第四章产生式系统优秀课件.ppt

《第四章产生式系统优秀课件.ppt》由会员分享，可在线阅读，更多相关《第四章产生式系统优秀课件.ppt（57页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第四章产生式系统第四章产生式系统第1页，本讲稿共57页n引引 言：言：w 是 AI 的一个重要知识表示形式;w 常用于构建基于规则专家系统专家系统。n 要求：要求：w 掌握产生式模式产生式模式及专家系统体系结构、专家系统体系结构、运行机制运行机制及基本实基本实现技术现技术 -模式匹配、触发规则、冲突解决策略、正向推理、逆向推理、不确定推理基本概念等。产生式知识表示产生式知识表示及相关专家系统及相关专家系统第2页，本讲稿共57页产生式知识表示产生式知识表示及相关专家系统及相关专家系统n 产生式认知模型产生式认知模型n 产生式系统架构产生式系统架构n 产生式系统推理机的实现技术产生式系统推理机的实

2、现技术n 专家系统概述专家系统概述第3页，本讲稿共57页产生式认知模型产生式认知模型马亦可夫马亦可夫Markov（1954）提出）提出基于产生式的符号变换控制算法基于产生式的符号变换控制算法：将一组产生式规则按优先级次序作用输入串；将一组产生式规则按优先级次序作用输入串；若较高优先级的规则不可用，则应用下一条规则，如此周而复始若较高优先级的规则不可用，则应用下一条规则，如此周而复始;直到直到或规则集合中的规则都不可用，或系统使用了一条以句号结束的规则，或规则集合中的规则都不可用，或系统使用了一条以句号结束的规则，算法结束。算法结束。n美国数学家美国数学家 E.PostE.Post（194319

3、43）提出：）提出：w用符号语言构造产生式计算模型：用符号语言构造产生式计算模型：-w指出指出:任何数学系统、逻辑系统都可视为一个产生式集合，规定如何将一个符任何数学系统、逻辑系统都可视为一个产生式集合，规定如何将一个符号串变换成另一个符号串。号串变换成另一个符号串。(计算机程序计算机程序、巴科斯范式也亦如此巴科斯范式也亦如此)w证明证明:产生式计算模型具有和图灵机同样的计算能力。产生式计算模型具有和图灵机同样的计算能力。第4页，本讲稿共57页产生式认知模型产生式认知模型规则：规则：（1）xy yx（2）（3）。希腊字母希腊字母、等代表专用符号串；等代表专用符号串；小写字母小写字母x、y、z等

4、表示单个字符的变量；等表示单个字符的变量；专用字符专用字符 为空字符串。为空字符串。输入字符串输入字符串：“ABC”规则号规则号字符串匹配规则条件部分字符串匹配规则条件部分字符串的新状态字符串的新状态下一步工作下一步工作（1）（2）（3）（1）（1）（1）（2）失败失败失败失败成功成功成功成功成功成功失败失败成功成功ABCABCABCBACBCABCABCA匹配下条规则匹配下条规则匹配匹配下条规则下条规则匹配头条规则匹配头条规则匹配头条规则匹配头条规则匹配头条规则匹配头条规则匹配下条规则匹配下条规则转换完毕，结束转换完毕，结束例例:用Markov算法作用于任意给定的字符串。算法作用于任意给定的

5、字符串。执行算法过程：执行算法过程：规则自左向右地作用输入字符串。规则自左向右地作用输入字符串。第5页，本讲稿共57页产生式认知模型产生式认知模型w纽厄尔和西蒙纽厄尔和西蒙 Newell&SimonNewell&Simon（19721972）：总结人类的认知模型：）：总结人类的认知模型：长期记忆长期记忆 -大脑中积累的知识和经验部分（大容量的、松散的、表现为认识大脑中积累的知识和经验部分（大容量的、松散的、表现为认识-行行为的知识块）为的知识块）短时记忆短时记忆 由感官输入的信息以及求解具体问题所需的、临时存放的知由感官输入的信息以及求解具体问题所需的、临时存放的知识块（小容量的动态变化的知识

