人工智能-基于规则的专家系统(基础知识)

知识概述

知识是对于一个主题或者一个领域在理论或实践上的理解,也是所有已知的总和。
拥有某一部分知识的人称为专家,他们是所在组织中重要的人物。

知识表达技术-规则

任何规则都包括两个部分:IF部分和ELSE部分。IF部分是前项(前提或者条件),THEN部分是后项(结论或者行为)。
一般来说,前提之间可以使用关键词AND(合取)、OR(析取)或者两者混合使用。不过,最好在同一规则中避免使用合取和析取。
同时,结论也可以由多个从句组成。也就是说,从一个条件中可以得出多条结论。

专家系统研发团队的主要参与者

领域专家是在特定区域或者领域具有渊博知识和丰富经验的人。他们在特定领域具有最好的经验,这些经验会被输入到专家系统中。
知识工程师是善于设计、构建、测试专家系统的人,负责为系统选择合适的任务,并就如何解决特定问题和领域专家进行互动。
程序员负责编程,用计算机能接受的术语描述领域知识。
项目经理是开发团队的领导,负责项目的进程,确保按计划进行,并与专家、知识工程师、程序员、终端用户进行互动。
终端用户,也称为用户,是使用专家系统的人。
具体关系如图所示:
专家系统开发团队的主要成员

基于规则的专家系统的结构

基于规则的专家系统由5个部分组成:知识库、数据库、推理引擎、解释设备和用户界面。
知识库包含解决问题相关的领域知识。在基于规则的专家系统中,知识用一组规则来表达。其具有IF(条件)THEN(行为)结构,当规则的条件被满足时,触发规则,继而执行行为。
数据库包含一组事实,用于匹配知识库中的IF(条件)。
推理引擎执行推理,专家系统由此找到解决方案。推理引擎链接知识库中的规则和数据库中的事实。
用户使用解释设备查看专家系统怎样得出解决方案的过程。
用户界面是实现用户(查询问题解决方案)和专家系统之间交流的途径。
其基本原理图如下:

产生式系统模型

衍生出来的模型如图所示:
基于规则的专家系统的基本结构

前项链接和后项链接推理技术

前项链接,简单来说,就是已知条件,来推理结论。
比如:Y&D->Z
X&B&E->Y
A->X
可以看到由A可以得到X,由X和B、E可以得到Y,最后Y 和D可以得到Z;

后项链接,就是已知结论,来推出条件。
还是上面那个例子,我们已知结论Z,可以得到两个因子Y和D,然后又把Y 当做结论,找到因子X、B和E,最后又把X当做结论,得到条件A。

冲突消解

知识规则中,有可能多个规则之间是矛盾的,那么我们再匹配时应该如何选择呢?其实这里有很多方法可以遵循,比如:触发优先权最高的规则(每条规则都设置相应权重)、激发最具体的规则(依据是具体规则比一般规则处理更多的信息)。

元知识

在学习的而过程中,我们通过已有知识,再产生相应的知识,我们把再次产生的知识称为元知识。

总结

这就是基于规则的专家系统的一些简单理论知识,接下来就是要把这些过程应用到实践中,写相关代码,深入理解其中的原理以及执行过程。

  • 12
    点赞
  • 75
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
人工智能-动物识别专家系统是一种基于机器学习和深度学习技术的应用,能够通过输入的动物图像进行分类和识别的系统。这个系统的实现基于Python编程语言,并利用了一些开源的机器学习和深度学习库。 在实现过程中,首先需要收集和准备用于训练和测试的动物图像数据集。这个数据集应该包括不同种类的动物图像,以便模型能够学习它们的特征和区别。然后,可以使用Python中的机器学习库,如scikit-learn,来训练一个分类器模型。这个模型将会学习如何从输入的图像中提取特征,并将其与已知的动物类别进行匹配。 另外,为了提高识别的准确性,可以使用深度学习技术来训练一个卷积神经网络模型。这个模型将会通过多层卷积和池化操作,逐步提取图像的特征,并输出对应的类别概率。在Python中,可以使用一些深度学习框架,如TensorFlow和Keras,来构建和训练这个模型。 一旦模型训练完成,就可以将其应用到实际的动物图像识别任务中。通过输入一张待识别的动物图像,系统将会对其进行特征提取,并使用训练好的模型进行分类。最终,系统会输出一个或多个可能的动物类别,以及对应的概率值。这样,用户就可以根据系统的推荐结果,准确地识别出动物的类型。 综上所述,人工智能-动物识别专家系统的实现涉及到数据收集和准备、机器学习和深度学习模型的训练以及应用等多个方面。Python作为一种功能丰富的编程语言,提供了大量用于数据科学和人工智能的相关库和工具,非常适合用来实现这样一个系统。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值