第四章產(chǎn)生式系統(tǒng)

第四章產(chǎn)生式系統(tǒng)第一頁，共五十七頁，2022年，8月28日引言：是AI的一個重要知識表示形式;

常用于構(gòu)建基于規(guī)則專家系統(tǒng)。

要求：

掌握產(chǎn)生式模式及專家系統(tǒng)體系結(jié)構(gòu)、運行機制及基本實現(xiàn)技術(shù)-模式匹配、觸發(fā)規(guī)則、沖突解決策略、正向推理、逆向推理、不確定推理基本概念等。產(chǎn)生式知識表示及相關(guān)專家系統(tǒng)第二頁，共五十七頁，2022年，8月28日產(chǎn)生式知識表示及相關(guān)專家系統(tǒng)

產(chǎn)生式認知模型產(chǎn)生式系統(tǒng)架構(gòu)產(chǎn)生式系統(tǒng)推理機的實現(xiàn)技術(shù)專家系統(tǒng)概述第三頁，共五十七頁，2022年，8月28日產(chǎn)生式認知模型馬亦可夫Markov（1954）提出基于產(chǎn)生式的符號變換控制算法：

將一組產(chǎn)生式規(guī)則按優(yōu)先級次序作用輸入串；若較高優(yōu)先級的規(guī)則不可用，則應(yīng)用下一條規(guī)則，如此周而復(fù)始;直到或規(guī)則集合中的規(guī)則都不可用，或系統(tǒng)使用了一條以句號結(jié)束的規(guī)則，算法結(jié)束。美國數(shù)學(xué)家E.Post（1943）提出：用符號語言構(gòu)造產(chǎn)生式計算模型： <前件>-><后件>指出:任何數(shù)學(xué)系統(tǒng)、邏輯系統(tǒng)都可視為一個產(chǎn)生式集合，規(guī)定如何將一個符號串變換成另一個符號串。(計算機程序、巴科斯范式也亦如此)證明:產(chǎn)生式計算模型具有和圖靈機同樣的計算能力。第四頁，共五十七頁，2022年，8月28日產(chǎn)生式認知模型規(guī)則：（1）αxy→yαx

（2）α→^

（3）^→α。希臘字母α、β等代表專用符號串；小寫字母x、y

、z

等表示單個字符的變量；專用字符^

為空字符串。輸入字符串：“^ABC”規(guī)則號字符串匹配規(guī)則條件部分字符串的新狀態(tài)下一步工作（1）（2）（3）（1）（1）（1）（2）失敗失敗成功成功成功失敗成功^ABC^ABCαABCBαACBCαABCαABCA匹配下條規(guī)則匹配下條規(guī)則匹配頭條規(guī)則匹配頭條規(guī)則匹配頭條規(guī)則匹配下條規(guī)則轉(zhuǎn)換完畢，結(jié)束例:

用Markov算法作用于任意給定的字符串。執(zhí)行算法過程：規(guī)則自左向右地作用輸入字符串。第五頁，共五十七頁，2022年，8月28日產(chǎn)生式認知模型紐厄爾和西蒙Newell&Simon（1972）：總結(jié)人類的認知模型：長期記憶-大腦中積累的知識和經(jīng)驗部分（大容量的、松散的、表現(xiàn)為認識-行為的知識塊）短時記憶

–由感官輸入的信息以及求解具體問題所需的、臨時存放的知識塊（小容量的動態(tài)變化的知識）；認知處理器–人類求解問題可視為從長期記憶的成塊知識中找出由當(dāng)前輸入信息激活的那些知識塊，并按優(yōu)先級排序有選擇地執(zhí)行某個知識快的過程

產(chǎn)生式規(guī)則計算模型與人類認知模型相對應(yīng)，成為AI的一種基本的知識表示形式–產(chǎn)生式系統(tǒng)。第六頁，共五十七頁，2022年，8月28日

