当前位置：文档之家 › 第9章专家系统

第9章专家系统

  • 格式：ppt
  • 大小：2.10 MB
  • 文档页数：23

下载文档原格式

  / 23

合集下载

教育技术学专业英语第九章翻译

教育技术学专业英语第九章翻译

第九章Section B Basic Principles of ID®Many current instructional models suggest that the most effective learning environments are those that are problem—based and involve the students in four distinct phases of learning ：(1)activation of prior experience；(2)demonstration of skills；(3)application of skills；(4)integration of these skills into real—world activities.Figure9.2.1 illustrates these five ideas.Much instruetional practice concentrates primarily on phase2and ignores the other phases in this cycle of learning.许多现行的教学模型建议最有效的学习环境是那些正在学习、参与学生学习的四个不同阶段:(1)激活的经验;(2)演示技巧;(3)应用的能力;(4)整合这些技能,成为真正的——世界活动。

图9。

2。

1说明了这些五的想法。

多instruetional实践集中主要在第二阶段,而忽略了其他方面在这个循环的学习。

At the too level.the instructional design prescriptions based on first principles are as follows ：：(1〉Learning is facilitated when learners are engaged in solving real-world problems.在太水平。

09第六章 专家系统

09第六章 专家系统
15
设计专家系统
• 设计专家系统涉及电路(如数字电路和集 成电路)设计、土木建筑工程设计、计算 机结构设计、机械产品设计和生产工艺 设计等。比较有影响的专家设计系统有 VAX计算机结构设计专家系统R1(XCOM)、 浙江大学的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。
31
专家系统的主要组成部分
• (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 于存储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) 推理机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地工 作。推理机能够根据知识进行推理和导出结论， 而不是简单地搜索现成的答案
20
控制专家系统
任务 自适应地管理一个受控对象或客体的全面行 为，使之满足预期要求。 特点： 能够解释当前情况，预测未来可能发生的情 况，诊断可能发生的问题及其原因，不断修正 计划，并控制计划的执行。也就是说，控制专 家系统具有解释、预报、诊断、规划和执行等 多种功能。
21
控制专家系统
空中交通管制、商业管理、自主机器人控制、作 战管理、生产过程控制和生产质量控制等都是控 制专家系统的潜在应用方面。例如，已经对海、 陆、空自主车、生产线调度和产品质量控制等课 题进行控制专家系统的研究。
13
诊断专家系统例子
• 诊断专家系统的例子特别多，有医疗诊断，电 子机械和软件故障诊断以及材料失效诊断等。 用于抗生素治疗的MYCIN、肝功能检验的PUFF、 青光眼治疗的CASNET、内科疾病诊断的 INTERNIST-I和血清蛋白诊断等医疗诊断专家系 统，IBM公司的计算机故障诊断系统DART/DASD， 火电厂锅炉给水系统故障检测与诊断系统、雷 达故障诊断系统和太空站热力控制系统的故障 检测与诊断系统等、都是国内外颇有名气的实 例

人工智能应用基础知到章节答案智慧树2023年武汉职业技术学院

人工智能应用基础知到章节答案智慧树2023年武汉职业技术学院

人工智能应用基础知到章节测试答案智慧树2023年最新武汉职业技术学院第一章测试1.（）被称为“人工智能之父”。

（）参考答案:约翰·麦卡锡2.2016年3月9日至15日，谷歌AlphaGo机器人在围棋比赛中以比分（）击败了世界冠军李世石。

（）参考答案:4:13.约瑟夫·魏岑鲍姆教授开发的（），实现了计算机与人通过文本进行交流。

（）参考答案:ELIZA4.在1986年，罗斯·昆兰提出了（）概念，这是机器学习另一个主流的闪光点。

（）参考答案:决策树5.首次提出“人工智能”是在（）年。

（）参考答案:19166.人工智能发展的驱动力包括（）。

（）参考答案:资本与技术深度耦合，助推行业应用快速兴起;深度学习研究成果卓著，带动算法模型持续优化;数据处理技术加速演进，运算能力实现大幅提升;人机物互联互通成趋势，数据量呈现爆炸性增长7.人工智能产业链关键技术，主要分哪三个核心层（）。

