专家系统概述
专家系统
6). 规划专家系统 7). 控制专家系统 8). 教学专家系统 9). 监视专家系统 10) 修理专家系统
7.2.1 专家控制系统的结构 专家系统的结构是指专家系统各组成部 分的构造方法和组织形式。 系统结构选择恰当与否，是与专家系统 的适用性和有效性密切相关的。 选择什么结构最为恰当，要根据系统的 应用环境和所执行任务的特点而定。
• 7.1.2 专家系统的基本组成 • 专家系统由知识库、推理机、综合数据库、 解释接口和知识获取等五部分组成。
• 知识库(Knowlege Base)储存专家用以解决 问题的知识。 • 推理机(Inference Mechanism)用以控制推 理过程。 • 综合数据库(Global Database)存放推理的 初始证据、中间结果以及最终结果等的工 作存储器(Working Memory)。
• 专家系统特点： 1. 启发性 启发性：专家系统能运用专家的知识 与经验进行推理、判断和决策。 2. 透明性 透明性：专家系统能够解释本身的推 理过程和回答用户提出的问题，以便让用 户能够了解推理过程，提高对专家系统的 信赖感。 3. 灵活性 灵活性：专家系统能不断地增长知识， 修改原有知识，不断更新。
• 解释接口(Explanation Interface)提供使用 者友善的解释说明及咨询功能。 • 知识获取(Knowlege Acquisition)通过人工 方法或机器学习的方法，将某个领域内的 事实性知识和领域专家所特有的经验性知 识转化为计算机程序的过程。
7.1.3 专家控制的特征和分类
1. 专家系统的基本特征 专家系统是基于知识工程的系统，其基本特征： 1) 具有专家水平的专门知识； 2) 能进行有效的推理； 3) 专家系统的透明性和灵活性； 4) 具有一定的复杂性和难度。
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
专家系统
它是一种具有智能的程序系统。能运用专家知 识和经验进行推理的启发式程序系统。 它必须包含有大量专家水平的领域知识，并能 在运行过程中不断地对这些知识进行更新。 它能应用人工智能技术模拟人类专家求解问题 的推理过程，解决那些本来应该由领域专家才 能解决的复杂问题。
专家系统的一般特点
• 专家系统的特点：
根 据 任 务 要 求 ， 计 算 出满 足 设 计 问 题 约 束 的 目 标配 置。 按 给 定 目 标 拟 定 总 体 规划 、 行 动 计 划 、 运 筹 优 化等 。 根 据 具 体 情 况 ， 控 制 整个 系 统 的 行 为 ， 适 用 于 对各 种 大 型 设 备 及 系 统 进 行控 制。 根 据 监 测 到 的 现 象 与 正常 情 况 相 比 ， 及 时 作 出 相应 的分析和处理。 的分析和处理 。 对 发 生 故 障 的 系 统 、 对象 或 设 备 进 行 处 理 ， 制 定纠 错 方 案 ， 并 实 施 方 案 ，使 其恢复正常。 其恢复正常 。 根 据 相 应 的 标 准 检 测 被测 试 对 象 存 在 的 错 误 ， 并能 从 多 种 纠 错 方 案 中 选 出适 用 于 当 前 情 况 的 最 佳方 排除错误。 案 ， 排除错误 。
专家系统的结构
• 专家系统的结构是指专家系统各组成部分 的构造方法和组织形式。 用户 接口 事实规则
解释器 计划 知识库 执行器
议程 中间解 黑板
调度器 协调器
理 想 专 家 系 统 结 构 图
专家系统的主要组成部分
1. 知识库（Knowledge Base) 知识库用于存储某领域专家系统的专门知识，包括事实、 可行操作与规则。 2. 综合数据库（global database) 综合数据库又称全局数据库或总数据库，它用于储存领域 或问题的初始数据和推理过程中得到的中间数据（信息）， 即被处理对象的一些当前事实。 3. 推理机（reasoning machine) 用于记忆所采用的规则和控制策略的程序，使整个专家系 统能够以逻辑方式协调的工作。推理机能够根据知识进行 推理和导出结论，而不是简单搜索现成的答案。
第五部分 专家控制(1)
三、知识的获取
1、知识获取的方式
（1）非自动知识获取
非自动知识获取方式分两步进行：①由知识 工程师从领域专家或有关的技术文献那里获取知识； ②由知识工程师用某种知识编辑软件输入到知识库 中，其工作方式如图所示。
非自动方式是专家系统建造中用得较为普遍的一 种知识获取方式。在非自动知识获取方式中，知识工 程师起着关键作用，知识工程师的主要任务是： ① 组织调查。以反复提问的方式启发领域专家 按知识处理的要求回答问题，并详细记录专家的答案。 ② 理解和整理材料。在充分理解的基础上对从 领域专家处或书本上得到的答案进行选择整理、分类、 汇集并形成用自然语言表达的知识条款。 ③ 修改和完善知识。把整理分类好的知识条款反 馈给领域专家，进行修改、完善和精化，最终的结果 要得到领域专家的认可。 ④ 知识的编码。把最终由专家认可的知识条款按 一定的表达方式或知识表示语言进行编码，得到知识 编辑器所能接受的知识条款。
专家系统是基于知识的系统，则建造专家系统 就涉及到知识获取、知识表示、知识的组织与管 理和知识的利用等一系列关于知识处理的技术和 方法，特别是一般知识库系统的建立，更加促进 了这些技术的发展。 关于知识处理的技术和方法已形成了一个称 为“知识工程”的学科领域。专家系统一方面促 使了知识工程的诞生和发展，另一方面知识工程 又是为专家系统服务的。由于二者的密切关系， “专家系统”与“知识工程”现在几乎已成为同 义语。
（1）按用途分类 可分为：诊断型、解释型、预测型、决策型、 设计型、规划型、控制型和调度型等几种。 （2）按输出结果分类 可分为：分析型、设计型、综合型专家系统。 （3）按知识表示分类 可分为：基于产生式规则的专家系统、基于一 阶谓词的专家系统、基于框架的专家系统以及 基于语义网络的专家系统。也存在相应的综合 型专家系统。
专家控制系统
第三章 专家控制系统3.1 专家系统概述1.专家及专家系统的定义专家指的是那些对解决专门问题非常熟悉的人们，他们的这种专门技术通常源于丰富的经验以及他们处理问题的详细专业知识。
定义 3.1专家系统主要指的是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识与经验，能够利用人类专家的知识和解决问题的经验方法来处理该领域的高水平难题。
也就是说，专家系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，以便解决那些需要人类专家才能处理好的复杂问题。
简而言之，专家系统是一种模拟人类专家解决领域问题的计算机程序系统。
专家系统的基本功能取决于它所含有的知识，因此，有时也把专家系统称为基于知识的系统（knowledge-based system）。
3.1.1 专家系统的特点及优点1.专家系统的特点与常规的计算机程序系统比较，专家系统具有下列特点：（1）启发性 专家系统要解决的问题，其结构往往是不合理的，其问题求解（problem-solving）知识不仅包括理论知识和常识，而且包括专家本人的启发知识。
（2）透明性 专家系统能够解释本身的推理过程和回答用户提出的问题，以便让用户了解推理过程，增大对专家系统的信任感。
（3） 灵活性 专家系统的灵活性是指它的扩展和丰富知识库的能力，以及改善非编程状态下的系统性能，即自学习能力。
（4）符号操作。
与常规程序进行数据处理和数字计算不同，专家系统强调符号处理和符号操作（运算），使用符号表示知识，用符号集合表示问题的概念。
一个符号是一串程序设计，并可用于表示现实世界中的概念。
（5）不确定性推理。
领域专家求解问题的方法大多数是经验性的；经验知识一般用于表示不精确性并存在一定概率的问题。
此外，所提供的有关问题的信息往往是不确定的。
专家系统能够综合应用模糊和不确定的信息与知识，进行推理。
第二章 专家系统概述
启发性 透明性 灵活性
第五节 专家系统分类
可按不同的标准进行分类.例如: 可按不同的标准进行分类.例如: 应用领域分类 可分为医疗,勘探,数学, 分类. 按应用领域分类.可分为医疗,勘探,数学,物 理,化学,气象,生物等; 化学,气象,生物等; 知识表示技术分类 基于规则的,逻辑的, 分类. 按知识表示技术分类.基于规则的,逻辑的,语 义网络,框架的专家系统等; 义网络,框架的专家系统等; 推理策略分 正向,反向,双向等; 按推理策略分.正向,反向,双向等; 采用不精确推理技术分 确定理论, 按采用不精确推理技术分.确定理论,主观 Bayes,模糊理论,D/S理论推理技术ES; 理论推理技术ES Bayes,模糊理论,D/S理论推理技术ES; 结构分 单和群ES ES; 按结构分.单和群ES;
第三节 专家系统的功能与结构
3.1: 3.1:功能
专家系统应当具备以下几个功能: 专家系统应当具备以下几个功能: 存储专业领域知识; 存储专业领域知识; 存储具体问题求解过程中的初始数据和推理过程中的各信息 与数据; 与数据; 利用已有知识解决专业问题; 利用已有知识解决专业问题; 对推理过程和结论作出必要的解释; 对推理过程和结论作出必要的解释; 提供用户接口; 提供用户接口; 提供知识获取,知识库修改完善等维护手段; 提供知识获取,知识库修改完善等维护手段;
事实:客观事物的状态,属性,特征及事物间关系. 事实:客观事物的状态,属性,特征及事物间关系. 信念:主要指事实的含义规则,语义说明. 信念:主要指事实的含义规则,语义说明. 启发式: 启发式:指能表达前提和结论间因果关系的一种形 式.
二:算法和启发式程序
算法是为求解一类问题而规定的一个可被机 械执行的确定步骤的有穷序列,具有如下性质: 械执行的确定步骤的有穷序列,具有如下性质: 通用性:能求解问题范围内的全部问题; 通用性:能求解问题范围内的全部问题; 确定性:算法中的问题求解状态, 确定性:算法中的问题求解状态,求解步骤应该 是精确唯一的. 是精确唯一的. 有效性:问题范围内的任何具体问题带入算法后, 有效性:问题范围内的任何具体问题带入算法后, 都可经有限步骤,达到期望结果. 都可经有限步骤,达到期望结果.
故障诊断专家系统介绍
故障诊断专家系统
人工神经网络
一、概述
1.定义及特点 2.目前的应用情况
x1 w1
i
二、基本原理
故障诊断专家系统
(3) 诊断型(Diagnosis)专家系统 这类系统根据输入 信息推断出处理对象中可能存在 的故障，如计算机 硬件故障诊断系统DART、核反应堆故障诊断系统 REACTOR、感染病诊 断与治疗系统MYCIN、旋 转机械故障诊断系统EXPLORE-EX、透平机械故障 诊断专家系统TUBMAC等。
(9) 控制型(Control)专家系统 这类系统能自动控 制系统的全部行为，通常用手生产过程的实时控 制，如维持钻机最佳钻探流特征的MUD系统、 MVS操作系统的监督控制系统YES／MVS等。
(10) 教育型(1nstruction)专家系统 这类系统能诊 断并纠正学生的行为，主要用于教学和培训，多 为诊断型和调试型的结合体，如GUIDON和 STEAMER等。
故障诊断专家系统
人工智能研究者们已提出了许多种知识表示方法， 如产生式表示、框架式表示、语义网络表示、逻辑 性表示、对象—属性—值三元组表示、过程表示和 面向对象的表示等，这些不同的表示方法各有其优 缺点和最适用的领域。
2) 产生式系统的基本组成 一个典型的产生式专家系统通常由规则库(RuleBase)、
x1
y1
x1
y1
x2
x2
y2
xn
yn
xn
yn
单层前 向网络
多层前 向网络
第8章 专家系统
2.专家系统的知识表示和推理
2.1 知识表示
知识表示是一种用来在专家系统的知识库中对知识编码的 方法。
2.1.1 知识的类型
◆过程性知识。描述如何解决问题，提供如何做事的建议。
