Tudásalapú rendszerek2016/2017/I. félév

Levelező tagozat

Tematika:

A szakértő rendszerek kialakulása, fejlődése, felépítése. A tudásbázis és a következtetés.

Ismeretreprezentációs módszerek: szemantikus háló, keretalapú és szabály alapú rendszerek, leíró logikák.

Következtetési technikák, esetalapú következtetés. Nem-determinisztikus és fuzzy koncepciók alkalmazása.

Szakértő rendszerek építését támogató eszközök. Szakértő rendszerek készítésének fázisai. Esettanulmányok.

Tételsor (kidolgozva):

1. Alapfogalmak (adat, információ, ismeret, szakértő rendszer, szakértői rendszer)Adat: észlelet, de nem értelmezett szimbólum, jelminta, mintázat. Az adat tehát jelentés nélküli, szintaktikai fogalom. Egy adatértelmezési folyamat bemenetén adat áll. Pl. 68 Információ: értelmezett adat, s mivel jelentése van szemantikai fogalom. Egy döntési folyamat bemenetén és kimenetén információ található. Pl. a vállalat alkalmazottainak száma 68 Tudás vagy ismeret: egy döntési folyamat során felhasznált struktúrált, rendszerezett információ. A tudás a valós világ tükröződése az emberi tudatban, amelynek nem minden részlete fejezhető ki verbálisan, szavakban. Szakértői rendszer: az első birtokosa a másodiknak, szakértő számára készült rendszer.Szakértő rendszer: a második szó egy tulajdonsága, a rendszer képes a szakértés cselekvésének megvalósítására.

2. Az ismeretalapú rendszerek (fogalom, jellemzői)Az Ismeret alapú rendszerek (KBS - Knowledge Based Systems) a problématerületet explicit módon leíró ismereteket a rendszer többi

részétől elkülönített komponensben, az ismeretbázisban tárolják. Ezek esetében a feladatmegoldás nem előre beprogramozott megoldási utakra felfűzött algoritmusok révén, hanem a következtetési módszereket realizáló következtető-gép által, az ismeretbázisból kiválasztott ismeretdarabkák végrehajtásával megy végbe. Jellemző a szimbolikus ábrázolás.

szimbolikus információkkal dolgoznak feladatleírásuk deklaratív feladatmegoldás elfogadható következtetéssel, heurisztikák

alkalmazásával ismeretbázisba a szakértői tudást építik ismeretszerzés bonyolult feladat a szaktudás: nem-pontos, hiányos, zajos, ellentmondásos tartalmaznak felhasználóbarát magyarázatot

3. Az emberi szaktudás és a szakértő rendszer ismeretbázisának összehasonlítása

Emberi szaktudás Szakértő rendszer ismeretbázisa

Mulandó, ha nem használjuk, elfelejtjük Állandó, tartós Nehéz átadni, reprodukálni; oktatással terjeszthető

Könnyű átvinni, reprodukálni

Nehéz dokumentálni Könnyen dokumentálható Nem mindig következetes, gyakran labilis, emocionális hatásokra érzékeny

Mindig következetes, bár érzéketlen

Kreatív, innovatív Ötlettelen, lélektelen

A körülményekhez alkalmazkodik, tanul (ismeretbővítés, képesség-fejlesztés)

Csak a beépített tudást hasznosítja, gépi tanulási mechanizmusok igénye

A gondolkodási folyamatok változatosak, nehezen követhetőek

A következtetési módszerek gazdagsága. Nehezen definiálható, mikor melyik célravezető

Dinamikusan, a helyzethez alkalmazkodva több aspektusból vizsgálja a problémákat

Szűk technikai látószögből, csak a beépített aspektusokból képes a problémákhoz közelíteni

Az embert hétköznapi józan esze és hatalmas háttér-információ segíti

Az elemi hétköznapi ismeretek hiánya gátolja széleskörű alkalmazhatóságát

4. A szakértő rendszer előnyei

pótolja a szakértő hiányt jól követi a tárgyterület változásait növeli a szakértő képességét fokozza a szakértő produktivitását megőrzi a szakértelmet következetes megoldási módot alkalmaz részleges, hiányos, részben ellentmondásos adatokkal is tud

dolgozni magyarázatot ad, indokol

5. A szakértő rendszer hátrányai

ismeretei egy adott szűk tárgyterületről származnak nem oldható meg teljes biztonsággal a rendszer verifikálása,

validálása és hitelesítése válaszai nem mindig korrektek nincs hétköznapi józan esze, az elemi ismereteket nehéz

beépíteni az ismeretszerzés bonyolult folyamat a fejlesztés hosszú a rendszer futási paraméterei gyakran nem kedvezőek