6、识块（小容量的动态变化的知识 ）；）；认知处理器认知处理器 人类求解问题可视为从长期记忆的成块知识中找出由当前输入信人类求解问题可视为从长期记忆的成块知识中找出由当前输入信息激活的那些知识块，并按优先级排序有选择地执行某个知识快的过程息激活的那些知识块，并按优先级排序有选择地执行某个知识快的过程 产生式规则计算模型与人类认知模型相对应，成为产生式规则计算模型与人类认知模型相对应，成为 AI AI 的一种基本的知识的一种基本的知识表示形式表示形式 产生式系统。产生式系统。第6页，本讲稿共57页n 产生式认知模型产生式认知模型n 产生式系统架构产生式系统架构n 产生式系统推理机的实现技术产生式系统

7、推理机的实现技术n 专家系统概述专家系统概述产生式知识表示产生式知识表示及相关专家系统及相关专家系统第7页，本讲稿共57页长期记忆长期记忆-短时记忆短时记忆-认知处理器认知处理器-工作存储器（工作存储器（事实库事实库、工作库、综合数工作库、综合数据库、据库、.)规则库（长期知识库、规则库（长期知识库、.）推理机（控制系统、控制策略、解释推理机（控制系统、控制策略、解释程序、程序、.).)产生式系统架结构产生式系统架结构第8页，本讲稿共57页推理机（控制系统）推理机（控制系统）规则库规则库事实库（综合数事实库（综合数据库）据库）产生式系统架结构产生式系统架结构第9页，本讲稿共57页n 规则库（长

8、期记忆区规则库（长期记忆区 ）：）：u 存放一系列规则（算子），用于描述存放一系列规则（算子），用于描述状态的转换状态的转换关系、关系、前提与结论间的因果前提与结论间的因果关关系以及系以及环境条件与执行操作环境条件与执行操作的关系等。的关系等。u 表现形式：表现形式：IF IF 前件前件 THEN THEN 后件后件;IF LHS THEN RHSIF LHS THEN RHS LHS:LHS:本规则触发应满足的条件；本规则触发应满足的条件；RHSRHS：本规则触发后可产生的结果（或应执行的操作）：本规则触发后可产生的结果（或应执行的操作）n 例例:w R1:IFIF(x,0,y,0(x,0,

9、y,0)THENTHEN(v,0,y,0)(v,0,y,0)；u R2:IFIF likes(x,y)&likes(y,x)likes(x,y)&likes(y,x)THENTHEN friend(x,y)friend(x,y)u R2:IFIF 天气太热天气太热 THENTHEN 打开空调打开空调；产生式系统架结构产生式系统架结构第10页，本讲稿共57页n事实库（事实库（短时记忆区短时记忆区）：）：w存放问题的存放问题的初始状态初始状态、已知事实已知事实、推理的、推理的中间结果中间结果及及结论结论等。等。w表现形式：符号串、数组、向量、集合、谓词等表现形式：符号串、数组、向量、集合、谓词等例

10、：例：“8 8数码数码”问题状态描述问题状态描述 -矩阵矩阵 (S(Sijij)；“猴子摘香蕉猴子摘香蕉”问题状态描述问题状态描述-（a，0，b，0）；“祖孙关系祖孙关系”定理证明谓词描述定理证明谓词描述 Parent(x，y)。产生式系统架结构产生式系统架结构第11页，本讲稿共57页推理机的基本运行算法推理机的基本运行算法:1DATA初始事实库初始事实库2untilDATA满足结束条件以前，满足结束条件以前，do3.begin4在在所所有有满满足足当当前前事事实实库库DATA的的规规则则集集合合中中，选选择择一一条条规规则则R5DATA执行执行R后得到的结果后得到的结果6.end产生式系统架

11、结构产生式系统架结构第12页，本讲稿共57页产生式系统推理机工作流程产生式系统推理机工作流程事实库事实库规则启用规则启用第13页，本讲稿共57页n 产生式认知模型产生式认知模型n 产生式系统架构产生式系统架构n 产生式系统推理机的实现技术产生式系统推理机的实现技术n 专家系统概述专家系统概述产生式知识表示产生式知识表示及相关专家系统及相关专家系统第14页，本讲稿共57页u规则的匹配（规则的匹配（规则的规则的触发触发，变量的绑定，变量的绑定Bounding）；）；u规则的选择（规则的选择（规则的规则的选择选择，冲突解决策略，冲突解决策略）；u规则的应用（规则的应用（规则的规则的执行执行，演绎，演