◆陈述性知识。描述问题的相关已知信息，包括断定为真或 假的简单语句和一组更完整地描述一些对象或概念的语句。 ◆启发式 知识。描述引导推理过程的规则。它是经验性的， 并且表示专家通过求解过去问题的经验编译知识。专家将获 取有关问题的基本知识，如基本法则、函数关系等，并且把 它编译成简单的启发信息，以辅助问题求解。 ◆结构知识。描述知识的结构。这类知识描述专家对此问题 的整体智力模型。
(2)从处理问题的方法看，专家系统则是靠知识和 推理来解决问题（不像传统软件系统使用固定的算法 来解决问题），所以，专家系统是基于知识的智能问 题求解系统。
(3)从系统的结构来看，专家系统则强调知识与推 理的分离，因而系统具有很好的灵活性和可扩充性。
(4)专家系统一般还具有解释功能，即在运行过程 中一方面能回答用户提出的问题，另一方面还能对最后 的输出（结论）或处理问题的过程作出解释。
◆例子 ：VAX计算机结构设计专家系统、花布立体感图 案设计和花布印染专家系统、大规模集成电路设计专 家系统以及齿轮加工工艺设计专家系统等。
规划专家系统
◆任务 ：寻找出某个能够达到给定目标的动作序列或步 骤。
◆特点 ：所要规划的目标可能是动态的或静态的，需要 对未来动作做出预测，所涉及的问题可能很复杂，要 求系统能抓住重点，处理好各子目标间的关系和不确 定的数据信息，并通过实验性动作得出可行规划 。
站进行被修设备的调整、测量与试验。在这方面的实 例还比较少见。
教学专家系统
◆任务：根据学生的特点、弱点和基础知识，以最适当的 教案和教学方法对学生进行教学和辅导。
- 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)。
一般专家系统构造所需考虑的关键技术的讨论张永红哈尔滨工程大学信息与通信工程学院，黑龙江省哈尔滨市 150001摘要:本文在叙述了人工智能科学技术的发展概况之后，同时粗略的分析力专家系统的发展情况。
总结梳理了完成一项专家系统设计所需的关键技术的分析，给出了一般专家系统构造是在各个环节可以考虑和运用的技术。
并对各个可用的技术进行了比较分析。
总结目前在专家系统设计上飞瓶颈问题和突破口。
关键词 :专家系统，人工智能，知识表示，推理Abstract:This paper describes the overview of the development of artificial intelligence, science and technology, while rough analytical expert system development. Summary combing analysis of the key technologies required to complete an expert system design, gives the general expert systems can be considered and the use of technology in all aspects. And a comparative analysis of the available technology. Summarizes the current bottlenecks and a breakthrough fly in expert system design.key: Expert System ,Artificial Intelligence Knowledge Representation , Reasoning1 引言自1965年提出专家系统的概念，至今已经过去整整半个世纪了，回顾它的发展历史，专家系统在各个领域的应用已经非常广泛了，这一点不仅可以从网络学术文献搜索的数量和文献研究的领域上，还是实际产品的开发用运上都可以印证。
但是由于专家系统是人工智能科学的直接产物，而人工智能的发展始终徘回而前进缓慢。
人工智能的主要研究领域有：（1）符号智能：符号智能以物理符号系统为基础，研究知识表示、获取、推理过程。
（2）计算智能：计算智能包括神经计算、模糊系统、遗传算法、进化程序设计等。
神经计算是从神经生理学和认知科学的研究成果出发，应用数学方法描述非程序的和适应性的、大脑风格的人工神经网络信息处理的本质和能力。
而符号智能的研究进展缓慢，这主要是人工智能的在解决知识表示与表示的基本理论和方法这一关键理论问题上还未有完满的结果。
这导致以其为基础的人工神经网络、专家系统等的发展各自在不同的小领域内进行突破前行。
1958 年麦卡锡发明了表处理语言LISP。
由于 LISP 语言可以方便地处理符号，很快成为人工智能程序设计的主要语言。
人工智能经历了自然语言的机器翻译、鲁滨逊（J.A.Robinson）于 1965 年提出的消解法、神经网络研究等一次次高潮，但是由于人们忽视了现实世界的复杂性和问题的多样性，人工智能的早期研究只能停留在实验室里进行。
人工智能研究遇到了比想象的要严重得多的压力和困难。
60 年代中期以后，人工智能由追求万能、通用的一般研究转入特定的具体研究，通用的解题策略同特定领域的专业知识与实际经验结合，产生了以专家系统为代表的基于知识的各类人工智能系统，使人工智能真正走向社会，走向实际应用研究。
斯坦福大学的费根鲍姆（E.A.Feigenbaum）于1965 年开创了基于知识的专家系统（ Expert System）这一人工智能研究的新领域。
80 年代末，神经网络得到飞速发展。
1987 年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。
此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。
目前人工智能研究的几个方向是：智能接口、数据挖掘、主体及多主体系统、模糊处理、并行化、神经网络和机器情感[1]。
可见作为专家系统基础的人工智能的各个方面都具备坚实的基础，本文将要重点讨论设计一般专家系统时需采取的关键人工智能技术。
2 专家系统的整体的概念2.1专家系统的定义专家系统(Expert System)亦称专家咨询系统，它是一种智能计算机（软件）系统。
顾名思义，专家系统就是能像人类专家一样解决困难、复杂的实际问题的计算机（软件）系统。
专家系统应该具备以下四个要素：（1）应用于某一个专门领域。
（2）拥有专家级知识。
（3）能模拟专家的思维。
（4）能达到专家的水平。
准确的讲，专家系统就应该是，应用于某一专门领域，拥有该领域相当数量的专家级知识，能模拟专家的思维，能达到专家级水平，能像专家一样解决困难和复杂的实际问题的计算机（软件）系统。
这里需要指出的是，所谓的专家级知识、专家的思维是因为专家拥有自己独特的实践经验，具有独特的分析问题和解决问题的方法和策略，并且这些经验、方法和策略经过长期的实践证明是行之有效的。
2.2专家系统的特点同一般的计算机应用系统（如数值运算、数据处理系统等）相比，专家系统具有以下一些特点：（1）从处理的问题的性质看，专家系统善于解决那些不确定的、非结构化的、没有算法解或虽有算法解但在现有的机器上无法实现的困难问题。
例如：医疗诊断、地质勘探、天气预报、市场预测、管理决策、军事指挥等领域的问题。
（2）从处理的问题的方法看，专家系统则是靠知识和推理来解决问题（不像传统的软件系统使用固定的算法来解决问题），所以专家系统是基于知识的问题求解系统。
（3）从系统的结构看，专家系统则强调知识和推理的分离，因而系统具有很好的灵活性和可扩充性。
（4）专家系统一般还具有解释功能，即在运行过程中一方面能回答用户提出的问题，另一方面还能对最后的输出（结论）或处理问题的过程做出解释。
2.3专家系统的结构（1）概念结构从概念上讲，一个专家系统应具有图1 所示的一般结构模式。
其中知识库和推理机是两个最基本的模块.图1 专家系统结构①知识库所谓知识库，就是以某种表示形式存储在计算机中的知识的集合。
知识库通常是以一个个文件的形式存放在外部介质上，专家系统运行时将被调入内存。
知识库中的知识一般包括专家知识、领域知识和元知识。
元知识是关于调度和管理知识的知识。
知识库中的知识通常就是按照知识的表示形式、性质、层次、内容来组织的，构成了知识结构。
②推理机所谓推理机，就是实现（机器）推理的程序。
