Экспертная система выбор ноутбука

Обновлено: 04.07.2024

Экспертная система — компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные ЭС начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х получили коммерческое подкрепление. Предтечи экспертных систем были предложены в 1832 году С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие находить решения по заданным условиям, например определять наиболее подходящие лекарства по наблюдаемым у пациента симптомам заболевания[1].

Содержание работы

Введение. 3
Технология проектирования ЭС 5
Описание проблемной области 8
Описание среды разработки 10
Способ представления знаний 11
Проектирование экспертной системы 13
Описание пользовательского интерфейса 17
Заключение 21

Файлы: 1 файл

курсовая работа.docx

Министерство образования и науки

Северный (Арктический) федеральный университет имени М.В. Ломоносова

Институт естественных наук и биомедицины

Кафедра Информатики, ВТ и МПИ

_____________Щепихин Андрей Николаевич_____________

_4_ курс _49 группа

По дисциплине «Интеллектуальные информационные системы»

На тему «ПРОЕКТИРОВАНИЕ ЭКСПЕРТНОЙ СИСТЕМЫ ПО ВЫБОРУ НОУТБУКА»

Работа допущена к защите ______________________________ ______________________

(подпись руководителя) (дата)

Признать, что работа выполнена и защищена с оценкой ____________________

Руководитель доцент кан.пед.н_ _О.Ж. Петруничева__ _____________

(должность) (подпись) (и.,о., фамилия) (дата)

Содержание

Технология проектирования ЭС 5

Описание проблемной области 8

Описание среды разработки 10

Способ представления знаний 11

Проектирование экспертной системы 13

Описание пользовательского интерфейса 1 7

Введение.

Назначение экспертных систем заключается в решении достаточно трудных для экспертов задач на основе накапливаемой базы знаний, отражающей опыт работы экспертов в рассматриваемой проблемной области. Достоинство применения экспертных систем заключается в возможности принятия решений в уникальных ситуациях, для которых алгоритм заранее не известен и формируется по исходным данным в виде цепочки рассуждений (правил принятия решений) из базы знаний. Причем решение задач предполагается осуществлять в условиях неполноты, недостоверности, многозначности исходной информации и качественных оценок процессов.

Экспертная система является инструментом, усиливающим интеллектуальные способности эксперта, и может выполнять следующие роли:

консультанта для неопытных или непрофессиональных пользователей;
ассистента в связи с необходимостью анализа экспертом различных вариантов принятия решений;
партнера эксперта по вопросам, относящимся к источникам знаний из смежных областей деятельности.

Большинство экспертных систем имеют следующую структуру: [2]

Интерфейс пользователя
Пользователь
Интеллектуальный редактор базы знаний
Эксперт
Инженер по знаниям
Рабочая (оперативная) память
База знаний
Решатель (механизм вывода)
Подсистема объяснений

База знаний состоит из правил анализа информации от пользователя по конкретной проблеме. ЭС анализирует ситуацию и, в зависимости от направленности ЭС, дает рекомендации по разрешению проблемы.

Как правило, база знаний экспертной системы содержит факты (статические сведения о предметной области) и правила — набор инструкций, применяя которые к известным фактам можно получать новые факты.

Целью работы являлась разработка экспертной системы для покупки ноутбука, наиболее подходящего под запросы конечного пользователя.

Для поставленной цели были выделены следующие задачи:

Проанализировать проблемную область
Выделить основные данные, используемые при выборе ноутбука
Разработать экспертную систему

Технология проектирования ЭС

Данная экспертная система имеет 2 режима:

Обычный режим
Расширенный режим (для опытных пользователей)

Обычный режим помогает в выборе неопытным пользователям, которые не знают, какими именно характеристиками должен обладать желаемый ими ноутбук. Находясь в обычном режиме, пользователь отвечает на следующие вопросы:

Цели использования ноутбука
Желаемый ценовой диапазон
Предполагаемый объем жесткого диска

Сфера использования - Компьютерные игры \ компьютерная графика

Видео память выделяется из оперативной = ложь
Число ядер>= 2
Объем оперативной памяти>= 4000
Частота процессора>= 2.0
Объем видеопамяти>= 1000

Сфера использования – Офисная деятельность

Видеопамять выделяется из оперативной = истина
Число ядер <=2
Объем оперативной памяти <=4000
Частота процессора <= 2
Размер дисплея >= 15"

Сфера использования – Интернет - серфинг

Размер дисплея < 14.0
Вес <= 2.0"

