Nội dung bài giảng Hệ chuyên gia gồm có 6 chương như sau: Chương I - Hệ chuyên gia, chương trình ứng dụng; Chương II - Biểu diễn tri thức; Chương III - Các kỹ thuật suy diễn và lập luận; Chương IV - Hệ hỗ trợ quyết định; Chương V - Máy học; Chương VI - Logic mờ và lập luận xấp xỉ. Mời các bạn cùng tham khảo.
BỘ GIAO THÔNG VẬN TẢI TRƯỜNG ĐẠI HỌC HÀNG HẢI BỘ MƠN: KHOA HỌC MÁY TÍNH KHOA: CƠNG NGHỆ THƠNG TIN BÀI GIẢNG HỆ CHUYÊN GIA TÊN HỌC PHẦN MÃ HỌC PHẦN TRÌNH ĐỘ ĐÀO TẠO DÙNG CHO SV NGÀNH : HỆ CHUYÊN GIA : 17213 : ĐẠI HỌC CHÍNH QUY : CƠNG NGHỆ THƠNG TIN HẢI PHỊNG - 2010 MỤC LỤC NỘI DUNG Mở đầu Chương 1: 1.1 1.2 1.3 Chương 2: 2.1 2.2 2.3 2.4 2.5 2.6 Chương 3: 3.1 3.2 3.3 3.4 3.5 Chương 4: 4.1 4.2 Chương 5: 5.1 5.2 Chương 6: 6.1 6.2 6.3 6.4 Tổng quan hệ chuyên gia Hệ chuyên gia - chƣơng trình ứng dụng (HCG - CTƢD) Cấu trúc hệ chuyên gia Ứng dụng hệ chuyên gia B i tập chƣơng Biễu diễn tri thức Mở đầu Dƣ thừa (Redundancy) Mâu thuẫn (consistency - inconsistency) Lƣu trữ CSTT Soạn thảo tri thức Cập nhật sửa đổi B i tập chƣơng Các kỹ thuật suy diễn lập luận Nhập môn Phân rã CSTT Mô tơ suy diễn Biểu diễn tri thức Logic vị từ v suy diễn Ứng dụng kỹ thuật suy diễn B i tập chƣơng Hệ hỗ trợ định Khái niệm hệ hỗ trợ định Cấu trúc hệ hỗ trợ định B i tập chƣơng Máy học Thế n o l máy học Học cách xây dựng định danh B i tập chƣơng Logic mờ lập luận xấp xỉ Biểu diễn tri thức logic vị từ Một số ví dụ Cơ chế suy diễn Biểu diễn tri thức logic mờ v suy diễn B i tập chƣơng Đề cƣơng ôn tập Đề thi mẫu TRANG 2 7 11 14 16 16 17 18 18 18 20 30 32 37 38 38 39 41 42 42 43 48 49 49 49 50 52 63 64 65 Tên học phần: Hệ chuyên gia Bộ môn phụ trách giảng dạy : Khoa học máy tính Mã học phần: 17213 TS tiết 60 Lý thuyết 45 Thực h nh/ Xemina Loại học phần : Khoa phụ trách: CNTT Tổng số TC: Tự học B i tập lớn 15 Đồ án môn học Điều kiện tiên quyết: Sinh viên phải nắm đƣợc ngơn ngữ lập trình v học môn TTNT Mục tiêu học phần: - Cung cấp kiến thức kỹ thuật biểu diễn v xử lý tri thức - Rèn luyện tƣ khoa học Nội dung chủ yếu: - Tổng quan hệ chuyên gia; - Biểu diễn tri thức v lập luận; - Hệ hỗ trợ định - Máy học; - Logic mờ v lập luận xấp xỉ; Nội dung chi tiết: Tên chương mục TS Phân phối số tiết LT BT Xemina 08 08 KT MỞ ĐẦU Chương I Hệ chuyên gia, chương trình ứng dụng 1.1 Hệ chuyên gia - chƣơng trình ứng dụng 03 1.2 Cấu trúc hệ chuyên gia 03 1.3 Ứng