系统是人工智能的一个重要领域.docx
专家系统是人工智能的一个重要领域，本周主要对专家系统进行相关的学习，看是否能应用到RPC的配合比设计当中。专家系统专家系统(expertsysierms,ES)是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识和经验，能够利用人类专家的知识和解决问题的方法来处理该领域问题。它的突出特点在于它一般解决的是没有算法解的问题，并且经常要在不完全、不精确或不确定的信息基础上做出结论川。存放知识和使用知识是专家系统的两个基本功能,用于分别实现这两个基本功能的知识库和推理机构成了专家系统的两个核心部件，其结构如图1所示。图1专家系统的基本结构以MYaN系统为例，讨论基于规则的专家系统的理想结构，这也是目前专家系统流行的理想结构，如图2所示。如皮片图2专家系统的理想结构1 .知识库：知识库是专家系统的核心之一，其主要功能是存储和管理专家系统中的知识。知识主要有两种类型：类是相关领域中所谓公开性知识，包括领域中的定义、事实和理论在内；另一类是领域专家的所谓个人知识，它们是领域专家在长期业务实践中所获得的一类实践经验，其中很多知识被称为启发性知识。在知识库中，这些知识必须表达为一定的规范形式。在构造知识库时，最好选择最易于表达知识且又易于计算机实现的方法。2 .推理机：推理机实际上也是一组计算机程序，它能够根据当前己知的事实，利用知识库中的知识，按一定的推理方法和控制策略进行推理（模拟领域专家的思维过程），求得问题的答案。3 .综合数据库：综合数据库也成为全局数据库、工作存储器或黑板。它是用于存放专家系统工作过程中所需领域或问题的初始数据、系统推理过程中得到的中间结果、最终结果和控制运行的一些描述信息的存储集合，它是在系统运行期间产生和变化的，所以是一个不断变化的“动态”数据库。4 .解释模块：解释模块负责回答用户提出的各种问题，包括“为什么”之类的与系统推理有关的问题和“结论是如何得出的”之类的与系统推理无关的关于系统自身的问题，是实现系统透明性的主要模块。5 .知识获取模块：这是专家系统中能将某专业领域内的事实性知识和领域专家所特有的经验性知识转为计算机可利用的形式并送入知识库的功能模块,它是实现系统灵活性的主要部分，它能使领域专家可以修改知识库而不必了解知识库中知识的表示方法、知识库的组织结构等实现上的细节问题，大大提高了系统的可扩充性。6 .人机接口：人机接口负责把领域专家、知识工程师或一般用户输入的信息转换成系统内规范化的表示形式，然后把这些内部表示交给相应的模块去处理。系统输出的内部信息也由人机接口转换成用户易于理解的外部表示形式显示给用户。专家系统在土木工程中的应用专家系统在土木工程领域中已有许多应用。其中胡曙光等建立了泵送碎配合比设计的专家系统，其总体设计过程是根据要求、经验给出初步配合比，试配后如果满足条件则结束，不满足条件则根据知识库中的经验对配合比进行调整。许丽萍等利用专家系统对混凝土的耐久性进行预测和设计。专家系统的开发工具专家系统是一类复杂的智能化程序系统,要独立开发一个专家系统绝非易事。一般认为,要建造一个完善的、比较实用的专家系统，需要花费510年，它需要具有丰富经验的领域专家和受过良好训练的知识工程师的长期密切合作，造价高、周期长。为了提高专家系统的开发速度，专家系统的开发工具应运而生。专家系统开发工具主要有专家系统外壳和专家系统开发环境两种。专家系统外壳又称为骨架系统，是由已有的成功的专家系统演化而来。它抽出了原系统中具体的领域知识，而保留了原系统的基本骨架（知识库及推理机结构），所以称为“外壳”。专家系统开发环境是一种程序模块组合下的系统开发及辅助工具，它为用户提供了各种用于知识表达，推理的模块，这样，用户只要掌握了组合规则，适当选择模块，就可以方便地组装成所需的专家系统。专家系统与神经网络的融合从以上专家系统获取知识和解决问题的能力来看,现有的专家系统基本上是建立在经验性知识之上的，系统本身不能从领域的基本原理来理解这些知识。这样，知识的获取就尤为重要，其被称为开发专家系统的“瓶颈”问题。专家系统与神经网络的互补：1.对于专家系统的“脆弱性”，即知识和经验不全面，遇到没解决过的问题就无能为力。而利用神经网络的自学习功能，不断丰富知识库内容，可解决知识更新的问题。2.对于专家系统“知识获取困难”这一“瓶颈”问题，利用神经网络的高效性和自学习功能，只需用领域专家解决问题的实例来训练神经网络，使在同样的输入条件下，神经网络便能获得与专家给出的解答尽可能接近的输出IL神经网络专家系统可以大大减少试验室的试配工作，具有现实的经济意义和广阔的应用前景。RPC的配合比设计软件的实现基于以上对专家系统的了解，要做出一个RPC配合比的设计软件，我拟定以下几种途径：1 .寻找原材料参数、配合比参数、RPC性能间的规律，利用神经网络建立模型，利用遗传算法进行优化。这种方法的重点在于原材料参数、配合比参数、RPC性能间规律的总结。2 .总结RPC配合比设计经验（收集知识），建立初步的专家系统。这种方法的重点在于总结出正确的RPC配合比设计规律和专家系统的建立。3 .找到一种较好融合神经网络和专家系统的工具，使用这种工具建立RPC配合比设计软件。这种方法主要是要找到这种工具，我目前还没找到，这似乎也是人工智能领域目前研究的方向。我接下来打算先按照第种思路进行研究，因为第种思路重点更多在材料研究，而不是软件研究。参考文献1,1钟珞，饶文碧，邹承明.人工神经网络及其融合应用技术M.北京市：科学出版社,2007.马宪民.人工智能的原理及方法M.西安市：西北工业大学出版社,2002.苏键，谭平，周福霖.土木工程专家系统的应用和发展趋势J.建筑科学与工程学报，2006,23(4),6-14.胡曙光，吕林女，马保国.泵送碎技术专家系统的配合比设计研究J.武汉工业大学学报,1998,20(4),9-21.许丽萍，吴学礼.FCD混凝土耐久性专家系统及其建立J.混凝土，1994(6),19-23.王继宗，梁晓颖，梁宾桥.混凝土配合比设计方法的研究进展J河北建筑科技学院学报,2003,20(2),30-34.