6. Az ismeretalapú rendszerek felépítése 1. (ismeretbázis, következtető-gép, magyarázó alrendszer, rajz)Ismeretbázis: az adott problémakörre, tárgykörre vonatkozó specifikus ismeretek (tények, objektumok, kapcsolatok, heurisztikák) szimbolikus leírását tartalmazza valamely ismeretreprezentációs módszer szerint szervezve. Jellemzően megtalálhatók itt az adott tárgykör szakértőjének heurisztikáit megfogalmazó szabályok.Következtető-gép: Az adott ismeretreprezentációs módokat kiszolgáló megoldáskereső stratégia implementációja.Magyarázó alrendszer: a feladat megoldása közben felhasználóbarát módon tájékoztatja a felhasználót a megoldás aktuális állapotáról és megindokolja a rendszer javaslatát.

7. Az ismeretalapú rendszerek felépítése 2. (ismeretbázis fejlesztő alrendszer, felhasználói felület fogalma, rajz)Ismeretbázis fejlesztő alrendszer: az ismeretbázis megépítéséhez, teszteléséhez, módosításához nyújt fejlesztői szolgáltatásokat. Az ismeretszerzés a rendszerépítő tudásmérnök és a tárgyterületi szakértő közötti, a szakértői ismeretek megszerzését célzó együttműködés mind a fejlesztési, mind az aktualizálási fázisokban, amelynek célja az adott feladatra vonatkozó ismeretek, valamint a szakértői feladatmegoldás során alkalmazott módszerek, szabályok, eljárások forrásainak feltárása, a megszerzett ismeretek rendszerezése és formalizálása, a feladathoz illő ismeretreprezentáció és következtetési stratégia kiválasztása.Részei: ismeretbázis fejlesztő eszközök, teszt-esetek bázisa, ismeretszerzést támogató eszközökFelhasználói felület: - végfelhasználó: a rendszerrel tanácsadó partnerként konzultál. A

magyarázó alrendszer által adott indoklások figyelembevételével dönt a megoldási javaslatokról

- tudásmérnök: a tárgyköri ismeretek megszerzésében, az ismeretek formalizálásában jártas számítástechnikai szakember. Feladatai közé tartozik az ismeretek elrendezése, a tudás analízise, formalizálása, dokumentálása, a megfelelő fejlesztő eszköz kiválasztása, a rendszer elkészítése

- tárgyköri szakértő: a tudásmérnök szakmai konzultánsa. Ő végzi a rendszer tesztelését.

8. Az ismeretszerzés (fogalma, célja, szereplői) A rendszerépítő tudásmérnök és a tárgyterületi szakértő közötti,

a szakértői ismeretek megszerzését célzó együttműködés. Mind a fejlesztési, mind az aktualizálási fázisokban.Célja:

Az adott feladatra vonatkozó ismeretek, valamint a szakértői feladatmegoldás során alkalmazott módszerek, szabályok, eljárások forrásainak feltárása.

A megszerzett ismeretek rendszerezése és formalizálása. A feladathoz illő ismeretreprezentáció és következtetési

stratégia kiválasztása.Szereplői:

tudásmérnök tárgyköri szakértő rendszerszervező tudásbázis adminisztrátor

9. A tudásmegszerzés módszerei, osztályozása közvetlen (emberi segédlettel)

o direkt interjú protokoll elemzés közvetlen megfigyelés a fogalmak hierarchikus elrendezése

o indirekt: a tudásmérnök pszichológiailag átgondolt feladatok elé állítja a szakértőt abból a célból, hogy a nem tudatosult tudására, annak szerveződésére következtessen

automatikuso adatbányászato adatbázisok elemzéseo ok-okozati összefüggések feltárása

A tudásreprezentációs módszerek osztályozása A probléma-megoldási stratégia szerint:

o procedurális (algoritmikus) hogyano deklaratív (leíró) mit

A probléma leírásában szerepet játszó struktúra szerint:o egyszerű (struktúra nélküli, elemi szintű objektumok és azok

kapcsolatai)o struktúrált (attribútummal rendelkező objektumok)

10. Szabályalapú ismeretreprezentációA szabályok alakja:

Ha feltétel AKKOR következményahol a- feltétel: a szabály alkalmazásának feltételeit megadó (tény) állítás,

vagy ilyenekből ÉS/VAGY kapcsolókkal képzett összetett kifejezés- következmény: a szabály alkalmazásának egy vagy több

következményét írja le (akciók, műveletek, tevékenységek, érvényes állítások)- a munkamemória tartalmát módosító akciókat (adatelemek

beírása, törlése, módosítása)- különböző eljáráshívásokat (amelyek a belső és a külső

környezet közötti információcserét biztosítják)- a rendszer által vezérelt folyamatba történő beavatkozást (pl.

egy kapcsoló bekapcsolását)- a felhasználótól való információkérést

Ha a feltétel teljesül, akkor a következményben előírt tevékenységek rendre végrehajtódnak.

