Untitled TRƯỜNG ĐẠI HỌC ĐIỆN LỰC KHOA CÔNG NGHỆ THÔNG TIN BÁO CÁO CHUYÊN ĐỀ HỌC PHẦN HỆ CHUYÊN GIA Đề tài HỆ CHUYÊN GIA CHUẨN ĐOÁN BỆNH Ở GÀ SỬ DỤNG PHƯƠNG PHÁP SUY DIỄN MỜ Sinh viên thực hiện Vũ Xuân[.]
lOMoARcPSD|18034504 TRƯỜNG ĐẠI HỌC ĐIỆN LỰC KHOA CÔNG NGHỆ THÔNG TIN BÁO CÁO CHUYÊN ĐỀ HỌC PHẦN HỆ CHUYÊN GIA Đề tài: HỆ CHUYÊN GIA CHUẨN ĐOÁN BỆNH Ở GÀ SỬ DỤNG PHƯƠNG PHÁP SUY DIỄN MỜ Sinh viên thực :Vũ Xuân Linh Dương Tiến Đức Giảng viên hướng dẫn : VŨ VĂN ĐỊNH Ngành : CÔNG NGHỆ THÔNG TIN Chuyên ngành : CÔNG NGHỆ PHẦN MỀM Lớp : D13CNPM2 Khóa : 2018 – 2023 Hà Nội, tháng 11 năm 2021 PHIẾU CHẤM ĐIỂM Sinh viên thực hiện: Họ tên Điểm Chữ ký lOMoARcPSD|18034504 LÊ NGỌC AN 18810310143 Giảng viên chấm: Họ tên Ghi Giảng viên chấm : Giảng viên chấm : MỤC LỤC Chữ ký lOMoARcPSD|18034504 LỜI CẢM ƠN Trên thực tế, thành cơng mà khơng gắn liền với hỗ trợ, giúp đỡ dù hay nhiều, dù trực tiếp hay gián tiếp người khác Trong suốt thười gian từ bắt đầu học tập giảng đường Đại học đến nay, chúng em nhận nhiều quan tâm, giúp đỡ thầy cơ, gia đình bạn bè Với lòng biết ơn sâu sắc nhất, em xin gửi đến thầy cô Khoa Công Nghệ Thông Tin - Trường Đại Học Điện Lực với tri thức tâm huyết để truyền đạt vốn kiến thức quý báu cho chúng em thời gian học tập trường Và đặc biệt, kỳ này, em tiếp cận với mơn học hữu ích sinh viên ngành Cơng Nghệ Thơng Tin Đó mơn:“Hệ chuyên gia” Chúng em xin chân thành cảm ơn thầy Vũ Văn định tận tâm hướng dẫn chúng em qua buổi học lớp buổi nói chuyện, thảo luận mơn học Trong thời gian học tập thực hành hướng dẫn thầy, em thu nhiều kiến thức bổ ích, mà cịn truyền say mê thích thú mơn :“ Hệ chun gia” Mặc dù cố gắng hoàn thiện báo cáo với tất nỗ lực, lOMoARcPSD|18034504 nhiên, bước đầu vào thực tế, tìm hiểu xây dựng báo cáo thời gian có hạn, kiến thức hạn chế, nhiều bỡ ngỡ, nên báo cáo “Hệ chuyên gia chuẩn đoán bệnh gà sử dụng phương pháp suy diễn mờ” chắn tránh khỏi thiếu sót Chúng em mong nhận quan tâm, thơng cảm đóng góp q báu thầy bạn để báo cáo hoàn thiện Trân trọng CHƯƠNG I: TỔNG QUAN VỀ HỆ CHUYÊN GIA 1.1 Hê ̣ chuyên gia gì ? Hê ̣ chuyên gia mơ ̣t phần mềm máy tính có khả giải mơ ̣t tốn với trình ̣ mô ̣t chuyên gia Hê ̣ chuyên gia = CSTT + Đô ̣ng Cơ Suy Diễn 1.2 Xây dựng Hê ̣ chuyên gia Để xây dựng ̣ chuyên gia cần tham gia chuyên gia, lâ ̣p trình viên kỹ sư xử lý tri thức * Có cách để xây dựng ̣ chuyên gia ứng dụng: - Xây dựng ̣ chuyên gia từ đầu : cần kết hợp nỗ lực chuyên gia, kỹ sư tri thức lâ ̣p trình viên Họ làm viê ̣c kết xay dựng HCG - Xây dựng HCG dựa phần mềm sẵn có ( Shell Expert System): Trong trường hợp không cấn tham gia lâ ̣p trình viên 1.3 Lịch sử HCG Năm Các kiên 1943 Dịch vụ bưu điê ̣n lOMoARcPSD|18034504 Mơ hình neuro McCulloch Pitts 1954 Th ̣t toán Markov điều khiển thực thi luâ ̣t 1956 Hơ ̣i thảo Dartmouth; lý l ̣n logic; tìm kiếm kinh nghiê ̣m; thuâ ̣t ngữ trí tuê ̣ nhân tạo 1957 Rosenblatt phát minh khả nhâ ̣n thức; Newell,Shaw simon để xuất giải toán tổng quát 1957 Bắt đầu “ Chương trình giải tốn tổng qt” (GPS) 1958 Mc Carthy đề cuất ngơn ngữ trí tuê ̣ nhân tạo LISA 1962 Nguyên lý Rosenblatt chức thần kinh nhâ ̣n thức 1965 Phương pháp hợp giải RoBinSon.