Сфера использования – Домашний мультимедиа-центр

Число ядер<= 2
Объем оперативной памяти <=4000
Частота процессора <= 2.0
Размер дисплея >= 14.0

После каждого нового ответа экспертная система обрабатывает и выполняет запрос, выдавая пользователю список подходящих ноутбуков, представленный в табличном виде. Выходная таблица имеет следующие столбцы:

Расширенный режим – это режим для более опытных пользователей. В нем пользователь может сам выбрать ряд характеристик, которыми должен обладать желаемый им ноутбук. Находясь в расширенном режиме, пользователь может применить фильтр по следующим параметрам отбора:

Цена
Частота процессора
Объем оперативной памяти
Объем видеопамяти
Размер дисплея
Вес
Объем жесткого диска

В результате выборки по одному или нескольким параметром пользователь также получит список подходящих ему ноутбуков, содержащий полную информацию для каждой модели.

Описание проблемной области

Основное назначение данной экспертной системы – консультирование и помощь в выборе ноутбука для конечного пользователя. Предполагаемая сфера использования – сфера продаж.

Использование данной экспертной системы, к примеру, в специализированном компьютерном магазине, несет следующие выгоды:

Получение списка предпочтений и подходящих моделей ноутбуков для конечного пользователя (покупателя)
Обеспечение более конкретизированного и конструктивного диалога между продавцом-консультантом и конечным пользователем (покупателем)
Снижение занятости продавца-консультанта.

Все современные мобильные компьютеры, независимо от их внешнего вида и стоимости, можно поделить на несколько основных групп:

Ноутбуки для игр \ компьютерной графики— самые мощные портативные компьютеры. Обычно они оснащаются самыми передовыми процессорами и графикой. Такой компьютер способен открыть перед Вами многогранные возможности виртуального мира и подарить Вам яркую и очень реалистичную картинку.
Ноутбуки для офиса — простые и при этом обладающие достаточной производительностью, для основных будничных дел.
Нетбуки — очень маленькие, компактные и легкие ноутбуки, обладающие довольно таки слабой производительностью. Основное применение – серфинг интернет - страниц.
Мультимедийные ноутбуки — не просто печатная машинка для набора и редактирования текстов, а современный мультимедийный центр. Он подойдет для просмотра фильмов, для создания трехмерных объектов, проигрывания самых разных мультимедийных файлов.

Описание среды разработки

Программа разработана на языке программирования C++ с библиотеками QT и интегрированной средой разработки QtCreator.

Qt — кросс-платформенный инструментарий разработки ПОна языке программирования C++.

Позволяет запускать написанное с его помощью ПО в большинстве современных операционных систем путём простой компиляции программы для каждой ОС без изменения исходного кода. Включает в себя все основные классы, которые могут потребоваться при разработке прикладного программного обеспечения, начиная от элементов графического интерфейса и заканчивая классами для работы с сетью, базами данных и XML. Qt является полностью объектно- ориентированным, легко расширяемым и поддерживающим технику компонентного программирования.

Основные аргументы разработки системы при помощи вышеописанных инструментальных средств:

Приложение кроссплатформенно, т.е. легко может быть скомпилировано и запущено на других операционных системах.
Фреймворк, используемый для работы, поддерживает легковесную встраиваемую реляционную базу данных SQLite, что позволяет вести разработку и использование без сервера баз данных.
Возможность статической компиляции, т.е. отсутствие необходимости дополнительных библиотек на компьютере пользователя для запуска.

Способ представления знаний

При разработке данной системы использовался продукционная модель представления знаний.

Продукционная модель – это модель, основанная на правилах, позволяющая представить знание в виде предложений типа:

«ЕСЛИ условие, ТО действие»

Продукционная модель обладает тем недостатком, что при накоплении достаточно большого числа (порядка нескольких сотен) продукций они начинают противоречить друг другу.

В общем случае продукционную модель можно представить в следующем виде:

– сфера применения продукции;

– условие применимости продукции;

– постусловия продукции, актуализирующиеся при положительной реализации продукции;

– комментарий, неформальное пояснение (обоснование) продукции, время введения в базу знаний и т. д.;

Системы обработки знаний, использующие продукционную модель получили название «продукционных систем». В состав экспертных систем продукционного типа входят база правил (знаний), рабочая память и интерпретатор правил (решатель), реализующий определенный механизм логического вывода. Любое продукционное правило, содержащееся в базе знаний, состоит из двух частей: антецендента и консеквента. Антецедент представляет собой посылку правила (условную часть) и состоит из элементарных предложений, соединенных логическими связками «и», «или». Консеквент (заключение) включает одно или несколько предложений, которые выражают либо некоторый факт, либо указание на определенное действие, подлежащее исполнению. Продукционные правила принято записывать в виде антецедент-консеквент.