產(chǎn)生式認知模型產(chǎn)生式系統(tǒng)架構(gòu)產(chǎn)生式系統(tǒng)推理機的實現(xiàn)技術(shù)專家系統(tǒng)概述產(chǎn)生式知識表示及相關(guān)專家系統(tǒng)第七頁，共五十七頁，2022年，8月28日長期記憶

---短時記憶

---認知處理器

---工作存儲器（事實庫、工作庫、綜合數(shù)據(jù)庫、….)規(guī)則庫（長期知識庫、….）推理機（控制系統(tǒng)、控制策略、解釋程序、….)產(chǎn)生式系統(tǒng)架結(jié)構(gòu)第八頁，共五十七頁，2022年，8月28日推理機（控制系統(tǒng)）規(guī)則庫事實庫（綜合數(shù)據(jù)庫）產(chǎn)生式系統(tǒng)架結(jié)構(gòu)第九頁，共五十七頁，2022年，8月28日

規(guī)則庫（長期記憶區(qū)）：

存放一系列規(guī)則（算子），用于描述狀態(tài)的轉(zhuǎn)換關(guān)系、前提與結(jié)論間的因果關(guān)系以及環(huán)境條件與執(zhí)行操作的關(guān)系等。表現(xiàn)形式：IF前件THEN后件; IFLHSTHENRHS LHS:本規(guī)則觸發(fā)應(yīng)滿足的條件；

RHS：本規(guī)則觸發(fā)后可產(chǎn)生的結(jié)果（或應(yīng)執(zhí)行的操作）

例:R1:IF

(x,0,y,0)THEN

(v,0,y,0)；

R2:IF

likes(x,y)&likes(y,x)

THEN

friend(x,y)R2:IF

天氣太熱

THEN

打開空調(diào)；產(chǎn)生式系統(tǒng)架結(jié)構(gòu)第十頁，共五十七頁，2022年，8月28日事實庫（短時記憶區(qū)

）：存放問題的初始狀態(tài)、已知事實、推理的中間結(jié)果及結(jié)論等。表現(xiàn)形式：符號串、數(shù)組、向量、集合、謂詞等例：“8數(shù)碼”問題狀態(tài)描述-矩陣

(Sij)；“猴子摘香蕉”問題狀態(tài)描述-（a，0，b，0）；“祖孫關(guān)系”定理證明謂詞描述–Parent(x，y)。產(chǎn)生式系統(tǒng)架結(jié)構(gòu)第十一頁，共五十七頁，2022年，8月28日

推理機的基本運行算法:1．DATA 初始事實庫

2．untilDATA滿足結(jié)束條件以前，do3.begin4．

在所有滿足當(dāng)前事實庫

DATA的規(guī)則集合中，選擇一條規(guī)則R5．

DATA 執(zhí)行R后得到的結(jié)果

6.end產(chǎn)生式系統(tǒng)架結(jié)構(gòu)第十二頁，共五十七頁，2022年，8月28日產(chǎn)生式系統(tǒng)推理機工作流程事實庫規(guī)則啟用第十三頁，共五十七頁，2022年，8月28日

產(chǎn)生式認知模型產(chǎn)生式系統(tǒng)架構(gòu)產(chǎn)生式系統(tǒng)推理機的實現(xiàn)技術(shù)專家系統(tǒng)概述產(chǎn)生式知識表示及相關(guān)專家系統(tǒng)第十四頁，共五十七頁，2022年，8月28日規(guī)則的匹配（規(guī)則的觸發(fā)，變量的綁定–Bounding

）；規(guī)則的選擇（規(guī)則的選擇，沖突解決策略）；規(guī)則的應(yīng)用（規(guī)則的執(zhí)行，演繹–加入新斷言，反應(yīng)–執(zhí)行規(guī)定操作）規(guī)則推理的不確定性（不確定性推理）規(guī)則推理的方向（正向推理–數(shù)據(jù)驅(qū)動，逆向推理–目標(biāo)驅(qū)動）；規(guī)則應(yīng)用的解釋（解釋問題類型，How,Why

）；記錄問題求解過程中規(guī)則的應(yīng)用順序（輸出，解徑、解圖）；控制系統(tǒng)運行的終止（正常終止，非正常終止）。

產(chǎn)生式系統(tǒng)推理機的實現(xiàn)技術(shù)第十五頁，共五十七頁，2022年，8月28日規(guī)則的匹配從規(guī)則庫的第一條規(guī)則開始，按排列順序逐條用規(guī)則的前提條件與事實庫中事實進行匹配；

R:IF(x,0,y,0)THEN(v,0,y,0)F:(a,0,b,0)------------------------------------

新狀態(tài):(v,0,b,0)常量置換變量;合一匹配成功.