（）参考答案:技术层;基础层;应用层8.克劳德·香农提出用二进制替代十进制运算，并将计算机分成了5大组件。

（）参考答案:错9.专家系统是一个含有大量的某个领域专家水平的知识与经验智能计算机程序系统,能够利用人类专家的知识和解决问题的方法来处理该领域问题.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。

（）参考答案:对第二章测试1.机器学习是人工智能的（）。

（）参考答案:核心2.目标检测是对目标进行识别和( )。

（）参考答案:定位3.深度学习的核心是 ( )。

（）参考答案:神经网络4.自然语言处理是人类与计算机之间的（）（）。

参考答案:桥梁5.知识图谱的概念是( )。

（）参考答案:Google在2012年提出来的。

6.机器学习从学习方式上分类哪种方式需要人工标注（）。

参考答案:半监督学习;监督学习7.基于深度学习的目标检测应用有（）。

（）。

参考答案:遥感检测;行人检测;人脸检测;车辆检测8.自然语言处理的具体应用有（）。

专家系统

专家系统

5.2 专家系统基本工作原理 14
专家系统
利用存储在计算机内的某一特定领域内人类专家的知识， 来解决过去需要人类专家才能解决的现实问题的计算机系 统
存储问题求解所需要的知识 存储具体问题的初始数据和推理中间信息 推理和解释 知识获取，机器学习以及知识库的维护 提供用户接口
5.2 专家系统基本工作原理 15
5.1 概念
9
（4）分类
预测专家系统 根据过去和现在的信
息，推断可能发生和出 现的情况。
设计专家系统 根据给定的要求，进
行相应的设计。
天气预报、地震预测 机械设计、工程设计
、人口预测专家系统
、图案设计专家系统
5.1 概念
10
（4）分类
规划专家系统 按给定目标拟定总体
规划、行动计划、运筹 优化等。
（5）人机接口
是专家系统、知识工 程师、一般用户之间进 行交互的界面。
由一组程序和相应的 硬件组成，用于完成输 入、输出工作。
基本功能
① 知识获取机构通 过人机接口，与领域专 家、知识工程师进行交 互，不断更新、完善、 扩充知识库。
5.2 专家系统基本工作原理 22
（5）人机接口
基本功能 ② 推理机通过人机接口
与用户交互，推理过程中， 系统根据需要，不断向用户 提问，以得到相应的数据。
推理结束后，将通过人 机接口，向用户显示结果。
③ 解释机构通 过人机接口与用户 交互，向用户解释 推理过程，回答用 户问题。
5.2 专家系统基本工作原理 23
（6）解释机构
回答用户向系统提出 的问题，向用户解释专 家系统的推理过程。
根据当前已知事实， 利用知识库中的知识， 按照一定的推理方法和 控制策略进行推理，直 到得到结论为止。

第9章 信息技术在施肥中的应用

第9章 信息技术在施肥中的应用

第二节 施肥专家系统的建立及其应用
土壤肥力基本类别 （产量水平）
Ⅰ（3000kg/hm2)
纯N 139.5
P2O5 K2O 磷酸二铵 尿素 K2SO4 KCl
105 13.5 228
214.5 28.5 24
Ⅱ （3500kg/hm2) 184.5 166.5 43.5 361.5
区域养分资源管理研究趋势也由传统的通过一定 区域内生物学试验获得的肥料统计模型来确定肥 料用量发展为借助信息技术与施肥模型对作物和 土壤养分资源进行有效管理，建立区域养分资源 管理与作物推荐施肥技术体系。
举例：应用可见光遥感技术判断作物氮素营养状况； 问题（1）图像波段范围窄，作物冠层的色彩差异不易区分； （2）很多因素都会导致冠层颜色发生变化，因此要同时强调田间 实地调查和取样技术。
最早应用于军事上，通过判断作物的红外图像一了 解是否是伪装等。
商用卫星的发射促进了卫星遥感技术在农业上的应 用。
P164
国内农业专家系统研究始于1980年代。
施肥专家系统： 中科院合肥智能所研制的“施肥专家系统”； 中国农科院土肥所开发的“黄淮平原禹城县小麦、玉 米优化施肥专家系统“。
施肥专家系统在农业专家系统中占有重要地位，目前 我国已经开发出了小麦、玉米、水稻、棉花、甘蔗、 烟草、果树、蔬菜等作物的施肥专家系统。
轮作周期长期推荐施肥动态研究和观测; 缺少区域不同土壤和作物的施肥标准; 土壤有效养分速测方法成本偏高。 并且实验数据和专家知识往往不能共享, 降低了系统
的可靠性、实用性。
③ 施肥专家系统的推理机制单一。
目前施肥专家系统的推理机制有的基于领域专 家知识, 有的基于施肥模型, 但都只是单一地应 用一种方法, 使系统的应用带有一定的局限性。