dụng hệ chuyên gia 02 Chương II Biểu diễn tri thức 08 08 2.1 Mở đầu 01 2.2 Dƣ thừa (Redundancy) 01 2.3 Mâu thuẫn (consistency - inconsistency) 01 2.4 Lƣu trữ CSTT 02 2.5 Soạn thảo tri thức 02 2.6 Cập nhật sửa đổi 01 Chương III Các kỹ thuật suy diễn lập luận 09 08 01 3.1 Nhập môn 01 3.2 Phân rã CSTT 02 3.3 Mô tơ suy diễn 01 3.4 Biểu diễn tri thức Logic vị từ v suy diễn 02 3.5 Ứng dụng kỹ thuật suy diễn 02 Chương IV Hệ hỗ trợ định 06 05 4.1 Khái niệm hệ hỗ trợ định 02 4.2 Cấu trúc hệ hỗ trợ định 03 Chương V Máy học 08 02 5.2 Học cách xây dựng định danh 06 06 05 6.1 Biểu diễn tri thức logic vị từ 01 6.2 Một số ví dụ 01 6.3 Cơ chế suy diễn 01 6.4 Biểu diễn tri thức logic mờ v suy diễn 02 Nhiệm vụ sinh viên: Lên lớp đầy đủ v chấp h nh quy định Nh trƣờng L m b i tập lớn hạn Tài liệu tham khảo: Nguyễn Thanh Thủy - Hệ Chuyên gia - Trƣờng Đại học Bách khoa H nội - 2002 Ho ng Kiếm - Các hệ sở tri thức - Nh xuất ĐHQG TPHCM - 2002 JohnDurkin - Expert systems - NXB Prentic Hall - 1994 Hình thức tiêu chuẩn đánh giá sinh viên: - Thi viết rọc phách, thời gian l m b i: 60 phút Thang điểm : Thang điểm chữ A,B,C,D,F Điểm đánh giá học phần: Z=0,3X+0,7Y B i giảng n y l t i liệu thức thống Bộ mơn Khoa học máy tính, Khoa Cơng nghệ thong tin v đƣợc dùng để giảng dạy cho sinh viên Ngày phê duyệt: / /2010 Trưởng Bộ môn: (ký ghi rõ họ tên) 01 01 08 5.1 Thế n o l máy học Chương VI Logic mờ lập luận xấp xỉ 01 01 01 Mở đầu Ng y việc ứng dụng công nghệ kĩ thuật cao v o đời sống l đòi hỏi thiết Một lĩnh vực l trí tuệ nhân tạo, m phần quan trọng l Hệ chuyên gia Vậy hệ chuyên gia l gì? Theo giáo sƣ Edward Feigenbaum trƣờng đại học STANFORD , ông l chuyên gia đầu ng nh hệ chuyên gia cho rằng: Hệ chuyên gia l hệ thống chƣơng trình máy tính chứa thơng tin tri thức v trình suy diễn lĩnh vực cụ thể n o dể giải b i tốn khó m dịi hỏi un bác chuyên gia ngành Một cách khác ta thấy: Hệ chuyên gia = CSTT + MTSD + GD + Modul hỏi đáp + Thu nhận tri thức Các vấn đề hệ chuyên gia: Quản trị tri thức Môtơ - suy diễn: Sd thông thƣờng Sd với Metaknowledge Sd không chắn Sd xấp xỉ logic xác suất Logic mờ Giao diện Hỏi đáp KDD : thu nạp (phát hiện) tri thức từ liệu HCG phân tán Chương 1: Tổng quan hệ chuyên gia 1.1 Hệ chuyên gia - chương trình ứng dụng (HCG - CTƯD) Khái niệm: Hệ chuyên gia (HCG ) l chƣơng trình ứng dụng (CTƢD) khai thác sở tri thức (CSTT) thu