Примеры продукционных правил:

ЕСЛИ
«двигатель не заводится»
и
«стартер двигателя не работает»
ТО
«неполадки в системе электропитания стартера»

Любое правило состоит из одной или нескольких пар «атрибут-значение». В рабочей памяти систем, основанных на продукционных моделях, хранятся пары атрибут-значение, истинность которых установлена в процессе решения конкретной задачи к некоторому текущему моменту времени. Содержимое рабочей памяти изменяется в процессе решения задачи. Это происходит по мере срабатывания правил. Правило срабатывает, если при сопоставлении фактов, содержащихся в рабочей памяти, с антецедентом анализируемого правила имеет место совпадение, при этом заключение сработавшего правила заносится в рабочую память. Поэтому в процессе логического вывода объём фактов в рабочей памяти, как правило, увеличивается (уменьшаться он может в том случае, если действие какого-нибудь правила состоит в удалении фактов из рабочей памяти). В процессе логического вывода каждое правило из базы правил может сработать только один раз.

Проектирование экспертной системы

В данной экспертной системе имеется база данных, содержащая одну таблицу notebooks. В таблице содержаться следующие поля:

РАЗРАБОТКА ЭКСПЕРТНОЙ СИСТЕМЫ «НОУТБУКИ» НА ЯЗЫКЕ ПРОЛОГ

Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF

Экспертная система (ЭС) — компьютерная система, способная частично заменить специалиста-эксперта в разрешении проблемной ситуации. Современные ЭС начали разрабатываться исследователями искусственного интеллекта в 1970-х годах, а в 1980-х получили коммерческое подкрепление. Предтечи экспертных систем были предложены в1832 году С. Н. Корсаковым, создавшим механические устройства, так называемые «интеллектуальные машины», позволявшие находить решения по заданным условиям, например определять наиболее подходящие лекарства по наблюдаемым у пациента симптомам заболевания.

Этапы разработки ЭС представляются следующими видами деятельности:

Этап идентификации проблем — определяются задачи, которые подлежат решению, выявляются цели разработки, определяются эксперты и типы пользователей.

Этап извлечения знаний — проводится содержательный анализ проблемной области, выявляются используемые понятия и их взаимосвязи, определяются методы решения задач.

Этап структурирования знаний — выбираются ИС и определяются способы представления всех видов знаний, формализуются основные понятия, определяются способы интерпретации знаний, моделируется работа системы, оценивается адекватность целям системы зафиксированных понятий, методов решений, средств представления и манипулирования знаниями.

Этап формализации — осуществляется наполнение экспертом базы знаний. В связи с тем, что основой ЭС являются знания, данный этап является наиболее важным и наиболее трудоемким этапом разработки ЭС. Процесс приобретения знаний разделяют на извлечение знаний из эксперта, организацию знаний, обеспечивающую эффективную работу системы, и представление знаний в виде, понятном ЭС. Процесс приобретения знаний осуществляется инженером по знаниям на основе анализа деятельности эксперта по решению реальных задач.

Реализация ЭС — создается один или несколько прототипов ЭС, решающие требуемые задачи.

Этап тестирования — производится оценка выбранного способа представления знаний в ЭС в целом.

Структура ЭС интеллектуальных систем представляются в следующем виде:

Интеллектуальный редактор базы знаний;

Инженер по знаниям;

Рабочая (оперативная) память;

Решатель (механизм вывода);

Также существует несколько классификаций ЭС по следующим видам:

По решаемой задаче;
По связи с реальным временем.

К ЭС по связи с реальным временем:

Статические ЭС — это ЭС, решающие задачи в условиях, не изменяющихся во времени исходных данных и знаний.

Квазидинамические ЭС интерпретируют ситуацию, которая меняется с некоторым фиксированным интервалом времени.

Динамические ЭС — это ЭС, решающие задачи в условиях, изменяющихся во времени исходных данных и знаний.

Для удобства восприятия, данная классификация представлена в виде таблицы 1.

Таблица 1 – Классификация ЭС

По решаемой задаче

По связи с реальным временем

2 КЛАССИФИКАЦИЯ ПРОГРАММНЫХ СРЕДСТВ ДЛЯ РАЗРАБОТКИ ЭКСПЕРТНЫХ СИСТЕМ

По своему назначению и функциональным возможностям инструментальные программы, применяемые при проектировании экспертных систем, можно разделить на четыре достаточно больших категории.

1) Оболочки экспертных систем (expert system shells). Системы этого типа создаются, как правило, на основе какой-нибудь экспертной системы, достаточно хорошо зарекомендовавшей себя на практике. При создании оболочки из системы-прототипа удаляются компоненты, слишком специфичные для области ее непосредственного применения, и оставляются те, которые не имеют узкой специализации. Примером может служить система EMYCIN, созданная на основе прошедшей длительную «обкатку» системы MYCIN. В EMYCIN сохранен интерпретатор и все базовые структуры данных — таблицы знаний и связанный с ними механизм индексации. Оболочка дополнена специальным языком, улучшающим читабельность программ, и средствами поддержки библиотеки типовых случаев и заключений, выполненных по ним экспертной системой.

2) Языки программирования высокого уровня. Инструментальные средства этой категории избавляют разработчика от необходимости углубляться в детали реализации системы — способы эффективного распределения памяти, низкоуровневые процедуры доступа и манипулирования данными. Одним из наиболее известных представителей таких языков является OPS5. Этот язык прост в изучении и предоставляет программисту гораздо более широкие возможности, чем типичные специализированные оболочки. Следует отметить, что большинство подобных языков так и не было доведено до уровня коммерческого продукта и представляет собой скорее инструмент для исследователей.

3) Среда программирования, поддерживающая несколько парадигм (multiple-paradigm programming environment). Средства этой категории включают несколько программных модулей, что позволяет пользователю комбинировать в процессе разработки экспертной системы разные стили программирования. Среди первых проектов такого рода была исследовательская программа LOOP, которая допускала использование двух типов представления знаний: базирующегося на системе правил и объектно-ориентированного. На основе этой архитектуры во второй половине 1980-х годов было разработано несколько коммерческих программных продуктов, из которых наибольшую известность получили KEE, KnowledgeCraft и ART. Эти программы предоставляют в распоряжение квалифицированного пользователя множество опций и для последующих разработок, таких как КАРРА и CLIPS, и стали своего рода стандартом.

4) Дополнительные модули. Средства этой категории представляют собой автономные программные модули, предназначенные для выполнения специфических задач в рамках выбранной архитектуры системы решения проблем. Подобные модули управления семантической сетью можно использовать для распространения внесенных изменений на все компоненты системы.

Также средства разработки ЭС можно сгруппировать по следующему принципу:

Универсальные языки (высокого уровня);

Языки обработки символов (LISP, Smalltalk);

Языки обработки знаний (PROLOG);

Системы автоматизированной обработки (CLIPS, KEE);

Оболочки экспертных систем (EXPERT);

Интегрированные инструменты системы (KEATS).

3 РАЗРАБОТКА ЭС «НОУТБУКИ»

3.1. Формализация задачи – дерево решения задачи

Базируясь на знаниях эксперта графически диаграмму всех возможных исходов данной ЭС можно представить в виде рисунка 1.

Рисунок 1 – Дерево решения задачи

Но данная ЭС является неполной и должна быть более глубокой и, помимо процессора и видеочипа, определять количество оперативной памяти и емкость жесткого диска у определенного производителя. В этом случае для ноутбуков с процессором «AMD» и «Intel» должно быть построено свое «дерево решений», каждое из которых соответствует своему видеочипу, и будет уже представлено в виде «поддерева решений», которое можно представить в виде рисунка 3.

Рисунок 2 – «Поддерево 1» решения задачи с CPU – AMD, GPU – AMD.

Аналогичным образом строятся «поддеревья» для ноутбуков с процессором «Intel».

Рисунок 3 – «Поддерево 2» решения задачи с CPU – Intel, GPU – AMD.

Рисунок 4 – «Поддерево 3» решения задачи с CPU – Intel, GPU – Intel.

Рисунок 4 – «Поддерево 4» решения задачи с CPU – Intel, GPU – nVidia.

3.2. Формирование правил – схема

На рисунке 5 графически представлено формирование правил для главного дерева.

Рисунок 5 – Формирование правил

На рисунке 6 графически представлено формирование правил для поддерева с процессором «AMD» и видеочипом «AMD».

Читайте также: