专家系统与知识工程
专家系统
特征识别与信息处理(FR＆IP)部分的作用是实现 对信息的提取与加工，为控制决策和学习适应提供依 据。它主要包括抽取动态过程的特征信息，识别系统 的特征状态，并对特征信息作必要的加工。
设U为专家控制器的输出集， E为专家控制器的输入集， I为推理机构的输出集，K为经验知识集：
E = (R, e, Y, U)，e = R – Y
式中，Ｒ为参考控制输入，ｅ为误差信号，Ｙ为受控输出， Ｕ为控制器的输出集。专家控制器的模型表示为
U = f (E,K,I)
智能算子f为几个算子的复合运算：f=g·h·p，其中： g:E→S；h:S×K→I；p:I→U
专家系统所要解决的问题一般没有算法解，并 且经常要在不完全、不精确或不确定的信息基础 上做出结论。
第一代专家系统只能利用人类专家的启发式知 识，即只能利用浅层表达方式和推理方法。
但遇到新问题时，还必须利用掌握的深入表示 事物的结构、行为和功能等方面的基本模型等深 层知识，得出新的启发式浅层知识。
智能程序：旨在模拟人类专家的智能程序应当 兼备浅层和深层两类知识。即不但采用基于规则 的方法，还必须采用基于模型的原理构成新一代 专家系统。
知识工程是指由知识工程师从人类专家那里抽 取他们求解问题的过程、策略和经验规则，然后 把这些知识建造在专家系统之中。
目前，专家系统在各个领域中已经得到广 泛应用，如医疗诊断、语音识别、图像处理、 金融决策、地质勘探、是有化工、军事、计 算机设计等。
专家系统具有启发性，能够运用人类专 家的经验和知识进行启发式搜索、试探性 推理、不精确推理或不完全推理
知识工程与知识发现(讲稿22-专家系统)
第三章专家系统（Expert System：ES）专家系统是人工智能应用研究的一个重要领域。
在20世纪60年代中期，正当大多数人热衷于博弈、定理证明、问题求解等研究时，另一个重要的研究领域---专家系统已悄然开始孕育。
（由美国斯坦福大学的费根鲍姆E.A.Feigenbaum，1965年在他领导的研究小组内研究化学专家系统DENDRAL，68年完成并投入使用）。
也正是专家系统的萌芽，才使得人工智能在后来出现的困难和挫折中很快找到了前进方向，开创了一条以知识为中心、面向应用开发的研究道路，使人工智能又进入了一个新的蓬勃发展时期。
专家系统实现了人工智能从理论研究走向实际应用，从一般思维规律探讨走向专门知识运用的重大突破，是人工智能发展史上的一次重要转折。
专家系统是一个具有大量专门知识，并能够利用这些知识去解决特定领域中需要由专家才能解决的那些问题的计算机程序。
自Feigenbaum后，相继出现了MYCIN专家系统、地质勘探专家系统PROSPECTOR，数学专家系统MACSYMA等。
知识工程的核心是专家系统，知识工程的发展首先决定于专家系统的发展，专家系统的发展必将推动人工智能的应用。
专家系统的开发有三个基本的要素：领域专家、知识工程师、大量实例。
在建立专家系统时，首先由知识工程师把领域专家的专门知识总结出来，以适当的形式存入计算机，建立起知识库（KB），根据这些专门知识，系统可以进行推理，做出判断和决策，能够解决一些只有人类专家才能解决的困难问题。
专家系统主要是指软件系统。
教学目的：●了解专家系统的基本概念●掌握专家系统的基本结构●掌握专家系统的知识获取方法和过程●了解专家系统的开发步骤、开发工具3.1 专家系统的基本概念3.1.1 什么是专家系统？目前，对专家系统还没有一个严格公认的形式化定义。
作为一种一般的解释，可以认为：专家系统是一种具有大量专门知识与经验的智能程序系统，它能运用领域专家多年积累的经验和专门知识，模拟领域专家的思维过程，解决该领域中需要专家才能解决的复杂问题。
专家系统简介