nạp từ nguồn tri thức chuyên môn dựa việc sử dụng chế suy diễn để giải b i tốn tƣ vấn KHĨ đạt trình độ cỡ nhƣ CHUYÊN GIA LÂU NĂM LÀNH NGHỀ i) Ta có sơ đồ mơ tả nhƣ sau: HCGƢD = CSTT + MTSD (BDTT) Nguồn tri thức Chuyên gia NSD T i liệu chuyên môn Qua sơ đồ ta thấy: Một chƣơng trình ứng dụng đƣợc xây dựng dựa CSTT v (MTSD) mô tơ suy diễn Trong CSTT đƣợc lấy từ nguồn tri thức Có hai loại l xin ý kiến từ chuyên gia lĩnh vực đó, lấy theo cách thứ hai l tổng hợp từ t i liệu chun mơn Cịn MTSD phụ thuộc v o ngƣời dùng ngƣời dùng đƣa ii) Vai trò kỹ sƣ tri thức (knowledge Engineer) Lĩnh vực CM Tin học SUPER Super Nhà c/m Super Super LTV Super Analyzer SUPER C gia S LTV Super Kĩ sƣ TT Super Xd HT3QL XD HCG iii) Xây dựng hệ chuyên gia Sau xét trò nhân tố mục ta thấy để xây dựng hệ chun gia cần có tham gia nhân tố v kết hợp họ tiến h nh thời gian d i( long-term) Các nhân tố bao gồm: - CGia - LTV - Kĩ sƣ tri thức iv) Hai phƣơng cách xây dựng hệ chuyyên gia ứng dụng Cách 1: Với cách n y có kết hợp v nỗ lực giũa chuyên gia, kĩ sƣ tri thức lập trình viên Họ l m việc kết l xây dựng hệ chuyên gia HCGƯD = ∑ nỗ lực (CGia + KSTT + LTV) Cognitive Engineering Cách 2: Trong cách khơng có tham gia Lập trình viên HCGƯD = ∑ nỗ lực (CGia + KSTT) + CÔNG CỤ ES Generation Shell ES KBMS ES Building to Empty ES v) Hệ tri thức(knowledge system) Tri thức đƣợc thu nạp từ nhiều nguồn khác nhƣ là: +T i liệu +KDD +Knowledge Base System +Knowledge Base System : Hệ thống l m việc sở tri thức vi) Hệ chuyên gia nhằm giải b i tốn tƣ vấn (consultation) khó vii) Hệ chuyên gia phải đạt trình độ cao HTTTQL HCG Nhiều thơng tin Ít Nhanh Chậm Chính xác KCX SUPER cross - validation 1.2 Cấu trúc hệ chuyên gia Phiên tƣ vấn chuyên gia Tập tin (1) Ngày, giờ, tháng, năm, giới tính SD (3) TT(2) user Expert Kluận/ tƣ vấn (1) (0) Phiên thu nạp tri.thức : off - line (1) Phiên hỏi: để lấy thông tin (2) Suy diễn On - line (3) Giải đáp NSD C.Gia Giao diện (1) KSTT Soạn thảo tri thức (5) Mô tơ suy diễn (3) Các chế Các sử dụng chế ĐK Giải thích (4) CSTT(2 ) CSDL KDD CS luật l.vực Cs kiện (NSD) L Phân tích (If … then) HCG = +(2 + 3) + + + Kenel(nhân) Ví dụ: (1) Đánh cờ i) CHƢƠNG TRÌNH CỜ = CTDL + Thuật giải Heuristic ii) Cẩm nang If cờ Then quân (2) Hệ Tử vi (3) Hệ khám bệnh 1.3 Ứng dụng hệ chuyên gia Hiên hệ chuyên gia đƣợc ứng dụng nhiều lĩnh vực khác nhau: ví