12、绎加入新断言，反应加入新断言，反应执行规定操作执行规定操作）u规则推理的不确定性（规则推理的不确定性（不确定性推理不确定性推理）u规则推理的方向（规则推理的方向（正向推理正向推理数据驱动数据驱动，逆向推理逆向推理目标驱动目标驱动）；）；u规则应用的解释（规则应用的解释（解释问题类型解释问题类型，How,Why）；）；u记录问题求解过程中规则的应用顺序记录问题求解过程中规则的应用顺序（输出，（输出，解径解径、解图解图）；）；u控制系统运行的终止（控制系统运行的终止（正常正常终止，终止，非正常非正常终止终止）。）。产生式系统推理机的实现技术产生式系统推理机的实现技术第15页，本讲稿共57页规则的匹

13、配规则的匹配n从从规则库规则库的第一条规则开始，按排列顺序逐条用的第一条规则开始，按排列顺序逐条用规则的前提条件规则的前提条件与与事实库事实库中中事实事实进行匹配；进行匹配；u R:IF(x,0,y,0)THEN(v,0,y,0)F:(a,0,b,0)-新状态:(v,0,b,0)常量置换变量常量置换变量;合一匹配成功合一匹配成功.由于一次搜索过程中，可能有多条规则同时为事实库中事实所匹配，由于一次搜索过程中，可能有多条规则同时为事实库中事实所匹配，需将所有的需将所有的触发规则触发规则送送冲突集冲突集，应用冲突解决策略选择应用冲突解决策略选择启用规则启用规则。n触发规则触发规则:前提条件为当前事

14、实库所满足的规则前提条件为当前事实库所满足的规则.n 冲突集冲突集:所有触发规则构成的集合。所有触发规则构成的集合。第16页，本讲稿共57页u规则的匹配（规则的匹配（规则的规则的触发触发，变量的绑定，变量的绑定Bounding）；）；u规则的选择（规则的选择（规则的规则的选择选择，冲突解决策略，冲突解决策略）；u规则的应用（规则的应用（规则的规则的执行执行：演绎：演绎加入新断言，反应加入新断言，反应执行规定操作执行规定操作）u规则推理的不确定性（规则推理的不确定性（不确定性推理不确定性推理）u规则推理的方向（规则推理的方向（正向推理正向推理数据驱动数据驱动，逆向推理逆向推理目标驱动目标驱动）；

15、）；u规则应用的解释（规则应用的解释（解释问题类型解释问题类型：How,Why）；）；u记录问题求解过程中规则的应用顺序（记录问题求解过程中规则的应用顺序（输出：输出：解径解径、解图解图）；）；u控制系统运行的终止（控制系统运行的终止（正常正常终止，终止，非正常非正常终止终止）。）。产生式系统推理机的实现技术产生式系统推理机的实现技术第17页，本讲稿共57页规则的选择及冲突解决策略规则的选择及冲突解决策略n启用规则：启用规则：w从冲突集中选择出的某条合适的可作为当前的执行规则。从冲突集中选择出的某条合适的可作为当前的执行规则。n冲突解决策略冲突解决策略：反应型系统反应型系统(Reaction)

16、(Reaction)演绎型系统演绎型系统(Deduction)规则排序：排在前面的规则优先执行；规则排序：排在前面的规则优先执行；专一性排序：条件越具体的规则优先执行；专一性排序：条件越具体的规则优先执行；就近排序：就近排序：与事实库中最新加入事实匹配的规则优先执行与事实库中最新加入事实匹配的规则优先执行(参见：OPS5 产生式系统语言)上下文排序：特定时间段内只从某上下文有关规则组内选择执行上下文排序：特定时间段内只从某上下文有关规则组内选择执行第18页，本讲稿共57页u规则的匹配（规则的匹配（规则的规则的触发触发，变量的绑定，变量的绑定Bounding）；）；u规则的选择（规则的选择（规则

17、的规则的选择选择，冲突解决策略，冲突解决策略）；u规则的应用（规则的应用（规则的规则的执行执行：演绎：演绎加入新断言，反应加入新断言，反应执行规定操作执行规定操作）u规则推理的不确定性（规则推理的不确定性（不确定性推理不确定性推理）u规则推理的方向（规则推理的方向（正向推理正向推理数据驱动数据驱动，逆向推理逆向推理目标驱动目标驱动）；）；u规则应用的解释（规则应用的解释（解释问题类型解释问题类型：How,Why）；）；u记录问题求解过程中规则的应用顺序（记录问题求解过程中规则的应用顺序（输出：输出：解径解径、解图解图）；）；u控制系统运行的终止（控制系统运行的终止（正常正常终止，终止，非正常非