专家系统是一类具有专门知识和经验的计算机智能程序系统，通过对人类专家的问题求解能力的建模，采用人工智能中的知识表示和知识推理技术来模拟通常由专家才能解决的复杂问题，达到具有与专家同等解决问题能力的水平。
这种基于知识的系统设计方法是以知识库和推理机为中心而展开的，即专家系统 = 知识库 + 推理机它把知识从系统中与其他部分分离开来。
专家系统强调的是知识而不是方法。
很多问题没有基于算法的解决方案，或算法方案太复杂，采用专家系统，可以利用人类专家拥有丰富的知识，因此专家系统也称为基于知识的系统（Knowledge-Based Systems）。
一般说来，一个专家系统应该具备以下三个要素：（1）具备某个应用领域的专家级知识；（2）能模拟专家的思维；（3）能达到专家级的解题水平。
专家系统与传统的计算机程序的主要区别如表7.1所示。
表7.1 专家系统与传统的计算机程序的主要区别列项传统的计算机程序专家系统适用范围无限制封闭世界假设建造一个专家系统的过程可以称为“知识工程”，它是把软件工程的思想应用于设计基于知识的系统。
知识工程包括下面几个方面：（1）从专家那里获取系统所用的知识（即知识获取）（2）选择合适的知识表示形式（即知识表示）（3）进行软件设计（4）以合适的计算机编程语言实现。
专家系统的发展史1965年斯坦福大学的费根鲍姆（E.A. Feigenbaum）和化学家勒德贝格（J. Lederberg）合作研制DENDRAL 系统，使得人工智能的研究以推理算法为主转变为以知识为主。
20世纪70年代，专家系统的观点逐渐被人们接受，许多专家系统相继研发成功，其中较具代表性的有医药专家系统MYCIN、探矿专家系统PROSPECTOR等。
20世纪80年代，专家系统的开发趋于商品化，创造了巨大的经济效益。
1977年美国斯坦福大学计算机科学家费根鲍姆 (E.A.Feigenballm)在第五届国际人工智能联合会议上提出知识工程的新概念。
知识工程与专家系统
基于D-S证据理论的专家系统
D-S理论具有较强的理论基础, 它能 将“不知道”和“不确定”区分开来。 但它也存在明显的不足, 当证据冲突度较 高时, 经过其组合规则得到的结论常常有 悖于常理；另外，基于D-S理论的专家系 统在数据较多时，具有潜在的指数复杂度
和推理链较长的缺点。
专家系统模型
基于人工神经网络的专家系统
知识工程与专家系统简介
基本内容
一、基本概念与结构 二、研究现状 三、发展前景 四、专家系统实例 五、结束语
一、基本概念与结构
1.专家工程的概念
专家系统是知识工程的应用系统，而 知识工程是人工智能发展的新课题。
专家系统（ExpertSystem)亦称专家咨询系统，它 是一种智能计算机(软件)系统。是一个含有大量的某 个领域专家水平的知识与经验智能计算机程序系统， 能够利用人类专家的知识和解决问题的方法来处理该 领域问题。
5.专家系统与传统程序的区别
专家系统是一种智能的计算机程序，但又与一般的计算机程序不同，传统程 序是以指令序列—程序为核心的。程序相应于知识库,指令相应于知识。程序的 执行是由编译程序和硬件共同完成的。它相当于专家系统的推理机编辑程序相应 于知识获取系统。
但专家系统是比传统程序高一级的程序，它与传统程序有以下三个本质差异。 第一、专家系统的推理机能够根据不同的处理对象从知识库中选择不同的知 识、构成不同的序列，或者说生成不同的程序。 第二、专家系统具有处理非确定性知识和数据的能力。因为它能够根据环境 选择不同的知识序列,或者说用不同的知识组合来权衡知识的非确定性程度,这恰 好符合实际问题中专家解决问题的思维方法。 第三、专家系统强调依靠某一领域的高水平知识来实现高性能,而且专家系 统既能用理论知识，又能应用经验知识。
知识工程与专家系统人工智能课件
（接上页）
5.5 知识获取
建造 ES 的瓶颈 知识工程师：抽取知识、表示知识 知识获取系统：知识的格式化、