dụ nhƣ cơng nghệp, nơng nghiệp, khoa học máy tính, thƣơng mại khí tƣợng, y học, quân sự, hoá học Đặ biệt giai đoạn gần việc ứng dụng hệ chuyên gia vào lĩnh vực giáo dục đ o tạo đƣợc phát triển mạnh Ở đâu cần tƣ vấn xây dựng hệ chuyên gia nên phải * Các dạng b i toán (Sự tƣ vấn) - Diễn giải (Interpretation): Đƣa mơ tả tình liệu thu thập đƣợc - Dự báo (Hediction): đƣa hậu tình đó, nhƣ dự báo thời tiết, dự báo giá thị trƣờng - Chuẩn đoán (Diagnosis): Xác định lỗi , phận hỏng hóc hệ thống dựa liệu quan sát đƣợc (Khi hệ thống hoạt động khơng bình thƣờng) - Gỡ rối (Debugging): Mô tả phƣơng pháp khắc phục hệ thống gặp cố 5 - Thiết kế : lựa chọn cấu hình đói tƣợng nhằm thoả mãn số ràng buộc đó: x: CAD Intelligent (x) : CAD - Giảng dạy : Phần mềm dạy học, chuẩn đốn sủa lỗi học sinh trình học tập - Multimedia - Internet Bài tập chương 1: Câu 1: Hệ chun gia l gì? Cho ví dụ? Câu 2: Trình b y cấu trúc hệ chuyên gia thực tế Câu 3: Liệt kê hệ chuyên gia đƣợc ứng dụng thực tế (tối thiểu hệ) A~ ( x) +) với x (0,25) +) với x (26,32) +) 0,7 với x (33,38) +) 0,2 với x (39,45) +) với x> 45 6.4.2 Các phép toán tập mờ: Cho tập ( tập vũ trụ ) U ( Universer Set) ~ Một tập mờ A U đƣợc mô tả h m thuộc ( mebership function) A : U 0,1 A U S= {x/ A ( x) } Tập giá đỡ K={x/ A ( x) 1} Tập core A x / A Một số dạng thƣờng gặp: Dạng 1: a A (x) +) b c xc ~ A (a, b, c) Số mờ Dạng a b c d ~ A = (a, b, c, d) ~ ~ Tập mờ A l tập theo nghĩa thông thƣờng nên quan niệm A phải định nghĩa theo h m thuộc Do khơng biểu diễn biểu đồ Ven m biểu biểu diễn đồ thị Hợp tập mờ Cho hai tập mờ A, B với A B l hai h m thuộc tƣơng ứng Từ ta xây dựng ~ ~ 1) A B ~ C C ( x) AB ( x) max( A ( x); B ( x) ) 54 Chú thích: lấy tất phần đồ thị Khi hợp hai tập mờ l tập rõ ~ ~ ~ AB C 2) C ( x) AB ( x) ( A ( x); B ( x) ) Chú thích: Bây ta lấy to n phần dƣới 3) Phần bù: ~ ~ A với A ( x) phần bù l : A ~ +) A có h m thuộc: A ( x) A ( x) 4) Hiệu hai tập hợp: ~ ~ ~ ~ +) A \ B A B 5) Hai tập mờ nhau: ~ ~ A B A B x : A ( x) B ( x) Các tính chất: Tính giao hốn ~ ~ ~ ~ AB B A ~ ~ ~ ~ AB B A Tính kết hợp : ~ ~ ~ ~ ~ ~ (A B) C A (B) C) ~ ~ ~ ~ ~ ~ (A B) C A (B) C) Tính lũy đẳng : ~ ~ ~ A A A ~ ~ ~ A A A ~ ~ ~ ~ ( A B ) A A 55 ~ ~ ~ ~ ( A B ) A A Tính phân phối : ~ ~ ~ ~ ~ ~ ~ A ( B C ) ( A B )( A C ) ~ ~ ~ ~ ~ ~ ~ A ( B C ) ( A B )( A C ) Tính chất khác : ~ ~ ~ A ~ A u~ u~ ~ u~ ~ u~ ~ ~ AA ~ ~ AA ~ u ~ ~ ~ ~ A B A B Ví dụ : ~ A {(a, 0.1), (b, 0.2), (c, 0.3), (d, 0.4)} ~ A {(a, 0.9), (b, 0.8), (c, 0.7), (d, 0.6)} ~ ~ A A { (a, 0.1, (b, 0.2), (c, 0.3), (d, 0.4), (a, 0.9), (b, 0.8), (c, 0.7), (d, 0.6)} Nhận xét : - L Zadel (max, min, 1-) *) MỞ RỘNG PHÉP TOÁN TẬP MỜ - A B ( x ) s( A ( x ), B ( x )) Hàm s t – conorm : s : [0, 1] x [0, 1] → [0, 1] - A B ( x ) t( A ( x ), B ( x )) Hàm t t – norm : s : [0, 1] x [0, 1] → [0, 1] - Hàm t – conorm thỏa mãn tính chất : + s(x, y) = s(y, x) + s(s(x, y), z) = s(x, s(y, z)) s( x , ) + s( x ,0 ) x - Hàm t – norm thỏa mãn tính chất : + t(x, y) = t(y, x) + t(s(x, y), z) = t(x, s(y, z)) t( x , ) x + t( x , ) Ví dụ : s(x, y) = x + y - xy 56 t(x, y) = xy → Kiểm tra : Giao hoán : hiển nhiên Kết hợp : Hàm s : s (x, s(y, z)) x y z xy yz zx xyz s ( x , s ( x , y )) s ( s ( x , y ), z ) s (s (x, y), z) x y z xy yz zx xyz Hàm t : → hiển nhiên Tính chất cuối : s( x , ) t( x , ) x s( x ,0 ) x t( x ,0 ) - Bộ ba : (s, t, n) ; A ( x ) n( A ( x ) n : [ 0,1] [ 0,1] + ; Hàm negation : n( ) n( ) n(n(x)) = x Đơn điệu : x y → n(x) n(y) Ví dụ : hàm – x - Bộ ba : (s, t, n) → thích hợp : s (x, t (y, z)) = t (s (x, y), s (x, z)) t (x, s (y, z)) = s (t (x, y), t (x, z)) n ( s (x, y)) = t (n (x), n (y)) n ( t (x, y)) = s (n (x), n (y)) 6.4.3 Biểu diễn tri thức mờ : - Dạng luật : If X1 = v1 X2 = v2 Xn = then Y = v + vi , v : l giá trị ngôn ngữ - Mờ hóa : ~ ~ ~ ~ B If X A1 X A2 X n An then Y V U1 U2 Un *) xét X = A → Y = B - Logic kinh điển : A → B ≡ A B U = {x1, xn} = tập vũ trụ/nền A V = {y1, yn} = tập vũ trụ/nền B - Luật mờ ≡ quan hệ mờ ≡ tập mờ U x V Luật mờ → vectơ : A ~ μA 57 Tập mờ → ma trận X = ( μ1*, μ2* , , μn* ) Y = ( μ1B, μ2B, , , μnB ) μiA = μA (xi) μjB = μB (yj) If X = x1 then Y = y1 If X = x2 then Y = ym If X = xn then Y = y1 If X = xn then Y = ym μ11 μ1m μn1 μnm → ma trận n x m → từ luật X = A → Y = B, ta có n x m luật, luật có độ chắn n o ( có khoảng 37 cách khác nhau) Ví dụ : - Nguyên tắc tính : μij = s (n (μiA , μjB )) - Nếu có luật : If x = V then Y = U → Ma trận : x1 x2 xn y1 μ11 μ21 μn1 y2 μ12 μ22 μn2 - Ngyên tắc tính khác : μij = μiA μjB μij = (μiA , μjB ) - Nếu có nhiều luật : If X = A Y = B then Z = C ym μ1m μ2m μnm RC/A, B = RC/A RC/B If X = A If Y = B then Z = C then Z = C RC/A RC/B - μijR = (μiR , μjR) 58 Ví dụ : X=A→Y=B A = (0.1, 0.3, 0.6) B = (0.1, 