Mục lục Chương 1 TỔNG QUẢN VỀ HỆ CHUYÊN GIA 3 1 1 Hệ chuyên gia là gì? 3 1 2 Cấu trúc 3 1 2 1 Bộ giao diện người máy 4 1 2 2 Mô tơ suy diễn 4 1 2 3 Cơ sở tri thức 4 1 2 4 Bộ giải thích 4 1 2 5 Bộ tiếp[.]
Mục lục Chương 1: TỔNG QUẢN VỀ HỆ CHUYÊN GIA 1.1 Hệ chuyên gia gì? .3 1.2 Cấu trúc 1.2.1 Bộ giao diện người máy 1.2.2 Mô tơ suy diễn 1.2.3 Cơ sở tri thức .4 1.2.4 Bộ giải thích 1.2.5 Bộ tiếp nhận tri thức 1.2.6 Bộ nhớ làm việc 1.3 Các lĩnh vực ứng dụng Chương 2: LOGIC MỜ .7 2.1 Tập rõ, tập mờ 2.1.1 Các khái niệm 2.2 Các phép toán tập mờ .10 2.3 Suy diễn mờ .11 2.3.1 Biểu diễn tri thức kiện mờ, luật 11 2.3.2 Suy diễn mờ .12 2.4 Quy trình giải tốn logic mờ 13 Chương 3: XÂY DỰNG ỨNG DỤNG 18 3.1 Phát biểu toán 18 3.2 Thiết kế chương trình 18 3.3 Hình ảnh minh họa 26 KẾT LUẬN .35 TÀI LIỆU THAM KHẢO .36 Chương 1: TỔNG QUẢN VỀ HỆ CHUYÊN GIA 1.1 Hệ chuyên gia gì? Theo E Feigenbaum : Hệ chuyên gia (Expert System) chương trình máy tính thơng minh sử dụng tri thức (knowledge) thủ tục suy luận (inference procedures) để giải tốn tương đối khó khăn địi hỏi chuyên gia giải Hệ chuyên gia hệ thống tin học mơ (emulates) lực đoán (decision) hành động (making abilily) chuyên gia (con người) Hệ chuyên gia lĩnh vực ứng dụng trí tuệ nhân tạo (Artificial Intelligence) 1.2 Cấu trúc Các hành phần hệ chuyên gia 1.2.1 Bộ giao diện người máy Thực giao tiếp HCG người sử dụng Bộ nhận thông tin từ người sử dụng đưa câu trả lời, lời khun, giải thích lĩnh vực 1.2.2 Mơ tơ suy diễn Hệ chun gia mơ hình hóa cách lập luận người với mô dun động suy diễn Hệ chuyên gia chứa động suy diễn để tiến hành suy diễn nhằm tạo tri thức dựa kiện, tri thức vùng nhớ làm việc tri thức sở tri thức.Hai kiểu suy diễn động suy diễn suy diễn tiến suy diễn lùi 1.2.3 Cơ sở tri thức Lưu trữ, biểu diễn tri thức mà hệ đảm nhận làm sở cho ác hoạt động hệ CSTT bao gồm kiện(facts) luật(rules) 1.2.4 Bộ giải thích Trả lời hai câu hỏi sao(why) cách nào(how), câu hỏi WHY nhằm mục đích cung cấp lý lẽ để thuyết phục người sử dụng theo đường suy diễn hệ chuyên gia Câu hỏi HOW nhằm cung cấp giải thích đường mà hệ chuyên gia sử dụng mang lại kết 1.2.5 Bộ tiếp nhận tri thức Làm nhiệm vụ thu nhận tri thức từ hệ chuyên gia người (human expert), từ kỹ sư xử lý tri thức người sử dụng thông qua yêu cầu lưu trữ vào CSTT 1.2.6 Bộ nhớ làm việc Chứa kiện liên quan phát trình đưa kết luận Bộ nhớ làm việc tương đương với nhớ ngắn hạn(Short- Term Memory) mơ hình giải vấn đề người 1.3 Các lĩnh vực ứng dụng Lĩnh vực Ứng dụng diện rộng Cấu hình Tập hợp thích đáng thành phần hệ thống theo cách riêng Chuẩn Lập luận dựa chứng quan sát đoán Truyền đạt Dạy học kiểu thơng minh cho sinh viên hỏi sao, nào, giống hỏi người thấy giáo Giải thích Giải thích liệu thu thập Kiểm