由于一次搜索過程中，可能有多條規(guī)則同時為事實庫中事實所匹配，需將所有的觸發(fā)規(guī)則送沖突集，應(yīng)用沖突解決策略選擇啟用規(guī)則。觸發(fā)規(guī)則:前提條件為當(dāng)前事實庫所滿足的規(guī)則.

沖突集:

所有觸發(fā)規(guī)則構(gòu)成的集合。第十六頁，共五十七頁，2022年，8月28日規(guī)則的匹配（規(guī)則的觸發(fā)，變量的綁定–Bounding

）；規(guī)則的選擇（規(guī)則的選擇，沖突解決策略）；規(guī)則的應(yīng)用（規(guī)則的執(zhí)行：演繹–加入新斷言，反應(yīng)–執(zhí)行規(guī)定操作）規(guī)則推理的不確定性（不確定性推理）規(guī)則推理的方向（正向推理–數(shù)據(jù)驅(qū)動，逆向推理–目標(biāo)驅(qū)動）；規(guī)則應(yīng)用的解釋（解釋問題類型：How,Why

）；記錄問題求解過程中規(guī)則的應(yīng)用順序（輸出：解徑、解圖）；控制系統(tǒng)運行的終止（正常終止，非正常終止）。

產(chǎn)生式系統(tǒng)推理機的實現(xiàn)技術(shù)第十七頁，共五十七頁，2022年，8月28日規(guī)則的選擇及沖突解決策略啟用規(guī)則：從沖突集中選擇出的某條合適的可作為當(dāng)前的執(zhí)行規(guī)則。沖突解決策略：反應(yīng)型系統(tǒng)(Reaction)演繹型系統(tǒng)(Deduction)規(guī)則排序：排在前面的規(guī)則優(yōu)先執(zhí)行；

專一性排序：條件越具體的規(guī)則優(yōu)先執(zhí)行；

就近排序：與事實庫中最新加入事實匹配的規(guī)則優(yōu)先執(zhí)行………(參見：OPS5–

產(chǎn)生式系統(tǒng)語言)

上下文排序：特定時間段內(nèi)只從某上下文有關(guān)規(guī)則組內(nèi)選擇執(zhí)行第十八頁，共五十七頁，2022年，8月28日規(guī)則的匹配（規(guī)則的觸發(fā)，變量的綁定–Bounding

）；規(guī)則的選擇（規(guī)則的選擇，沖突解決策略）；規(guī)則的應(yīng)用（規(guī)則的執(zhí)行：演繹–加入新斷言，反應(yīng)–執(zhí)行規(guī)定操作）規(guī)則推理的不確定性（不確定性推理）規(guī)則推理的方向（正向推理–數(shù)據(jù)驅(qū)動，逆向推理–目標(biāo)驅(qū)動）；規(guī)則應(yīng)用的解釋（解釋問題類型：How,Why

）；記錄問題求解過程中規(guī)則的應(yīng)用順序（輸出：解徑、解圖）；控制系統(tǒng)運行的終止（正常終止，非正常終止）。

產(chǎn)生式系統(tǒng)推理機的實現(xiàn)技術(shù)第十九頁，共五十七頁，2022年，8月28日

概念的模糊性-模糊推理IF西紅柿紅了THEN西紅柿熟了，西紅柿非常紅-----------------------------------------------