人工智能基础 第9章 计算机视觉

人工智能基础 第9章 计算机视觉
9.1.8 度量学习
度量学习也称作距离度量学习、相似度学习，通过学习对象之间的距离，度量学习能够用于分析对象时间的关 联、比较关系，在实际问题中应用较为广泛，可应用于辅助分类、聚类问题，也广泛 数字图像的类型和表示
（1）二值图像：即图像上的每一个像素只有两种可能的取值或灰度等级状态，0 和 1，0 代表黑，1 代表白，或 者说 0 表示背景，而 1 表示前景。二值图像通常用于文字、线条图的扫描识别（OCR）和掩膜图像的存储。如图 9-7（a）所示。
9.1 计算机视觉概述
9.1.1 图像分类
9-1 所示为图像分类实例，给定一张图片，通过模型给出各个种类的可能性。
9.1 计算机视觉概述
9.1.2 目标检测、跟踪和定位
图 9-2 所示为一个目标检测、跟踪和定位实例。
9.1 计算机视觉概述
9.1.3 图像语义分割
图像语义分割，顾名思义是将图像像素按照表达的语义含义的不同进行分组 /分割。 图9-3 所示为一个图像语义分割实例。
9.3 常用计算机视觉模型和技术
虽然计算机视觉的任务有多种，但是大多数任务本质上可以建模为一个广义的函数拟合问题，如图 9-8 所示。
9.3 常用计算机视觉模型和技术
9.3.1 基于浅层模型的方法
由于实现上述视觉任务的函数 Fθ通常都是十分复杂的，因此，基于浅层模型的方法遵循“分而治之”的思想 ，将其拆分成多个子任务，分布求解。图 9-9 所示为一个常用的浅层视觉模型的处理流程。
9.3 常用计算机视觉模型和技术
9.3.1 基于浅层模型的方法
步骤 1 ：图像预处理过程 p。输入为图像 x，输出为处理后的图像 x′。 步骤 2：特征设计与提取过程 q。 步骤 3：特征汇聚或变换 h。 步骤 4：分类器或回归器 g。 上述流程可以理解为将 Fθ 拆分成四个序贯执行的 4 个函数 p，q，h，g，即y=g(h(q(p(x))))。