0.3, 0.2) (Min) 0.1 0.1 0.1 (Product) 0.07 0.03 0.02 Xét 0.3 0.2 0.2 0.21 0.03 0.06 0.6 0.3 0.2 0.42 0.18 0.12 ( ) 0.9 0.9 0.9 0.7 0.7 0.7 0.7 0.4 0.4 - Tri thức mờ ≡ Luật mờ : If x1 = A1 A2 An then Y B V U1 U2 Un Quan hệ mờ U1 Un V : Tập mờ U1 x U2 x x Un x V If X = A then Y = B RB/A tập mờ U x V B / A : U x V [ 0, 1] B / A ( u , v ) [ 0, 1] Tập A U A : U [ 0, 1] A ( u ) [ 0, 1] Tập B V B : V [ 0, 1] B ( v ) [ 0, ] B / A = ₣(μA, μB) có hai dạng : ₣(x, y) = xy ₣(x, y) = min(x, y) A → B ≡ AB ₣(x, y) = s(m(x), y) Chú ý : max s ( x, y ) (kéo theo) t ( x, y ) – 1–x n (x) max( A , B ) 7.4 Suy diễn mờ (Fuzzy Inference) Cho tập luật : R = { r1, r2, , rm} ri : lefti → qi ~ ~ ~ ~ ri : X A1 X A2 X n An Y B → tri thức lĩnh vực Biết : ~ ~ ~ GT (giả thiết) = { U1 C1 , U C2 , ,U l Cl } → 59 Cần xác định : ~ ~ ~ KL (kết luận) = { V1 D1 , V2 D2 , ,Vk Dk } Suy diễn : l m n o xác định đƣợc D , D , , D ? k D = ₣ ( r , r , , r ; e , e , , e ) R GT - Procedure SD ( R : set of rules ; GT, KL : set of facts ; var KQ : Boolen ; vet : set of rules ) - GT KL i m l ~ ~ ~ ~ X A1 X A2 X n An Y B ~ ~ ~ X 1 A1 X 2 A2 X n An Y B - Xét : B F ( r , A , , A ) n ~ ~ If X A then Y B ~ X A ~ Y B B A RB / A RB / A A B ( 1 , 2 , , n ) 11 12 21 22 n1 n 1m m nm ~ A l tập mờ U = { x1, x2, , xn} ~ B l tập mờ V = { y1, y2, , yn} i A ( xi ) j B ( y j ) n k 1 k kj mờ max (min ( k , kj )) ~ ~ If X Ai then Y Bi 60 ~ X A ~ Y B B max ( A RBi / Ai ) Vét cạn *) B i toán : Cho số luật → tạo hình thức để duyệt luật không vét cạn hay không ? + Heuristic (TTNT) + GT di truyền ~ ~ ~ ~ If X A1 X A2 X n An then Y B ~ ~ ~ X 1 A1 X 2 A2 X n An ~ Y B B ( A1 , A2 , , An ) RB~ / A1 , , An ~ ~ If X i Ai then Y B ~ X Ai ~ Y B ; ~ Y B n ~ B i i 1 ~ ~ ~ If X A1 X A2 then Y B ~ X A ~ Y B ; ~ Y B n ~ B i i 1 +) Đơn luật +) Đa luật +) Đơn luật Đơn điều kiện Đơn điều kiện : Vét cạn Đa điều kiện : trực tiếp gián tiếp +) Đa luật Đa điều kiện : Vét cạn AND : OR : *) Suy diễn mờ = áp dụng liên tiếp nhiều lần Modus Ponen (Fred Forward) Ví dụ : If If If If X = A1 X = A2 X = B3 X = B4 then then then then Y = B1 Y = B2 Z = C3 Z = C4 61 If X = A5 then Z = C5 If X = A6 then Y = B1 If X = A1 Y = B6 then Z = C7 (bỏ qua luật n y chƣa xét) Tập X : U = {1, 2, 3} Tập Y : V = {A, b} Tập Z : W = {+, –} MB / A (0.6 ; 0.2 ; 0.1) MC (0.6 ; 0.6) a B MB 0.6 0.3 0.2 0.5 0.9 0.1 / A2 MC / A / B3 a b 0.2 0.9 0.3 0.7 a b 0.7 0.4 0.3 0.8 0.3 0.6 a b 0.1 0.3 0.9 0.2 0.4 0.3 MC a b / B4 a 0.6 0.8 b 0.7 0.5 Đồ thị : X Y Z (DAG) ` x = A0 = (0.6, 0.2, 0.1) *) Áp dụng nguyên tắc : - MP (r1 , A ) Y (0.6, 0.5) Y (0.6, 0.6) B0 - MP (r2 , A ) Y (0.6, 0.6) - MP (r3 , B0 ) Z (0.6, 0.6) Z (0.6, 0.6) C - MP (r4 , B0 ) Z (0.6, 0.6) - MP (r1 , A ) Z (0.2, 0.2) max Z = (0.6, 0.6) *) - MP (r1 , A ) Y (0.6, 0.5) B10 - MP (r3 , B10 ) Z (0.6, 0.5) (0.6, 0.6) - MP (r4 , B10 ) Z (0.6, 0.6) - MP (r2 , A ) Y (0.6, 0.6) B02 - MP (r3 , B 02 ) Z (0.6, 0.6) (0.6, 0.6) - MP (r4 , B 02 ) Z (0.6, 0.6) 62 - MP (r5 , A ) (0.2, 0.2) Z (0.6, 0.6) Chứng minh : Tổng kết : Biẻu diễn tập mờ → số mờ & thao tác Nghiên cứu : t – norm : t – conorm : n(.) : not ₣ (x, y) : Mâu thuẫn : tƣờng minh không tƣờng minh ( chƣa có TLTK tự tìm hiểu ) Dƣ thừa (trong tập luật) Duyệt / Áp dụng không vét cạn Lựa chọn thể phép toán phù hợp Suy diễn thao tác trực tiếp (Linguistic Reasoning) Bài tập chương 6: B i 1: Trình b y ba tập mờ thực tế B i 2: Trình b y hai tập mờ thực tế, quan hệ mờ chúng B i 3: Biểu diễn hệ mờ gồm luật 63 Đề cương ôn tập Nắm vững cấu trúc v chi tiết th nh phần hệ chuyên gia Nắm vững phƣơng pháp biểu diễn tri thƣc Nắm vững phƣơng pháp lập luận Nắm vững khái niệm v cấu trúc hệ hỗ trợ định Nắm vững khái niệm máy học Phƣơng pháp xây dựng định danh Nắm vững logic mờ v lập luận xấp xỉ 64 Đề thi tham khảo: Đề 1: Câu (3 đ): Hệ chuyên gia gì? Hãy cho biết đặc trƣng hệ chuyên gia Câu (4 đ): Cho tập luật sau R = {r1, , r6} r1: a ^ b -> c r5: c ^ d -> e r2: b -> c r6: a ^ e -> f r3: b ^ h -> d r7: e ^ f -> m r4: a ^ c -> d a) Tập kiện {a, b} có l sở kiện tập kiện cho R không? b) Với GT = {a, b}, KL = {m} Hãy áp dụng kỹ thuật suy diễn để đƣa kết luận Câu (3 đ) Cho luật IF A THEN B với A = (0, 0.5, 0.6, 0.8, 0) B = (0, 0.5, 1, 0.5, 0.4), A' = (0, 0.5, 0, 0, 0) Tìm B' cách sử dụng suy diễn tích cực đại Đề 2: Câu (3 đ): Trong cấu trúc hệ chuyên gia Vì việc phân tách sở tri thức v chế lập luận (mô tơ suy diễn) l quan trọng? Câu (4 đ): Cho tập luật sau R = {r1, , r6} r1: b ^ c -> a r5: a ^ d -> e r2: b -> a r6: a ^ e -> k r3: a ^ h -> d r7: k ^ e -> x r4: a ^ c -> d a) Tập kiện {b, c} có l sở kiện tập kiện cho R không? b) Với GT = {b, c}, KL = {x} Hãy áp dụng kỹ thuật suy diễn để đƣa kết luận 65 Câu (3 đ) Cho luật IF A THEN B với A = (0, 0.5, 0.6, 0.8, 