒng)專家系統(tǒng) 專家系統(tǒng)（專家系統(tǒng)（ES）是人工智能領域最活躍和最廣泛的領域之一，主要應）是人工智能領域最活躍和最廣泛的領域之一，主要應用于商業(yè)和工業(yè)領域，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、們學習的基于置信規(guī)則庫的專家系統(tǒng)就是基于規(guī)則的，并在接下來我們學習的基于置信規(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)則上進行改進，可以更好處理各種信息。規(guī)則上進行改進，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)領域內，其某一專業(yè)領域內，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到很高問題的能力達到很高水平的學者。水平的學者。 專家系統(tǒng)：專家系統(tǒng)：是指是指利用存儲在計算機內利用存儲在計算機內的某一特定領域內的的某一特定領域內的專家知識，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)實問題的計算機計算機系統(tǒng)系統(tǒng)。其基本結構圖。其基本結構圖如圖如圖1-1。 數(shù)據(jù)庫數(shù)據(jù)庫知識庫知識庫推理機推理機解釋器解釋器人機接口人機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)，我們可以得到結論，這種動物就是老虎。證據(jù)，我們可以得到結論，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，還需要將這些規(guī)則進行組合，關于組合在第到最終目標，還需要將這些規(guī)則進行組合，關于組合在第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重和規(guī)則權重，就可以得到置信規(guī)則。把一系列的置信規(guī)前提屬性權重和規(guī)則權重，就可以得到置信規(guī)則。把一系列的置信規(guī)則集合到一起便構成了置信規(guī)則庫（則集合到一起便構成了置信規(guī)則庫（BRB）。）。在描述置信庫時，引入了權重參數(shù)，用來表達數(shù)據(jù)和知識的不確在描述置信庫時，引入了權重參數(shù)，用來表達數(shù)據(jù)和知識的不確定性，這些權值可以在知識獲取階段由專家設置：定性，這些權值可以在知識獲取階段由專家設置：前提屬性權重：一個前提屬性的相對重要性。前提屬性權重：一個前提屬性的相對重要性。規(guī)則權重：

7、反映該條規(guī)則相對于推理結果的重要性。規(guī)則權重：反映該條規(guī)則相對于推理結果的重要性。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學習D-S算法v學習ER算法v對比DS和ER學習目的：學習目的：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，對決策問題進行建模和分析是非常重要的。例如，在分析大型復雜工程系統(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：當輸入信息的基本思想：當輸入信息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)則進行組合，從而得到信規(guī)則進行組合，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)，學習系統(tǒng)，學習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)則庫的基礎上發(fā)展起來的，傳統(tǒng)規(guī)則庫的基礎上發(fā)

10、展起來的，傳統(tǒng)IF-THEN規(guī)則在上節(jié)中已學習，這規(guī)則在上節(jié)中已學習，這里我們繼續(xù)學習里我們繼續(xù)學習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進一步發(fā)展起來的一進一步發(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：該定理有兩個重要假設：獨立性假設，即給定各個屬性變量之間條件獨立；獨立性假設，即給定各個屬性變量之間條件獨立；一致性假設，即假設各個屬性變量對變量的影響程度是一致的。一致性假設，即假設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，難以合適的表達無知，區(qū)別經(jīng)典的歸納概率受限于其兩個假設，難以合適的表達無知，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。證據(jù)理論，力圖完整表達。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，只能將概率分派函數(shù)指定給完備的互不包含的假設，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)分派給假設或命題，化了命題的可信程度。可將證據(jù)分派給假設或命題， 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