第9章 现代主流信息系统


9.1 信息系统的类型与功能
9.1.4 管理信息系统
1. 管理信息系统的定义 这里讲的管理信息系统（Management Information Systems， MIS） 是一个狭义的管理信息系统，它是特指为管理层次功能提供服务的特定类 型的信息系统。 一般来讲，MIS关注的是组织内部的数据，对于外部环境关注很少， 它依赖于TPS，把事务处理系统收集的大量的数据进行汇总，生成不同形 式的报表，为中层管理人决策提供服务。
信息系统基础
第9章 现代主流信息系统
第9章 现代主流信息系统
• • • • • 9.1 信息系统的类型与功能 9.2 组织中的信息系统概览 9.3 企业资源计划和客户关系管理系统 9.4 电子商务与电子政务 9.5 物流管理系统与供应链管理系统
9.1 信息系统的类型与功能
9.1.1 从用户角度认识信息系统 9.1.2 事务处理系统 9.1.3 办公自动化和知识工作支持系统 9.1.4 管理信息系统 9.1.5 决策支持系统和专家系统 9.1.6 经理信息系统
管理层
设备选址
决定在什么地方放置新的生产设备
战略策
9.2 组织中的信息系统概览
9.2.3 财务和会计系统
表9-4 财务和会计信息系统应用举例
系统 应用 组织层次
应收账
跟踪组织应收款项
操作层
投资组合分析
设计组织的投资组合
知识层
预算
短期预算制定
管理层
利润计划
计划组织长期利润
战略策
9.2 组织中的信息系统概览
5年运作计划 5年销售趋势预测 利润计划 人力资源计划测
战略层
EIS
MIS 年度 预算 DSS 人力成本控 制 人力成本分 析

《人工智能》读书笔记思维导图


06 第6章 智能算法
目录
07 第7章 分布式人工智 能
08 第8章 机器学习
09 第9章 专家系统
010
第10章 人工智能程 序设计语言
011
第11章 人工智能应 用举例
012 参考文献
全书共分为11章，除第1章人工智能概述外，其余内容划分为四大部分。第一部分为确定性人工智能的三大 基本技术，包括第2,3,4章的知识表示、确定性推理和搜索部分。第二部分包括第5章不确定性人工智能和第6章 的智能算法。第三部分为人工智能的重要研究领域，包括第7章的分布式人工智能，第8章的机器学习，第9章的 专家系统。第四部分为人工智能应用部分，包括第10章的人工智能设计语言和第11章的人工智能的应用举例。
024.Βιβλιοθήκη 状态 空间的盲目 搜索策略03
4.3 状态 空间的启发 式搜索策略
04
4.4 与/或 树的搜索策 略
06
习题四
05
4.5 搜索 性能的量度
第5章 知识的不确定性与不确定 推理
5.1 知识的不确定 性
5.2 不确定推理的 概率基础
5.3 确定性理论 5.4 主观Bayes方法
5.5 证据理论
02
2.2 产生 式表示法
03
2.3 框架 表示
04
2.4 语义 网络表示法
06
习题二
05
2.5 面向 对象表示法
第3章 经典逻辑推理
1
3.1 推理的基 本概念
2
3.2 自然演绎 推理
3
3.3 归结演绎 推理
4
3.4 与/或形 的演绎推理
5
习题三
第4章 搜索策略
01
4.1 问题 求解过程的 形式表示

第9章智能系统及其应用第一节人工智能技术一、什么是人


第二节
一、 数据仓库
智能商务
数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的 （Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的 数据集合。根据数据仓库概念的含义，数据仓库拥有以下四个特点：
7.
8.
机器学习(Machine Learning) ：研究人类学习过程并进行计算机模拟
机器人学(Robots) ：一种可在编程的多功能操作装置
二、产生式系统 产生式系统作为人类心理活动中信息加工过程研究的基础，并用它来建立人类问题 求解行为的模型。产生式系统已经发展成为人工智能系统中最典型的一种基本结构， 是专家系统及其他人工智能应用系统最自然的知识表示及推理的基本模型。

初始状态
初始状态向量—规定向量中各分量对应 的位置，各位置上的初始数字

后继函数
移动规则—按照某条规则移动数字，将 得到的新向量
பைடு நூலகம்
目标测试
新向量是否是目标状态(也是向量形式)

路径耗散函数
每次移动代价为1
例2：渡河问题
老农携带一只狐狸、一头羊羔和一筐白菜，要从南岸过河到北岸。岸边有一条小船， 只有老农自己能划船，而且除了老农以外，每次只能再带一样东西过河。在整个渡河 过程中，无论什么情况，若老农不在场，则不允许狐狸和羊羔单独相处，羊羔也不得 与白菜放在一起。请问，老农如何才能把它们全部安全摆渡到北岸？ 在人工智能课程的教学中， “渡河问题” 常常被作为例子来讲解知识表示的形式和 问题的求解过程。 “渡河问题”求解过程如图，图中左边是对老农、狐狸、羊羔、白菜“渡河”过程 的直观演示，右边则具体给出了“渡河”过程中每一步的状态。用n、s分别代表河的 南岸和北岸，当前状态的括号中记录了四者的位置。例如，状态（n，s，n，s）表示 老农和羊羔在北岸、狐狸和白菜在南岸时的状态。

