Задача логического вывода в диагностических экспертных системах

Диагностические экспертные системы широко применяются в различных областях человеческой деятельности (медицине, тех­нике, военном деле и др.). Как правило, в них используются про­дукционные модели знаний о предметной области. Однако если имеется возможность использования в правилах статистических данных о понятиях и связях между ними, весьма целесообразно применить известную теорему Байеса для пересчета апостериор­ных вероятностей по результатам проверки наличия тех или иных симптомов.

Применительно к техническим диагностическим системам ис­пользуется следующая схема формализации:

• объект имеет множество возможных неисправностей

• каждой неисправности приписывается априорная вероятность

• каждая неисправность проявляется через симптомы

причем каждая неисправность характеризуется «своими» симпто­мами из «общего» списка;

• известны условные вероятности проявления симптомов при
каждой неисправности

Тогда можно определить апостериорные вероятности наличия неисправности при данном симптоме:

378

причем при расчете апостериорной вероятности учитывается, на­блюдался при испытании данный симптом или нет.

Зная перечисленные вероятности, легко реализовать процеду­ру проверки наиболее вероятных симптомов, причем проверка очередного симптома должна сопровождаться пересчетом значе­ний всех апостериорных вероятностей. Для получения априорных и условных вероятностей необходимо обработать статистические данные (при их наличии) или получить и обработать экспертную информацию.

На рис. 27.1 проиллюстрирован описанный подход. На рис. 27.1, а показаны исходные априорные вероятности наличия неисправ­ностей. Как правило, задается некоторый уровень вероятности Р_тр, превышение которого свидетельствует о необходимости проверки именно тех неисправностей, для которых и наблюдается превы­шение (в примере — <%). Далее проверяется наличие того симпто­ма, для которого вероятность его проявления при г'-й неисправ­ности наибольшая (например, симптома С] на рис. 27.1, б).

Рис. 27.1. Алгоритм работы диагностической экспертной системы:

а — исходные вероятности наличия неисправностей; б — проверка симптома Q;
в — проверка симптома С₂; —■»- вероятность;    ^ условная вероятность; • ■ ■ »- пе­
реходный уровень

379

По результатам проверки пересчитываются все апостериорные вероятности и выявляются те из них, которые превышают задан­ный уровень. По ним определяется очередной проверяемый сим­птом (на рис. 27.1, е — симптом С₂) и т.д. Заметим, что в резуль­тате пересчета апостериорная вероятность той или иной неис­правности может как увеличиться, так и уменьшиться. После не­скольких шагов данный алгоритм приводит к тому, что эксперт­ная система отбрасывает (перестает учитывать) некоторые неис­правности, апостериорные вероятности которых стали очень ма­лыми, а другие предлагает исправить.

Рассмотрим конкретный пример — фрагмент экспертной си­стемы диагностического типа, предназначенной для поиска не­исправности в автомобиле при следующих исходных данных:

1) автомобиль может иметь четыре неисправности:

• Si — неисправна аккумуляторная батарея;

• S₂ — отсутствует топливо;

• S₃ — «отсырело» зажигание;

• $₄ — замаслены свечи;

2) симптомами неисправностей являются:

• С\ — фары не горят;

• С₂ — указатель топлива на нуле;

• С₃ — автомобиль не заводится;

• С₄ — стартер проворачивается;

• С₅ — двигатель работает неустойчиво, «чихает»;

3) значения априорных вероятностей:

4) значения условных вероятностей проявлений симптомов при
наличии неисправностей приведены в табл. 27.1. Знаком «+» обо­
значены вероятности P(C/SD, знаком «-» — вероятности P(Cj/Sj).

Таблица 27.1

⇐ Предыдущая54555657585960616263Следующая ⇒

Поделиться: