智能工程讲义课件

智能工程Intelligent Engineering 智 能 工 程 Intelligent Enginee概述12343 智能工程目录知识的获取及表达知识的运用专家系统 应用实例概述12343 智能工程目录 知识的获取及表达知识概述 概 述 基本概念和原则智能工程是一门关于知识的自动化处理和应用技术的计算机应用学科。智能工程概述 基本概念和原则智能工程是一门关于知识的自动化处理和应 基本概念和原则 智能工程概述 基本概念和原则 智能工程概述知识的获取知识的表达知识的集成协调和管理人机界面研究内容 研究内容和方法 智能工程概述知识的知识的知识的协调和人机研究内容 研究内容和方法Text1.建立起“以人为中心”的系统智能工程研究中常用的方法有计算机方法和心理学方法。研究该系统需注意的是：Text3.应发挥集体的智慧和才能2.确定各系统集成并保证继承性 研究内容和方法 智能工程概述Text1.建立起“以人为中心”的系统智能工程研究中常用的 与人工智能的区别与联系 智能工程概述 与人工智能的区别与联系 智能工程概述知识的获取与表达知识的获取与表达 知识：人类在实践中所积累的认识和经验的综合，是人类认识自然界（包括社会和人）的精神产物，是人类进行智慧活动的基础。概念 智能工程知识的获取与表达知识按作用分类描述性知识判断性知识过程性知识按层次分类对象级知识元级知识按描述形式分类解析型知识符号型知识知识：人类在实践中所积累的认识和经验的综合，是人类认识自然界 知识的获取 智能工程知识的获取与表达知识获取人工知识获取机器学习知识工程师协助领域专家将领域知识形式化，并建立知识库。计算机本身从环境（专家，数据等）或自身的实践（解题过程）中获取知识。知识的获取 智能工程知识的获取与表达知识获取人专家知识工程师知识获取辅助工具知识库推理机 知识获取 智能工程知识的获取与表达人工知识获取专家知识工程师知识获取辅助工具知识库推理机 知识获取认识问题的特征找出与求解问题相关的概念及各种关系将知识进行条理化，结构化和规则化形成知识库检索和修改知识重新描述重新收集重新条理化重新设计问题识别阶段概念化阶段形式化阶段实现阶段调试阶段总结了解概念条理化知识知识库初型 知识获取 智能工程知识的获取与表达人工知识获取认识问题的特征找出与求解问题相关的概念及各种关系将知识进行条与人工知识获取相对应的另一种知识获取方法是机器学习，是利用计算机系统直接从知识源（专家、书本、数据库）获取新知识的知识获取方法。知识获取 智能工程知识的获取与表达机器学习与人工知识获取相对应的另一种知识获取方法是机器学习，是利用计知识表述产生式规则表述逻辑表示法语义网络表示框架表示过程表示面向对象表示 知识表述 智能工程知识的获取与表达知识表述产生式规则表述逻辑表示法语义网络表示框架表示过程表示知识的运用知 识 的 运 用 推理机(InferenceEngine)是专家系统中实现基于知识推理的部件，是基于知识的推理在计算机中的实现，主要包括推理和控制二个方面，是知识系统中不可缺少的重要组成部分。推理机的基本要求:高效率的搜索和匹配机制、可控制性、可观测性、启发性。推理方法:（1）按推理方式可分为演绎推理和归纳推理；（2）按推理过程中的所用知识的确定性可分为精确推理和不精确推理；（3）按推理的单调性可分为单调推理和非单调推理。知识的推理 智能工程知识的运用推理机(Inference Engine)是专家系统中实现基推理中的搜索策略正向搜索：沿着有向弧所指的方向在图上进行搜索的方法。反向搜索：沿着有向弧所指的反方向在图上进行搜索的方法。混合搜索：上述两种方法的结合，是从源结点和目标结点两头分别以正向和反向进行搜索，以便在中间某处会合，这种双向搜索若能在某结点会合就称搜索成功。知识的推理 智能工程知识的运用推理中的搜索策略正向搜索：沿着有向弧所指的方向在图上进行搜索盲目搜索法是一般和最基本的方法，适用于各种搜索问题。但往往效率较低，不便于解决搜索空间稍大的问题。深度优先搜索和广度优先搜索都属于盲目搜索策略。启发式搜索法实际上是以结点的代价估计值为标准的最佳优先搜索。推理中的搜索策略 知识的推理 智能工程知识的运用盲目搜索法是一般和最基本的方法，适用于各种搜索问题。但往往效正向推理是从已知事实到结论的推理，也叫事实或数据驱动推理。反向推理是从目标到初始事实的推理，也叫目标或假设驱动推理。推理中控制策略 知识的推理 智能工程知识的运用正向推理是从已知事实到结论的推理，也叫事实或数据驱动推理。推元推理机的任务是对元知识的利用。采用面向目标的推理方法，即一种框架规则相结合的推理策略，使知识的表达和知识的利用有机的结合在一起。任务与概念 元推理机的设计 智能工程知识的运用元推理机的任务是对元知识的利用。任务与概念 元推理机的（1）对规则方式表达知识的推理。在框架规则混合的元推理机制中，元推理机充分利用以框架语言描述元知识的特征属性、元知识的利用方式，驱动相应的推理方法。（2）利用框架继承推理。在框架规则混合的元推理机制中，利用面向目标的元知识的表示方法、把规则形式的元知识转化为框架语言描述，并利用框架系统自身的继承性，自动的、合乎逻辑的进行推理。采用的推理方法 元推理机的设计 智能工程知识的运用（1）对规则方式表达知识的推理。在框架规则混合的元推理机制控制机制：采用框架规则混合面向目标的推理方法，元推理机能够对整个系统进行更有效的动态控制。元知识的表述：根据元知识的特点，采用面向目标的表示方法，利用框架语言的结构化特点，采用框架与规则相结合的表达方法。采用面向目标的表示方法、丰富的语义表达能力和自然形式的描述，使知识的表达更易为人们理解，增加了系统的透明度。同时根据知识的特征属性和相互关系，利用框架结构特性，使知识不断分解、细化，形成功能单一的关于某个具体问题的知识群，使之得到更为有效的利用，同时强化了知识的维护和管理机制。控制机制与元知识的表述 元推理机的设计 智能工程知识的运用控制机制：采用框架规则混合面向目标的推理方法，元推理机能够专家系统专 家 系 统专家系统可视为一类具有专门知识和经验的计算机智能程序系统，其能力来自它所拥有的专家知识，它一般采用人工智能中的知识表示和知识推理技术来仿真通过由专家才能解决的复杂问题，达到具有与专家同等解决问题能力的水平。专家系统的概念 智能工程专家系统 专家系统可视为一类具有专门知识和经验的计算机智能程序系 智能工程专家系统Text1.具备某个应用领域的专家级知识Text3.能达到专家级的解题水平2.能模拟专家的思维一个专家系统应该具备三个要素：专家系统的概念 智能工程专家系统Text1.具备某个应用领域的专家建造一个专家系统一般需满足以下四个过程：智能工程专家系统专家系统的概念从专家那里获取系统所需知识选择合适的知识表示形式进行软件设计以合适的语言实现建造一个专家系统一般需满足以下四个过程：智能工程专家 智能工程专家系统专家系统的结构 智能工程专家系统专家系统的结构 智能工程专家系统专家系统的结构 智能工程专家系统专家系统的结构骨架系统 骨架系统是从已有的、成功的专家系统演化而来的。借用以前成功的专家系统，抽出原系统中的领域知识，而保留原系统的体系结构和功能，这样就形成了骨架系统。智能工程专家系统专家系统开发工具骨架系统 骨架系统是从已有的、成功的专家原领域知识知识表达模式、推理机制等知识表达模式、推理机制等知识表达模式、推理机制等新领域知识原专家系统骨架系统新专家系统 智能工程专家系统专家系统开发工具骨架系统原领域知识知识表达模式、推理机制等知识表达模式、推理机制等知 语言型工具和骨架系统不同，它们并不与具体的体系和范例紧密联系，也不偏重于具体问题的求解策略和表示方法，所提供给用户的是建立专家系统所需要的基本机制，其控制策略也不固定于一种或几种形式，用户可以通过一定的手段来影响其控制策略。因此，它比骨架系统具有更大的灵活性，具有更广泛的应用范围。语言型工具 智能工程专家系统专家系统开发工具 语言型工具和骨架系统不同，它们并不与具 系统辅助工具由一些程序模块组成，有些程序能帮助系统获得和表达领域专家的知识，有些程序能帮助设计专家系统的结构。