一致性检测、 完整性检测 。
5.5.2 知识的检测与求精
原型系统
1、 演示原型 仅能解决少量典型问题
2、 研究原型 能解决较多问题，但不够稳定，具有面向
开发的辅助功能，如测试、解释
例：求mn
LISP 简介
m0=1 mn=m×mn-1
(n＞0)
(defun power_1 (m n) (cond ((= n 0) 1)
(t (* m (power_1 m (- n 1)) ) ) ) )
(prog (ifs)
(setq ifs (cdadr rule))
loop
(cond ((null ifs) (return t))
((recall (car ifs))
)
(t (return nil)))
(setq ifs (cdr ifs))
(go loop)))
反向推理机
（2）函数 verify
1. 知识的一致性与完整性 知识库可能的存在的问题： 冗余、矛盾、从属、环路、不完整
3. 知识求精 知识不完整：错判、漏判 错判：推出了不应推出的结论 漏判：没有推出应该推出的结论 知识求精：找出导致错误的知识，加以改进。
通常采用实例检测法。
5.7 分布式专家系统与协同式专家系统
目标： 提高运行速度，实现多专家的知识 共享和协同工作。
n 阶 Hanoi 塔算法 ( LISP )
《专家系统与知识工程》复习要点
《专家系统与知识工程》复习要点知识工程是人工智能技术与专家系统发展相结合的产物，它是数据工程的高级阶段。
知识工程是设计和实现知识库系统及知识库应用系统的理论、方法和技术，是研究知识获取、知识表示、知识管理和知识运用的一门学科。
数据库技术是构成数据工程的中心和基础，数据库工程也就是数据工程。
通常数据工程的设计与实现包括三个基本环节：概念数据模型的分析与设计、逻辑数据模型分析与设计、物理数据模型的设计。
知识是数据和信息集合的整体。
只有当信息被系统地、有目的地积累起来时，才能转变成知识。
知识是由信息描述的，信息则是用数据来表达的；知识工程是设计和实现知识库系统及知识库应用系统的理论、方法和技术，是研究知识获取、知识表示、知识管理和知识运用的一门学科。
知识工程处理的对象是知识，知识种类及知识的表示方式：1.）第一类：关于事实和现象的知识。
（Know_what）第二类：自然原理和领域规律性知识。
（Know_why）第三类：关于技能和能力的知识。
（Know_how）第四类：关于谁的知识。
（Know_who）2.）产生式、函数式、逻辑式、对象式、语义网络、框架结构、状态过程等多种形式。
数据信息知识三者的关系：数据是指客观事物的属性、数量、位置及其相互关系的符号描述。
信息是数据在特定场合下的具体含义，信息是对数据的解释。
知识是一个或多个信息关联在一起形成的有价值的信息结构，是对客观规律的认识，是高层次的信息。
也就是说，知识是数据和信息集合的整体。
由此可见，数据是记录信息的符号，信息是对数据的解释，知识是信息的概括和抽象；数据经过解释处理形成了信息，信息又经过加工过程形成了知识；知识是由信息描述的，信息则是用数据来表达的；从数据到信息的转换是一个数据处理过程，从信息到知识的转换是一个认知的过程。
这就是数据、信息和知识之间的相互依存的辨证关系。
知识工程是一个远比数据工程复杂的多的领域，也是一个比数据工程更富于挑战性的领域，表现在：1、知识种类比较多2、知识的表示方式比较多3、要有一个较好的知识表示方式和知识管理机制在知识工程中，最为困难的问题是知识获取，一般来说，获取知识的方法有两种情况：1、由知识工程师从领域专家那里获取知识，即：人工获取。
专家系统在知识管理中的应用案例分析
专家系统在知识管理中的应用案例分析引言：知识管理是一个组织在日常运营中必须面对的挑战。
有效的知识管理可以提高组织的绩效和竞争力。