tra So sánh liệu thu lượm với liệu chuyên môn để đánh giá hiệu Lập kế Lập kế hoạch sản xuất theo yêu cầu hoạch Dự đoán Dự đốn hậu từ tình xảy Chữa trị Chỉ định thụ lý vấn đề Điều khiển Điều khiển q trình, địi hỏi diễn giải, chuẩn đoán, kiểm tra, lập kế hoạch, dự đoán chữa trị Chương 2: LOGIC MỜ 2.1 Tập rõ, tập mờ 2.1.1 Các khái niệm Logic mờ xuất vào năm 1920 đến năm 1965, giáo sư Lotfi Zadeh hoàn thiện, đưa lý thuyết tập mờ (Fuzzy Set Theory) hoàn chỉnh cơng bố lần Mỹ Kể từ đó, logic mờ có nhiều phát triển qua chặng đường sau: phát minh Mỹ, áp dụng Châu Âu đưa vào sản phẩm thương mại Nhật Trong logic rõ, tập hợp A thường có biên rõ để phân biệt đối tượng thuộc A đối tượng không thuộc A Từ người ta trả lời xác câu hỏi: x có thuộc A hay khơng? Cịn logic mờ, biên giới đối tượng thuộc tập A đối tượng không thuộc tập A không rõ ràng phản ánh hàm thuộc μA(x) (xem định nghĩa hàm thuộc đây) Lấy ví dụ, khó chọn học sinh có trạng thái tình cảm “buồn” lớp học “buồn” khái niệm mờ - Biến ngôn ngữ thuật ngữ mô tả khái niệm logic mờ VD: nhiệt độ, chiều cao, cân nặng,… - Giá trị ngôn ngữ giá trị mà biến ngơn ngữ nhận diễn giải ngôn ngữ tự nhiên Giá trị ngôn ngữ phản ánh mờ hóa biến ngơn ngữ: ● Nhiệt độ: nóng, lạnh ● Chiều cao: thấp, trung bình, cao ● Cân nặng: nhẹ, trung bình, nặng - Tập vũ trụ biến ngôn ngữ tập tất giá trị mà biến ngơn ngữ nhận ● Tập mờ định nghĩa sau: Cho X tập không rỗng, gọi tập vũ trụ hay tập tham chiếu Một tập mờ A vũ trụ X hàm: μA: X → [0,1] ● Hàm μA gọi hàm thuộc tập mờ A phần tử x X xác định giá trị μA(x) [0,1] gọi mức thuộc x tập mờ A Mức thuộc μA(x) biểu thị mức độ chân lý kiện x X thể tính mờ tập hợp ● Có phương pháp sử dụng hàm thuộc để tính độ phụ thuộc phần tử x đó: tính trực tiếp μA cho trước dạng công thức tra bảng A cho dạng bảng ● Để tiện so sánh, ta tham khảo lại hàm đặc trưng XA tập hợp A lý thuyết tập hợp: XA: X → {0, 1} ● XA nhận giá trị tập {0, 1} cho: XA(x) = x A, XA(x) = x A ● Độ cao H tập mờ a (định nghĩa tập vũ trụ X) giá trị H = sup { μA(x) | x X} ● Một tập mờ với phần tử có độ phụ thuộc = (H=1) gọi tập mờ tắc, ngược lại tập mờ với H0 } ● Miền tin cậy T tập mờ A (định nghĩa tập vũ trụ X) tập X thỏa mãn: T = {x ∈ X | μA(x) = } Ví dụ sau khác tập mờ tập rõ: Cho biến ngôn ngữ = “chiều cao” giá trị ngôn ngữ = “thấp” Trong tập vũ trụ H biến ngơn ngữ “chiều cao” (ký hiệu: H - tập chiều cao; h – chiều cao, đơn vị= mét): H = {1, 1.1, 1.2, 1.3, 1.4, 1.5, 1.6, 1.7, 1.8, 1.9, 2} Tập mờ xác định khái niệm người có chiều cao “thấp” mô tả hàm thuộc: μthấp(h): H → [0,1] μthấp(h) = h ≤ 1.4 m μthấp(h) = (1.7 - h) / (1.7 – 1.4) 1.4m ≤ h ≤ 1.7 m μthấp(h) = h ≥ 1.7 m Trong với lý thuyết tập hợp truyền thống, khái niệm người có chiều cao “thấp” nhận giá trị: μthấp (h) = h ≥ 1.4 m μthấp (h) = h ≤ 1.4 m Tập mờ tập rõ khái niệm “Chiều cao thấp” biểu diễn sau: Hình Đồ thị hàm thuộc μ thấp(h) Khi đó, người có chiều cao h=1.5m, chiều cao người coi thuộc tập mờ “Chiều cao thấp” với mức độ 0.67, nói theo ngôn ngữ tự nhiên “khá thấp” Trong tập rõ lại khẳng định chiều cao không thấp (h>1.4m) Rõ ràng cách tiếp cận theo lý thuyết tập mờ mềm dẻo tổng quát 2.2 Các phép toán tập mờ ⮚ Phần bù Phần bù mờ tập mờ A tập mờ A´ với hàm thuộc xác định bởi: μ A´ (X) = - μ A´ (X) ⮚ Phép giao tập mờ: Giao tập mờ A tập mờ B tập mờ A ∩B với hàm thuộc xác định bởi: μA B(x) = Min( μA(x), μB(x)) ⮚ Phép hợp tập mờ: Hợp tập mờ A tập mờ B tập mờ A∪B với hàm thuộc xác định bởi: μA B (x) = Max( μA(x), μB (x)) ⮚ Phép trừ tập mờ Cho X tập hợp: A, B hai tập mờ X có hàm thuộc μ A´ , μ A´ Phép trừ hai tập hợp mờ A B X kí hiệu A\B định nghĩa sau: A\B = A∩ B´ ⮚ Luật De Morgan Cho A, B hai tập X, đó: ( A ∪ B)C = AC ∩ BC ( A ∩ B)C = AC ∪ BC 2.3 Suy diễn mờ 2.3.1 Biểu diễn tri thức kiện mờ, luật Lý thuyết tập mờ khung tốn học chặt chẽ (khơng có mập mờ lý thuyết tập mờ) để nghiên cứu khái niệm mờ cách cụ thể chặt chẽ Nó coi ngơn ngữ mơ hình phù hợp cho quan hệ, tiêu chuẩn, tượng mờ Khi xây dựng hệ chun gia nhằm mục đích trợ giúp chẩn đốn bệnh, máy tính phải xử lý loạt thông tin mờ (ranh giới không định nghĩa rõ ràng) Không thể đưa thông tin vào máy mà khơng qua xử lý Ví dụ: mức độ sốt “nhẹ”, “hơi hơi”, “cao”, “rất cao”, … thời gian sốt lại “ngắn”, “khá lâu”, “lâu”, “rất lâu” Đây nơi mà lý thuyết tập mờ - ngành phát triển mạnh tốn học, phát huy sức mạnh Lý thuyết tập mờ cơng cụ tốn học có hiệu dùng để biểu diễn thao tác thông tin mờ hệ chuyên gia ứng dụng y tế sử dụng lý thuyết để suy diễn, đưa lời khuyên chẩn đoán nhờ lý thuyết tốn học này, đưa vào máy tính thơng tin khơng xác có dạng “rất”, “hơi hơi”, “khá”, “có lẽ”… - Sự kiện mờ Với hệ chuyên gia chẩn đoán bệnh nói chung, tri thức bác sĩ kiện mờ Các kiện mờ mô tả dạng biến ngôn ngữ tương ứng Ví dụ: ● Biến ngơn ngữ X = “sưng khớp” ● X mơ tả giá trị ngôn ngữ: A= {“hơi sưng”, “sưng vừa”, “rất sưng”} Sự kiện mờ biểu diễn dạng: X is A 10 ... phép toán tập mờ ⮚ Phần bù Phần bù mờ tập mờ A tập mờ A´ với hàm thuộc xác định bởi: μ A´ (X) = - μ A´ (X) ⮚ Phép giao tập mờ: Giao tập mờ A tập mờ B tập mờ A ∩B với hàm thuộc xác định bởi: μA... Làn đường Hẹp T .gian Vừa T .gian Lâu T .gian Lâu Làn đường Vừa T .gian Nhanh T .gian Vừa T .gian Vừa Làn đường Rộng T .gian Nhanh T .gian Nhanh T .gian Nhanh b Thuật toán B1: Xác định luật mờ Luật 1: IF... phút]/2= 15 phút 16 Chương 3: XÂY DỰNG ỨNG DỤNG 3.1 Phát biểu toán Chọn độ rộng đường mật độ giao thông 20 làm biến đầu vào Tính thời gian dừng đèn đỏ logic mờ ⇨ Ta xây dựng biến ngôn ngữ trạng thái