專家推理系統(tǒng)

置信規(guī)則庫專家系統(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3.實例分析1.專家系統(tǒng)及置信規(guī)則庫專家系統(tǒng)的提出了解專家系統(tǒng)的背景，及其結(jié)構(gòu)、特點了解置信規(guī)則庫的表示方法對比BRB系統(tǒng)與原專家系統(tǒng)的優(yōu)勢學(xué)習(xí)目的：1.1專家系統(tǒng)專家系統(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，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。

接下來我們學(xué)習(xí)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專家系統(tǒng)

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

專家系統(tǒng)：是指利用存儲在計算機(jī)內(nèi)的某一特定領(lǐng)域內(nèi)的專家知識，來解決過去只有專家才能解決的現(xiàn)實問題的計算機(jī)系統(tǒng)。其基本結(jié)構(gòu)圖如圖1-1。

數(shù)據(jù)庫知識庫推理機(jī)解釋器人機(jī)接口專家用戶圖1-11.2傳統(tǒng)IF-THEN規(guī)則基于IF-THEN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)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，通過邏輯與和或來連接，綜合這些證據(jù)，我們可以得到結(jié)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)則庫的專家系統(tǒng)

一個基本的規(guī)則庫可由式（1-2）表示的一系列簡單的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（BRB）。在描述置信庫時，引入了權(quán)重參數(shù)，用來表達(dá)數(shù)據(jù)和知識的不確定性，這些權(quán)值可以在知識獲取階段由專家設(shè)置：前提屬性權(quán)重：一個前提屬性的相對重要性。規(guī)則權(quán)重：反映該條規(guī)則相對于推理結(jié)果的重要性。1.2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)1.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3.實例分析置信系統(tǒng)2證據(jù)推理算法學(xué)習(xí)D-S算法學(xué)習(xí)ER算法對比DS和ER學(xué)習(xí)目的：2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(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，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。為了有效利用帶有各種不確定性的信息和知識，實現(xiàn)復(fù)雜決策問題的建模，Yang等提出來基于證據(jù)推理算法的置信規(guī)則庫推理算法(RIMER)。

RIMER的基本思想：當(dāng)輸入信息x到來后，利用ER算法對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)則庫的專家系統(tǒng)又稱BRB系統(tǒng)，學(xué)習(xí)BRB系統(tǒng)建模，需要掌握以下兩點：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)則庫的基礎(chǔ)上發(fā)展起來的，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)展起來的一種處理不確定性的理論，因此又稱為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：該定理有兩個重要假設(shè)：⑴獨立性假設(shè)，即給定各個屬性變量之間條件獨立；⑵一致性假設(shè)，即假設(shè)各個屬性變量對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假設(shè)，難以合適的表達(dá)無知，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(shè)，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)間量化了命題的可信程度。可將證據(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)理論滿足比概率論更弱的公理系統(tǒng)，當(dāng)概率值已知時，證據(jù)理論就變成了概率論。2.1D-S證據(jù)理論