1) v B = (0, 0.5, 1, 0.5, 0), A' = (0, 0.5, 0, 0, 0) Tìm B' cách sử dụng suy diễn max - Đề 3: Câu (3 đ) a) Nêu đặc điểm hệ chuyên gia b) Ý nghĩa việc xây dựng hệ chuyên gia Câu (4 đ) Cho miền đối tƣợng có thuộc tính v có giá tri nhƣ sau: Tóc = {nhiều,ít} M u tóc ={trắng,đen,v ng} Dáng ngƣời ={cao, thấp,trung bình} Sử dụng vị từ logic để biểu diễn đối tƣợng n y Sử dụng phép toán tổng quát để định nghĩa không gian học đối tƣợng Xây dựng tập mẫu huấn luyện dƣơng P v âm N để học nhận dạng đối tƣợng l ngƣời có dáng ngƣời cao sử dụng giải thuật thảo luận Câu (3 đ) Xem xét câu sau đây: Hùng thích tất loại thực phẩm Táo l thực phẩm G l thực phẩm Bất thứ ngƣời ăn v khơng bị hại l thực phẩm Phong ăn đậu phọng v sống Lan ăn thứ Phong ăn Hãy biểu diễn kiện logic vị từ Chuyển đổi tiên đề câu sang mệnh đề Chứng minh Hùng thích ăn đậu phọng sử dụng phƣơng pháp hợp giải Sử dụng phƣơng pháp hợp giải để trả lời câu hỏi:”Lan ăn thực phẩm n o?” 66 Đề 4: Câu (3đ) a) Anh (chị) cho nhận xét Chƣơng trình = Cấu trúc liệu + Giải thuật Hệ chuyên gia = Cơ sở tri thức + mô tơ suy diễn b) Anh (chị) cho biết lý xây dựng hệ chuyên gia Câu (4đ) Sử dụng thuật toán Quinlan để rút quy luật cho ngƣời có đặc điểm n o có khả đỗ đại học không theo sở liệu bảng sau: Thứ tự Tên ngƣời Giáp Ất Bính Đinh Mậu Kỷ Canh Tân Bố mẹ đỗ Đại học Có Có Có Khơng Có Khơng Có Có Điều kiện kinh tế Trung bình Cao Thấp Thấp Trung bình Thấp Trung bình Thấp Học lực Giỏi Trung bình Trung bình Trung bình Khá Khá Khá Giỏi Có học thêm Khơng Có Có Khơng Có Khơng Có Có Kết Đỗ Không Không Không Đỗ Không Đỗ Đỗ Câu (3đ) Cho Ω = {1, 2, 3, 4, 5} A, B l tập mờ Ω nhƣ sau: A = {(1,0), (2,1), (3,0.5), (4,0.3), (5,0.2)} B = {(1,0), (2,0.5), (3,0.7), (4,0.2), (5,0.4)} Hãy tính: A∩B, B∩Ac, A∪B 67 ... 5.1 5.2 Chương 6: 6.1 6.2 6.3 6.4 Tổng quan hệ chuyên gia Hệ chuyên gia - chƣơng trình ứng dụng (HCG - CTƢD) Cấu trúc hệ chuyên gia Ứng dụng hệ chuyên gia B i tập chƣơng Biễu diễn tri thức Mở đầu... Nguyễn Thanh Thủy - Hệ Chuyên gia - Trƣờng Đại học Bách khoa H nội - 2002 Ho ng Kiếm - Các hệ sở tri thức - Nh xuất ĐHQG TPHCM - 2002 JohnDurkin - Expert systems - NXB Prentic Hall - 1994 Hình thức... mờ Giao diện Hỏi đáp KDD : thu nạp (phát hiện) tri thức từ liệu HCG phân tán Chương 1: Tổng quan hệ chuyên gia 1.1 Hệ chuyên gia - chương trình ứng dụng (HCG - CTƯD) Khái niệm: Hệ chuyên gia