18、正常终止终止）。）。产生式系统推理机的实现技术产生式系统推理机的实现技术第19页，本讲稿共57页n 概念的模糊性概念的模糊性-模糊推理模糊推理IF西红柿红红了 THEN西红柿熟熟了，西红柿非常红非常红-西红柿（？）熟熟11.61.751.91.78矮中等高0身高隶属度修饰量化：修饰量化：非常非常高高 不太不太高高 .不确定性推理不确定性推理-信息的不精确、不完整、模糊性信息的不精确、不完整、模糊性第20页，本讲稿共57页n 信息的不精确性：信息的不精确性：w 规则的不确定性规则的不确定性 IF A流鼻涕&红眼睛THEN A患流感 （CF:0.67）A患鼻膜过敏（CF:0.06）IFIF 培养液

19、是血液，细菌的类别不知道，细菌的染色体是革兰式阴性，细菌的外伤是杆状，THENTHEN 细菌的类别是假单菌（CF:0.4CF:0.4）u 事实的不确定性事实的不确定性 A 流鼻涕(0.4)A 红眼睛 (0.8)不确定性推理不确定性推理-信息的不精确、不完整、模糊性信息的不精确、不完整、模糊性第21页，本讲稿共57页 R1:if E1 then H (0.9)R2:if E2 then H (0.7)R3:if E3 then H (0.8)R4:if E4&E5 then E1 (0.7)R5:if E6&(E7 OR E8)then E2 (1.0)不确定性推理不确定性推理事实证据事实证据:

20、E3 E4 (0.9)E5 (0.6)E6 (0.7)E7 (0.3)E8 (0.8)原始证据或观察的事实是判断规则前提条件成立的依据 例，例，E4，E51、组合证据的不确定性计算？、组合证据的不确定性计算？第22页，本讲稿共57页0.30.90.60.70.30.80.71.00.70.9-0.8不确定性推理不确定性推理2、推理过程的不确定性计算？-包括一步推理与推理链结 论的计算，例，E1，E2；3、多条规则的结论合成的不 确定性计算？-例，H。第23页，本讲稿共57页一、组合证据的不确定性计算：一、组合证据的不确定性计算：证据合取：从每个证证据合取：从每个证据的可信度中获得证据的可信度中

21、获得证据总体的可信度。据总体的可信度。0.90.51.00.51）、基于模糊集计算方法）、基于模糊集计算方法 取小取小 (MYCIN-6.3节节)0.90.51.00.452）、基于概率论计算方法）、基于概率论计算方法 乘积乘积 (PROSPECTOR6.4节节)不确定性推理不确定性推理第24页，本讲稿共57页01.0CinCoutCin01.0Cout01.0CinCout先验值先验值 0.8CinCout0.50.4不确定性推理不确定性推理二、推理过程结论（一步推理）的不确定性计算：二、推理过程结论（一步推理）的不确定性计算：结论可信度一般计算方法结论可信度一般计算方法:规则条件可信度与结

22、论可信度之间存在某种关系规则条件可信度与结论可信度之间存在某种关系 规则的可信度（系数）规则的可信度（系数）第25页，本讲稿共57页基于模糊理论计算方法基于模糊理论计算方法 取大取大(EXPERT)0.90.250.9（a）不确定性推理不确定性推理三、多条规则结论合成的可信度计算：三、多条规则结论合成的可信度计算：H第26页，本讲稿共57页基于概率论方法基于概率论方法（1）计算流程：计算流程：1、由各规则的可信度 C 与不可信度 1-C 计算规则的可信比例 r；2、将各规则的可信比例相乘，获多条规则推得的结论的可信比例；3、再将可信比例转换成最终结论的可信度。设设 规则可信比例规则可信比例：规

23、则可信度：规则可信度：不确定性推理不确定性推理三、多条规则结论合成的可信度计算：三、多条规则结论合成的可信度计算：第27页，本讲稿共57页基于概率论方法基于概率论方法（1）r:可信比例可信比例 c:可信度可信度0.90.750.25可信度可信度可信度比例可信度比例9 1/3=30.90.250.75不确定性推理不确定性推理三、多条规则结论合成的可信度计算：三、多条规则结论合成的可信度计算：H第28页，本讲稿共57页常用的不确定性推理计算方法：常用的不确定性推理计算方法：确定性因子法 (MYCIN)；主观Bayes法 (Prospector)；D-S证据理论；模糊可能性理论；不确定性推理不确定性