西紅柿（？）熟11.61.751.91.78矮中等高0身高隸屬度修飾量化：

非常高

不太高

…..不確定性推理-信息的不精確、不完整、模糊性第二十頁，共五十七頁，2022年，8月28日

信息的不精確性：規(guī)則的不確定性–

IF

A流鼻涕&紅眼睛THENA患流感（CF:0.67）

A患鼻膜過敏（CF:0.06）IF

培養(yǎng)液是血液， 細菌的類別不知道， 細菌的染色體是革蘭式陰性，細菌的外傷是桿狀，THEN

細菌的類別是假單菌（CF:0.4）

事實的不確定性–

A流鼻涕(0.4)A紅眼睛(0.8)不確定性推理-信息的不精確、不完整、模糊性第二十一頁，共五十七頁，2022年，8月28日

R1:ifE1thenH (0.9)R2:ifE2thenH (0.7)R3:ifE3thenH (0.8)R4:ifE4&E5thenE1 (0.7)R5:ifE6&(E7ORE8)thenE2(1.0)不確定性推理事實證據(jù):

E3

E4(0.9)E5(0.6)E6(0.7)E7(0.3)E8(0.8)原始證據(jù)或觀察的事實是判斷規(guī)則前提條件成立的依據(jù)–例，E4，E51、組合證據(jù)的不確定性計算？第二十二頁，共五十七頁，2022年，8月28日0.30.90.60.70.30.80.71.00.70.9-0.8不確定性推理2、推理過程的不確定性計算？

-包括一步推理與推理鏈結(jié)論的計算，例，E1，E2；3、多條規(guī)則的結(jié)論合成的不確定性計算？-例，H。第二十三頁，共五十七頁，2022年，8月28日一、組合證據(jù)的不確定性計算：證據(jù)合?。簭拿總€證據(jù)的可信度中獲得證據(jù)總體的可信度。0.90.51.00.51）、基于模糊集計算方法–取小

(MYCIN-6.3節(jié))0.90.51.00.452）、基于概率論計算方法–

乘積

(PROSPECTOR–6.4節(jié))不確定性推理第二十四頁，共五十七頁，2022年，8月28日01.0CinCoutCin01.0Cout01.0CinCout先驗值先驗值

0.8CinCout0.50.4不確定性推理二、推理過程結(jié)論（一步推理）的不確定性計算：結(jié)論可信度一般計算方法:規(guī)則條件可信度與結(jié)論可信度之間存在某種關(guān)系–規(guī)則的可信度（系數(shù)）第二十五頁，共五十七頁，2022年，8月28日基于模糊理論計算方法–取大

(EXPERT)0.90.250.9（a）不確定性推理三、多條規(guī)則結(jié)論合成的可信度計算：H第二十六頁，共五十七頁，2022年，8月28日基于概率論方法（1）計算流程：1、由各規(guī)則的可信度C與不可信度1-C計算規(guī)則的可信比例r；2、將各規(guī)則的可信比例相乘，獲多條規(guī)則推得的結(jié)論的可信比例；3、再將可信比例轉(zhuǎn)換成最終結(jié)論的可信度。設(shè)規(guī)則可信比例：規(guī)則可信度：

不確定性推理三、多條規(guī)則結(jié)論合成的可信度計算：第二十七頁，共五十七頁，2022年，8月28日基于概率論方法（1）

r:可信比例c:可信度0.90.750.25可信度可信度比例9×1/3=30.90.250.75不確定性推理三、多條規(guī)則結(jié)論合成的可信度計算：H第二十八頁，共五十七頁，2022年，8月28日常用的不確定性推理計算方法：

確定性因子法(MYCIN)；主觀Bayes法(Prospector)

；

D-S證據(jù)理論；模糊可能性理論；

……不確定性推理第二十九頁，共五十七頁，2022年，8月28日規(guī)則的匹配（規(guī)則的觸發(fā)，變量的綁定–Bounding

）；規(guī)則的選擇（規(guī)則的選擇，沖突解決策略）；規(guī)則的應(yīng)用（規(guī)則的執(zhí)行：演繹–加入新斷言，反應(yīng)–執(zhí)行規(guī)定操作）規(guī)則推理的不確定性（不確定性推理）規(guī)則推理的方向（正向推理–數(shù)據(jù)驅(qū)動，逆向推理–目標(biāo)驅(qū)動）；規(guī)則應(yīng)用的解釋（解釋問題類型：How,Why