专家系统作为一种人工智能技术，在知识管理领域有着广泛的应用。
本文将通过深入分析两个实际案例，探讨专家系统在知识管理中的应用。
案例一：医疗诊断专家系统背景：在医学领域，医生需要依靠大量的医学知识来作出正确的诊断。
然而，医学知识繁杂且不断更新，医生很难掌握所有的知识点。
因此，一个能够协助医生进行诊断的专家系统就显得尤为重要。
应用：一家医疗机构开发了一个医疗诊断专家系统，以辅助医生进行疾病诊断。
该专家系统基于大量的医学知识和患者病例，通过与医生的交互，能够快速分析病人的病情，提供相关的诊断意见。
医生可以根据系统提供的建议来作出最终的诊断决策。
该系统还可以自动更新医学知识库，保证诊断结果的准确性。
效果：该医疗诊断专家系统在实际应用中取得了显著的效果。
首先，它大大提高了诊断的准确性和效率，减少了误诊和漏诊的概率。
其次，它缩短了患者等候时间，提高了医疗服务的质量。
此外，该系统还帮助医生累积了更多的医学知识，提升了整个医疗团队的智力水平。
启示：该案例表明专家系统在知识管理中的应用具有巨大的潜力。
通过将专业知识转化为计算机程序，专家系统可以帮助组织存储、传播和更新知识，提高组织的绩效。
案例二：销售助理专家系统背景：在销售行业中，销售人员需要积累大量的商品知识、市场信息和销售技巧。
然而，这些知识通常散落在不同的资料和员工中，很难进行有效的整合和共享。
应用：一家大型电子商务公司开发了一个销售助理专家系统，用于集中管理销售知识。
销售人员可以通过该系统快速获取关于商品特性、竞争情报和销售技巧等方面的知识。
此外，该系统还提供智能推荐功能，根据客户的偏好和需求推荐合适的商品和销售策略。
效果：在实际应用中，该销售助理专家系统取得了显著的效果。
首先，它提高了销售人员的专业水平和销售效率，减少了销售过程中的错误和失误。
人工智能-第7章专家系统
7.1
专家系统概述
专家系统的Leabharlann 类7.1.41.按用途分类 按用途分类，专家系统可分为：诊断型、解释 型、预测型、决策型、设计型、规划型、控制 型、调度型等几种类型。 2.按输出结果分类 按输出结果分类，专家系统可分为分析型和设 计型。
2016/6/28
13
7.1.4
2016/6/28
20
7.1
7.1.6
专家系统概述
一个关于专家系统的事例
按照这种思路和数学模型，人们很容易获得关于物理学的很 多定律。诸如： f=ma; S=vt U=RI Q=CU F=kX E=Mc2 P=F/S2 ( PxVx)/Tx= ( P0V0)/T0=R(常数) …等
2016/6/28 21
行星
一个关于专家系统的事例
表8-2 行星运动定律的发现
p D d/p d2/p d3/p2
Mercury
Venus Earth
1
8 27
1
4 9
1．0
0．5 0．33
1．0
2016/6/28 14
7.1
专家系统概述
专家系统的分类
7.1.4
5.按规模分类
按规模分类，可分为大型协同式专家系统和微专 家系统。
6.按结构分类
按结构分类可分为集中式和分布式，单机型和网络 型(即网上专家系统)。
2016/6/28
15
7.1
7.1.5
专家系统概述
专家系统与知识工程
1. 专家系统与知识系统
专家系统的分类
3.按知识分类
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
专家系统与知识工程
由于专家系统是基于知识的系统，那么，建造专家系统就涉及到知识的获取（即从人类专家那里或从实际问题那里搜集，整理，归纳专家级知识）,知识表示（即以某种结构形式表达所获取的知识，并将其存储于计算机之中），知识的组织与管理（即知识库简历与维护等）和知识的运用（即使用知识进行推理）等一系列关于只是处理的技术和方法。
