Презентация Microsoft PowerPoint

1. Методика экспертного моделирования в ИИ

МЕТОДИКА
ЭКСПЕРТНОГО
МОДЕЛИРОВАНИЯ В ИИ
ДУХАНИНА О.Н.

2. Актуальность темы

АКТУАЛЬНОСТЬ ТЕМЫ
Экспертные системы применяются в задачах, где:
отсутствует точная математическая модель;
решения принимаются на основе опыта специалистов;
требуется объяснимость результатов.
Несмотря на развитие нейросетей, экспертное моделирование остаётся
востребованным в медицине, промышленности и поддержке принятия
решений.

3. Цель и задачи работы

ЦЕЛЬ И ЗАДАЧИ РАБОТЫ
Цель работы — изучение принципов экспертного моделирования и анализа
его применения в интеллектуальных системах.
Задачи:
рассмотреть архитектуру экспертных систем;
изучить методы экспертного вывода;
проанализировать способы представления знаний;
сравнить экспертные системы и нейросетевые модели.

4. Понятие экспертного моделирования

ПОНЯТИЕ ЭКСПЕРТНОГО МОДЕЛИРОВАНИЯ
Экспертное моделирование — это процесс формализации знаний и
опыта человека-эксперта для их использования в программных системах.
Экспертная система имитирует рассуждения специалиста и
вырабатывает решения на основе логических правил.

5. Архитектура экспертной системы

АРХИТЕКТУРА ЭКСПЕРТНОЙ СИСТЕМЫ
Классическая архитектура включает:
базу знаний;
рабочую память;
механизм вывода;
интерфейс пользователя;
подсистему объяснений.
IDEF0 Экспертная система

6. Основные компоненты экспертной системы

ОСНОВНЫЕ КОМПОНЕНТЫ ЭКСПЕРТНОЙ
СИСТЕМЫ
База знаний — хранение правил и фактов
Механизм вывода — логика рассуждений
Рабочая память — данные текущей задачи
Интерфейс — взаимодействие с пользователем
Подсистема объяснений — обоснование решений

7. Методы экспертного вывода

МЕТОДЫ ЭКСПЕРТНОГО ВЫВОДА
Основные методы:
прямой вывод;
обратный вывод;
комбинированный вывод.
Метод вывода определяет стратегию рассуждений системы.

8. Прямой и обратный вывод

ПРЯМОЙ И ОБРАТНЫЙ ВЫВОД
Прямой вывод:
движение от фактов к заключению.
Обратный вывод:
движение от гипотезы к подтверждающим фактам.
IDEF0 диаграмма прямого вывода
IDEF0 Обратный вывод

9. Примеры экспертных систем

ПРИМЕРЫ ЭКСПЕРТНЫХ СИСТЕМ
MYCIN — диагностика инфекционных заболеваний
DENDRAL — химический анализ
XCON — конфигурирование компьютерных систем
Эти системы доказали практическую эффективность экспертного
подхода.

10. Экспертные системы и нейросети

ЭКСПЕРТНЫЕ СИСТЕМЫ И НЕЙРОСЕТИ
• Экспертные системы:
высокая объяснимость;
работают при нехватке данных;
опираются на знания экспертов.
Нейросети:
требуют больших выборок;
плохо объясняют решения;
обладают высокой адаптивностью.

11. Гибридные интеллектуальные системы

ГИБРИДНЫЕ ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ
Современные системы объединяют:
экспертные правила;
машинное обучение;
анализ больших данных.
Такой подход повышает точность и надёжность решений.

12. Анализ и основные выводы

АНАЛИЗ И ОСНОВНЫЕ ВЫВОДЫ
Экспертное моделирование:
эффективно в задачах принятия решений;
обеспечивает прозрачность и интерпретируемость;
дополняет современные методы ИИ.

13. Перспективы развития

ПЕРСПЕКТИВЫ РАЗВИТИЯ
Основные направления:
интеграция с нейросетями;
автоматизация извлечения знаний;
развитие гибридных интеллектуальных систем.

14. Заключение

ЗАКЛЮЧЕНИЕ
Экспертное моделирование остаётся важным направлением
искусственного интеллекта и активно используется в интеллектуальных
системах, ориентированных на поддержку принятия решений.