Архитектура Аудит Военная наука Иностранные языки Медицина Металлургия Метрология Образование Политология Производство Психология Стандартизация Технологии |
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 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 Ртр, 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; 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 Таблица 27.1 |
Последнее изменение этой страницы: 2019-05-08; Просмотров: 225; Нарушение авторского права страницы