11. Szabályalapú reprezentáció - A vezérlésA vezérlő komponens háromfázisú motorként működik.

Mintaillesztéssel megkeresi azokat a szabályokat, amelyek az adott stratégia szerint végrehajthatóak, és behelyezi egy végrehajtható halmazba.

Kiválaszt a végrehajtható halmazból egy szabályt (egy beépített vezérlési stratégia dönt arról, hogy melyiket).

Alkalmazza a kiválasztott szabályt. Ha a terminálási feltétel bekövetkezett, akkor leáll, ellenben ismétlődik az 1. fázistól

12. Célvezérelt rendszer (fogalma, ciklus)/célvezérelt – visszafele haladó – hátraláncoló – goal-directed – backward-reasoning – backward-chaining-system

A célvezérelt következtetés egy feltételezett célállapotból kiindulva próbálja bebizonyítani azt, hogy az csakugyan célállapot, vagyis, hogy az elérhető valamely kezdőállapotból. Menet közben, ha az adott cél (vagy részcél) még igazolásra szorul, keres egy ezzel illeszthető következményű szabályt, s az annak feltételrészében szereplő állítások igazolására vezeti vissza a munkát. Ha zsákutcába jut, akkor visszalép és új irányban próbálkozik.Ciklusa:

Az igazolandó célt elhelyezi a részcélok halmazában. A konfliktushalmaz és a feldolgozott részcélok halmaza legyen

üres. A zsákutcajelzés hamis.1. Célkiválasztás2. Mintaillesztés3. Konfliktusfeloldás4. Végrehajtás, szabályalkalmazás5. Indítja a következő ciklust.

13. Adatvezérelt rendszer (fogalma, ciklus)/adatvezérelt – előrefele-haladó – előreláncoló – data-directed – forward-reasoning – forward-chaining system/Az adatvezérelt következtetés fordítva érvel: egy kezdőállapotból kiindulva keres valamely megoldást jelentő célállapotot. A kiinduló adatokat a munkamemóriába helyezi. A cél eléréséig keres olyan szabályt, amely a munkamemória pillanatnyi tartalma fölött igazolható, és végrehajtja annak következményében leírt akciókat. Ha több alkalmazható szabály is van, konfliktus keletkezik, amit valamely stratégia alkalmazásával felold.

Ciklusa:A munkamemóriába betöltjük a tényeket.

1. Mintaillesztés2. Konfliktusfeloldás3. Végrehajtás, szabályalkalmazás4. A konfliktushalmaz legyen üres. Indítja a következő

ciklust.

14. A szabályalapú rendszerek előnyei - Modularitás: minden szabály az ismeretanyag egy egységének

megfogalmazása, amely a többi szabálytól függetlenül hozható létre, törölhető vagy módosítható.

- Univerzális megjelenés: minden ismeretet szabályok formájában fogalmazunk meg.

- Természetesség: a hétköznapi életben is igen sok helyzetben szabály jellegű megfogalmazással fejezzük ki magunkat.

- Bizonytalanság-kezelés: bizonytalanság-kezelési lehetőségekkel viszonylag könnyen egészíthetők ki a szabályalapú rendszerek, amikor is a következtető gépet ki kell egészíteni a megfelelő számítást végző kalkulussal

15. A szabályalapú rendszerek hátrányai- Végtelen láncolás: mind adatvezérelt, mind célvezérelt

esetben – éppen az előnyként említett modularitás miatt – könnyen írhatunk olyan szabályokat, amelyek esetében a feladatmegoldás végtelen szabályláncot generál.

- Új, a korábbiakkal ellentmondó ismeret beépítése: nincs általános módszer a szabályok esetleges ellentmondásainak ellenőrzésére, így egy új szabály felvétele vagy a meglévő szabályok módosítása könnyen ellentmondásossá teheti a szabályhalmazt.

- Metaszabályok: a stratégiát módosító ún. meta-szabályok révén lehet a beépített vezérlési stratégiát módosítani. Az univerzális ábrázolás miatt azonban a metaszabályoktól formailag nem különböznek a tárgyterületi ismeretanyagot leíró szabályok, ami megtévesztő lehet. Egy szabály jól-struktúráltságát erősen lerontja az, ha feltételrészében keverednek e kétféle ismeretanyagra utaló állítások.

- Nincs szabványosítva a szabályok nyelve: implementációnként nagyon eltérhet, ami a szabálybázisok másik rendszerben való hordozását nehezíti.

16. A célvezérelt és az adatvezérelt rendszer összevetése

Célvezérelt Adatvezérelt

Kevés cél, sok kiinduló adat. Sok cél, kevés adat. Csak annyi kiinduló adatot kér be, amennyi az igazolandó cél, megoldási javaslat alátámasztásához szükséges.

Beéri annyi bemenettel, amennyit a felhasználó megad, és ezekből konstruál elfogadható célt vagy megoldást.

Megadja az összes lehetséges javaslatot. Nem állít elő minden lehetséges megoldást.

Jellemző problématípus a diagnosztizáló. A megoldás oldaláról, a célból indul ki és az ismeretbázisban található tényekkel – tünetek, észrevételek, igény szerint bekért adatok – segítségével jut megoldásra.

Jellemző problématípusok:- konfiguráló: A kiinduló

adatokból – igényekből - állít elő lehetséges konstrukciókat.

- monitorozó: Az észlelt jeleket elemezve okukat keresve figyelmeztet, ha a kívánttól eltérő jelenséget tapasztal.

- tevékenység ütemező: Tevékenységek sorozatát határozza meg, melyeknek az adott körülmények között történő végrehajtása az eléje kitűzött célokhoz vezet.

17. Bizonytalanság kezelése szabályalapú rendszerekbenMinden szabály, annak feltételrésze és következménye rendelkezhet egy bizonyossági tényezővel (cf), melynek értéke 0 és 100 közé esik. A 0 és 20 közötti értékekre a szabályt elvetjük.

18. Szemantikus hálók (fogalma, jellemzése, mintaillesztés)A szemantikus hálókat eredetileg Quillian fejlesztette ki a 70-es évek végén angol mondatok jelentésének leírására.Az emberek a világ objektumait hierarchikus kapcsolataikkal együtt tárolják, az azokra jellemző tulajdonságokat pedig a lehető legmagasabb absztrakciós szinten társítják ebben a hierarchiában.

A szemantikus háló: irányított, címkékkel ellátott gráf, ahol

◦ a csúcsok – objektumokat, tulajdonságaikat, a tulajdonságok értékeit tartalmazzák

◦ az összekötő élek – a csúcsok közötti relációkat fejezik ki grafikusan ábrázolja az objektumokat, jellemzőiket, és a köztük

fennálló függéseket azokon a területeken, ahol a következtetés az elemek valamilyen

rendszerén alapul (taxonómia) a szemantikus háló természetes ábrázolási mód, hiszen segítségével kifejezhetjük a koncepciók közötti hierarchiát, az objektumok közötti távolságot.

a csúcsok kettős természetűek: egyszerű predikátumok vagy struktúrák, osztályjellegűk vagy egyedek, koncepciók vagy individuumok

általában olyan problémák reprezentálására alkalmas, amelyekben az univerzum szerkezetére valamilyen taxonómikus hierarchia jellemző, vagyis az egyedek egymásba ágyazott osztályok rendszerében helyezkednek el, az univerzum egyedei és osztályai között kiterjedt, de logikailag egyszerű kapcsolatrendszer áll fenn.

A háló lehetővé teszi az osztály tulajdonságainak öröklését. Az osztályhoz tartozást az ez egy (is a) (részben rendezési) reláció jelöli, és a reláció révén az osztály tulajdonságait öröklik az egyedei.

Az alkalmazott következtetés a mintaillesztés.

19. Szemantikus hálók (tényháló, célháló, öröklődés) Tényháló: valamely problémakörrel kapcsolatos ismereteink

szemantikus hálója Célháló: vagy megválaszolandó kérdés Ha a célhálót alkalmas módon ráillesztjük a tényhálóra, akkor

sikeresen végrehajtjuk a tételbizonyítást. Az illesztés alapesete amikor a célháló csúcsai hasonló címkéjű

csúcsokra illeszthetők a tényhálóban, és ezáltal a hasonló nevű élek kerülnek fedésbe.

A szemantikus háló alapvető sajátossága az öröklődés, és emiatt nem biztos, hogy egy objektum valamennyi bizonyítandó tulajdonságát közvetlenül hozzákapcsolva találjuk a tényhálóban. Lehetséges, hogy a szóban forgó tulajdonság az objektum osztályának vagy még bővebb befoglaló halmazának általános tulajdonsága és ezért a hierarchia magasabb szintjén találjuk meg. Általános szabály, ha egy objektum valamely tulajdonsága

nem szerepel közvetlenül az objektum alatt, akkor a hierarchiában felfelé az „ez egy” reláció jellegű kapcsolatok mentén kell keresnünk. A bizonyítás akkor sikeres, ha valahol ezen az útvonalon megtaláljuk a keresett tulajdonságot.

20. Ellentmondás szemantikus hálóban, kezeléseEgy szemantikus háló ellentmondást tartalmaz, ha egy objektuma vagy osztálya két vagy több osztályhoz tartozik egyidejűleg, amelyek révén egymást kizáró tulajdonságokat örököl. Kezelése: A szín él előfordulásokhoz prioritást rendelünk és a következtető

eljárás mindig a nagyobb prioritású következményt tekinti érvényesnek.

alapértelmezések alkalmazása:Tekintsük alapértelmezésnek a fehér színt minden olyan egyedre, amely albínó (is). Ezek után, ha egy tulajdonságnak van alapértelmezéses értéke, akkor a következtető eljárás azt tekinti érvényesnek.

21. Szemantikus hálók előnyei és hátrányaiElőnyei: Lehetővé teszik, hogy reprezentáljuk a koncepció-individum közötti

kapcsolatokat, s így az ismeretek szerveződését. A mintaillesztést könnyű megvalósítani. Könnyen olvasható, átlátható és grafikus megjelenést biztosít. A kivételkezelés jól megvalósítható.

Hátrányai: A csúcsok strukturális egyszerűsége miatt magának a hálónak

összetettnek kell lennie ahhoz, hogy elegendő információt hordozzon.

A szemantikus hálót alkalmazó rendszerek nehezen tudnak magyarázatot adni következtetéseikre.

Gyakran érvénytelen a következtetés, főleg nagyméretű, nehezen átlátható hálóknál.

22. Keretalapú reprezentáció (keret, attribútumok, öröklődés)Minsky a 70-es években fejlesztette ki a keretalapú reprezentációs módszert (keret=frame).

A frame vagy tudáskeret egy tipikus szituációt ábrázol; minden átélt szituáció a hozzátartozó viselkedéssel együtt egy gondolati egységet képez az amit agyunk keretként tárol.Új szituációba kerülve a már átélt szituációkhoz illesztve alakítjuk ki viselkedésünket, elvárásainkat. Miközben a korábbi keretet esetleg módosítjuk vagy új keretekkel bővítjük.A keret:Valamely fogalom strukturált szimbolikus modellje; a fogalom számunkra fontos tulajdonságait egybefoglaló struktúra, amelyet a fogalom neve foglal egységbe.Tulajdonságok (attribútumok):A tulajdonságokat (attribútumokat) a keret bejegyzései (slot) nevezik meg, amelyek megadhatják az attribútum értékét, annak alapértelmezését, forrását, az érték változásakor végrehajtandó eljárásokat, ún. démonokat, különböző meta-leírásokat és további járulékos információkat. Attribútum lehet akár egy másik keret is. Kereteket relációkkal lehet összekapcsolni. Különös szerepe van a hierarchikus kapcsolatoknak, amelyek mentén bizonyos attribútumok és azok jellemzői öröklődhetnek.Öröklődés:

A példány rendelkezik mindazokkal az attribútumokkal, amelyek az örökítő osztályokban szerepelnek.

Egy attribútum értékét az öröklési útvonalon mindig az első, a példányhoz legközelebbi bejegyzés határozza meg.

Egy attribútumhoz több öröklési útvonal tartozik és a példány eltérő értékeket örököl.

23. Keretalapú reprezentáció (démon, keret általános alakja)Démonok:

eljárások attribútumokhoz rendeljük, megadjuk, hogy milyen esemény

bekövetkeztekor lépjenek működésbe a démon elindít egy eljárást, amely az attribútum értékét

meghatározza, ha◦ ha szükséges (when needed)◦ ha változott (when changed)◦ ha töröltük (when deleted)◦ ha értéket kapott (when added)

A keret általános alakja:

Frame <keretnév>attribútum-név1: érték1facette-név11: facette-érték facette-név1n: facette-érték ...

attribútum-névm: értékm facette-névm1: facette-érték facette-névmn: facette-érték ...Endframe.