特别是基于领域知识的各种知识库系统的建立，更加促进了这些技术的发展。
所以，关于知识处理的技术和方法已形成一个称为“知识工程”的学科领域。
这就是说专家系统促使了知识工程的诞生和发展，知识工程又为专家系统提供服务。
正是由于它们之间的密切关系，现在的专家系统与知识工程几乎已成为同义词。
以知识为处理对象知识工程,作为一门应用学科,已成为人们研究的一个热门课题. 知识工程的诞生赋予了专家系统以新
的活力,并将专家系统进一步推向应用;专家系统又为知识工程
的发展提供了理论基础. 因此,本文就专家系统与知识工程作初步探讨,并综述如下:
1知识工程的兴起是专家系统发展的产物
在开发专家系统过程中,许多研究者已形成这样的共识:专家系
统是个知识处理系统,而知识表示、知识利用和知识获取则成了专家系统的三个基本问题. 专家系统应该具备这些特点:处理的“信息”是“知识”,而不是“数据”;传送的“信息”是知识,
而不是字符串;“信息”的处理是对问题的求解和推理,而不是按既定进程进行计算;“信息”的管理是知识的获取和利用,而不是数据收集、积累和检索等。
1968 年美国斯坦福大学计算机科学家费根鲍姆教授领导的研究小组研制的第一个专家系统——化学专家系统获得成功,打破了专家系统领域的沉闷空气,使一度处于低谷的专家系统研究重新获得了生机. 一方面使专家系统找到了应用,另一方面专家系统得以新生. 随后在世界范围兴起了一个研究各种领域专家系统的热潮,使得关于知识处理的研究受到越来越多学者们的重视. 1977 年费根鲍姆教授在第五届国际专家系统会议上提出“知识工程”的新概念. 他认为,知识工程是用专家系统的原理和方法,为那些需要专家知识才能解决的应用难题提供求解的手段. 因此,恰当运用知识的获取、表达和推理技术构成与解释知识系统,是设计基于知识系统的重要技术问题. 通过研究者的努力,70 年代后期,知识工程,专家系统开始广泛应用,出现了一些专家系统开发工具;80 年代出现了多学科综合型专家系统即知识型系统. 特别是日本第五代计算机计划的提出和专家系统的研究日益取得广泛的应用. 知识工程像一颗璀璨的明珠,也日益闪耀光芒. 因此说知识工程是专家系统发展的产物.
2 知识工程是专家系统的一个重要分支
前面讨论了知识工程是专家系统发展的产物,现在进一步讨论知识工程是专家系统的重要分支的问题. 什么是知识工程?人们普
遍认为,知识工程是以知识为处理对象,借用工程化的思想,对如
何用专家系统的原理、方法、技术为设计、构造和维护知识型系统的一门学科,是专家系统的一个应用分支. 知识工程的目的是
在研究知识的基础上,开发智能系统. 因此,知识的获取、知识的表示、知识的运用便构成知识工
程的三大要素. 知识工程的核心则是专家系统.从知识工程的研
究内容看,知识工程的研究内容主要包括:基础理论研究、实用技术的开发、知识型系统工具研究和智能机等相关课题的研究. 其中基础理论研究基本理论方法,包括:知识的本质、知识的表示、推理、获取和学习方法等;实用技术主要研究解决建立知识系统
过程中遇到的问题,包括:实用知识表示方法、实用知识获取技术、实用知识推理方法、知识库结构系统、知识系统体系结构、知识库管理技术、知识型系统的调试与评估技术、实用解释技术、实用接口技术等;建立知识型系统工具主要是为了给系统的开发提
供良好的环境工具,以提高系统研制的质量和缩短系统研制周期等.从知识工程系统特点看,知识工程系统能解决专家水平的问题;系统能快速的进行假设和搜索解答;系统能做出具有专家水
平的解答;系统具有大量的基础知识和通用的问题求解能力;系
统应能选择问题的恰当的表示方式;其中的知识型系统是一个符
号系统;系统具有自动推理的能力;能从结构步骤分析、解决、推理问题等,这些都表现出具有专家系统及其系统的特点. 因此,
可以说知识工程是专家系统的一个重要应用分支.
3 知识工程的发展进一步将专家系统推向更广泛的应用领域传统专家系统不能进入实用的主要原因:一是专家系统中的知识库中只含有少量的规则和事实;二是专家系统的效率极低. 知识工程的研究使专家系统的研究从理论转向更深入的应用,从基于推理的模型转向基于知识的模型,包括了整个知识信息处理的研究. 知识工程的核心是专家系统,知识工程的发展首先决定于专家系统的发展,专家系统的发展必将推动专家系统的应用. 专家系统的开发有三个基本的要素:领域专家、知识工程
师、大量实例. 在建立专家系统时,首先由知识工程师把各领域专家的专门知识总结出来,以适当的形式存入计算机,建立起知识库( KB) ,根据这些专门知识,系统可以进行推理,做出判断和决策,能够解决一些只有人类专家才能解决的困难问题,专家系统主要是指软件系统.到目前为止,专家系统的发展主要经历了三代:以化学专家系统、数学专家系统为代表的第一代专家系统,其特点是:专业性较强,整个系统结构、知识和推理依赖较强,没有把知识库和推理机制分开,难以修改、扩充和移植;以医疗诊断专家系统,地质探矿专家系统,数学发现专家系统等为代表的第二代专家系统,其特点是:知识库和推理机分开,系统的模块化和结构化程度较高,具有咨询解释机制,能够进行非精确推理,采用专家系统语言系统进行编辑; 以多学科综合型专家系统,骨架型专家系统等为代表的第三代专家系统,其特点是:强调知识库管理系统建立,倾向于大规模和综合性,重视专家系统开发工具和
环境的开发,而不是仅仅开发某个专用的专家系统. 特别是近十年来,知识工程的开发广泛应用于社会各个领域,大大提高了工
作效率和工作质量;并已产生巨大的社会效益和经济效益. 据报导,全世界的知识工程的产值每年以超过20 %的增长速度在发展,足见其生命力之旺盛. 因此知识工程的发展推进了专家系统的
应用层次,使专家系统的理论走向更深入、广泛的领域.
综上所述,知识工程与专家系统有着密切的关系. 专家系统的突破,不仅使专家系统的发展得到了转机,而且开辟了通向知
识工程的道路. 一方面随着专家系统技术的不断发展,知识工程正在形成一门新兴的边缘学科,人类正在从数据处理走向知识处理;另一方面,知识工程的发展进一步丰富了专家系统的研究内容,为专家系统找到了更广泛的应用领域.目前,许多国家都把专家系统、知识工程的研究、开发和应用列入发展战略的议事日程,成为本国高科技发展规划的重要组成部分. 现在人们正从如下方面进行研究: (1) 基本理论方法研究; (2) 系统开发及商品化研究; (3) 系统工具的研究. 相信,随着这些理论的日趋成熟、知识工程系统的进一步商品化. 可以预见,今后以知识处理为核心的知识信息处理系统将得到广泛应用,智能计算机系统将成为社会交流、决策、规划和信息处得的主要工具. 下一世纪必将是“知识处理的年代”、“知识工程的年代”、“智能计算机系统的年代”
专家系统与知识工程
班级：08自动化
组员：0823105010 蒋杨文
0823105011 邝瑞兴
0823105012 王新阳
2011.10.26。