）；記錄問題求解過程中規(guī)則的應(yīng)用順序（輸出：解徑、解圖）；控制系統(tǒng)運行的終止（正常終止，非正常終止）。

產(chǎn)生式系統(tǒng)推理機的實現(xiàn)技術(shù)第三十頁，共五十七頁，2022年，8月28日正向推理的產(chǎn)生式系統(tǒng)例：當(dāng)前事實庫： {A}；目標(biāo)：G

規(guī)則集： {R1:ifAthenBandC, R2:ifBthenD,……}

推理后事實庫：{A,B,C}；{A,B,C,D}；…；{…，G}

特點： 數(shù)據(jù)驅(qū)動。規(guī)則形式：<前件>-><后件>

操作： 用已知事實去匹配規(guī)則的前件，正向地運用規(guī)則， 求證目標(biāo)成立的過程。概念： 被正向使用的規(guī)則稱為F規(guī)則。

第三十一頁，共五十七頁，2022年，8月28日正向推理的產(chǎn)生式系統(tǒng)實例（1）動物識別產(chǎn)生式系統(tǒng):G=“A是獵豹？”

已有知識（規(guī)則庫）：R1：

IF

X是食肉動物∧X毛發(fā)是深褐色∧X有花斑點

THENX是獵豹。R2：

IF(X是哺乳動物)∨(X食肉)∨(X有尖利的牙齒∧X有爪子∧X有前視眼)THENX是食肉動物。R3：IFX有毛發(fā)

THENX是哺乳動物

已知事實（事實庫）：

A有毛發(fā)；A有尖利的牙齒；A有爪子；A有前視眼；

A毛發(fā)是深褐色；A有花斑點；第三十二頁，共五十七頁，2022年，8月28日獵豹深褐色毛發(fā)有花斑點食肉動物食肉哺乳動物外形特征有毛發(fā)尖利的牙齒有爪子前視眼R3R2R1深褐色毛發(fā)有花斑點有毛發(fā)尖利的牙齒有爪子前視眼推理方向：

事實結(jié)論正向推理的產(chǎn)生式系統(tǒng)實例（1）第三十三頁，共五十七頁，2022年，8月28日正向推理的產(chǎn)生式系統(tǒng)算法中的符號：

DB:存放事實和中間結(jié)果的事實庫；

KB:存放知識的規(guī)則庫；

RS:當(dāng)前所有觸發(fā)規(guī)則構(gòu)成的沖突集合。

第三十四頁，共五十七頁，2022年，8月28日正向推理的產(chǎn)生式系統(tǒng)初始事實放入事實庫DBDB

中有目標(biāo)？KB中有前件為DB滿足的規(guī)則？匹配，將所有觸發(fā)規(guī)則放入沖突集RS

RS

為空？成功，退出失敗，退出用戶要補充新事實？

新事實加入事實庫DB是否是是否是否否第三十五頁，共五十七頁，2022年，8月28日正向推理的產(chǎn)生式系統(tǒng)按規(guī)定的沖突解決策略從RS中選擇一條規(guī)則執(zhí)行。執(zhí)行結(jié)果加入事實庫DBAB第三十六頁，共五十七頁，2022年，8月28日逆向推理的產(chǎn)生式系統(tǒng)例：假設(shè)待證目標(biāo)： {G}；事實證據(jù)庫：{}

規(guī)則集： {R1:ifBandCthenG, R2:ifDthenB,……}

推理后事實證據(jù)庫：

{B,C}；{C,D}；……

特點： 目標(biāo)驅(qū)動：規(guī)則形式：<前件>-><后件>

操作： 用假設(shè)的待證目標(biāo)去匹配規(guī)則的后件，逆向地運用規(guī)則， 求證所有支持目標(biāo)所需的前提條件均成立的過程。概念：被逆向使用的規(guī)則稱為B規(guī)則。

第三十七頁，共五十七頁，2022年，8月28日逆向推理的產(chǎn)生式系統(tǒng)實例（1）動物識別產(chǎn)生式系統(tǒng):G=“A是獵豹？”

已有知識（規(guī)則庫）：R1：

IF

X是食肉動物∧X毛發(fā)是深褐色∧X有花斑點

THENX是獵豹。R2：

IF(X是哺乳動物)∨(X食肉)∨(X有尖利的牙齒∧X有爪子∧X有前視眼)THENX是食肉動物。R3：IFX有毛發(fā)

THENX是哺乳動物

已知事實（事實庫）：

A有毛發(fā)；A有尖利的牙齒；A有爪子；A有前視眼；

A毛發(fā)是深褐色；A有花斑點；第三十八頁，共五十七頁，2022年，8月28日推理方向：

目標(biāo)事實逆向推理的產(chǎn)生式系統(tǒng)實例（2）獵豹有花斑點食肉動物食肉哺乳動物外形特征有毛發(fā)尖利的牙齒有爪子前視眼R3R2R1深褐色毛發(fā)深褐色毛發(fā)有花斑點有毛發(fā)尖利的牙齒有爪子前視眼第三十九頁，共五十七頁，2022年，8月28日逆向推理的產(chǎn)生式系統(tǒng)算法中的符號：

DB:存放最終事實和中間證據(jù)的事實證據(jù)庫；

KB:存放知識的規(guī)則庫；

RS:當(dāng)前所有觸發(fā)規(guī)則構(gòu)成的沖突集合。

第四十頁，共五十七頁，2022年，8月28日逆向推理的產(chǎn)生式系統(tǒng)假設(shè)待證目標(biāo)DB有支持目標(biāo)的事實KB中有后件支持(子)目標(biāo)的規(guī)則？匹配，將所有觸發(fā)規(guī)則放入沖突集RS目標(biāo)成立，退出事實支持假設(shè)目標(biāo)，事實送DB用戶補充新事實？

詢問用戶是否是否是否AB

目標(biāo)不成立,退出

RS

為空？是否第四十一頁，共五十七頁，2022年，8月28日A選擇規(guī)則的一個前提條件作為新的待證目標(biāo)。B從RS中選擇一條觸發(fā)規(guī)則逆向推理的產(chǎn)生式系統(tǒng)第四十二頁，共五十七頁，2022年，8月28日正（逆）向產(chǎn)生式系統(tǒng)的比較特點正向推理逆向推理推理驅(qū)動方式數(shù)據(jù)驅(qū)動目標(biāo)驅(qū)動優(yōu)點算法簡單，易于實現(xiàn)搜索目的性強，推理效率高

缺點1、搜索目的性弱，可能求解出多個無關(guān)的結(jié)論；2、匹配時，要遍歷整個規(guī)則庫，推理效率低。1、確定目標(biāo)的時候，具有盲目性，可能產(chǎn)生假目標(biāo)2、當(dāng)規(guī)則的后件是操作而非斷言時，即反應(yīng)型系統(tǒng)，不宜使用此法

用途主要用于已知初始數(shù)據(jù)，不知目標(biāo)的推理；或是解空間大的一類推理。主要用于結(jié)論單一或已知目標(biāo)求證的一類推理。應(yīng)用監(jiān)控、預(yù)測、規(guī)劃、設(shè)計等選擇、分類、故障診斷等第四十三頁，共五十七頁，2022年，8月28日規(guī)則的匹配（規(guī)則的觸發(fā)，變量的綁定–Bounding

）；規(guī)則的選擇（規(guī)則的選擇，沖突解決策略）；規(guī)則的應(yīng)用（規(guī)則的執(zhí)行：演繹–加入新斷言，反應(yīng)–執(zhí)行規(guī)定操作）規(guī)則推理的不確定性（不確定性推理）規(guī)則推理的方向（正向推理–數(shù)據(jù)驅(qū)動，逆向推理–目標(biāo)驅(qū)動）；規(guī)則應(yīng)用的解釋（解釋問題類型：How,Why