24. Keretalapú reprezentáció előnyei, hátrányaiElőnyei:

Esemény vezérelt végrehajtás. Az ismeretek szervezése világos, a slotok elérése direkt módon

történik. Ön-vezérlés: a keretek struktúrájából adódóan egy adott

szituációban képesek meghatározni saját alkalmazhatóságukat. Dinamikus értékek elhelyezése.

Deklaratív és procedurális ismeretek együttes ábrázolása.

Hátrányai: Ha nem megfelelő absztrakciós szinttől indítjuk a keretek

kibontását, a kivételek miatt nagyon elbonyolódhat a rendszer. Heurisztikus ismeretek leírására nem alkalmas.

25. Leíró logikák 1. (alapfogalmak, alapelvek 1, 2)- ismeretábrázolási nyelvcsalád- fogalom, individuum (egyed), szerep- fogalom: individuumok halmazának reprezentálására- szerep: indiviuumok közötti bináris reprezentáció

Alapelvek 1, 2:

A fogalom és a szerep strukturális leírásában konstruktorok vesznek részt.A fogalom és a szerep leírásához egy szemantika kapcsolódik az interpretáción keresztül. A különböző műveleteket ezen szemantikával összhangban hajtjuk végre.

Az ismereteket különböző szinteken vesszük figyelembe.A fogalmak, szerepek ábrázolása és a műveleteik a terminológia szintjén, az individuumok leírása és műveleteik a tények és a hozzárendelések szintjén jelennek meg.A szakirodalomban a terminológia szintjét TBox-nak, a tények és hozzárendelések szintjét Abox-nak nevezik.

26. Leíró logikák 2. (alapfogalmak, alapelvek 3, 4)- ismeretábrázolási nyelvcsalád- fogalom, individuum (egyed), szerep- fogalom: individuumok halmazának reprezentálására- szerep: indiviuumok közötti bináris reprezentáció

Alapelvek 3, 4:

A fogalmakat (és esetenként a szerepeket) hierarchiába rendezhetjük a rajtuk értelmezett alárendelés (subsumption) reláció alapján.Azt mondhatjuk, hogy egy C fogalom alárendeli a D fogalmat, ha C általánosabb, mint D abban az értelemben, hogy a D által reprezentált individuumok halmazát C tartalmazza.

két művelet: az osztályozás (classification) és az egyedesítés (instanciation)Az osztályozást a fogalmakra és az egyedekre alkalmazzuk. Lehetővé teszi, hogy egy adott fogalom, vagy szerep helyét meghatározzuk a hierarchiában.Az egyedesítés lehetővé teszi, hogy megtaláljuk azt a fogalmat, amelynek egy adott individuum a megjelenési formája lehet.(Ez a fogalom eltér az OO nyelvekben szokásos egyedesítés fogalmától, hiszen ott egy adott osztályból hozunk létre egyedeket.)

27. Esetalapú következtetés (jellemzői)

Lehetővé teszi kevésbé formalizált problémák kezelését valamint új ismeretek megtanulását és gyakorlati tapasztalatok alapján történő továbbfejlesztését.- a hasonlóságon alapuló következtetés egyik formája- case based reasoning, CBR- az előzőleg már megismert eseteket használjuk fel az új

problémák megoldása során

- egyes szakmákban a tanulás nem más, mint a különböző esetek sokaságának memorizálása

- olyan modell felállítását teszi lehetővé, amely magában foglalja a probléma

megértését már megoldott más problémákhoz való viszonyát megoldását tanulását

- alkalmas hiányosan vagy pontatlanul definiált szituációk kezelésére olyan kiértékelések elvégzésére, amelyekre nem létezik jól

definiált algoritmus- szükség van:

a problémát megfelelően reprezentáló alapesetekre jó adaptáló mechanizmusra eset-bázis: sikeres és sikertelen próbálkozások egy cél

eléréséhez

28. Eset alapú következtetés (további jellemzői, eset, eset-bázis fogalma)

az eset alapú következtető rendszerek egyik jellegzetessége, hogy képesek tanulni a tapasztalatokból

ehhez szükség van egy bizonyos visszacsatolásra, hogy a rendszer értelmezni tudja, mi működött jól és rosszul az általa szolgáltatott megoldásban

az eset alapú következtetés célja formálisan:1. a P célproblémához hozzárendeljen egy