这里的推理，是一个广义的概念，它既包括了通常的逻辑推理，也包括了基于产生式的操作。
推理机是使用知识库中的知识进行推理而解决问题的，所以推理机也就是专家的思维机制，即专家分析问题、解决问题的方法的一种算法表示和机器实现。
③动态数据库动态数据库也称全局数据库、综合数据库、工作存储器、黑板等，它是存放初始证据事实、推理结果和控制信息的场所，或者说它是上述数据构成的集合。
动态数据库只在系统运行期间产生、变化和撤销，所以称为“动态”数据库，且在图中用虚线包围。
需要说明的是，动态数据库虽然也叫数据库，但它并不是通常所说的数据库，两者有本质的区别。
④人机界面人机界面指的是最终用户与专家系统的交互界面。
一方面，用户通过这个界面向系统提出或者回答问题，或向系统提供原始数据和事实等；另一方面，系统通过这个界面向用户提出或者回答问题，并输出结果以及对系统的行为和最终结果做出适当的解释。
⑤解释模块解释模块专门向用户解释专家系统的行为和结果。
推理过程中它可向用户解释系统的行为，回答用户“why”的问题，推理结束后它可向用户解释推理的结果是怎样得来的，回答“how”之类的问题。
⑥知识库管理系统知识库管理系统是知识库的支撑软件。
知识库管理系统对知识库的作用类似于数据库管理系统对数据库的作用，其功能包括知识库的建立、删除、重组；知识的获取(主要指录入和编辑)、维护、查询、更新；以及对知识的检查，包括一致性、冗余性和完整性检查等等。
知识库管理系统主要在专家系统的开发阶段使用，但在专家系统的运行阶段也要经常用来对知识库进行增、删、改、查等各种管理工作。
所以，它的生命周期事实和相应的专家系统是一样的。
知识库管理系统的用户一般是系统的开发者，包括领域专家和计算机人员(一般称为知识工程师)，而成品的专家系统的用户则一般是领域专业人员。
如果在原来的专家系统的结构上添加自学习模块，就成为更为理想的一种专家系统结构。
这里的自学习功能主要是指在系统的运行过程当中，能不断的自动化的完善丰富知识库中的知识。
3 专家系统构建的几个关键技术3.1知识获取和知识库的建立的技术知识表示一直是人工智能的重要核心问题,它是知识获取的基础,又是推理的前提。
目前在人工智能中信息和知识的表示方法种类繁多,虽然每种方法都有各自的特点,但是他们存在的共同问题就是缺乏严格的理论体系。
与其他应用领域相比,知识表示在智能设计中遇到了更大的困难,原因在于现有的知识表示方法都缺少对设计过程创造性思维的支持。
知识表示是概括智能行为的模型，其特点是: (1)智能行为所特有的灵活性问题(“常识问题”)不能概括为一类简洁的理论，它是大量小理论的集合; (2)Al的任务受到计算装置的约束.这就导致所采用的“表示”必须同时满足“刻画智能现象”与“计算装置可接受”这两个有时是矛盾的条件.正是对这两个条件的不同侧重导致了对“表示”的不同认识，并由此产生Al 研究的不同方法论.在Al中常见的知识获取知识表示的方法几乎都是来源于研究者对智能行为在微观与宏观不同科学层次的观察与分析而抽象出的模型.根据这些表示方法的原理可以将它们分成三类: (1)局部表示类:逻辑，产生式系统，语义网络，框架，脚本，过程等. (2)分布表示类:基因，联接机制.(3)直接表示类:各种图形，图象，声音及人造环境等. 由此，一种知识表示方法的体系树[2]可以被总结为图2的形式.图2常见知识表示的方法的树结构图而这些方法各自各有各自的局限性，且新的方法不断出现如文献提出的利用可拓学发展的知识表示方法在知识获取和知识库建立的过程中应根据自己特殊目的的专家系统选用适合的方法把专有领域的知识表示为计算机可识别可计算处理的表示形式，同时应构建这种表示形式完整的语义系统支撑推理机的“常识推理”等等的智能模拟活动。
另有大量文献提出将人工神经网络和融合到专家系统里到设计，这种系统利用人工神经网络结合特定的知识表示方法体系可完成专家系统的知识的获取与更新、知识库的建立。
3.2推理机的构造技术推理是从已知的知识推出蕴含着的知识，或归纳和发现新知识的重要方法。
所有推理方法都要涉及前提与结论之间的关系。