第9章 HIS 中的决策支持系统


建立决策树的过程：即树的生长过程是 建立决策树的过程 不断的把数据进行切分的过程，每次切 分对应一个问题，也对应着一个节点。 对每个切分都要求分成的组之间的“差 异”最大。
对最终要拿给人看的决策 树来说，在建立过程中让其生长的太 “枝繁叶茂”是没有必要的，这样既降 低了树的可理解性和可用性，同时也使 决策树本身对历史数据的依赖性增大， 也就是说这是这棵决策树对此历史数据 可能非常准确，一旦应用到新的数据时 准确性却急剧下降，我们称这种情况为 训练过度。解决办法：
（4）决策树
在知识工程领域，决策树是一种简单的 知识表示方法，它将事例逐步分类成代 表不同的类别。 在系统中采用这种方法的有美国的IDIS， 法国的SIPINA。英国的Clementinc和澳 大利亚的C5.0。
决策树提供了一种展示类似在什么条件 下会得到什么值这类规则的方法。比如， 在贷款申请中，要对申请的风险大小做 出判断，图7是为了解决这个问题而建立 的一棵决策树，从中我们可以看到决策 树的基本组成部分：决策节点、分支和 叶子。
有些是以nn为主导技术例如俄罗斯的polyanalyst美国的brainmakerneurosell和owl等nn技术概要除了输入层的节点神经网络的每个节点都与很多它前面的节点称为此节点的输入节点连接在一起每个连接对应一个权重wxy此节点的值就是通过它所有输入节点的值与对应连接权重乘积的和作为一个函数的输入而得到我们把这个函数称为活动函数或挤压函数
2 Internist-1和QMR系统
1982年，美国匹兹堡大学的Miller等发 表了著名的Internist-Ⅰ内科计算机辅 助诊断系统，其知识库中包含了572种疾 病，约4 500种症状 系统使用一组参数表示：
– 相关频率 – 提示力度
  1. 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. 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. 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)。
人机界面
推理机
解释模块
知识库
动专家系统的理想结构
9.2 专家系统的结构
9.2.2 实际结构
上面介绍的专家系统结构，是专家系统的概念模型，或者说是只强调知识和推理 这一只要特征的专家系统结构。在实际问题中往往不仅需要推理，而且还要做一些其 它处理。例如，图9.3所示的实际结构可以看出，专家系统只作为整个系统的一个模 块嵌套在一个实际的应用系统中。
9.4 专家系统的设计与实现
9.4.7 系统结构设计
系统构成技术被称为人工智能的三大技术之一。所以，一个专家系统来讲，其 系统结构就显得非常重要。 一般来讲，系统结构设计模式有诸如独立式(一个“纯”专家模块)、混合式、 集中式、分布式、层次式以及“黑板模型”等。
9.4.8 人机界面设计
人机界面对于一个实用专家系统(特别是咨询型知识系统)来说至关重要。一个 专家系统一般有两个人机界面：一个是面向系统开发和维护者的；一个是面向最终 使用者的。
9.1专家系统的概念
9.1.3 专家系统的类型
1.按用途分类 按用途分类，专家系统可分为：诊断型、解释型、预测型、设计型、规划型、控制型、 调度型等几种类型。 2.按输出结果分类 按输出结果分类，专家系统可分为分析型和设计型。 3.按知识表示分类 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、基于语义网络的专家系统等。 4.按知识分类 按专家系统分类，专家系统又可分为精确推理型和不精确推理型。 5.按技术分类 按采用的技术分类，专家系统可分为符号推理专家系统和神经网络专家系统。 6.按规模分类 按规模分类，可分为大型协同式专家系统和微专家系统。 7.按结构分类 可分为集中式和分布式，单机型和网络型。
9.1专家系统的概念