Megoldás(P) megoldást, felhasználva az eset-bázisban talált P’ forrásproblémának a Megoldás(P’) megoldását

Eset:(P, megoldás-menete (o1,…,ol), megoldás(P)) ahol

1. P: a probléma valamilyen reprezentációja;2. megoldás-menete(o1,…ol) az o1,…ol operátorok

azon sorozatát jelöli, amelyek a P problémára, mint kezdeti állapotra előállítják a megoldás(P) megoldást, azaz a végállapotot

Eset bázis: az esetek egy véges halmaza, azaz Eset-bázis = {esetk: k=1,…,n}, ahol esetk=(Pk,megoldás-

menete(o1k, …, olk), megoldás(Pk))

különféle típusú problémák – diagnózis, konfiguráció, tervezés – megoldását állíthatjuk elő

29. A CBR életciklusa 1.

1. az eset visszakeresése ez a lépés egy keresési és egy illesztési eljárás

kombinációja két probléma: az esetek indexelése és a hasonlósági

kérdések az indexelés, azaz az esetek jellemzésére szolgáló

attribútumok kialakításának problémája során az indexeknek eléggé általánosnak kell lenniük, hogy lehetővé tegyék az esetek alkalmazását a különböző szituációkban, ugyanakkor megfelelő módon specifikusnak, hogy a visszakeresés során találjunk illeszthető eseteket az eset-bázisban

az illesztéshez szükséges a hasonlóság megállapítása, ehhez viszont be kell vezetni valamilyen távolság definíciót, melynek alapján választunk a jelöltek közül

2. egyeztetés, a közelítő megoldás javaslata az előbbiek szerint megtalált esetekből kiindulva egy

előzetes, közelítő megoldást konstruálunk általában kiválasztjuk a legjobb visszakeresett eset

megoldását, mint első közelítést

itt az a kérdés, hogy a régi megoldás mely részeit használjuk fel

30. A CBR életciklusa 2.

3. Illesztés, adaptáció mivel az új szituáció ritkán azonos valamely régivel,

ezért annak megoldását módosítanunk kell az aktuális szituáció sajátos feltételeivel

például valamilyen helyettesítő eljárással meg kell oldanunk az aktuális paraméterek illesztését

két megközelítési mód: generáló adaptáció és átalakító adaptáció

generáló adaptáció esetén minden szükséges ismeret a rendelkezésünkre áll a tudásbázisban a feladat megoldásához

átalakító adaptáció esetén hiányosak az ismereteink, a tudásbázisból nem vagyunk képesek a megoldás generálására

4. Felülvizsgálat, igazolás az illesztés során kialakult közelítő megoldás

értelmezése során ellenőrizzük az esetleges alternatív megoldásokat és a sikertelen megoldásokra magyarázatot szolgáltatunk

5. Tanulás, memorizálás az eset-bázist kiegészítjük a kialakult új eset

(probléma, megoldás, megoldás-menete) hármassal

megtörténik az új ismeretek szintézisének beépítése ez a lépés nem feltétlenül kapcsolódik közvetlenül a

CBR következtetési eljáráshoz

31. Bizonytalanságkezelés Szakértő rendszerek készítésekor a tárgyköri szakértők ismerete

nehezen reprezentálható, nehezen formalizálható. az ismeretek reprezentálása során használhatunk olyan adatokat,

illetve tudást, amely csak bizonyos valószínűséggel biztos, az ilyen adatok kezelését nevezzük bizonytalanságkezelésnek.

Bizonytalan adatok kezelése egy szakértői rendszerben azokban az esetekben indokolt, amikor a rendelkezésre álló információ

hiányos vagy nem teljesen megbízható vagy pontos lenne, de a reprezentáló nyelv nem elég precíz vagy ellentmondásos

Módszerek, modellek osztályozása1. numerikus modellek

klasszikus valószínűségszámítás Fuzzy logika

2. szimbolikus modellek nem monoton logikák

3. heurisztikus módszerek Felmerülő problémák

hogyan reprezentáljuk a bizonytalan információt? hogyan kombináljunk több bizonytalan információt (and, or,

not)? a következtetés problémája

32. Fuzzy logika (kialakulása, tagsági függvény)

60-as évek közepén Zadeh dolgozta ki a fuzzy halmazelméletet a nyelvi fogalmakban rejlő pontatlanság matematikai kezelésére

Zadeh bevezette a parciális tagság fogalmát, annak kifejezésére, hogy bizonyos objektumok jobban beletartoznak egy halmazba, mások kevésbé

ezt a parciális tagságot egy [0,1] intervallumbeli számmal jellemezte, ahol az 1 azt jelenti, hogy az objektum benne van a halmazban, a 0 pedig hogy nincs benne, míg a kettő közötti érték

azt a meggyőződésünket, hogy milyen mértékben tartozik az adott objektum a halmazhoz (nagyon, kissé, eléggé, meglehetősen)

Tagsági függvény: egy adott halmazhoz tartozás fokát fejezi ki egy [0,1] intervallumbeli számmal. A köznapi nyelvben kissé, eléggé, meglehetősen, nagyon, stb, módosítószavakkal fejezzük ki.