24、推理第29页，本讲稿共57页u规则的匹配（规则的匹配（规则的规则的触发触发，变量的绑定，变量的绑定Bounding）；）；u规则的选择（规则的选择（规则的规则的选择选择，冲突解决策略，冲突解决策略）；u规则的应用（规则的应用（规则的规则的执行执行：演绎：演绎加入新断言，反应加入新断言，反应执行规定操作执行规定操作）u规则推理的不确定性（规则推理的不确定性（不确定性推理不确定性推理）u规则推理的方向（规则推理的方向（正向推理正向推理数据驱动数据驱动，逆向推理逆向推理目标驱动目标驱动）；）；u规则应用的解释（规则应用的解释（解释问题类型解释问题类型：How,Why）；）；u记录问题求解过程中规则的

25、应用顺序（记录问题求解过程中规则的应用顺序（输出输出：解径解径、解图解图）；）；u控制系统运行的终止（控制系统运行的终止（正常正常终止，终止，非正常非正常终止终止）。）。产生式系统推理机的实现技术产生式系统推理机的实现技术第30页，本讲稿共57页正向推理的产生式系统正向推理的产生式系统例：当前事实库：例：当前事实库：A A；目标：目标：G G 规则集：规则集：R1:if A then B and C,R1:if A then B and C,R2:if B then D,R2:if B then D,推理后事实库：推理后事实库：A,B,C A,B,C；A,B,C,D A,B,C,D；，GGw

26、特点：特点：数据驱动。数据驱动。w 规则形式：规则形式：-w 操作：操作：用已知事实去匹配规则的前件，正向地运用规则，用已知事实去匹配规则的前件，正向地运用规则，求证目标成立的过程。求证目标成立的过程。w 概念：概念：被正向使用的规则称为被正向使用的规则称为 F F 规则规则。第31页，本讲稿共57页正向推理的产生式系统实例（正向推理的产生式系统实例（1 1）动物识别产生式系统动物识别产生式系统:G=“A:G=“A是猎豹？是猎豹？”w 已有知识（规则库）：已有知识（规则库）：R1R1：IFIF X X 是食肉动物是食肉动物 X X 毛发是深褐色毛发是深褐色 X X 有花斑点有花斑点 THEN

27、X THEN X 是猎豹。是猎豹。R2R2：IF (X IF (X 是哺乳动物是哺乳动物 )(X)(X 食肉食肉 )(X (X 有尖利的牙齿有尖利的牙齿 X X 有爪子有爪子 X X 有前视眼有前视眼 )THEN X THEN X 是食肉动物。是食肉动物。R3R3：IF X IF X 有毛发有毛发 THEN X THEN X 是哺乳动物是哺乳动物u 已知事实（事实库）：已知事实（事实库）：A A有毛发；有毛发；A A有尖利的牙齿；有尖利的牙齿；A A有爪子；有爪子；A A有前视眼；有前视眼；A A毛发是深褐色；毛发是深褐色；A A有花斑点；有花斑点；第32页，本讲稿共57页猎豹猎豹深褐色毛发深

28、褐色毛发有花斑点有花斑点食肉动物食肉动物食肉食肉哺乳动物哺乳动物外形特征外形特征有毛发有毛发尖利的牙齿尖利的牙齿有爪子有爪子前视眼前视眼R3R2R1深褐色毛发深褐色毛发有花斑点有花斑点有毛发有毛发尖利的牙齿尖利的牙齿有爪子有爪子前视眼前视眼推理方向：推理方向：事实事实 结论结论正向推理的产生式系统实例（正向推理的产生式系统实例（1 1）第33页，本讲稿共57页正向推理的产生式系统正向推理的产生式系统算法中的符号：算法中的符号：DB:存放事实和中间结果的事实库事实库；KB:存放知识的规则库规则库；RS:当前所有触发规则触发规则构成的冲突集合冲突集合。第34页，本讲稿共57页正向推理的产生式系统正

29、向推理的产生式系统初始事实放入事实库 DBDBDBDB 中有目标？KB中有前件前件为DB满足 的规则？匹配，将所有所有触发规则放入冲突集RSRS RS 为空？成功，退出成功，退出失败，退出失败，退出用户要补充新事实？新事实加入事实库 DBDB是否是是否是否否第35页，本讲稿共57页正向推理的产生式系统正向推理的产生式系统按规定的冲突解决策略从 RS 中选择一条规则执行。执行结果加入事实库 DBAB第36页，本讲稿共57页逆向推理的产生式系统逆向推理的产生式系统例：例：假设待证目标：假设待证目标：G G；事实证据库：事实证据库：规则集：规则集：R1:R1:ifif B and C B and C