9.1.6 专家系统与人工智能
专家系统是一种计算机应用系统。从科学的范畴来讲，专家系统属人工智能 的一个分支，且是应用性最强、应用范围最广的一个分支。目前，专家系统已成为 当前计算机应用的热门研究方向。
9.2 专家系统的结构
9.2.1 概念结构
从概念来讲，一个专家系统应具有如图9.1所示的一般结构模式。
9.4 专家系统的设计与实现
9.4.6 推理机与解释功能设计
1.从哪里着手 推理机的推理是基于知识库中的知识进行的。所以，推理机就必须与知识库 及其知识相适应、相配套。 2.还应考虑些什么 对推理机本身而言，还要考虑推理的方式、方法和控制策略等。 3.算法设计与程序设计 对于一个基于规则的系统来说，前面产生式系统所采用的算法，或者图搜索 中所用的算法也就是这里的推理机所使用的算法。算法确定后，就可以进行程序 设计了。 4.解释机制如何实现 从系统的结构上讲，一般是把解释作为一个独立的模块，但实际上解释功能 也是与推理机密切相关的。因为要解释就必须对推理机进行实时跟踪。
9.4 专家系统的设计与实现
9.4.2 快速原型与增量式开发
所谓快速原型与增量式开发，就是在开发一个大型软件系统之前，先尽快地 建立一个简单的小型的系统“模型”-称为系统原型；然后，对原型进行扩充，即 在原型的基础上进行继续开发，即增量式开发。
9.4 专家系统的设计与实现
9.4.3 知识获取
知识获取大体有以下三种途径。 1.人工获取 即计算机人员与领域专家合作，对有关领域知识和专家知识，进行挖掘、搜 集、分析、综合、整理、归纳，然后以某种形式存入知识库。 2.半自动获取 即利用某种专门的知识获取系统，采取提示、指导或问答的方式。 3.自动获取 自动获取又可分为两种形式：一种是系统本身具有一种机制，使得系统在运 行过程中能不断地总结经验，并修改和扩充自己的知识库；另一种是开发专门的 机器学习系统，让机器自动从实际问题中获取知识，并填充知识库。
9.4 专家系统的设计与实现
9.4.1 一般步骤与方法
由于专家系统也是一种计算机应用系统，所以，一般来说，其开发过 程也要遵循软件工程的步骤和原则，即也要进行系统分析、系统设计等几 个阶段的工作。 1.系统总体设计 2.知识获取 3.知识表示与知识描述语言设计 4.知识库设计 、推理机制设计 、 总控与界面设计… 5.编程与调试 6.运行与维护
人机界面
推理机
解释模块
知识库
动态数据库
知识库管理系统 图9.1 专家系统的概念结构 1.知识库 (Knowledge Base) 所谓知识库，就是以某种表示形式存储于计算机中的知识的集合。 2.推理机(Inference Engine) 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 包括通常的逻辑推理，也包括基于产生式的操作。 3.动态数据库 动态数据库也称为全局数据库、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。
9.1专家系统的概念
9.1.2 专家系统的特点
专家系统具有下列特点： (1) 从处理问题的性质来看，专家系统善于解决那些不确定性的、非结构化的、 没有算法或虽有算法解但在现有的机器上无法实施的困难问题。 (2) 从处理问题的方法来看，专家系统则是靠知识和推理来解决问题，所以， 专家系统是基于智能问题来求解。 (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。 (5) 有些专家系统还具有“自学习”能力。 (6) 专家系统不像人那样容易疲劳、遗忘，易受环境、情绪等的影响，它可始 终如一地以专家级的高水平求解问题。
第9章 专家系统
9.1 专家系统的概念 9.2 专家系统的结构 9.3 专家系统的应用和发展概况 9.4 专家系统的设计与实现 9.5 专家系统开发工具与环境 9.6 新一代专家系统研究
9.1专家系统的概念
9.1.1 什么是专家系统