33. Fuzzy logika (műveletek felsorolása) a halmazelméleti műveletek kiterjesztése alapján az ugyanazon

alaphalmazon értelmezett fuzzy halmazok egyesítése, metszete és komplemense is fuzzy halmaz lesz az alábbi tagsági függvényekkel:

legyenek A és B fuzzy halmazok az U alaphalmazon, da(x) és db(x) tagsági függvénnyel, ekkor:

1. A U B = {(x, max(da(x); db(x))) : x eleme U}2. A ∩ B = {(x, min(da(x); db(x))) : x eleme U}3. Ā = {(x; (1-da(x))) : x eleme U}

a szokásos halmazműveleteken túl a nyelvi módosítóknak megfelelő műveleteket is definiálhatunk (fuzzy műveletek): dilatáció (többé-kevésbé)

növeli a tagsági függvény értékét koncentráció (nagyon)

csökkenti a tagsági függvény értékét intenzitás (meglehetősen, eléggé)

0,5 alatti értékre csökkenti, 0,5 felettire növeli a tagsági függvény értékét

34. Fuzzy logika előnyei és hátrányai

Előnyei: Szemlélete közel áll a napi valóságszemléletünkhöz. E rendszerleírás egyszerűbb, mint más numerikus modell esetén. Előnyösen alkalmazható hiányos adatokkal dolgozó, bonyolult

feladatok esetén. A fuzzy bizonyosságokkal könnyű számolni.

Hátrányai: Elmélete még nem teljesen megalapozott. Kombinációs függvények(egymást kizáró halmazok együttes

bizonyossága a két halmaz bizonyosságának minimuma és nem nulla).

35. Szakértő rendszer készítésének fázisai1. a projekt kezdete2. a rendszer analízise és tervezése3. gyors prototípus4. rendszerfejlesztés5. alkalmazás6. utómunkálatok

36. Néhány nevezetes ismeretalapú alkalmazás (nemzetközi és hazai) /Nem kell mindegyik, csak néhány ezek közül (vagy máshonnan, továbbiakat lásd pl. Bognár Katalin bemutatóiban), szabadon választott/

DENDRAL (1978)Ismeretlen szerves vegyületek molekulaszerkezetének meghatározása tömegspektográfiai és mágneses rezonancia mérési adatok felhasználásával. Elve: generálj és tesztelj. Igen nagy számú alternatív lehetőség szisztematikus feldolgozása.

INTERNIST (1982)Belgyógyászati betegségek diagnosztikájának támogatása. A betegségek hierarchikus kapcsolatának ábrázolásával strukturált ismeretreprezentáció.

MYCIN (1976, 1984)A vér bakteriális eredetű fertőzései valamint az agyhártyagyulladás diagnosztizálása. Célvezérelt, szabályalapú. Természetes nyelvű felhasználói interfész, magyarázatadás.

HEARSAY (1975)Az angol beszédmegértés megvalósítása 1000 szavas beépített szótárral. Egymástól független ismeretforrások együttes munkáját vezérli.

PROSPECTOR (1978)A geológusok segítése ásványlelőhelyek felkutatásában. A különböző ásványoknak megfelelően tíznél több ismeretbázisból áll. Szabályalapú ismeretreprezentáció. Bizonytalanságkezelési modellje valószínűségi módszereket és heurisztikákat ötvöz. Alkalmazásával 1980-ban találtak egy 150 millió dollár értékű molibdén-lelőhelyet.

Advisor (1997)Az első Java alatt futtatható ismeretalapú keretrendszer.

Hazai: ECRIME

bírósági ítélkezés támogatása (2003, Classys) CAPE

számítógépes protokollok elemzése CreditExpert

kockázatkezelő programrendszer adósminősítés/követelésminősítés (2003, Classys)

ExperNetHálózatokat felügyelőoperátorok döntéstámogatása(2000, BME)

MetabolExpertkémiai, orvosi, biológiai előrejelzések