）；記錄問題求解過程中規(guī)則的應(yīng)用順序（輸出：解徑、解圖）；控制系統(tǒng)運行的終止（正常終止，非正常終止）。

產(chǎn)生式系統(tǒng)推理機的實現(xiàn)技術(shù)第四十四頁，共五十七頁，2022年，8月28日規(guī)則應(yīng)用的解釋

必要性：

解釋推理過程，幫助使用者理解系統(tǒng)是如何得到結(jié)論的；

解釋問題類型：

Howdidyoucometothisresult?Whydoyouwantknowthisfact?第四十五頁，共五十七頁，2022年，8月28日規(guī)則應(yīng)用的解釋How?食肉動物正向推理Why?有利齒逆向推理R2：IFX是哺乳動物∧X有尖利的牙齒∧

X有爪子∧X有前視眼

THENX是食肉動物。R3：IFX有毛發(fā)

THENX是哺乳動物食肉動物哺乳動物有毛發(fā)前視眼爪子利齒R3R2第四十六頁，共五十七頁，2022年，8月28日產(chǎn)生式系統(tǒng)小結(jié)描述優(yōu)點缺點事實庫-對所有規(guī)則操作的唯一場所。系統(tǒng)結(jié)構(gòu)簡單明了，易于理解。規(guī)則–

經(jīng)驗知識塊

具有統(tǒng)一的表示形式，容易理解、定義。規(guī)則之間無直接調(diào)用關(guān)系，相互關(guān)系不清楚，系統(tǒng)功能不易把握。對某些規(guī)則的修改、擴充，可能造成與其它規(guī)則的矛盾，規(guī)則庫的一致性維護困難。

規(guī)則之間相互獨立，具有高度模塊化。

推理機-控制推理機制簡單、推理步驟獨立，便于跟蹤、解釋。需對所有規(guī)則進行模式匹配，搜索效率低下。推理控制方式單一，缺乏靈活性。第四十七頁，共五十七頁，2022年，8月28日

產(chǎn)生式認知模型產(chǎn)生式系統(tǒng)架構(gòu)產(chǎn)生式系統(tǒng)推理機的實現(xiàn)技術(shù)專家系統(tǒng)概述產(chǎn)生式知識表示及相關(guān)專家系統(tǒng)第四十八頁，共五十七頁，2022年，8月28日何謂專家系統(tǒng)專家系統(tǒng)是一種具有智能的計算機系統(tǒng)，它能使用某一問題領(lǐng)域的知識為該領(lǐng)域提供”專家級”的服務(wù)，能部分或全部地代替領(lǐng)域?qū)＜医鉀Q本領(lǐng)域的高難度問題。第四十九頁，共五十七頁，2022年，8月28日專家系統(tǒng)的分類

按輸出結(jié)果分類：輸出斷言結(jié)論： 診斷、解釋、預(yù)測、決策；

輸出可執(zhí)行的方案：設(shè)計、規(guī)劃、控制、調(diào)度。

按知識表示分類：產(chǎn)生式規(guī)則，一階謂詞邏輯，框架系統(tǒng)，語義網(wǎng)絡(luò)，過程型，……

按推理模式分類：精確推理、不確定性推理；基于規(guī)則推理、基于模型推理，基于案例推理。

按規(guī)模分類：大型協(xié)同綜合型；微型控制型。第五十頁，共五十七頁，2022年，8月28日專家系統(tǒng)的分類應(yīng)用問題類型：

解釋：處理大量不完全、受干擾數(shù)據(jù)，正確解釋結(jié)果(圖象、語音分析)

預(yù)測：根據(jù)對象過去和現(xiàn)在的情況，推斷其將來演變結(jié)果。- 數(shù)據(jù)隨時間變化（氣象、軍事、交通、市場等預(yù)測）診斷：通過觀察癥狀，確定對