专家系统(Expert System)也称为专家咨询系统，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 问题的的计算机(软件)系统。 准确一点讲，专家系统应该就是：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 难和复杂的问题的计算机(软件)系统。
服务员 知识库 推理机 Web Server 知识库 推理机
Internet 人-机界面 客户(机) 人-机界面 客户(机)
图9.5 专家系统的客户(机)/服务器结 构及浏览器/服务器结构
9.2 专家系统的结构
9.2.4 黑板模型
1.黑板 所谓“黑板”，就是一个分层的全局工作区(或称全局数据库)。它用来存储初始 数据、中间结果集和族中结果。 2.知识源 所谓知识源，就是一个知识模块。黑板结构中也有多个知识源，每个知识源能 用来完成某些特定的解题功能。 3.控制机构 控制机构是求解问题的推理结构，由监督程序和调度程序组成。
9.5 专家系统开发工具与环境
9.5.1 专家系统开发工具
迄今已有数以百计的各种各样的专家系统开发工具投入使用。它们大致可分为 以下几类。 1.面向AI的程序设计语言 特别值得一提的是，今年来，面向对象程序设计异军突起。因而，现在面向对 象程序设计语言也成为一种人工智能程序设计语言。 2.知识表示语言 这是针对知识工程发展起来的程序设计语言，因此也称为知识工程语言。 3.外壳系统 外壳系统也称为骨架(Frame)，这种工具通常提供知识获取模块、推理机制、 解释功能等，只要加上领域专门知识，即建立起知识库就可以构成一个专家系统。 4.组合式构造工具 这种工具使用户可以选择各种组成部件，非常方便地进行组合。 5.专家系统工具RST EST是一个通用专家系统开发工具，它的核心是专家系统设计语言ESL。
9.1.5 专家系统与知识工程
由于专家系统是基于知识的系统，那么，建造专家系统就涉及知识获取 (Knowledge Acquisition)-即从人类专家那里或从实际问题那里搜集、整理、归纳 专家级知识，知识表示(Knowledge Represention)-即以某种结构形式表达所获取 的知识，并将其存储于计算机之中。现在关于知识处理的技术和方法已形成一个称 为“知识工程”的学科领域。正是由于这二者的密切关系，所以，现在“专家系统” 与“知识工程”几乎称为同义词。
控制机构 监督程序 调度程序
层次n ... 层次2 层次1
知识源1 知识源2 ... 知识源n
图9.6 黑板结构
9.3 专家系统的应用与发展状况
9.3.1 专家系统的意义
专家系统是一种智能计算机系统，所以，专家系统将计算机的应用提高到了一 个新的高度和水平。专家系统的建立，一方面，实现了人类专家的“分身”和“延 年”。另一方面，建造专家系统可以可以使专家本人得到提高和发展。
9.2 专家系统的结构
9.2.1 概念结构
4.人机界面 这里的人机界面指的是最终用户与专家系统的交互界面。 5.解释模块 解释程序模块专门负责向用户解释专家系统的行为和结果。 6.知识库管理系统 知识库管理系统是知识库的支撑软件。知识库管理系统主要在专家系统的开发 阶段使用，所以，它的生命周期实际和相应的专家系统一样。对如图9.1所示的结构 再添上自学习模块，就称为更理想的一种专家系统结构。
9.5 专家系统开发工具与环境
9.5.2 专家系统开发环境
随着专家系统技术的普及与发展，人们对开发工具的要求也越来越高。一个好 的专家系统开发工具应向用户提供多方面的支持，包括从系统分析、知识获取、程 序设计到系统调试与维护等全部服务。于是，专家系统开发环境应用而生。 专家系统开发环境就是集成化了的专家系统开发工具包。提供的功能主要有以 下几种。 1) 多种知识表示。 2) 多种不精确推理模型。 3) 多种知识获取手段。 4) 多样的辅助工具。 5) 多样的友好用户界面 6) 广泛的适应性。
总控
专 家 模 块 1
处 理 模 块 n
处 理 模 块 1
专 家 模 块 m