Ứng dụng logic mờ suy luâ ̣n đối tượng mờ Zadel Xây dựng HCG nha khoa DENDRAL 1968 Mjang ngữ nghĩa, mơ hình bơ ̣ nhớ kết hợp Quillian 1969 Hê ̣ chuyên gia toán học MACSYMA 1970 Ứng dụng ngôn ngữ ProLog 1973 Hê ̣ chuyên gia MYCIN dành cho chuẩn đoán ý học 1975 Lý thuyết khung, biểu diễn tri thức (mycin) 1976 Ứng dụng HCG PROSPECTOR khai thác hầm mỏ 1977 Sử dụng ngôn ngữ OPS ̣ chuyên gia XCON/R1 1979 Thuâ ̣t toán mạng so khớp nhanh, thương mại hóa ứng dụng trí t ̣ nhân tạo 1980 Kí hiê ̣u học, xây dựng máy LISP từ LMI 1982 HCG toán học; mạng nơ-ron Hopfiel; duej án xây dựng máy lOMoARcPSD|18034504 tính thơng minh ̣ thứ Nhâ ̣t Bản 1983 Công cụ phục vụ HCG KEE 1985 Công cụ phục vụ HCG CLIPS 1.4 Đă ̣c trưng ̣ chuyên gia Hê ̣ chuyên gia gồm đă ̣c trưng sau: * Tách tri thức khỏi điều khiển: HCG= CSTT + MTSD ↓ ↓ Đô ̣c lâ ̣p (GT = CSTT + GT) < phụ th ̣c> * Có tri thức chun gia: * Tâ ̣p trung nguồn chuyên gia: Hầu hết chuyên gia giỏi giải toán lĩnh vực họ.Tuy nhiên chun gia khơng giải tốn khơng th ̣c lĩnh vực vủa họ.HCG tương tự vâ ̣y chỉnh tinh thân vấn đề huấn luyê ̣n, vấn đề bên ngồi khó có khả giải Mơ ̣t khó khăn chung phát triển ̣ chuyên gia thu nạp tri thức đề giải tốn khó Các dự án chun gia thành công trực tiếp hướng tới tri thức chuyên sâu biết Mô ̣t phương án khác chia toán ban đầu thành toán nhỏ Tuy nhiên toán lại khó giải ̣ mở rơ ̣ng phạm vi lĩnh vực * Lâ ̣p luâ ̣n dựa ký hiê ̣u: HCG biểu diên tri thức dạng ký hiê ̣u Ta có sử dụng ký lOMoARcPSD|18034504 hiê ̣u để biểu diễn nhiều dạng tri thức khác kiê ̣n hay luâ ̣t Vd: Sự kiê ̣n: Nam bị sốt biểu diên sốt(Nam) Luâ ̣t: Bị sốt uống thuốc asprin : sốt(X)uống(X,asprin) KL:uống(Nam,asprin) * Lâ ̣p luâ ̣n may rủi: Các chuyên gia tinh thông viê ̣c sử dụng kinh nghiê ̣m để giải mơ ̣t tốn xét mơ ̣t cách hiê ̣u Bằng kinh nghiê ̣m mà họ hiểu vấn đề qua thực tế giữ dạng may rủi Các trường hợp may rủi điển hình chuyên gia giải vấn đề mô ̣t số trường hợp: + Với vấn đề hỏng hóc tơ ln kiểm tra ̣ thống điê ̣n đầu tiên; + Hiếm người mă ̣c áo mùa hè; + Nếu gă ̣p ung thư ln kiểm tra lịch sử gia đình người bê ̣nh - Hầu hết TTNT thủa ban đầu áp dụng kỹ thuâ ̣t tìm kiếm may rủi giải vấn đề * Khả giải vấn đề bị hạn chế Trước HCG bắt đầu ta phải xét xem toán có giải hay khơng ? Nếu khơng có chun gia giải vấn đề ta khó hy vọng HCG giải tốt Nếu vấn đề hoă ̣c thay đổi q nhanh thực khơng có HCG giải Chỉ nên xấy dựng HCG xử lý toán mà chuyên gia giải * Đơ ̣ phức tạp tốn - Các tốn nên có lâ ̣p l ̣n khơng q dễ khơng q khó.Nói chung nhiê ̣m vụ dễ HC chi chạy vài phút lOMoARcPSD|18034504 không đánh giá công sực HCG ; cịn q khó tới mức khơng quản lý tầm chuyên gia Nếu đô ̣ phức tạp cao nên chia thành toán nhỏ hơn, tốn xây dựng mơ ̣t ̣ chuyên gia *Chấp nhâ ̣n sai lầm - Người ta coi HCG giải vấn đề chuyên gia, tức chấp nhâ ̣n ̣ thống có sai lầm Khi ta thấy rằng chương trình truyền thống có ưu HCG xét tổng thể người ta thấy ̣ chun gia sai có tính người hơn, thơng tin khơng xác hay mâu thuẫn - Các chương trình truyền thống thường giải tốn với thơng tin đầy đủ xác Nếu với toán thiếu liê ̣u hay khơng xác chương trình truyền thống kết “ tất hoă ̣c khơng có gì” cịn HCG cho kết l ̣n có lý, thâm chí tối ưu CHƯƠNG II: GIỚI THIỆU VỀ PHƯƠNG PHÁP SUY DIỄN MỜ 2.1 Giới thiệu phương pháp mờ • 2.1.1 Khái niệm logic mờ *Logic truyền thống Logic truyền thống chỉ quan tâm đến giá trị tuyệt đối (đúng sai) Logic truyền thống ln tn theo giả thuyết Một tính thành viên tập hợp: “Với phần tử tập hợp bất kì, phần tử tập hợp đó, thuộc phần bù tập đó” Giả thiết thứ hai định luật loại trừ trung gian: “Một phần tử vừa thuộc tập hợp vừa thuộc phần bù nó” *Logic mờ (Fuzzy logic) lOMoARcPSD|18034504 Logic mờ mở rộng logic nhi phân cổ điển Có tương ứng tập hợp cổ điển logic nhị phân, tập mờ logic mờ Logic mờ phương pháp ánh xạ không gian ngõ vào đến không gian ngõ Khái niệm thể qua ví dụ sau: • Nếu bạn cho biết độ dày quần áo máy giặt điều chỉnh thời gian giặt • Nếu bạn muốn nước nóng đến mức người ta điều chỉnh van cách hợp lý • Nếu bạn cho biết cần chụp ảnh vật xa người ta điều chỉnh độ hội tụ cho bạn… Hình 2.1.1 Biểu diễn khái niệm logic mờ Ở không gian ngõ vào độ dày quần áo, mức độ nước nóng khoảng cách vật cịn không gian ngõ thời gian giặt, điều chỉnh van nước, chỉnh độ hội tụ Giữa hai không gian hộp đen để thực phép ánh xạ Hộp đen hệ thống mờ, hệ thống chuyên gia, hệ thống tuyến tính, hệ phương trình vi phân hay mạng neuron… Như ta có nhiều cách để thực hộp đen mà hệ thống mờ cách thường dùng Người ta thường dung logic mờ chúng có ưu điểm sau: • Dễ hiểu • Linh hoạt • Cho phép thao tác với liệu khơng xác • Có thể mơ hình hóa hàm phi tuyến có độ phức tạp tùy ý • Có thể kết hợp với kỹ thuật điều khiển cổ điển • Tập mờ Cho X khơng gian nền, ví dụ: Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 • X= tập hợp sinh viên trường Đại học Điện Lực khóa D9 • A1= tập hợp sinh viên khoa Cơng nghệ thơng tin khóa D9 A1 tập rõ X • A2= tập hợp sinh viên giỏi C# khoa Công nghệ thơng tin khóa D9 A2 tập mờ X Gọi A tập mờ không gian X A xác định hàm: µA: X→[0,1] Trong đó: µA hàm thuộc cịn µA(x) độ thuộc x vào tập mờ A Người ta cịn ký hiệu: Hình 2.1.2 Biểu diễn ví dụ tập mờ • Mệnh đề mờ Hệ thống logic liên quan đến mệnh đề.Các mệnh đề xây dựng phát biểu đơn giản, chẳng hạn mệnh đề “Chiếc xe màu đỏ” Các mệnh đề phức tạp hình thành từ phát biểu đơn giản sử dụng phép kết nối logic phủ định, và, hoặc, … thì, … Ví dụ phát biểu “Chiếu xe màu đỏ chói bầu trời màu xanh nhạt” mệnh đề xây dựng bằng phép kết nối VÀ với biến ngôn ngữ màu sắc Trong logic mờ, người ta thường dùng phát biểu dạng mệnh đề có cấu trúc: NẾU (mệnh đề điều khiển)…… THÌ(mệnh đề kết luận) Hay (IF (clause)…… THEN (clause)) Ta ký hiệu : pq (từ p suy q) Ví dụ mệnh đề mờ sau: Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 NẾU nhiệt độ cao THÌ áp suất phải giảm thấp • Biến ngơn ngữ Các biến ngơn ngữ (ví dụ nhiệt độ) xác định thông qua tập giá trị mờ Ở đây, tập mờ mơ tả biến nhiệt độ “rất nóng”, “hơi nóng”, “trung bình”, “hơi lạnh” “rất lạnh” Chúng gọi tập ngơn ngữ, mang khoảng giá trị biến ngôn ngữ thể khơng gian U Hình ảnh 2.1.3 Biểu diễn biến ngôn ngữ Một biến ngôn ngữ biểu diễn (x, T(x),U,G,M) đó: • x tên biến ngơn ngữ Ví dụ :x = “nhiệt độ” • T(x) tập giá trị biến x định nghĩa U Ví dụ: T(nhiệt độ) = {rất lạnh, lạnh, trung bình, nóng, nóng} • U: khơng gian giá trị biến Ví dụ: U = [0,100] • G: tập luật cú pháp tạo phân tử T(x) Ví dụ: G phát sinh tên phần tử T (nhiệt độ) hồn tồn trực giác • M: tập luật ngữ nghĩa Ví dụ: Luật ngữ nghĩa M định nghĩa là: M(rất lạnh) = tập mờ tᵒC 0ᵒC có hàm thuộc µ(rất lạnh) M(hơi lạnh) = tập mờ tᵒC 10ᵒC có hàm thuộc µ(hơi lạnh) M(trung bình) = tập mờ tᵒC 20ᵒC có hàm thuộc µ(trung bình) M(hơi nóng) = tập mờ tᵒC 30ᵒC có hàm thuộc µ(hơi Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 nóng) M(rất nóng) = tập mờ tᵒC 40ᵒC có hàm thuc l à(rt núng) ã 2.1.2 Cu trỳc v hot động hệ chuyên gia mờ Hình ảnh 2.1.5 Cấu trúc hệ chuyên gia mờ • Cơ sở luật: chứa đựng tập luật mờ IF – THEN, thực chất tập phát biểu hay quy tắc mà người hiểu được, mơ tả hành vi hệ thống Hoạt động suy diễn mơ hình mờ • Bộ tham số mơ hình: quy định hình dạng hàm thuộc giá trị ngơn ngữ dùng để biểu diễn biến mờ luật mờ • Giá trị tham số đánh giá bằng kinh nghiệm chuyên gia người kết trình khai phá tri thức từ thực nghiệm Thông thường, sở luật tham số gọi chung sở tri thức • Cơ chế suy diễn: có nhiệm vụ thực thủ tục suy diễn mờ dựa sở tri thức giá trị đầu vào để đưa giá trị dự đoán đầu • Giao diện mờ hóa: thực chuyển đổi đầu vào rõ thành mức độ trực thuộc giá trị ngơn ngữ • Giao diện khử mờ: có khơng, thực chuyển đổi kết suy diễn mờ thành giá trị đầu rõ 2.2.Phương pháp logic mờ chuẩn đốn bệnh gà • 2.2.1.Chuẩn đốn y học dùng logic mờ • Thơng tin mờ Khi xây dựng hệ ch̉n đốn bệnh, máy tính phải xử lí loạt thơng tin mờ Ví dụ: mức độ đau “ít”, “hơi nhiều”, “nhiều”, “rất nhiều” thời gian đau “ngắn”, “khá lâu”, “lâu”, “rất lâu”… Hơn khái niệm biến đổi ch̉n đốn bênh khác tùy theo ý kiến bác sĩ khác Ví dụ: “sốt cao” bệnh sốt rét (trên 40 độ) khác với “sốt cao” bệnh lao phổi (trên 38 độ) sốt 40 Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 độ bác sĩ “sốt cao” chỉ “sốt cao” bác sĩ khác Do cần phải mơ hình hóa mập mờ để đưa vào máy tính, lĩnh vực mà lý thuyết tập mờ phát huy sức mạnh Nhờ lý thuyết mà đưa vào máy tính thơng tin khơng xác có dạng “rất”, “hơi hơi”, “khá”, “có lẽ”… để tính tốn • Mơ hình hóa q trình chuẩn đốn Các mơ hình tạo thành sở cho hệ chuyên gia y học nhằm giúp đỡ cá bác sĩ việc chuẩn đoán số bệnh đặc trưng Trong mơ hình ch̉n đốn bệnh, tri thức y học biểu diễn mối liên hệ mờ triệu chứng S (symptoms) loại bênh D (diseases) Gọi: • Tập mờ A triệu chứng quan sát bệnh nhân • Mối quan hệ R biểu diễn tri thức y học liên kết triệu chứng (tập S) với loại bệnh (tập D) • Tập mờ B bệnh khả dĩ xuất bệnh nhân B suy diễn bằng luật hợp thành sau: B =A R Hoặc B (d) = max [min(A(s), R(s,d))] , s S Đối với d D Độ phụ thuộc triệu chứng quan sát tập mờ A biểu diễn mức độ xác suất diện triệu chứng độ nghiêm trọng Độ phụ thuộc tập mờ B chỉ mức độ xác xuất bệnh mà bệnh nhân mắc phải Mối quan hệ mờ R tạo thành liên kết lớn liên Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 hệ mờ Q (trên tập bệnh nhân P cho sẵn triệu chứng S) mối liên hệ mờ T (trên tập bệnh nhân P loại bênh D) Chúng biểu diễn sau: T=Q R • Quy trình xử lý mờ • Nhập triệu chứng thu qua việc tìm hiểu bệnh trạng bằng hỏi đáp, quan sát, thăm khám trực tiếp bệnh nhân • Chương trình tính toán độ phụ thuộc triệu chứng bằng cách mờ hóa liệu đầu vào • Dựa độ phụ thuộc chúng, chương trình duyệt tồn tập luật để tìm giá trị ngõ mờ tương ứng theo nguyên tắc max – • Hệ thống tính tốn ta biết bệnh nhân có khả mắc bệnh nhiều mức độ trầm trọng CHƯƠNG 3: ỨNG DỤNG PHƯƠNG PHÁP SUY DIỄN MỜ VÀO TRONG CHUẨN ĐOÁN BỆNH 3.1 Phương pháp logic mờ chuẩn đoán bệnh gà • 3.1.1 Mơ tả thuật tốn logic mờ chuẩn đốn bệnh gà • Bước 1: Nhập liệu đầu vào: Khi bệnh nhân tới kê khai triệu chứng mà bệnh nhân mắc phải • Bước 2: Xử lý so sánh triệu chứng bệnh nhân kê khai với triệu chứng luật có hệ thống: So sánh triệu chứng bệnh nhân kê khai với triệu chứng Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 luật xem có trùng khơng, trùng lấy giá trị độ tin cậy triệu chứng làm liệu tính tốn, khơng trùng cho giá trị bằng • Bước 3: Tính giá trị tập vừa lấy từ so sánh triệu chứng • Bước 4: Duyệt xem kết tính tốn bên có luật bệnh xuất lần không Nếu xuất lần thực phép toán OR Abelian để tìm giá trị cho luật bệnh • Bước 5: Tìm giá trị lớn tập giá trị tính tốn bên kết luận bệnh đưa mức độ mắc bệnh cho bệnh nhân • 3.1.2 Suy luận khơng chắấc chắấn Trong thực tế, có nhiều tình phải rút kết luận từ bằng chứng xác định nghèo nàn không chắn thông qua việc sử dụng suy diễn không vững Ngay hệ chuyên gia chuẩn đoán bệnh vậy, chỉ đốn để đưa kết luận từ liệu thu thập mà khơng thể khẳng định rằng xác 100% Phía trên, xây dựng luật thể người dùng mắc bệnh họ có triệu chứng định Nhưng lúc người bệnh biểu hết tất triệu chứng đó, chí họ cịn gặp phải triệu chứng khác Vì vậy, để đưa kết luận thơng tin thu thập khơng chắn chúng em sử dụng thêm hệ số thể độ tin cậy triệu chứng bệnh cụ thể Hệ số nằm đoạn từ thể độ chắn mắc phải bệnh A gặp triệu chứng B Các kết luận hệ thống đưa dạng “có thể”, “rất có thể”, “gần chắn”, “chắc chắn” *Thanh đánh giá mức độ triệu chứng Trong y học, mối quan hệ xuất mờ triệu chứng xác định từ tài liệu y học chuyên khoa Vì tài liệu thường dùng dạng phát biểu “Triệu chứng A xảy ra” “Triệu chứng B xảy thường xuyên”… , nên người ta thường gán mức độ Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 triệu chứng bằng trị số khoảng [0,1] dạng trị số mờ để diễn tả ý nghĩa ngôn ngữ ln ln, thường thường, khơng đặc trưng, không 3.2 Thiết kế cài đặt chương trình • 3.2.1 Thiêất kê sở liệu *Bảng kiện *Bảng luật *Bảng luật kiện *Mô hình liệu quan hệ • 3.2.2 Thiêất kêấ giao diện Hình 3.2.2 Giao diện khởi động • 3.2.3 Form chuẩn đốn bệnh Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 Hình 3.2.3 Form chuẩn đốn bệnh • 3.2.4 Form quản lý kiện Hình 3.2.4 Form quản lý kiện • 3.2.5 Form quản lý luật Hình 3.2.5 Form quản lý luật KẾT LUẬN • Vấn đề đạt được: Xây dựng chương trình trợ giúp chẩn đốn bệnh vật ni với giao diện thân thiện, dễ sử dụng Bước đầu xây dựng hệ thống có đầy đủ chức cần thiết • Những điểm chưa đạt được: Do thời gian cịn hạn chế khả có hạn nên em chưa xây dựng hoàn chỉnh chương trình, phù hợp mức ứng dụng đơn giản, chưa phân quyền cho nhiều người quản trị • Hướng phát triển: • Xây dựng tập luật ch̉n đốn đa dạng hơn, chun sâu • Tích hợp thêm nhiều chức khác cho chương trình như: thống kê chuyên sâu bệnh nhân,… Do thời gian không cho phép nên đề tài em cịn nhiều thiếu sót Em xin chân thành cảm ơn dìu dắt, dạy bảo hướng dẫn tận tình thầy giáo suốt trình em thực đề tài Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 TÀI LIỆU THAM KHẢO [1].Dương Quang Thiện, Lập trình C#, NXB Thanh Niên, 2005 [2].Phạm Hữu Quang, Lập trình Form Windows, NXB Lao động xã hội, 2005 [3].PGS.TS.Phan Huy Khánh, Hệ chuyên gia [4].Website: https://123docz.net//document/4080318-he-chuyen-gia-chandoan-va-dieu-tri-mot-so-benh-thuong-gap-o-tre-em.htm [5].Website: https://nhachannuoi.vn Downloaded by vu ga (vuchinhhp2@gmail.com) ... “sốt cao? ?? bệnh lao phổi (trên 38 độ) sốt 40 Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 độ bác sĩ “sốt cao? ?? chỉ “sốt cao? ?? bác sĩ khác Do cần phải mơ hình h? ?a mập mờ để đ? ?a. .. THÌ(mệnh đề kết luận) Hay (IF (clause)…… THEN (clause)) Ta ký hiệu : pq (từ p suy q) Ví dụ mệnh đề mờ sau: Downloaded by vu ga (vuchinhhp2@gmail.com) lOMoARcPSD|18034504 NẾU nhiệt độ cao THÌ áp suất... tin kh? ?a D9 A1 tập rõ X • A2 = tập hợp sinh viên giỏi C# khoa Cơng nghệ thơng tin kh? ?a D9 A2 tập mờ X Gọi A tập mờ không gian X A xác định hàm: ? ?A: X→[0,1] Trong đó: ? ?A hàm thuộc cịn ? ?A( x) độ thuộc