30、 thenthen G,G,R2:R2:ifif D D thenthen B,B,推理后事实证据库：推理后事实证据库：B,C B,C；C,D C,D；w 特点：特点：目标驱动：目标驱动：w 规则形式：规则形式：-w 操作：操作：用假设的待证目标去匹配规则的后件，逆向地运用规则，用假设的待证目标去匹配规则的后件，逆向地运用规则，求证所有支持目标所需的前提条件均成立的过程。求证所有支持目标所需的前提条件均成立的过程。w 概念：概念：被逆向使用的规则称为被逆向使用的规则称为 B B 规则规则。第37页，本讲稿共57页逆向推理的产生式系统实例（逆向推理的产生式系统实例（1 1）动物识别产生式系统动物

31、识别产生式系统:G=“A:G=“A是猎豹？是猎豹？”w 已有知识（规则库）：已有知识（规则库）：R1R1：IFIF X X 是食肉动物是食肉动物 X X 毛发是深褐色毛发是深褐色 X X 有花斑点有花斑点 THEN X THEN X 是猎豹。是猎豹。R2R2：IF (X IF (X 是哺乳动物是哺乳动物 )(X)(X 食肉食肉 )(X (X 有尖利的牙齿有尖利的牙齿 X X 有爪子有爪子 X X 有前视眼有前视眼 )THEN X THEN X 是食肉动物。是食肉动物。R3R3：IF X IF X 有毛发有毛发 THEN X THEN X 是哺乳动物是哺乳动物u 已知事实（事实库）：已知事实（事

32、实库）：A A有毛发；有毛发；A A有尖利的牙齿；有尖利的牙齿；A A有爪子；有爪子；A A有前视眼；有前视眼；A A毛发是深褐色；毛发是深褐色；A A有花斑点；有花斑点；第38页，本讲稿共57页推理方向：推理方向：目标目标 事实事实逆向推理的产生式系统实例（逆向推理的产生式系统实例（2 2）猎豹猎豹有花斑点有花斑点食肉动物食肉动物食肉食肉哺乳动物哺乳动物外形特征外形特征有毛发有毛发尖利的牙齿尖利的牙齿有爪子有爪子前视眼前视眼R3R2R1深褐色毛发深褐色毛发深褐色毛发深褐色毛发有花斑点有花斑点有毛发有毛发尖利的牙齿尖利的牙齿有爪子有爪子前视眼前视眼第39页，本讲稿共57页逆向推理的产生式系统逆

33、向推理的产生式系统算法中的符号：算法中的符号：DB:存放最终事实和中间证据的事实证据库事实证据库；KB:存放知识的规则库规则库；RS:当前所有触发规则触发规则构成的冲突集合冲突集合。第40页，本讲稿共57页逆向推理的产生式系统逆向推理的产生式系统假设待证目标DBDB有支持目标的事实KB中有后件后件支持(子)目 标的规则？匹配，将所有触发规则放入冲突集RSRS目标成立，退出目标成立，退出事实支持假设目标，事实送 DBDB 用户补充新事实？询问用户是否是否是否AB 目标不成立目标不成立,退出退出 RS 为空？是否第41页，本讲稿共57页A选择规则的一个前提条件作为新的待证目标。B从 RS 中选择一

34、条触发规则逆向推理的产生式系统逆向推理的产生式系统第42页，本讲稿共57页正（逆）向产生式系统的比较正（逆）向产生式系统的比较特点特点正向推理正向推理逆向推理逆向推理推理驱动方式推理驱动方式数据驱动目标驱动优点优点算法简单，易于实现搜索目的性强，推理效率高缺点缺点1、搜索目的性弱，可能求解出多个无关的结论；2、匹配时，要遍历整个规则库，推理效率低。1、确定目标的时候，具有盲目性，可能产生假目标2、当规则的后件是操作而非断言时，即反应型系统，不宜使用此法用途用途主要用于已知初始数据，不知目标的推理；或是解解空间空间大的一类推理。主要用于结论单一或已知目标求证的一类推理。应用应用监控、预测、规划、

