Мы поможем в написании ваших работ!
ЗНАЕТЕ ЛИ ВЫ?
|
Использование коэффициентов уверенности в программе MORE
Содержание книги
- Можно с уверенностью Т заключить, что пациент страдает заболеванием DI.
- Множество, определенное такой характеристической функцией, представляется формулой
- Которая после подстановки дает
- Какова вероятность того, что из полной колоды будет вытянута одна из старших карт (король, дама или валет).
- Преимущество использования такой программы — снижение трудоемкости процесса, поскольку перенос знаний от эксперта к системе осуществляется в один прием.
- В основу оболочки KADS положено пять базовых принципов.
- Оболочки CommonKADS и KASTUS
- Сопровождение и редактирование баз знаний с помощью программы teiresias
- В составе teiresias Имеются и средства, которые помогают оболочке emycin следить за поведением экспертной системы в процессе применения набора имеющихся правил.
- Графический интерфейс модели предметной области
- В модели предметной области можно выделить четыре основных аспекта, которые явились следствием применения онтологического анализа, как отмечалось в разделе 10. 1. 3.
- Эффективность программы OPAL
- Обсуждение проблем машинного обучения мы отложим до главы 20, поскольку это слишком сложный материал для той части книги, которую мы рассматриваем как вводную.
- Если: Имеется решение менее радикальное, чем
- ГЛАВА 11. Эвристическая классификация (I)
- Классификация задач экспертных систем
- Теперь посмотрим, как соотносится описанная ранее классификация экспертных систем с предложенной Кленси иерархической схемой операций.
- Общность эвристической классификации
- В разделе упражнений вы встретите набор правил на языке clips, которые соответствуют определению, сформулированному в рассматриваемом документе.
- Кленси утверждает, что его работа может следующим образом, повлиять на исследования в области экспертных систем.
- Эти правила соответствуют этапу эвристического сопоставления.
- Разработайте правило selection, которое выбирает вино с наивысшим рейтингом и предлагает его Пользователю.
- Ранее мы уже упоминали о таких особенностях mycin, как отказ от обратного прослеживания в пользу деструктивной модификации рабочей памяти и использование стратегии исчерпывающего поиска.
- При проектировании программ эвристической классификации, таких как MUD или mycin, процесс уточнения правил является, по существу, шестиэтапным.
- ТО существует солевое загрязнение.
- Использование коэффициентов уверенности в программе MORE
- Каждое из таких предположений основано на стремлении сохранить взаимную согласованность коэффициентов в правилах одного семейства.
- ЕСЛИ: 1) заражение — менингит,
- Кленси утверждает, что поведение neomicyn ближе к модели поведения человека при диагностировании, чем поведение mycin.
- Почему в системах, основанных на правилах, сложно выполнять обратное прослеживание на большую глубину.
- Формирование суждений на базе модели в системе internist
- Структурированные объекты в CENTAUR
- Каждый управляющий слот можно рассматривать как консеквентную часть правила, условная часть которого сопоставима с ситуацией, описанной компонентами прототипа
- Формирование суждений на базе модели в системе internist
- База знаний программы internist формируется следующим образом.
- Проблемы, обнаруженные в процессе эксплуатации системы INTERNIST
- Рабочая среда инженерии знаний TDE
- Что понимается под прототипом в системе centaur. Какие функции возлагаются на прототипы.
- Severe-restrictive-defect. Present
- Области применения методов конструктивного решения проблем
- Программа R1 разбивает задачу конфигурирования на шесть подзадач, каждая из которых, в свою очередь, может быть разбита на более мелкие подзадачи.
- Стратегии разрешения конфликтов LEX и МЕА
- Формирование суждений с учетом ограничений: метод Match
- Извлечение знаний в системе R1/XCON
- Включить в систему НМД RA60,
- Совершенствование системы XCON
- В чем преимущество использования более явного представления стратегии, реализованного при модернизации системы XCON.
- Оператор resume во многом похож на оператор focus. Отличие состоит в том, что он не формирует новые задачи, А старается выявить ранее приостановленные и повторно запустить их на выполнение.
- Door-opening, platform-width и opening-width
- Приобретение знаний с помощью системы salt
Выше уже не раз обращалось внимание на тот факт, что эксперты зачастую испытывают серьезные затруднения при назначении коэффициентов уверенности конкретным правилам. Прежде чем назначить коэффициент новому правилу, эксперты любят просмотреть уже сформулированные и сравнить установленные в них значения с тем, которое планируется присвоить новому правилу. Они стараются добиться взаимной увязки всех сформулированных правил как в отношении степени важности отдельных свидетельств, так и в отношении "крепости" ассоциативных связей между свидетельствами и гипотезами. Как помочь эксперту решить эту задачу?
Определенную помощь в этом эксперту может оказать программа MORE, которая формирует предположительные значения коэффициентов, основываясь на ранее введенных правилах, и предлагает их эксперту. Если введенное экспертом значение игнорирует предложенные программой, то выводится предупреждающее сообщение для инженера по знаниям, в котором программа приводит свои соображения относительно обнаруженного противоречия. После этого пользователь имеет возможность воспользоваться набором опций и устранить противоречие между параметрами нового правила и ранее созданных.
Программа MORE формирует предположительные значения коэффициентов следующим образом.
Предположим, что неисправность D проявляется в виде симптома S1 а появление симптома S1 влечет за собой и появление симптома S2. В таком случае программа MORE предполагает, что отрицательный коэффициент уверенности, назначенный правилу, которое связывает симптом S1 с гипотезой D, будет больше или равен отрицательному коэффициенту, назначенному правилу, которое связывает симптом S2 с гипотезой D. В схеме модели событий на рис. 12.2 ожидается, что С1= > С2. Здесь коэффициентом С, оценивается связь между симптомом S1 и гипотезой D, а коэффициентом С2 — связь между симптомом S2 и гипотезой D.
Почему предполагается такое соотношение между значениями коэффициентов, интуитивно понятно. Если отсутствие симптома S1 является более веским аргументом против гипотезы D, то отсутствие симптома S2 не меняет положения дел. Если вновь вернуться к модели событий на рис. 12.1, то отрицательная связь между притоком воды и повышением уровня содержания неэмульсионной воды должна быть более "сильной", чем связь между притоком воды и повышением вязкости.
Диагностическая значимость симптома является величиной, обратной количеству гипотез, в которых учитывается наличие этого симптома. В модели событий, схема которой представлена на рис. 12.3, программа MORE предполагает, что С1 > С2, поскольку появление симптома S1 может быть вызвано только неисправностью (гипотезой) D1, a появление симптома S2 может быть вызвано и другими неисправностями.
Рис. 12.2. Отрицательные коэффициенты достоверности в цепочке причинно-следственной связи
Рис. 12.3. Положительные коэффициенты достоверности в случае множественной связи симптома с гипотезами
Программа MORE также оценивает и отношения между значениями коэффициентов в правилах одного семейства (т.е. в правилах, делающих одинаковое заключение или, что то же самое, относящихся к одной и той же гипотезе). Например, если в семейство правил добавляется новое условие проявления симптома, которое увеличивает условную достоверность симптома, это скажется на тех правилах, которые имеют большие отрицательные значения коэффициентов, чем составные правила. (Напомним, что составными называются правила, расширенные при добавлении нового условия.) Рациональность этих предположений заключается в том, что чем больше мы рассчитываем на появление определенного симптома при данной гипотезе (при данной неисправности), тем сильнее будет наше недоверие к этой гипотезе при отсутствии такого симптома.
|