辅助工具 智能工程专家系统专家系统开发工具主要用来实现专家系统的辅助设计可以加快知识的获取 系统辅助工具由一些程序模块组成，有些程序能 专家系统支撑环境也称为支持环境或支持工具集，它常作为知识工程语言的一部分。通常它由辅助调试工具、输入/输出接口、解释设施和知识库编辑系统组成。它们用来实现与专家系统建造工具的连接，或作为它的一部分，以帮助用户与专家系统的对话。支撑环境 智能工程专家系统专家系统开发工具 专家系统支撑环境也称为支持环境或支持工具集，它常应用实例应 用 实 例 数据挖掘（DATAining，简称“DM”），也叫数据开采或数据采掘等，是按照既定的业务目标从海量的数据中提取潜在的、有效的并能被人理解的模式的高级处理过程。确切地说，数据挖掘是一种利用人工智能技术为决策提供支持的过程。数据挖掘概念 智能工程应用实例数据挖掘技术的应用提取数据分析推理挖掘潜在模式预测目标 数据挖掘（DATAining，简称“DM1人工神经网络2遗传算法3决策树方法数据挖掘的方法 智能工程应用实例数据挖掘技术的应用1人工神经网络2遗传算法3决策树方法数据挖掘的方法 智能利用人工神经网络方法，将有关大坝安全的环境量（如库水位、气温、降雨等）作为输入，而将有关大坝安全的监测效应量（如位移、扬压力、渗流量等）作为输出，通过学习和记忆，可提取出相应的知识，以预测大坝安全监测效应量的未来测值，供大坝安全决策支持用。环境量（库水位、气温、降雨等信息）学习和记忆效应量（位移、扬压力、渗流量等信息）输入输出人工神经网络 智能工程应用实例数据挖掘技术的应用利用人工神经网络方法，将有关大坝安全的环境量（如库水位、气温大坝安全决策支持系统就其推理的过程而言，实际上也是一种模糊系统，而基于遗传算法的数据挖掘技术可用于对模糊控制规则的学习，利用遗传算法可学习隶属度函数，从而更好地改进模糊系统的性能；此外，还可用于调整人工神经网络的连接权，等等。决策支持系统（模糊系统）改进模糊系统性能调整神经网络连接权遗传算法遗传算法 智能工程应用实例数据挖掘技术的应用 大坝安全决策支持系统就其推理的过程而言，实际上也是一种模决策树方法是利用信息论中的互信息寻找数据库中具有最大信息量的属性字段，建立决策树的一个节点，再根据该属性字段的不同取值建立树的分支；在每个分支子集中重复建立树的下层节点和分支的过程。属性A属性c属性b属性b2属性b1属性a决策树方法 智能工程应用实例数据挖掘技术的应用 决策树方法是利用信息论中的互信息寻找数据库中具有最大信息量定义问题提取数据预处理数据提取知识评价知识 智能工程应用实例数据挖掘技术的应用数据挖掘逻辑结构定义问题提取数据预处理数据提取知识评价知识 智能工程应 智能工程应用实例数据挖掘技术的应用数据挖掘逻辑结构知识数据源选择预处理数据挖掘转换解释，评价数据准备处理后数据转换后数据模式数据挖掘挖掘结果目标数据 智能工程应用实例数据挖掘技术的应用数据挖掘逻辑结构知传统的安全决策支持系统收集检测数据建立数学模型分析评价缺点：过于依赖模型 智能工程应用实例数据挖掘技术的应用在大坝安全决策支持系统中的应用传统的安全决策支持系统收集检测数据建立数学模型分析评价缺点：为分析某大坝的垂直位移测值序列（1998年4月9日-2005年6月30日）在2001年产生突变的物理成因，利用数据挖掘进行了以下工作：某大坝沉降序列 智能工程应用实例数据挖掘技术的应用在大坝安全决策支持系统中的应用为分析某大坝的垂直位移测值序列（1998年4月9日-2005得出结论根据巡查资料，该地有地震发生，推断出该情况是由特殊荷载所致数据挖掘排除了环境变化、基点受干扰、大规模施工的影响数据集成将大坝数据、坝址环境量测值集成于数据库 智能工程应用实例数据挖掘技术的应用在大坝安全决策支持系统中的应用数据集成将大坝数据、坝址环境量测值集成于数据库数据挖掘排除了Thanks for Your AttentionThanks for Your