35、设计等选择、分类、故障诊断等第43页，本讲稿共57页u规则的匹配（规则的匹配（规则的规则的触发触发，变量的绑定，变量的绑定Bounding）；）；u规则的选择（规则的选择（规则的规则的选择选择，冲突解决策略，冲突解决策略）；u规则的应用（规则的应用（规则的规则的执行执行：演绎：演绎加入新断言，反应加入新断言，反应执行规定操作执行规定操作）u规则推理的不确定性（规则推理的不确定性（不确定性推理不确定性推理）u规则推理的方向（规则推理的方向（正向推理正向推理数据驱动数据驱动，逆向推理逆向推理目标驱动目标驱动）；）；u规则应用的解释（规则应用的解释（解释问题类型解释问题类型：How,Why）；）；u

36、记录问题求解过程中规则的应用顺序（记录问题求解过程中规则的应用顺序（输出：输出：解径解径、解图解图）；）；u控制系统运行的终止（控制系统运行的终止（正常正常终止，终止，非正常非正常终止终止）。）。产生式系统推理机的实现技术产生式系统推理机的实现技术第44页，本讲稿共57页规则应用的解释规则应用的解释n 必要性：必要性：w 解释推理过程，帮助使用者理解系统是如何得到解释推理过程，帮助使用者理解系统是如何得到结论的；结论的；n 解释问题类型：解释问题类型：w How did you come to this result?How did you come to this result?w Why

37、do you want know this fact?Why do you want know this fact?第45页，本讲稿共57页规则应用的解释规则应用的解释How?食肉动物食肉动物正向推理正向推理Why?有利齿有利齿逆向推理逆向推理R2R2：IF X IF X 是哺乳动物是哺乳动物 X X 有尖利的牙齿有尖利的牙齿 X X 有爪子有爪子 X X 有前视眼有前视眼 THEN X THEN X 是食肉动物。是食肉动物。R3R3：IF X IF X 有毛发有毛发 THEN X THEN X 是哺乳动物是哺乳动物食食肉肉动动物物哺乳动物哺乳动物有毛发有毛发前视眼前视眼爪子爪子利齿利齿R3R

38、2第46页，本讲稿共57页产生式系统产生式系统小结小结描描 述述优优 点点缺缺 点点事实库事实库 -对所有规则操作的唯一场所。系统结构简单明了，易于理解。规则规则 经验知识块 具有统一的表示形式，容易理解、定义。规则之间无直接调用关系，相互关系不清楚，系统功能不易把握。对某些规则的修改、扩充，可能造成与其它规则的矛盾，规则库的一一致致性性维维护护困难。规则之间相互独立，具有高度模块化。推理机推理机 -控制推理机制简单、推理步骤独立，便于跟踪、解释。需对所有规则进行模式匹配，搜索效率低下。推理控制方式单一，缺乏灵活性。第47页，本讲稿共57页n 产生式认知模型产生式认知模型n 产生式系统架构产生

39、式系统架构n 产生式系统推理机的实现技术产生式系统推理机的实现技术n 专家系统概述专家系统概述产生式知识表示及产生式知识表示及相关专家系统相关专家系统第48页，本讲稿共57页何谓专家系统何谓专家系统专家系统是一种具有智能的计算机系统，它能使用某一问专家系统是一种具有智能的计算机系统，它能使用某一问题领域的知识为该领域提供题领域的知识为该领域提供”专家级专家级”的服务，能部分或的服务，能部分或全部地代替领域专家解决本领域的高难度问题。全部地代替领域专家解决本领域的高难度问题。第49页，本讲稿共57页专家系统的分类专家系统的分类w 按输出结果分类：按输出结果分类：输出断言结论：输出断言结论：诊断、

40、解释、预测、决策；诊断、解释、预测、决策；输出可执行的方案：设计、规划、控制、调度。输出可执行的方案：设计、规划、控制、调度。u 按知识表示分类：按知识表示分类：产生式规则，一阶谓词逻辑，框架系统，语义网络，过程型，产生式规则，一阶谓词逻辑，框架系统，语义网络，过程型，u 按推理模式分类：按推理模式分类：精确推理、不确定性推理；精确推理、不确定性推理；基于规则基于规则推理推理、基于模型推理，基于案例基于模型推理，基于案例推理。推理。u 按规模分类：按规模分类：大型协同综合型；大型协同综合型；微型控制型。微型控制型。第50页，本讲稿共57页专家系统的分类专家系统的分类应用问题类型：应用问题类型：

41、w 解释：解释：处理大量不完全、受干扰数据，正确解释结果处理大量不完全、受干扰数据，正确解释结果(图象、语音分析图象、语音分析)w 预测：预测：根据对象过去和现在的情况，推断其将来演变结果。根据对象过去和现在的情况，推断其将来演变结果。-数据随时间变化数据随时间变化 （气象、军事、交通、市场等预测）（气象、军事、交通、市场等预测）w 诊断：诊断：通过观察症状，确定对象的故障和缺陷通过观察症状，确定对象的故障和缺陷-现象与故障之间无严格的对应关系（医疗现象与故障之间无严格的对应关系（医疗-MYCIN-MYCIN、机器故障等诊断）、机器故障等诊断）w 设计：设计：根据给定性能指标和约束条件，形成方

42、案和图样根据给定性能指标和约束条件，形成方案和图样-需满足多方约束，协调多种设计要求（需满足多方约束，协调多种设计要求（XCON、程序自动设计、程序自动设计）w 规划：规划：根据给定目标，拟定对象的行动计划根据给定目标，拟定对象的行动计划-对未来的静态或动态行为作出预测对未来的静态或动态行为作出预测 （机器人、军事行动机器人、军事行动）w 监控：监控：完成实时检测和控制任务完成实时检测和控制任务,需对数据快速分析处理需对数据快速分析处理w 第51页，本讲稿共57页专家系统结构专家系统结构第52页，本讲稿共57页专家系统设计与实现专家系统设计与实现第53页，本讲稿共57页专家系统设计与实现专家系

43、统设计与实现w 领域专家领域专家:拥有大量拥有大量知识和技能、可高效地知识和技能、可高效地解决本领域问题的人。解决本领域问题的人。w 知识工程师知识工程师：通过抽取领域专家的有用知识，建造通过抽取领域专家的有用知识，建造AIAI系统的人。系统的人。w 人工获取：人工获取：根据最终用户的需求，知识工程师与领域专家合作，挖掘、根据最终用户的需求，知识工程师与领域专家合作，挖掘、分析、综合、整理分析、综合、整理领域知识领域知识和和专家知识专家知识，将其存入知识库。，将其存入知识库。w 自动获取：自动获取：开发机器学习系统，使机器自动从实际问题中获取知识，并填充知开发机器学习系统，使机器自动从实际问题

44、中获取知识，并填充知识库。识库。w 例：类比学习、基于神经网络的训练特性、数据挖掘、知识发现等。例：类比学习、基于神经网络的训练特性、数据挖掘、知识发现等。知识获取方法：知识获取方法：w 最终用户最终用户：使用系统的人，决定系统的主要功能和约束指标。使用系统的人，决定系统的主要功能和约束指标。第54页，本讲稿共57页专家系统设计与实现专家系统设计与实现知识管理系统设计：知识管理系统设计：w 知识的输入知识的输入:系统提供编辑软件或专用的知识编辑系统系统提供编辑软件或专用的知识编辑系统w 知识的组织与维护：知识的组织与维护：w 知识库的组织知识库的组织 可按树型结构分层组织元知识、领域知识、专家

45、知识；可按树型结构分层组织元知识、领域知识、专家知识；或分布式大规模知识库或分布式大规模知识库w 知识的添加、删除、修改、查询、和统计等；知识的添加、删除、修改、查询、和统计等；w 知识的检测知识的检测:w 知识输入时及时检测，发现知识的不一致性、不完整性以及矛盾性知识输入时及时检测，发现知识的不一致性、不完整性以及矛盾性第55页，本讲稿共57页专家系统设计与实现专家系统设计与实现知识的一致性、完整性、冗余性检查：知识的一致性、完整性、冗余性检查：w 知识的一致性检查知识的一致性检查-知识库中知识应相容，无矛盾：知识库中知识应相容，无矛盾：r1:ifPthenQr2:ifPthen Qw 知识的完整性检查知识的完整性检查-知识库中知识应满足完整约束条件：知识库中知识应满足完整约束条件：例：例：F:小王身高小王身高x米；约束条件：米；约束条件：x3米。米。w 知识的冗余性检查知识的冗余性检查-知识库中知识不应有重复、多余：知识库中知识不应有重复、多余：例：例：r1:ifpthenQ;r2:ifQthenR;r3:ifPthenR.第56页，本讲稿共57页思考题思考题n 何为专家系统？n 专家系统由哪些部分构成?各部分的作用如何?n 主要实现技术?n 将知识库与推理机相分离具有哪些优点?第57页，本讲稿共57页